Momen surya Teluk
Kawasan Teluk sedang membangun sebagian instalasi surya terbesar di dunia. Ladang surya raksasa di luar Dubai dan Abu Dhabi, serta proyek berskala giga yang diumumkan di seluruh Arab Saudi, menandakan pergeseran yang disengaja: ekonomi yang dibangun di atas hidrokarbon kini berinvestasi besar-besaran pada matahari. Kawasan ini memiliki lahan, sinar matahari, dan modal. Yang semakin dibutuhkannya adalah kecerdasan, karena energi terbarukan melimpah tetapi tidak konstan, dan jaringan listrik harus menyeimbangkan pasokan dan permintaan setiap detik sepanjang hari.
AI tidak menghasilkan satu kilowatt-jam pun, tetapi ia menentukan kapan dan ke mana energi mengalir, dan dalam sistem yang dipasok sumber-sumber yang bergantung pada cuaca, keputusan itu adalah segalanya.
Prakiraan: mengubah sinar matahari menjadi jadwal
Keluaran surya di Teluk tinggi secara konsisten, tetapi tidak sepenuhnya dapat diprediksi. Badai debu, kabut, kelembapan tinggi di musim panas, dan sesekali gumpalan awan dapat memangkas keluaran ladang surya dalam hitungan menit. Angin, yang memainkan peran yang semakin besar di sebagian Arab Saudi dan Oman, bahkan lebih bervariasi. Operator jaringan yang tidak tahu apa yang akan terjadi dalam beberapa jam ke depan harus menjaga turbin gas yang mahal tetap berputar sebagai cadangan, yang menggerus alasan ekonomi dan lingkungan bagi energi terbarukan.
Model prakiraan AI menggabungkan citra satelit, prediksi cuaca numerik, kamera langit di pembangkit, dan riwayat keluaran pembangkit itu sendiri untuk memprediksi pembangkitan beberapa jam atau hari ke depan dengan akurasi yang jauh lebih baik daripada metode tradisional. Prakiraan yang baik memungkinkan operator menjadwalkan pembangkit konvensional dengan lebih ketat, memperdagangkan daya dengan lebih percaya diri, dan menyisakan margin pengaman yang lebih kecil. Prakiraan yang lebih baik adalah salah satu cara termurah untuk membuat armada energi terbarukan lebih bernilai.
Jaringan pintar dan sisi permintaan
Jaringan listrik tradisional dibangun untuk mendorong daya satu arah, dari pembangkit besar ke konsumen pasif. Jaringan modern adalah jaringan dua arah dengan panel surya atap, kendaraan listrik, baterai, dan meteran pintar yang semuanya mengirimkan data kembali. Mengelola kerumitan itu secara manual mustahil; mengelolanya dengan AI mulai menjadi hal rutin.
Di Teluk, sisi permintaan didominasi oleh pendinginan. Pendingin udara menyerap sebagian besar konsumsi listrik musim panas, dan permintaan memuncak pada sore hari tepat ketika keluaran surya mulai menurun. Manajemen permintaan berbasis AI dapat mendinginkan gedung lebih awal ketika daya surya melimpah, mengatur pengoperasian chiller industri secara bergiliran, dan mendorong instalasi pendinginan distrik untuk menggeser beban satu atau dua jam. Setiap penyesuaian kecil; tetapi di seluruh kota, penyesuaian-penyesuaian itu meratakan puncak beban dan mengurangi kebutuhan pembangkit siaga. Data meteran pintar juga membantu perusahaan utilitas mendeteksi kehilangan daya, gangguan, dan pencurian jauh lebih dini daripada sebelumnya.
Baterai dan ekonomi penyimpanan
Penyimpanan adalah kepingan yang hilang yang mengubah surya siang hari menjadi daya malam hari, dan biaya baterai telah turun cukup jauh sehingga instalasi besar menjadi layak. Namun, baterai yang dibiarkan mengikuti aturan sederhana, mengisi daya saat listrik murah dan mengosongkannya saat mahal, membiarkan sebagian besar nilainya tidak terpakai dan menua lebih cepat dari seharusnya.
Optimalisasi AI memutuskan, secara terus-menerus, bagaimana menggunakan baterai untuk beberapa tujuan sekaligus: menangkap kelebihan surya, menopang frekuensi jaringan, menghindari tarif beban puncak, dan membatasi degradasi akibat siklus yang dalam atau cepat. Logika yang sama berlaku pada skala lebih kecil untuk sistem cadangan pabrik atau penyimpanan gedung komersial. Dalam setiap kasus, perangkat lunaknya, bukan perangkat kerasnya, yang menentukan apakah investasi itu membuahkan hasil.
Persoalan pusat data
Ada ironi di jantung kisah ini. AI sendiri adalah konsumen listrik yang terus tumbuh. Pusat-pusat data yang dibangun di seluruh UEA dan Arab Saudi untuk menampung beban kerja cloud dan AI membutuhkan daya yang sangat besar dan pendinginan yang lebih besar lagi. Operatornya memiliki insentif kuat untuk menempatkannya dekat pembangkit terbarukan, menjalankan beban kerja ketika daya bersih paling murah, dan menggunakan AI untuk mengendalikan sistem pendinginan mereka sendiri. Beberapa operator cloud besar sudah menggunakan pembelajaran mesin untuk mengelola pendinginan pusat data dan melaporkan penghematan energi yang berarti. Bagi Teluk, memasangkan pusat data baru dengan kapasitas surya baru adalah kecocokan yang alami.
Bagaimana perusahaan utilitas atau perusahaan dapat memulai
Bagi perusahaan utilitas, titik masuknya hampir selalu prakiraan. Datanya sudah ada dalam catatan pembangkit dan umpan cuaca; proyek pertama adalah membangun atau membeli model prakiraan dan mengukur akurasinya dibandingkan praktik saat ini selama satu musim. Lapisan berikutnya adalah manajemen permintaan, diuji coba dengan segelintir pelanggan komersial besar sebelum peluncuran yang lebih luas.
Bagi perusahaan yang mengonsumsi energi, bukan memproduksinya, urutannya berbeda:
- Pasang sub-meter agar konsumsi dapat dilihat per gedung, lini, atau proses, bukan hanya pada tagihan bulanan.
- Gunakan data itu untuk menemukan beban yang dapat digeser atau dipangkas tanpa memengaruhi operasional.
- Evaluasi surya dan penyimpanan di lokasi dengan model optimalisasi, bukan lembar kerja, agar alasan bisnisnya mencerminkan pola operasi yang sesungguhnya.
- Tetapkan target yang jelas, seperti biaya energi per unit yang diproduksi, dan laporkan setiap bulan.
Teluk telah memutuskan untuk membangun pembangkitnya. Dekade berikutnya adalah tentang menjalankannya dengan cerdas, dan organisasi yang belajar melakukannya lebih awal akan memegang keunggulan yang bertahan lama.
