Elektroprivreda Srbije (EPS) unapredila proces prognoziranja potrošnje i potražnje za električnom energijom, uvođenjem tehnologija mašinskog učenja i veštačke inteligencije u poslovne procese
Prevelika potrošnja, ali i nedovoljna iskorišćenost kapaciteta stvaraju velike gubitke, pa je precizna prognoza potražnje za električnom energijom od ključnog značaja za EPS, kako bi se proizvodnja, snabdevanje, distribucija i trgovina električnom energijom u Srbiji odvijali na što efikasniji način, uz optimalne troškove.
U želji da svoj rad učine efikasnijim i unaprede proces prognoziranja potrošnje i potražnje za električnom energijom, u kompaniju su se odlučili za korišćenje Microsoft rešenja za mašinsko učenje. Rezultat ovakvog pristupa je pojednostavljen unos i vizualizacija podataka i mogućnost predikcije tražnje za električnom energijom u dužem vremenskom periodu, dok su vreme potrebno za predikciju i mogućnost grešaka smanjeni van svih očekivanja kompanije.
Pre uvođenja novog rešenja, kako bi predvideli trendove u snabdevanju, inženjeri u Sektoru za dispečersko planiranje i upravljanje proizvodnjom su velike količine podataka o potrošnji u prethodnom periodu, kao i meteorološke podatke unosili ručno – što je proces podložan nepreciznostima, koje su uticale na prihode kompanije.
Prema rečima izvršnog direktora ovog preduzeća, Dragana Vlaisavljevića, budući da EPS učestvuje na balansnom tržištu na satnom nivou, svaka devijacija donosi dodatne troškove. Nakon uvođenja novog rešenja margina greške, koja je varirala između 5% i 15%, smanjena je na 1.7%.
“Smanjena greška odstupanja znači da smo smanjili troškove kojim bismo morali da je pokrijemo. Uštedimo i do 600.000 evra godišnje samo na balansnom tržištu”, kaže glavni inženjer Danilo Komatina i predviđa da će zbog efikasnijeg procesa trgovine, EPS imati i dodatnih 300.000 evra profita godišnje. „Ne moramo da pokrećemo i zaustavljamo generatore toliko često, pa je manje kvarova, što smanjuje troškove popravke i trajanje održavanja. Proizvodimo i prodajemo više električne energije, a kupujemo manje”, podvlači glavni inženjer EPS-a.
Podaci prikupljeni u poslednjih dvadeset godina uneti su u rešenje zasnovano na Azure tehnologiji koje koristi mašinsko učenje, što EPS-u obezbeđuje dovoljnu brzinu da se prilagodi svim fluktuacijama. Zahvaljujući analizi podataka u realnom vremenu i automatizaciji, za prognozu potrošnje sada je potrebno samo 15 minuta umesto dva sata, a ušteđeno vreme koristi se za poboljšanje plana trgovine. Istovremeno, Power Bi vizualizacija, umesto ručno pripremljenih izveštaja poboljšava donošenje odluka u realnom vremenu.
Projekat je uspešno implementiran u saradnji sa Microsoftom i njihovim lokalnim partnerom Informatikom A.D., koji su kao optimalno rešenje za EPS predložili Microsoft Azure Machine Learning sa Power Apps i Power BI.
“Blisko smo sarađivali sa Microsoftom, kako bismo podatke, godine iskustva i naš proces razmišljanja pretočili u kod. Sada je na nama samo da obezbedimo aktuelne podatke i sistem obavi sve ostalo”, zaključuje Dragan Vlaisavljević, izvršni direktor Elektroprivrede Srbije i najavljuje da kompanija trenutno istražuje kako da se uz pomoć Azure tehnologije nosi sa izazovima kao što su predviđanje cena, prikupljanje podataka o trgovini i integracija sa postojećim procesima.
