Зачем нейросети изучают геологию и рассматривают тени деревьев на снимках из космоса
Нейросети пишут забавные посты в соцсетях, создают кулинарные шедевры из остатков в холодильнике, генерируют картинки и поют голосами знаменитостей. Сегодня для нас это стало привычным, но энергетики подружились с умными алгоритмами даже раньше: в некоторых отраслях нейросети исправно служат «в штате». Под контролем специалистов они ищут месторождения нефти и газа, управляют процессами на атомных станциях и защищают линии электропередач. Выясним, как именно они это делают.
Нейросеть — это компьютерная модель, вдохновленная работой человеческого мозга. Она тоже состоит из нейронов, но «неживых» — множества связанных между собой блоков, которые принимают данные и выдают результат. В процессе обучения нейросеть «настраивает» связи между нейронами, чтобы лучше выполнять порученную ей работу. Хотя алгоритм не понимает суть получаемых данных, он находит математические закономерности и может выполнять довольно сложные аналитические задачи.
Команда нейросетей ищет нефть
При поиске месторождений углеводородов геологи проводят много геофизических исследований. Вглубь земли направляют электрические и упругие волны, оценивают, как они отражаются от пород, а также исследуют аномалии гравитационного и магнитного полей Земли и находят места вероятного залегания энергоресурсов.
После геофизиков бурят разведывательные скважины, и к делу подключаются петрофизики. Они проводят каротаж: под землю на кабеле опускают зонд с источником и приемником электромагнитных или звуковых волн, а также электрического тока. Собранные данные помогают нарисовать детальную картину недр — например, по характеру и скорости распространения сигнала можно узнать состав пород. При этом информации получается очень много, а успешность ее интерпретации зависит от человека, который ее обрабатывает.
Иллюстрация сгенерирована нейросетью по запросу: «Геолог смотрит через лупу-компьютер на залежи нефти под землей»
Нефтяники разработали систему алгоритмов, которая использует принципы машинного обучения для поиска незамеченных залежей углеводородов на уже разрабатываемых месторождениях. Программа собирает информацию о месторождении, анализирует данные каротажа и ищет закономерности, которые могут указать на неочевидные залежи. Для этого в нее постоянно загружают новую информацию.
Откуда системе известно, как искать нефть и газ? Ей подсказывают люди: экспертные знания ученых — это основа для обучения компьютера. Например, нейросети дают доступ к информации о найденных залежах. Если новые результаты исследований напоминают сведения об уже открытых залежах, а геологические условия похожи, система предлагает проверить это место.
Оксана Осмоналиева
эксперт Научно-Технического Центра «Газпром нефти»
В основе нашей системы — знание физики формирования залежей и подходы машинного обучения.
«У нас есть целый набор алгоритмов, и не только нейронных сетей. Нужный алгоритм выбираем для каждого месторождения отдельно», — рассказала Оксана Осмоналиева. В 2019 году цифровая система обнаружила новые запасы нефти на Вынгапуровском месторождении в Ямало-Ненецком автономном округе. Сейчас ее используют для поиска углеводородов Западной Сибири. Ученые могли бы перелопатить старые базы результатов полевых исследований и сами, но на это ушли бы месяцы и даже годы.
ЛЭП под охраной компьютера
Одна из самых частых причин дефектов на электросетях — деревья, растущие вдоль линий электропередач (ЛЭП). В 2010 году ледяной дождь в Москве обрушил ветви на провода и оставил без света десятки тысяч человек. Чтобы подобного не случалось, специалисты контролируют растительность вдоль ЛЭП.
Иллюстрация сгенерирована нейросетью по запросу: «Человек в офисе сидит перед монитором, на мониторе изображены линии электропередач и деревья, руки человека проходят сквозь монитор и измеряют рулеткой высоту деревьев у линии электропередачи»
Раньше проверкой «садов» под проводами и поиском чересчур разросшихся деревьев занимались обходчики, и порой им приходилось ехать в отдаленные и труднодоступные места. Сегодня контроль проводят куда быстрее и проще — по снимкам со спутника.
Анализировать фото и определять по ним высоту деревьев тоже помогает нейросеть. Ее разработали в лаборатории «Сколтеха» и обучили на основе большого количества снимков и данных лазерного сканирования местности с беспилотника. Программа «переварила» множество двухмерных и трехмерных изображений и поняла, как можно определять высоту дерева только по фото, например по размеру тени на земле.
Светлана Илларионова
специалист «Сколтеха»
Фактор успеха нашей нейросети в ее способности анализировать пространственные данные и текстурные характеристики. Существует связь между формой и размером кроны дерева и его высотой, и нейросеть ее учитывает.
На выходе нейросеть выдает специалистам детальные двумерные карты растительности. Технологию успешно протестировали в Ленинградской области: во время испытаний выяснили, что настала пора подстричь деревья на 30% охранной зоны вдоль электросетей.
«Навигатор» для атомной станции
Российская атомная отрасль — это более 350 предприятий, и каждое из них — источник большого массива данных: технических, финансовых, кадровых. Специалисты «Росатома» разработали интеллектуального помощника для управляющих: от простого менеджера до главы госкорпорации. Систему назвали «Навигатор».
Иллюстрация сгенерирована нейросетью по запросу: «Совещание в кабинете, пять человек сидят за столом, рядом с ними сидит один робот с головой-компьютером, робот печатает текст на клавиатуре перед собой, клавиатура подключена к голове робота»
Это комплекс компьютерных программ, классических и работающих на основе машинного обучения. Например, одна из нейросетей умеет распознавать голос и создавать протоколы совещаний. Другая по желанию пользователя автоматически собирает и систематизирует любые данные из заданных источников, а потом показывает их человеку в удобном формате графиков и таблиц.
Дмитрий Перемыслый
эксперт «Росатома» по цифровизации атомной отрасли
Ежедневно «Росатом» генерирует огромный поток данных, который влияет на принятие решений. Перед нами стояла задача создать цифровую систему управления для такой большой и сложной структуры.
Подсказки руководителям основаны на анализе выбранных параметров. Система может самообучаться, предсказывать развитие ситуации и предлагать варианты решений с подробными описаниями и прогнозами результатов. Помощью умных программ пользуются больше 25 тысяч человек.
Нейросети + традиционная и альтернативная энергетика
Ученые Петербургского политехнического университета разработали умную систему для управления теплоэлектроцентралями (ТЭЦ). В ее основе целая «коллегия» нейросетей. Одна из них отвечает за создание цифрового двойника конкретной ТЭЦ — компьютерной модели, которая учитывает реальные характеристики станции. Другая прогнозирует возможные дефекты и износ оборудования.
Иллюстрация сгенерирована нейросетью по запросу: «Мужчина в AR-очках стоит в профиль, водит руками по воздуху, справа от него расположена тепловая электростанция»
Часть системы нацелена на оптимизацию работы станции: выбор такого режима, чтобы она выдавала нужный объем энергии при минимальных затратах и рисках. Например, на Южной ТЭЦ в Петербурге благодаря «коллегии» нейросетей выяснили, как экономить почти четыре тонны топлива в час только за счет перераспределения тепловых и электрических нагрузок.
В отличие от традиционных солнечные и ветряные электростанции полностью зависят от погоды. Предсказать ее помогут умные алгоритмы.
Иллюстрация сгенерирована нейросетью по запросу: «Человек и робот держатся за руки, разгоняют дождевые тучи над солнечными панелями, на фоне электростанция, плоская иллюстрация». Признаемся, зонт-нейросеть мы дорисовали вручную, ведь каким бы точным ни был запрос, пока алгоритмы не могут понять людей на 100%
Ученые Новосибирского технического университета создали нейросеть, которая с точностью до 90% предсказывает выработку солнечных электростанций. Программа использует открытые данные о погоде, анализирует их, самообучается и прогнозирует плотность потока солнечного излучения.
Еще одна умная разработка касается ветрогенераторов. Специалисты Южно-Уральского университета предложили оснастить лопасти поворотными механизмами, чтобы менять угол наклона и замедлять вращение при резких порывах ветра. Цель — защитить станцию от отключения из-за поломок в непогоду. Для управления системой создают нейросеть. Она позволит управлять ветряками автоматически.
