KOMENTÁŘ RADKA KOVANDY | Umělá inteligence je na jednu stranu „šikovná hračka“ pro generování textů, hudby nebo obrázků, ale stává se i klíčovým nástrojem v provozu českých jaderných elektráren. Slouží (ne)přímo k prodloužení jejich životnosti, což je ostatně vedle stavby nových projektů jeden z hlavních cílů jaderné energetiky nejen u nás. Pokud je „krmena“ dostatkem správných dat, protože bez nich je AI bezmocná nebo halucinuje, umí je v krátkém čase analyzovat, a tím zefektivňovat provoz, zvyšovat účinnost výroby energie nebo predikovat poruchy. Co všechno už dnes AI umí, co se teprve učí a co dokáže v budoucnu?
„TA VĚC“, která mění pravidla hry
„AI je sada nástrojů s obdivuhodnými schopnostmi a vysokým potenciálem – u nás doma tomu říkáme TA VĚC,“ říká na úvod s nadsázkou Ing. Miroslav Choura, manažer útvaru řízení stárnutí a dlouhodobého provozu jaderných elektráren ČEZ.
Oddělení, které se dnes v rámci provozovatele elektráren ČEZu věnuje využití AI v jaderné energetice, vzniklo v roce 2019, což je při současném tempu vývoje vlastně poměrně dávno. Klíčové ovšem nejsou jen technologie na bázi hlubokých neuronových sítí a speciálně trénované modely, ale především precizní práce s daty.
Firemní zlato s biliony datových bodů
„První, do čeho jsme začali šlapat, bylo takzvané digitální dvojče,“ popisuje Choura. Což znamenalo konsolidaci historických i nově nasnímaných dat, včetně laserového skenování, díky čemuž vznikl ucelený 3D model elektrárny.
Pohledově efektní vizualizace, která vypadá jako „dokonalá 3D hračka“, je založena na komplexní soustavě databází se zatím zhruba dvěma a půl miliony datových položek, typicky (ale nejen) čerpadla, ventily, armatury, potrubí... A každá z těchto položek může mít až 1600 různých atributů, což vytváří matici s biliony datových bodů.
Tato datová základna je pro AI klíčová. „Můžete mít spoustu různých skenů a dalších dat, ale když je to nesourodý pelmel, tak i AI naráží na své limity a ‚nedohledá‘ to, co potřebujete. Navíc v tom množství dat, s nímž pracujeme, nebudete schopni odhalit chybu,“ upozorňuje Choura. Proto je nutné mít přesná a strukturovaná data.
„Jakmile se vám data tzv. rozjedou, pak ani nepoznáte, že už jste mimo realitu,“ varuje Choura. Proto byl zaveden datový management, kde má každá datová položka svého „tátu“, který data ověřuje, čistí a koriguje. Díky tomu dnes dosahuje kvalita u vydefinovaných klíčových atributů přes 95 %.
Práce s daty a informacemi je základem všeho. Miroslav Choura to označuje za „firemní zlato“ – protože pokud dokážete data získat a díky AI s nimi i správně pracovat (protože v dostatečném čase to není v lidských silách), má to výrazný dopad na efektivitu a bezpečnost, a ve finále i na finance.
Lopatky a klepání
Temelín je jedna z nejvíc čidly ověšených elektráren na světě, Dukovany jsou jen v těsném závěsu za ním, takže o data není nouze. Jenže lidské oko, mozková kapacita ani paměť na jejich zpracování nestačí. Spousta údajů, ve kterých se někdo musí přehrabat a vyznat se v nich. Najít vzorce a souvislosti. „Ta věc“ to umí.
Konkrétní příklad jsou chladicí čerpadla tzv. věžové vody, jejichž výkon se řídí natočením lopatek, což se pak propisuje do účinnosti celého bloku – záleží na počasí, teplotě a vlhkosti vzduchu...
„Když s tím zacházíte špatně, protékají vám mezi prsty megawatthodiny energie. Když dobře a chytře, tak naopak energii šetříte a zvyšujete celkovou účinnost bloků,“ vysvětluje Miroslav Choura.
AI model se učil z osmileté historie dat, dohledal souvislosti, vypočítal nejlepší úhly natočení lopatek v závislosti na venkovních podmínkách a s 12- až 24hodinovou předpovědí je schopen predikovat, jak se k danému zařízení co nejlépe chovat.
Dalším příkladem je mediálně vděčný rubbing (neboli klepání) turbiny (zadrhávání lopatek). Jelikož se jedná o komplikované soustrojí, mohou být důvody tohoto problému různé, navíc k němu mnohdy dochází bez „předchozího varování“.
Analýzou několika desítek parametrů spjatých s provozem turbiny a dat z předchozích událostí, kdy k rubbingu došlo, vznikl predikční model, takže obsluha turbiny může při blížící se události přijmout vhodná opatření, aby mu zabránila.
I v tomhle případě jdou úspory až do tisícovek megawatt výkonu. „Je sice pravda, že když se nasadily tzv. pohlcovače chvění, přestal být tento analyticko-predikční model potřebný, ale stejně jsme na něj pyšní,“ říká Miroslav Choura. Jeho vývoj a úspěšné nasazení totiž naznačuje další možnosti využití AI při zefektivňování výkonu.
Grafické modely: Když AI luští výkresy z 80. let
Další velký skok přinesly grafické modely, které dokážou zpracovávat obrazová data. Ve spolupráci s Microsoftem začal tým ČEZu testovat nástroje schopné digitalizovat i obtížně čitelné archivy.
„Oslovil nás Microsfot, že má sadu nástrojů, které by se nám mohly ‚líbit‘. Povětšinou jsou to různé moduly z produkce OpenAI, které mají engine à la GPT, ale domestikovaný a specializovaný na čtení dokumentů a obrázků...“ popisuje Miroslav Choura.
„Vyhrabali jsme z archivů to ‚nejhorší‘, co jsme tam našli, např. tabulky vytvořené průklepem na psacím stroji s mnoha rukou psanými poznámkami, a ‚té věci‘ jsme to podstrčili. Zchroustala to ve dvou stupních a výsledkem byla digitalizovaná podoba s daty, o nichž si můžete s AI ‚povídat‘ jako s fundovaným strojním inženýrem.“
Podobný, ale „vyšší level“ představovala výkresová dokumentace a různé grafy pocházející ještě z hloubi 80. let, z nichž už dnes ani inženýři znalí problematiky nevyčtou vůbec nic. Opět je výsledkem datový výstup s vyluštěnými hodnotami, který se dá dále pomocí AI analyzovat.
„Naše jaderné elektrárny vznikaly v době, kdy největší výkvět techniky byl počítač PMD 85. My máme spoustu těchto dokumentů, protože se musejí archivovat po dobu životnosti jaderné elektrárny, a dá se z toho celkem solidně vyčítat historie. Sice ne všechno to ještě zvládne, ale schopnosti strojového učení mají logaritmický trend – takže co to umí dnes, bude za rok, dva možná už zastaralé.“
Samotným učením a vylaďováním modelů na těchto úlohách se stále zlepšuje i nástroj, který bude umět prohledávat a sledovat dokumentaci ke stávajícím instalacím/prvkům v elektrárně a vyhodnocovat/predikovat údržbu, výměny a mnoho dalšího.
Nutno dodat, že používané modely jsou kvůli (kyber)bezpečnosti domestikovány v ČEZu a jen prostřednictvím určitých „releases“ jsou trénovány na aktuální stavy, jinak se z nich žádné informace „nedostávají ven“.
Všechno to pomáhá nejen zefektivňovat chod elektráren, ale také včas odhalovat poruchy nebo jim předcházet a díky lepší predikci údržby a potřeby výměny tak podstatně prodlužovat jejich životnost.
Temelín i Dukovany byly navrženy na životnost 30 let – přitom Dukovany již fungují 38 let. A cílem je u obou elektráren 60 let s výhledem na osmdesátku.
AI modely zrychlují odstraňování závad, parkování i práci
Vedle predikčních a vizuálních nástrojů se uplatňují i jazykové modely. Například v systému nápravy a prevence (laicky řečeno „kniha přání a stížností“) umí AI analyzovat volně psané podněty zaměstnanců, třídit je podle důležitosti, případně i hledat souvislosti s interními normami a navrhovat jejich zlepšení.
V každodenním provozu pomáhají i zdánlivé drobnosti, jako systém pro identifikaci volných parkovacích míst, jejichž počet jde u obou elektráren do vyšších stovek, a snadnou navigaci přes mobil na nejbližší volné místo.
Obavy, že AI nahradí pracovníky v elektrárně, jsou podle Choury přehnané. AI může pomoci detekovat zbytečně vykonávanou činnost a nabídnout efektivnější variantu, ale rozhodně není náhradou za lidskou odbornost.
🔥🗞️ Přidejte si INFO.CZ do svých oblíbených zdrojů na Google Zprávy. Díky.
