Репортаж от Wedoany，Greenphard Energy привлекла около 120 миллионов иен в рамках дополнительного раунда финансирования серии A через размещение акций третьим лицам. Инвесторами выступили Suzuyo Shoji и Mitsubishi UFJ Capital. Общий объем привлеченного финансирования компании достиг примерно 510 миллионов иен. Компания специализируется на использовании технологий искусственного интеллекта и управления Интернетом вещей для создания и монетизации «негаватт» (negawatts) в рамках эксплуатации виртуальных электростанций (virtual power plant). Это означает продвижение инфраструктуры виртуальных электростанций по мере быстрого созревания цифрового управления спросом.
Нагрузка систем охлаждения и кондиционирования воздуха является одним из наиболее гибких и энергоемких активов на заводах, в холодильных складах, а также в крупных и средних коммерческих зданиях. Платформа Greenphard Energy оснащает существующее оборудование специализированным аппаратным обеспечением Интернета вещей и системами управления на основе физического ИИ, не требуя модернизации объектов или замены охлаждающей инфраструктуры. Система оптимизирует работу компрессоров с помощью непрерывного зондирования и динамической логики управления, используя емкость холодильных складов для корректировки режимов потребления электроэнергии без ущерба для температурных требований. По оценкам Международного энергетического агентства (МЭА), системная цифровизация, включая управление спросом на основе Интернета вещей, может снизить эксплуатационные расходы электроэнергетических систем на 5–10%.
Основой этой модели являются «негаватты» (negawatts) — концепция, согласно которой каждый киловатт сокращенного потребления электроэнергии приравнивается по ценности к каждому киловатту, выработанному генератором. Путем корректировки потребления в реальном времени организация агрегирует эти негаватты и поставляет их на рынок электроэнергии в качестве ресурса виртуальной электростанции. Современные модели ИИ способны прогнозировать поведение оборудования, что позволяет более надежно, чем традиционные стратегии циклического переключения, осуществлять предварительное охлаждение или перенос нагрузки. Аналитики McKinsey сообщают, что оптимизация на основе ИИ обычно позволяет снизить энергопотребление в промышленных условиях на 10–20%, что соответствует заявленной компанией цели по снижению потребления электроэнергии до 20% с помощью передового управления Интернетом вещей. Компания также сообщает, что в ходе некоторых демонстрационных испытаний было достигнуто сокращение пиковой нагрузки более чем на 30%.
Промышленные энергетические активы поступают от множества производителей, и на многих объектах установлено разнородное оборудование, эксплуатируемое в течение десятилетий. Устройства Интернета вещей, охватывающие эти поколения, позволяют уровню управления ИИ анализировать разницу температур, циклы работы компрессоров, состояние оборудования и условия в помещениях. Это согласуется с выводами библиометрического обзора на ScienceDirect, посвященного тепловому комфорту и энергоэффективности на основе Интернета вещей, который указывает на быстрый рост исследовательского интереса и техническую осуществимость текущих коммерческих приложений. Аналогичные продукты Siemens, Schneider Electric и Johnson Controls подтверждают рыночный спрос на интегрированную оптимизацию энергопотребления зданий и заводов. Сосредоточение на активах холодильных складов создает уникальную операционную нишу: виртуальные электростанции выигрывают от предсказуемой гибкой нагрузки, а холодильное оборудование является одной из немногих категорий, способных обеспечить такую гибкость без нарушения основных операций.
Отраслевые стандарты усиливают тенденцию внедрения: многие корпоративные энергетические группы уже внедрили международную систему энергоменеджмента ISO 50001, а экосистема коммунальных предприятий полагается на стандарт IEEE 2030.5 для управления безопасной связью между распределенными ресурсами и операторами сетей. Технология компании сочетает обмен данными на уровне протоколов с интеллектом на уровне устройств. Согласно заявлению о финансировании, новые привлеченные средства будут направлены на технологические разработки, расширение бизнеса и улучшение сервиса для масштабирования развертывания программного обеспечения и Интернета вещей. Исследования интеллектуальной инфраструктуры на платформе SSRN подчеркивают, как устройства Интернета вещей в зданиях и интеллектуальные счетчики взаимодействуют с аналитическими инструментами, рекомендуя целенаправленные действия для значительного снижения энергопотребления объектов. Применение физического ИИ к традиционному оборудованию демонстрирует, как эти приросты эффективности могут быть объединены в продаваемый энергетический ресурс.
Долгосрочная тенденция зависит от того, сможет ли модель цифровой виртуальной электростанции выйти за пределы определенной клиентской базы. Пищевые заводы и холодильные склады являются первыми пользователями, поскольку нагрузка с регулированием температуры является высокопредсказуемой, в то время как обычные коммерческие офисные здания представляют собой более сложную и изменчивую среду. По мере повышения сложности ИИ и снижения барьеров для установки, сочетание управления на уровне аппаратного обеспечения и рыночно-интегрированного управления спросом переходит от стадии пилотных испытаний к надежному операционному ресурсу.
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
