Perbincangan mengenai AI dan grid kuasa sering menekankan beban yang akan diberikan oleh teknologi baru ini terhadap infrastruktur tenaga negara yang sudah tua. Walau bagaimanapun, Josh Brumberger, CEO Utilidata, membayangkan AI sebagai alat untuk meningkatkan pengurusan grid. Utilidata, berpusat di Rhode Island, sedang membangunkan "kecerdasan AI tepi" dengan menyematkan chipset AI yang direka oleh Nvidia ke dalam meter pintar dan peranti kawalan grid. Peranti ini mampu memproses sejumlah besar data dengan cepat, membolehkan utiliti mengurus grid kuasa yang semakin kompleks dengan lebih berkesan. Pada hari Selasa, Utilidata mengumumkan dana sebanyak $60. 3 juta untuk meningkatkan pengeluaran dan penggunaan teknologi ini dengan kerjasama utiliti yang semakin berkembang. Ini menjadikan jumlah pembiayaan ventura syarikat tersebut sebanyak $126. 5 juta. Rundingan ini dipimpin oleh Renown Capital Partners dan melibatkan pelabur sedia ada seperti Keyframe Capital, Nvidia dan Quanta Services, sebuah syarikat utama dalam infrastruktur grid dan tenaga. Brumberger berkata, “Kami mahu memudahkan pengeluar perkakasan menyematkan AI dan kecerdasan teragih ke dalam peralatan mereka. AI akan menjadi sangat penting untuk infrastruktur generasi akan datang seperti grid kuasa; beberapa tahun lalu, kami berada di tepi perbincangan ini, kini kami berada di tengah-tengahnya. ” Utilidata dan Nvidia mula bekerjasama pada 2021 dan melancarkan sebuah konsortium pada tahun berikutnya bersama utiliti AS dan Sunrun, sebuah pemasang solar dan bateri kediaman terkemuka, untuk menyokong penggunaan teknologi ini. Sejak itu, teknologi mereka telah dipilih untuk beberapa projek utiliti canggih. Pada 2023, Portland General Electric menerima geran dari Jabatan Tenaga Amerika Syarikat (DOE) untuk menggunakan “platform pengkomputeran tepi grid” daripada Utilidata dan Nvidia bagi mengintegrasikan bateri, EV, dan solar komuniti. Duquesne Light di Pennsylvania memperoleh geran DOE yang serupa untuk menggunakan peranti ini bagi pengumpulan data bagi menangani ancaman grid yang dipicu iklim. Consumers Energy di Michigan memulakan projek dengan Utilidata untuk menganalisis kesan pengecasan EV di rumah terhadap grid. Projek-projek ini berkongsi ciri utama: pengumpulan aliran data besar seperti bacaan voltan dan frekuensi subdetik, pemprosesan data melalui litar bersepadu yang menjalankan pengiraan kompleks, dan seterusnya membolehkan pengendali grid membuat keputusan yang berinformasi. Peranti lapangan mesti boleh diprogram semula secara autonomi untuk menghadapi tugas yang berbeza dan berubah-ubah—sesuatu yang tidak dapat dicapai oleh sistem kawalan pusat tradisional yang lebih perlahan. Utilidata, yang asalnya fokus kepada peralatan kawalan voltan grid, beralih pada 2020 untuk menangani cabaran “tepi grid” ini, membangunkan versi lebih pantas bagi teknologi utiliti lama yang tidak cukup laju untuk keperluan grid moden. Sebagai contoh, lebih 100 juta meter pintar di AS yang dipasang sejak pertengahan 2000-an mengumpulkan data asas pengebilan dan amaran gangguan tetapi bergantung pada chipset AMI 1. 0 dengan kemampuan yang terhad dan pra-tetap, direka untuk kos rendah dan penggunaan secara besar-besaran. Sementara itu, teknologi chipset telah meningkat.

Penjual utama seperti Itron dan Landis+Gyr sedang mempertingkatkan sistem AMI 2. 0 untuk fungsi yang lebih kompleks. Platform “Karman” daripada Utilidata dan Nvidia mendakwa mempunyai keupayaan yang lebih canggih, walaupun dengan harga yang mungkin lebih tinggi, mencerminkan variasi harga dalam industri. Penggunaan oleh utiliti masih perlahan; projek perintis awal dari 2022 memasang cip Nvidia pada meter sedia ada. Pada 2023, Utilidata bekerjasama dengan Aclara, pengeluar meter pintar milik Hubbell, untuk membangunkan meter terintegrasi menggunakan Karman. Penggunaan semasa tidak akan segera menggantikan semua meter sedia ada tetapi menyasar kawasan strategik grid yang memerlukan data terperinci, terutamanya untuk menilai impak sumber tenaga terdistribusi (DER) seperti solar di bumbung, bateri, dan pengecas EV. Utiliti semakin mencari kaedah untuk memanfaatkan peranti ini bagi mengurangkan tekanan grid melalui tindakan yang diselaraskan, seperti menyimpan tenaga solar waktu tengah hari atau menjadualkan pengecasan EV untuk mengelakkan bebanan infrastruktur. VPP (Taman Kuasa Maya) dan sistem pengurusan sumber tenaga terdistribusi (DERMS) boleh mengurus DER melalui kawalan berpusat melalui komunikasi berwayar atau tanpa wayar, tetapi tugas canggih memerlukan pengiraan tempatan dan komunikasi masa nyata antara peranti—yang mana tepat digelarkan oleh Karman. Brumberger menyatakan, “Bagi VPP yang boleh dipercayai dan sebesar loji bahan api gas, pengiraan dipercepat dan AI adalah penting untuk membuka nilai yang tidak dimanfaatkan daripada sumber yang berbeza. ” Portland General Electric, yang merancang untuk bergantung secara besar kepada DER, melihat teknologi seperti Karman sebagai kunci untuk memahami kebolehpercayaan VPP. Pengurus kanan Ananth Sundaram menyatakan platform seperti ini membantu menganalisis perkhidmatan grid, pengagregatan kuasa, dan tingkah laku pelanggan, membentuk asas kukuh sambil meraih data penting dari tepi grid. Utilidata berharap utiliti dan pengawal selia mempertimbangkan keperluan masa depan ini dalam pelancaran meter pintar berskala besar yang akan datang. Quanta, pelabur baharu, memainkan peranan penting dalam projek infrastruktur utiliti yang besar. Namun, pelaksanaan ini bergantung kepada geran DOE yang diluluskan di bawahpentadbiran Biden. Pentadbiran Trump sebelum ini menangguhkan dan mengancam pengurangan pembiayaan dan tenaga kerja yang memberi kesan kepada program ini. Brumberger menegaskan belum ada pembatalan, tetapi menyedari cabaran yang akan datang. Pembiayaan baharu ini akan membolehkan Utilidata mengembang ke peringkat antarabangsa dan melebihi utiliti, meneroka aplikasi seperti menyematkan teknologi kawalan tenaga yang didatangkan Nvidia dalam pusat data untuk memantau dan mengurus penggunaan kuasa di tahap pelayan. Brumberger menyatakan pusat data, yang dilihat sebagai mikrogrids yang kuat, secara semakin banyak menggabungkan generator, bateri, dan kawalan tenaga. Selain itu, platform Utilidata dan Nvidia akan menganalisis dan “melatih” model berdasarkan data yang dikumpulkan secara tempatan, seperti model bahasa besar yang belajar daripada set data teks dan imej yang besar. Contohnya, mereka boleh membezakan pola tanda voltan yang disebabkan oleh alat elektrik di rumah berbanding gangguan luaran seperti cabang pokok. “Ini bukan sekadar sensor, tetapi pusat aktiviti tempatan untuk latihan, mengurangkan keperluan menghantar semua data ke luar tapak, ” jelas Brumberger. Soalan utama adalah berapa peratus wilayah utiliti yang memerlukan teknologi canggih ini—adakah 10%, 50%, 80%, atau 100%.