Für e-news registrieren tägliche Nachrichten-Updates von CleanTechnica auf E-Mail. Oder Folgen Sie uns auf Google News!

ChatGrid ist eine praktische Anwendung der Exascale-Computing-Bemühungen des Energieministeriums und bietet eine neue Erfahrung in der einfachen, intuitiven und interaktiven Dateninteraktion

Jede Minute des Tages überwachen Netzbetreiber das Auf und Ab des Stroms von Generatoren über Umspannwerke bis hin zu Haushalten, Unternehmen, Schulen, Krankenhäusern und mehr. Sie sorgen dafür, dass das Stromangebot dem aktuellen Bedarf entspricht, und müssen bei Störungen wie einem Sturm oder einem Geräteausfall häufig schnelle Entscheidungen treffen.

Um diese Entscheidungen zu treffen, durchsuchen Netzbetreiber ständig Daten über regionale Netze und greifen auf Visualisierungen zurück, welche Kraftwerke wie viel Energie erzeugen und wohin diese Energie fließt. Diese Tools können jedoch umständlich sein und die Navigation in ihnen kann die Entscheidungsfindung verlangsamen, sagte er Shrirang Abhyankar, ein Forscher für Optimierung und Gittermodellierung am Pacific Northwest National Laboratory.

Nachdem Abhyankar von Kollegen aus der Versorgungsbranche von diesen Problemen gehört hatte, fragte er sich: „Wie können wir die Erfahrung für Netzbetreiber vereinfachen, die bei der Überwachung des Netzes in Echtzeit so viele Entscheidungen treffen müssen?“

Inspiriert durch den jüngsten Anstieg generativer Frage-und-Antwort-KI-Tools haben Abhyankar und ehemaliger PNNL-Praktikant Sichen Jin machte sich daran, ein Programm zu entwickeln, mit dem ein Netzbetreiber eine Frage zum Netz stellen und eine leicht verständliche Antwort erhalten kann.

So wurde „ChatGrid“ geboren.

Aufbau eines KI-gestützten Rastervisualisierungstools

Obwohl sich KI-Tools rasant weiterentwickeln, können sie nicht unabhängig agieren – sie benötigen immer noch einen Menschen. Eines Tages könnte es leistungsstarke KI-gesteuerte Tools geben, die im Netzbetrieb schnelle Entscheidungen treffen können. Derzeit könnten Netzbetreiber ein Programm wie ChatGrid verwenden, um große Informationsmengen für den einfachen Verbrauch in Echtzeit zu destillieren. Um Informationen über das Netz zu erhalten, stellt ein Benutzer ChatGrid eine Frage wie „Wie hoch ist die Erzeugungskapazität der fünf größten Windkraftgeneratoren im Western Interconnection?“

Als Reaktion darauf erstellt ChatGrid eine Visualisierung, die die gewünschten Informationen anzeigt. Benutzer können Fragen zu Erzeugungskapazität, Spannung, Leistungsfluss und mehr stellen und gleichzeitig die Visualisierung anpassen, um verschiedene Informationsebenen anzuzeigen.

„Wir stellen uns eine neue Art vor, Daten anhand von Fragen zu betrachten“, sagte Abhyankar. „ChatGrid ermöglicht es jemandem, die Daten im wahrsten Sinne des Wortes abzufragen und sofort eine Antwort zu erhalten.“

ChatGrid basiert auf einem öffentlich verfügbaren großen Sprachmodell, das ein bisschen wie die Texterkennung auf einem Smartphone oder in einigen E-Mail-Programmen funktioniert. Ein LLM wird an riesigen Textmengen (in diesem Fall Englisch) aus Websites, Büchern, Zeitungsartikeln, wissenschaftlichen Artikeln und mehr geschult. Durch das „Lesen“ dieser riesigen Textmenge beginnt das Modell zu „lernen“, welche Wörter im Kontext mit anderen Wörtern erscheinen. Um beispielsweise den Satz „Die Katze hat den _____ gefangen“ zu vervollständigen, würde der LLM aus der Textanalyse lernen, dass das Wort „Maus“ besser passt als „Feuerwehrauto“. Nach dem Training mit dieser Datenmenge können LLMs Fragen oder Befehle erkennen und Antworten liefern, die sie als statistisch relevant erachten.

Abhyankar war von der Benutzerfreundlichkeit dieser Programme inspiriert und er und Sichen haben bei der Entwicklung des Programms Sicherheit und Vertrauenswürdigkeit im Blick. Beispielsweise sind Netzinfrastrukturdaten äußerst sensibel, sodass er und Jin diese Daten nicht zum Trainieren des LLM verwenden konnten. Deshalb entwickelten sie eine Möglichkeit, die Netzdaten sicher aufzubewahren: Das Team stellte zunächst alle Netzinfrastrukturdaten in einer eigenen internen Datenbank zusammen, mit Spalten für Daten wie „Kapazität“ oder „Standort“ der Kraftwerke. Sie nutzten das LLM, um eine sogenannte „strukturierte Abfragesprache“ oder SQL zu erstellen, die es ChatGrid ermöglichen würde, diese interne Datenbank nach Antworten zu durchsuchen. Anstatt also anhand der Daten selbst trainiert zu werden, weiß das LLM lediglich, dass es Spalten mit Beschriftungen gibt.

Auf diese Weise kann ChatGrid weiterhin Rastervisualisierungen erstellen und gleichzeitig die Netzdaten des Landes schützen.

Big Data für den Netzbetrieb

Um die Sicherheit der Netzdaten weiter zu gewährleisten, stellen die Visualisierungen von ChatGrid derzeit keine realen Netzdaten dar. Das Programm nutzt synthetisierte Daten aus dem Exascale Grid Optimization (ExaGO)-Modell, das von PNNL, vier anderen nationalen Laboren und der Stanford University entwickelt wurde. ExaGO kann das Stromnetz des Landes in Echtzeit simulieren, sodass Netzplaner die Auswirkungen etwaiger Störungen analysieren können. Letztes Jahr lief ExaGO zum ersten Mal auf dem Supercomputer Frontier des Oak Ridge National Laboratory, der mehr als eine Milliarde Berechnungen pro Sekunde durchführen kann.

Sobald Netzbetreiber beginnen, ChatGrid zu nutzen und Feedback zu geben, hofft Abhyankar, eine bessere Version zu entwickeln, die Netzbetreiber dann sicher in ihren eigenen Kontrollräumen mit realen Daten verwenden können. Damit das funktioniert, müssen die Entwickler von ExaGO die Daten auch auf normalen Computern nutzen können.

„Eine der größten Herausforderungen beim Bau einer neuen Version des schnellsten Computers der Welt besteht darin, dass wir auch die größte Datendatei der Welt generieren können, die für viele Menschen jedoch nicht von Nutzen ist“, sagte er Chris Oehmen, ein Computerbiologe am PNNL, der leitet ExaSGD, ein multinationales Laborprojekt, in dessen Rahmen ExaGO entwickelt wurde.

„Mit ChatGrid können wir diese Daten in etwas übersetzen, das für den Menschen umsetzbar ist. „Es ist ein erster wirklich wichtiger Schritt, um Netzbetreibern eine intuitive Schnittstelle zu diesen großen Datenmengen zu ermöglichen“, fuhr Oehmen fort.

ChatGrid steht unter zum Download bereit GitHub, aber es dauert ein paar Schritte. Abhyankar hofft, dass er, sobald das Feedback eintrifft, einen einstufigen Download-Prozess für das Tool entwickeln kann. Er ermutigt Benutzer, mit Formulierungsaufforderungen und Fragen herumzuspielen, um bessere Antworten zu erhalten.

„Wir würden diese Technologie wirklich gerne den Betreibern vorstellen und ihnen die Möglichkeit geben, Fragen einzugeben und Feedback zu erhalten, um zu sehen, wie ChatGrid funktioniert“, sagte Abhyankar. „Wir sehen, dass diese Technologie die Frage erweitern kann, welche Fragen an ein generatives KI-Tool gestellt werden können und wie wir die Fragen anpassen können, um die besten Antworten zu erhalten.“

ExaGO und ChatGrid sind Teil des ExaScale Computing-Projekts des Energieministeriums, das vom Office of Science des Energieministeriums und der National Nuclear Security Administration finanziert wird. PNNL treibt die Arbeit in der KI-Technologie voran Zentrum für KI.

Von JoAnna Wendel. Mit freundlicher Genehmigung von Pacific Northwest National Laboratory.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://cleantechnica.com/2024/02/25/chatgrid-a-new-generative-ai-tool-for-power-grid-visualization/