Репортаж от Wedoany，Недавно бразильский оператор связи TIM расширил собственную систему возобновляемого энергоснабжения и внедрил искусственный интеллект в управление энергопотреблением сети связи. В настоящее время компания производит около 70% электроэнергии, необходимой для работы сети, с помощью 136 солнечных, гидро- и биогазовых электростанций, расположенных в 23 штатах и федеральном округе Бразилии, обеспечивая питание более 20 000 антенн мобильной связи.
Основное внимание в этой инициативе уделяется двум аспектам: эксплуатационным расходам сети связи и стабильности энергоснабжения. Сети мобильной связи имеют широкий охват и большое количество базовых станций; антенны, передающее оборудование, серверные и периферийные узлы требуют непрерывного долгосрочного электропитания, и расходы на электроэнергию традиционно составляют значительную часть операционных затрат операторов. TIM начал развивать распределенную генерацию в 2017 году, когда у него было всего 5 электростанций в штате Минас-Жерайс, обслуживающих около 1200 антенн; теперь эта система расширилась до многокомпонентного энергетического портфеля по всей стране с годовой выработкой электроэнергии около 474 ГВт·ч, что эквивалентно годовому потреблению электроэнергии города с населением около 770 000 человек. Для такого рынка, как Бразилия, с ее обширной территорией и значительными региональными различиями в условиях электроснабжения, интеграция оператором возобновляемых источников энергии с работой узлов связи позволяет снизить зависимость от традиционных закупок электроэнергии и колебаний региональных тарифов, а также обеспечить более стабильное долгосрочное энергоснабжение для удаленных районов, межрегиональных сетей и узлов с высокой нагрузкой.
С внедрением искусственного интеллекта в управление энергопотреблением путь TIM к энергосбережению перешел от «расширения источников чистой электроэнергии» к «точному контролю реального потребления на каждом узле».
С 2025 года TIM начал внедрять проекты ИИ для анализа счетов за электроэнергию и данных о потреблении. Создавая модели ожидаемого потребления для различных операционных подразделений и сравнивая их с фактическими счетами и данными о потреблении, система выявляет аномалии учета, отклонения в энергопотреблении и риски неисправности оборудования. Потери энергии на базовых станциях связи часто связаны не только с отдельными крупными устройствами, но и скрыты в деталях работы кондиционеров, резервного питания, выпрямителей, аккумуляторов, передающего оборудования и состояния самого узла. Если система ИИ сможет постоянно выявлять аномальные паттерны, она поможет эксплуатационной команде быстрее обнаруживать ошибки учета, неэффективную работу оборудования или отклонения в энергопотреблении узлов, сокращая потери, связанные с ручными проверками и запаздывающим устранением неисправностей. По мере углубления покрытия сетей 5G, роста трафика данных и увеличения числа узлов периферийных вычислений, давление на операторов в плане энергопотребления будет продолжать расти. Простая закупка «зеленой» электроэнергии уже недостаточна для решения проблемы эффективности; управление энергопотреблением на основе данных станет важным инструментом для снижения затрат на телекоммуникационную инфраструктуру.
TIM также дополняет свой энергетический портфель закупками на свободном рынке электроэнергии и международными сертификатами возобновляемой энергии, заявляя о 100% использовании возобновляемой энергии с 2021 года. Использование возможностей ИИ для управления энергопотреблением означает, что устойчивая трансформация оператора вступает в этап, где больший упор делается на наблюдаемость, прогнозируемость и оптимизацию. Для мировой телекоммуникационной отрасли энергосбережение в мобильных сетях перешло из разряда корпоративных ESG-проектов в вопрос конкурентоспособности инфраструктуры; тот, кто сможет найти лучший баланс между покрытием, емкостью, энергоэффективностью и эксплуатационными расходами, с большей вероятностью сохранит ценовое преимущество при расширении 5G, Интернета вещей, корпоративных частных сетей и периферийных приложений ИИ.
Пример бразильской TIM также представляет собой воспроизводимую модель для телекоммуникационного рынка Латинской Америки. Многие страны региона сталкиваются с волатильностью цен на электроэнергию, региональными различиями в энергоснабжении, разрозненностью телекоммуникационной инфраструктуры и давлением инвестиций в модернизацию сетей. Снижение затрат операторами за счет распределенных возобновляемых источников энергии, мониторинга энергопотребления с помощью ИИ и замкнутого цикла эксплуатации узлов поможет повысить долгосрочную устойчивость мобильных сетей. Дальнейшее развитие будет сосредоточено на том, сможет ли проект управления энергопотреблением на основе ИИ быть расширен на большее количество узлов, можно ли преобразовать выявление аномалий в реальную экономию энергии, и сможет ли система возобновляемого энергоснабжения продолжать поддерживать рост 5G и будущих периферийных приложений ИИ.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
