Кирк Эдельман, коммерческий директор нью-йоркской компании Safari Energy, занимающейся разработкой, строительством и управлением активами в солнечной энергетике, рассказал Electrek о трех технологиях, которые солнечная индустрия должна внедрить для революционизации процессов и инфраструктуры.
Многие солнечные компании начинали как стартапы, которые собирали любые доступные процессы и программное обеспечение для решения всех задач, от поиска клиентов до бухгалтерского учета. Часто они росли, фокусируясь на поиске более дешевого и эффективного оборудования.
Ассоциация солнечной энергетики и Wood Mackenzie прогнозируют, что мощности солнечной энергетики в США вырастут в четыре раза в этом десятилетии.
Эдельман объяснил Electrek, какие технологии, по его мнению, необходимы солнечной индустрии США, и почему, чтобы соответствовать растущему спросу на солнечную энергию:
Искусственный интеллект
Миллионы переменных и точек данных влияют на эффективность панелей, от затенения до загрязнения. Анализ и получение выводов из этих данных требует инвестиций в искусственный интеллект. ИИ обеспечивает повышенную автоматизацию, снижает количество человеческих ошибок и может освободить время для получения труднодоступных выводов.
Например, ИИ используется в Safari Energy для оценки сложных промышленных и коммерческих (C&I) крыш. Алгоритм ИИ может идентифицировать крыши, определять оптимальный размер и расположение солнечных панелей, а также точно рассчитывать затраты на систему, экономию и доходность инвестиций. Этот метод значительно превосходит человеческий анализ как по скорости, так и по точности, и может использоваться для быстрой оценки портфелей недвижимости, насчитывающих сотни объектов, для определения приоритетов.
Все это означает, что если вы рассматриваете солнечную энергию для своего бизнеса, компания, использующая ИИ, может предоставить оценку, которая на порядок точнее за секунды по сравнению с днями, затраченными вручную.
ИИ также может устранить повторяющиеся, подверженные ошибкам задачи, избегая путаницы и задержек в таких областях, как анализ счетов и создание предложений. Это также освобождает сотрудников, чтобы они могли сосредоточиться на более сложных и творческих задачах.
Машинное обучение
Машинное обучение еще больше усиливает преимущества ИИ, постоянно улучшая используемые алгоритмы. Предоставляя программе реальные данные и эталонные случаи, она может распознавать закономерности и самокорректироваться, тем самым повышая точность.
Например, некоторые промышленные и коммерческие крыши могут иметь разные оттенки цвета в зависимости от используемых материалов. Алгоритм может сначала спутать темноокрашенную крышу с асфальтом на земле или даже с водоемом. Показывая алгоритму конкретные примеры, он может распознавать тонкие различия и включать свои выводы в будущие модели.
В результате, солнечные компании, использующие машинное обучение для постоянного совершенствования своих алгоритмов, могут дальше повышать точность своих предложений, одновременно снижая нагрузку на сотрудников, занятых в трудоемких задачах.
Аналитика данных
Проще говоря, солнечные компании должны интегрировать надежную аналитику в свою деятельность. Отслеживая и анализируя создаваемые ими данные для выявления слабых мест в оборудовании и операциях, компании могут устранить узкие места в ресурсах, чтобы максимально увеличить производство существующего оборудования и улучшить повседневную работу.
Одна из областей, где может применяться аналитика данных, — это определение стратегического фокуса организации. Часто мы видели, как солнечные компании полагались почти полностью на интуицию или инерцию при определении того, какие компании будут хорошими целями. Однако, применяя сложную аналитику, такую как эмпирические данные, регрессионный анализ, тепловые карты и модели оценки (и это лишь некоторые из них), можно более эффективно определять, какие географические регионы, отрасли и показатели компаний представляют наибольший потенциал и на какие следует ориентироваться.
Эта область требует инвестиций в технологии и персонал, которые могут интерпретировать данные и принимать решения на их основе, а также культурного сдвига, чтобы организация была достаточно гибкой для принятия крупномасштабных решений, подкрепленных их новыми аналитическими возможностями. В противном случае компании рискуют попасть в ловушку больших данных, имея много информации, но не имея практического способа ее использования.
Вышеупомянутые технологические достижения создают возможности для дальнейших усовершенствований, таких как цифровое двойничество, которое включает в себя создание цифровых моделей реального солнечного оборудования для проведения симуляций деградации в течение срока службы этого оборудования. Используя эту концепцию профилактического обслуживания, компании могут прогнозировать, когда их оборудование выйдет из строя, и заменять его заранее, избегая дорогостоящих сбоев.
Кирк Эдельман — коммерческий директор Safari Energy. Он присоединился к Safari Energy после 12-летней карьеры в Siemens, где он в последнее время занимал должность президента и главного исполнительного директора Siemens Financial Services, Inc., а также генерального директора подразделения Global Energy Finance. Кирк является членом правления Программы по инфраструктурной политике Корнельского университета, Немецко-американской торговой палаты и Школы менеджмента Мартина Такмана Нью-Джерсийского технологического института.