Цифровая энергия: как ИИ меняет российский ТЭК
В последние годы доля компаний отрасли, применяющих ИИ, кратно выросла. Если в 2021 году таких было менее трети, то к концу 2024-го ИИ в той или иной форме использовали 58% организаций ТЭК. По прогнозам Минэнерго, к 2027 году этот показатель превысит 70%. К 2035 году планируется практически полная цифровизация энергосектора с повсеместным внедрением ИИ и цифровых двойников.
Причины этого тренда лежат как в технологическом развитии, так и в экономических факторах. Стремительное накопление больших данных (энергетика генерирует порядка 10 петабайт данных в сутки, в 1000 раз больше, чем ритейл) требует внедрения интеллектуальных систем (ИС) для анализа и принятия решений.
По оценкам Ассоциации больших данных, за последние годы ИС дали энергокомпаниям суммарный эффект свыше ₽91 млрд. Минэнерго отмечает, что ИИ-технологии повышают выручку компаний в среднем на 11%, а к 2030 году их совокупный экономический эффект в энергетике РФ может достичь почти ₽1 трлн.
Не случайно в правительственных стратегиях цифровой прорыв в ТЭК рассматривается как фактор повышения эффективности и конкурентоспособности отрасли. При этом в технологически критичных зонах окончательные решения пока оставляют за человеком, ИИ используется прежде всего как аналитический инструмент.
«Газпром»: ИИ в предиктивной аналитике и прогнозировании спроса
Для газового гиганта «Газпром» цифровизация стала важным элементом обеспечения надежности поставок и эффективности эксплуатации ГТС. Одним из ключевых направлений является предиктивная аналитика для техобслуживания. На объектах компании внедряются системы мониторинга оборудования (компрессорных станций, трубопроводов и так далее), которые с помощью датчиков и алгоритмов машинного обучения собирают и анализируют параметры в реальном времени, прогнозируя возможные неисправности. Такой подход позволяет заблаговременно выявлять проблемы до появления видимых признаков, переходить от аварийных ремонтов к плановым и тем самым предотвращать серьезные аварии. По оценкам экспертов, предиктивное обслуживание в нефтегазовой отрасли способно сократить простои оборудования на 30-50% и продлить срок его службы на 20-40%.
Помимо обслуживания, ИИ применяется и для оптимизации управления газовыми потоками и хранения газа. В 2025 году компания представила нейросетевую модель, которая помогает максимизировать производительность ПХГ в сезон отбора. «Газпром» разработал трехмерную нейромодель ПХГ, обученную на данных одного из хранилищ (Кущевского). По словам руководителя проекта Сергея Хана, эта модель считает сценарии эксплуатации хранилища в миллион раз быстрее по сравнению с классическими инженерными расчетами. Алгоритм перебирает миллионы вариантов управления скважинами и выбирает оптимальный, позволяя как можно дольше поддерживать максимальную суточную отдачу газа в холодный период. Сейчас компания готовит нейромодели и для других хранилищ. В результате внедрения такого ИИ-инструмента «Газпром» рассчитывает повысить отдачу ПХГ и надежно пройти пиковые зимние нагрузки.
«Интер РАО»: ИС управления генерацией и прогноз нагрузки
В рамках программы инновационного развития «Интер РАО» активно внедряет системы на основе ИИ для управления генерацией и прогнозирования потребления. Одной из приоритетных задач является повышение точности краткосрочных прогнозов спроса на электроэнергию и оптимизация загрузки генерирующих мощностей. Для этого в «Интер РАО» была реализована автоматизированная система прогнозирования энергопотребления на базе методов машинного обучения.
Интеллектуальное управление генерацией выражается в том, что алгоритмы ИИ помогают распределять нагрузку между блоками электростанций, выбирая оптимальные режимы с учетом прогнозируемого спроса и технических ограничений. Например, с помощью предиктивной аналитики компания может заранее определить, какой энергоблок целесообразно вывести в резерв или, наоборот, запустить, чтобы покрыть пиковый спрос, не допуская перегрузок. В одном из пилотных проектов на газовой ТЭС система машинного обучения анализировала исторические данные работы оборудования и предсказывала наиболее экономичные комбинации нагрузки для каждого часа суток.
Кроме того, в «Интер РАО» внедряются решения для предиктивной диагностики на электростанциях, аналогичные тем, что используются по отрасли. Еще с 2015 года на ряде электростанций эксплуатируется промышленная система удаленного мониторинга, к которой уже подключено свыше 3,2 ГВт тепловой генерации. Система собирает телеметрию с турбин, котлов, генераторов, и посредством ИИ-моделей выявляет аномалии.
«РусГидро»: интеллектуальные решения для генерации и инфраструктуры ГЭС
Гидрогенерирующий холдинг «РусГидро» (объединяющий десятки ГЭС и энергосетевые объекты на Дальнем Востоке) также активно осваивает ИИ-технологии. В компании определили два основных направления применения ИИ: корпоративное и производственное. В корпоративном сегменте уже работают AI-ассистенты, автоматизирующие рутинные операции (обработку внутренних запросов, подготовку документов, поддержку сотрудников службы поддержки и прочее). Но более интересны инициативы в производственной сфере, связанные непосредственно с генерацией и сетевым хозяйством.
Во-первых, «РусГидро» использует беспилотники и системы машинного зрения для мониторинга состояния гидротехнических сооружений и линий электропередачи. Дроны регулярно облетают дамбы ГЭС, плотины, ЛЭП в горных труднодоступных районах, а ИИ анализирует полученные снимки на предмет трещин, деформаций, просадок грунта, обледенения проводов и иных потенциально опасных изменений.
Во-вторых, внедряются системы предиктивной диагностики оборудования ГЭС. Турбины, генераторы, трансформаторы, распределительные устройства оснащаются датчиками, данные с которых стекаются в централизованные аналитические комплексы. Алгоритмы ИИ обрабатывают параметры вибрации, температуры, давления, чтобы прогнозировать развитие возможных дефектов. По информации компании, планируется применять ИИ для анализа режимов работы более 700 тыс. единиц оборудования на объектах группы «РусГидро».
В-третьих, создаются цифровые модели энергосистем для оценки рисков и прогнозирования различных сценариев. В «РусГидро» отмечают, что ИИ-инструменты помогают составлять оптимальные балансы электроэнергии в изолированных энергосистемах Дальнего Востока, где компания выступает гарантирующим поставщиком. С их помощью автоматизируется расчет потерь в сетях, вырабатываются рекомендации по снижению этих потерь вплоть до уровня 35-500 кВ.
Росатом: цифровые решения нового поколения с элементами ИИ
Госкорпорация «Росатом» остается одним из технологических лидеров, стоящих у истоков применения ИИ в энергетике. В атомной отрасли, где цена ошибки чрезвычайно высока, внедрение AI ведется особо тщательно. Спектр проектов чрезвычайно широк — от производства топлива и эксплуатации АЭС до материаловедения и корпоративного управления. Однако по словам директора по цифровым технологиям Росатома Евгения Абакумова, «в системах высокой ответственности еще долгое время ИИ будет именно помощником».
На действующих атомных электростанциях внедрены интеллектуальные системы поддержки оперативного персонала. Эти ИИ-модули в реальном времени анализируют показания сотен технологических систем энергоблока и выдают подсказки операторам. Фактически, они служат вторым умным уровнем контроля, который мгновенно отмечает отклонения от нормы и предлагает оптимальные действия. В результате, как отметил гендиректор Росатома Алексей Лихачев, нагрузка на персонал АЭС снизилась на 39%, а надежность управления энергоблоками повысилась. То есть операторы меньше перегружены рутиной и могут сосредоточиться на чрезвычайном реагировании, а рутинный мониторинг доверяется ИИ.
В ядерно-топливном цикле ИИ помогает обеспечивать качество продукции. На предприятиях по изготовлению ядерного топлива внедрены системы, которые анализируют технологические параметры (температуру спекания таблеток, состав порошка, геометрию сборок) и прогнозируют характеристики выходящих изделий. Если алгоритм предвидит, что партия может не соответствовать требуемым допускам, можно скорректировать режимы производства еще до завершения цикла. В 2024 году экономический эффект от внедрения таких инструментов в топливном дивизионе составил свыше €14 млн (данные госкорпорации) за счет снижения брака и оптимизации технологических процессов.
В проектно-конструкторской деятельности Росатом применяет нейросетевые технологии для цифрового инжиниринга. Использование так называемых физически информированных нейросетей (когда в структуру ИИ-модели заложены фундаментальные физические законы) позволило в 10 раз ускорить вычислительное моделирование сложных процессов без потери точности. Например, расчет теплогидравлических режимов реактора или прочностной анализ конструкции, занимавший ранее часы, теперь выполняется за минуты. Это сокращает сроки разработки новых реакторов и модернизации оборудования и позволяет перебрать существенно больше вариантов конструкции виртуально, прежде чем воплощать их в металле. Такая технология уже используется при проектировании перспективных реакторов нового поколения, что дает Росатому конкурентное преимущество.
ИИ активно внедряется и в материаловедении. С помощью ИИ-моделей ученые Росатома прогнозируют свойства новых сплавов и композитов, что ускоряет разработку материалов в 50-100 раз. Раньше поиск нужной комбинации легирующих элементов для жаропрочного сплава требовал десятков экспериментов, а теперь алгоритм мгновенно просчитывает тысячи вариантов и предлагает наиболее перспективные. Это уже дало ощутимый эффект: себестоимость некоторых новых материалов снизилась на 30-50% благодаря оптимизации состава и сокращению экспериментов.