Торгово-промышленная палата Алтайского края
Расходы на электроэнергию для промышленных и коммерческих предприятий традиционно воспринимаются как «неизбежное зло». Однако аудит показывает, что бизнес регулярно переплачивает там, где существуют абсолютно законные способы экономии без физического снижения производственных мощностей.
Российский рынок электроэнергии один из самых сложных в мире с точки зрения ценообразования. Ежегодная индексация тарифов, запутанные правила розничного рынка и сложная структура чека, где энергия и мощность считаются отдельно, превращают счет за электроэнергию в ребус.
Долгое время предприятия шли по пути экстенсивного энергосбережения: утепляли фасады, ставили частотно-регулируемые приводы и меняли лампы на светодиодные. Это дало свой эффект, но сегодня этот ресурс исчерпан. Физическое снижение потребления достигло предела – нельзя выключить станок, если завод должен производить.
Именно здесь на первый план выходит управление потреблением электроэнергией. Смысл этого подхода не в том, чтобы потреблять меньше, а в том, чтобы потреблять умнее. Важно не только то, сколько киловатт-часов сжег завод, но и то, в какие именно часы он это сделал, и по какому тарифному меню за это заплатил.
Основной причиной финансовых потерь на предприятиях является разрыв между финансовыми и производственными функциями. Во многих компаниях сложился статус-кво: финансовый директор отвечает за снижение затрат, а главный энергетик за надежность и бесперебойную работу энергохозяйства.
Главный энергетик прежде всего технический специалист, а не финансовый аналитик. У него нет времени и необходимых инструментов для ежедневной обработки почасовых профилей электропотребления (8 760 часов в год), их перерасчета по шести ценовым категориям с учетом региональных особенностей, уровней напряжения и тарифов на передачу электроэнергии. Выполнение таких расчетов в Excel зачастую оказывается чрезмерно трудоемким как для энергетических, так и для финансовых служб.
В этих условиях смена ценовой категории воспринимается как личный риск: ошибка в расчетах может привести к увеличению затрат и персональной ответственности за принятое решение. В результате предприятия нередко сохраняют неэффективные тарифные условия, продолжая нести финансовые потери.
Решением этой проблемы на стыке IT и энергетики стало появление специализированных ИИ-агентов. Один из таких проектов – отечественная разработка члена ТПП Алтайского края – индивидуального предпринимателя Сергея Троезубова «ЭлектроНавигатор», которая наглядно демонстрирует, как нейросети превращают управление энергозатратами в точную математику.
Главная ошибка многих ИИ-стартапов в промышленности – попытка дать нейросети полную свободу действий. В энергетике, где любая галлюцинация ИИ ведет к миллионным штрафам, этот подход не работает. Сеть, обученная на других стандартах, не может уловить сложности нашего тарифообразования и ответы дает обтекаемые и мало реализуемые. Учить нейросеть невозможно, поэтому учить нужно Агента-помощника руководителя, для этого ему загружаются практические знания специалистов где искать и как добиться, а также нужно четко формулировать задачу.
Ценность «ЭлектроНавигатора» заключается в том, что искусственный интеллект здесь ограничен строгими рамками экспертной базы. Алгоритм опирается на 17 ключевых направлений оптимизации, собранных инженерами-практиками. Система анализирует огромный спектр сценариев: от перехода на оптимальную ценовую категорию и смены уровня напряжения ориентируясь на данные сайта ЭСО-ГП до оценки целесообразности применения новых инженерных решений.
База знаний дает понимание, где искать оптимизацию, но руководителю нужны точные цифры. За это в системе отвечает модуль математического моделирования.
ИИ-агент загружает почасовой профиль электропотребления предприятия со счетчиков АСКУЭ и создает его цифрового двойника. Система просчитывает платеж для тысяч комбинаций параметров (профиль нагрузки + мощность + уровень напряжения + ценовая категория), показывая ту единственную конфигурацию, при которой счет в рублях будет минимальным.
Разберем на реальных сценариях, как это работает:
Кейс 1: Прогнозирование пиков
Предприятие (машиностроительный завод) находится на 3-й ценовой категории, по правилам рынка, плата за мощность начисляется исходя из того, сколько завод потреблял в пиковые часы региона (которые постфактум определяет Системный оператор).
Как решает ИИ: Нейросеть с вероятностью до 85% прогнозирует наступление этих пиковых часов на месяц и более вперед. Прогнозирование проводится по временам года Система выдает рекомендацию на каждый день следующего месяца. Главный энергетик предлагает сдвиг работы энергоемкого оборудования всего на час или отключает его по возможности. Перенос потребления после 21 часа – идеальное решение. Физический объем выпущенной продукции не меняется, но расчетная мощность завода в квитанции падает. ЭлектроНавигатор владеет всеми характеристиками ценовых категорий и видит признаки необходимости перехода на другую ЦК или возможность смены уровня напряжения.
Кейс 2: Поиск «бесплатных окон»
Предприятие (производство пластиковой тары) работает на 4-й ценовой категории, где есть отдельная плата за передачу электроэнергии, зависящая от максимального потребления (мощности) в определенные дневные часы (с 8 до 21 часа).
Как решает ИИ: Система предоставит вам конкретные дневные часы, запланированные в Минэнерго до конца года, в которых оборудование может работать на абсолютном максимуме, и это никак не отразится на расчетной сетевой мощности в счете-фактуре. Итоговое потребление в кВт час остается на прежнем уровне, а себестоимость единицы товара снижается. Как правило это 4 часа в день.
Помимо оптимизации, ИИ-агент выступает «переводчиком» между инженерами и финансистами. Когда главный энергетик просит бюджет на установку компенсатора реактивной мощности (УКРМ), аргументируя это «улучшением косинуса фи», финансовый директор видит лишь нецелевые затраты.
Система моделирует скрытые убытки сценариями «Было / Стало» и выдает готовый бизнес-кейс: «Из-за реактивной энергии мы переплачиваем Х рублей в месяц в виде надбавок к тарифу. Покупка УКРМ обойдется в Y рублей. Срок окупаемости – 8 месяцев, далее чистая прибыль». В базе знаний «ЭлектроНавигатора» приводится расчет потерь активной энергии из-за избытка потребления реактивной мощности.
Более того, система способна выполнять функцию независимого аудитора биллинга энергосбытовой компании. Сопоставляя нерасшифрованные выгрузки с коммерческого счетчика предприятия с представленной почасовкой, математическая модель мгновенно выявляет ошибки на стороне поставщика – ошибки в расшифровке или сбои в передаче данных.
Искусственный интеллект не призван заменить главного энергетика. Его задача – стать для инженерного отдела своеобразным «экзоскелетом». Там, где человеку требуются недели на ручные расчеты сотен комбинаций, алгоритм выдает точную финансовую модель за считанные секунды. Это переход от интуитивного управления ресурсами к управлению на основе big data.
Эпоха, когда энергосбережение сводилось к банальному требованию «выключать свет в цехах», безвозвратно ушла. Сегодня энергоэффективность – это процесс глубокого математического моделирования и ювелирного управления потреблением. Перерасчет профиля на любые другие модели электропотребления дает возможность осознанно руководителю управлять расчетами за электроэнергию.
Решения класса «ЭлектроНавигатор» доказывают: интеграция ИИ и профильной инженерной экспертизы позволяет бизнесу составить точную дорожную карту оптимизации. Без найма дорогостоящих консалтинговых агентств компания получает прозрачный план действий, подтвержденный точными расчетами. В условиях постоянно растущих тарифов именно такие цифровые инструменты становятся главным, а порой и единственным способом защитить интересы бизнеса.
Сергей Троезубов,
индивидуальный предприниматель,
член ТПП Алтайского края
