AI DAN ENERGI: PASANGAN BARU YANG MEMILIKI PERAN PENTING (ANALISIS IEA)

Mengelola jaringan listrik masa depan akan membutuhkan alat analisis yang lebih kuat,
dengan peran kritis untuk kecerdasan buatan (AI). Sistem tenaga sedang menjadi jauh lebih
kompleks dengan pertumbuhan permintaan listrik dan peningkatan upaya dekarbonisasi. Di
masa lalu, jaringan mengarahkan energi dari pembangkit listrik terpusat. Sekarang, sistem
tenaga semakin perlu mendukung aliran listrik multi-arah antara generator terdistribusi,
jaringan, dan pengguna. Jumlah perangkat terhubung ke jaringan yang semakin meningkat,
mulai dari stasiun pengisian kendaraan listrik (EV) hingga instalasi tenaga surya rumah
tangga, membuat aliran menjadi kurang dapat diprediksi. Sementara itu, hubungan antara
sistem tenaga dan sektor transportasi, industri, bangunan, dan industri semakin dalam.
Hasilnya adalah kebutuhan akan pertukaran informasi yang jauh lebih besar - dan alat yang
lebih kuat untuk merencanakan dan mengoperasikan sistem tenaga saat mereka terus
berkembang.

Kebutuhan ini muncul pada saat kemampuan aplikasi kecerdasan buatan (AI) sedang
berkembang pesat. Seiring model pembelajaran mesin menjadi lebih canggih, daya
komputasi yang dibutuhkan untuk mengembangkannya telah meningkat dua kali lipat setiap
lima hingga enam bulan sejak tahun 2010. Model AI sekarang dapat secara dapat diandalkan
memberikan pengenalan bahasa atau gambar, mengubah suara audio menjadi data yang
dapat dianalisis, menggerakkan chatbot, dan mengotomatisasi tugas-tugas sederhana. AI
meniru aspek-aspek kecerdasan manusia dengan menganalisis data dan masukan -
menghasilkan output dengan lebih cepat dan dalam volume yang lebih besar daripada yang
bisa dilakukan oleh operator manusia. Beberapa algoritma AI bahkan mampu melakukan
pemrograman sendiri dan memodifikasi kode mereka sendiri.

Oleh karena itu, tidak mengherankan bahwa sektor energi sedang mengambil langkah awal
untuk memanfaatkan kekuatan AI guna meningkatkan efisiensi dan mempercepat inovasi.
Teknologi ini ditempatkan dengan unik untuk mendukung pertumbuhan simultan dari
jaringan pintar dan jumlah besar data yang dihasilkannya. Meter pintar menghasilkan dan
mengirimkan beberapa ribu kali lebih banyak titik data ke utilitas daripada pendahulunya
yang analog. Perangkat baru untuk memantau aliran daya grid mengalirkan lebih dari satu
tingkat jumlah data yang lebih besar ke operator daripada teknologi yang mereka gantikan.
Dan diperkirakan armada turbin angin global menghasilkan lebih dari 400 miliar titik data
per tahun.

Volume ini adalah alasan utama mengapa perusahaan energi melihat AI sebagai sumber
daya yang semakin penting. Perkiraan terbaru menunjukkan bahwa AI sudah melayani lebih
dari 50 penggunaan berbeda dalam sistem energi, dan bahwa pasar teknologi dalam sektor
tersebut bisa bernilai hingga USD 13 miliar.

1
AI dan pembelajaran mesin dapat membuka fleksibilitas dengan memprediksi pasokan dan
permintaan. Salah satu penggunaan paling umum bagi AI oleh sektor energi adalah untuk
meningkatkan prediksi pasokan dan permintaan. Mengembangkan pemahaman yang lebih
besar tentang kapan daya terbarukan tersedia dan kapan diperlukan sangat penting untuk
sistem tenaga generasi mendatang. Namun, hal ini dapat rumit untuk teknologi terbarukan,
karena matahari tidak selalu bersinar, dan angin tidak selalu bertiup.

Di situlah pembelajaran mesin dapat berperan. Ini dapat membantu mencocokkan pasokan
yang variabel dengan permintaan yang naik dan turun - memaksimalkan nilai keuangan
energi terbarukan dan memungkinkannya diintegrasikan lebih mudah ke dalam jaringan.

Produksi tenaga angin, sebagai contoh, dapat diprediksi menggunakan model cuaca dan
informasi tentang lokasi turbin. Namun, deviasi dalam aliran angin dapat menyebabkan
tingkat produksi yang lebih tinggi atau lebih rendah dari yang diharapkan, meningkatkan
biaya operasional. Untuk mengatasi ini, Google dan anak perusahaannya dalam bidang
kecerdasan buatan, DeepMind, mengembangkan jaringan saraf pada tahun 2019 untuk
meningkatkan akurasi ramalan untuk armada energi terbarukan mereka sebesar 700 MW.
Berdasarkan data historis, jaringan tersebut mengembangkan model untuk memprediksi
produksi masa depan hingga 36 jam ke depan dengan akurasi yang jauh lebih besar daripada
yang sebelumnya dapat dilakukan.

Dengan visibilitas yang lebih besar ini, Google dapat menjual daya listriknya di muka, bukan
secara real-time. Perusahaan telah menyatakan bahwa ini, bersama dengan efisiensi lain
yang difasilitasi oleh AI, telah meningkatkan nilai finansial dari energi angin mereka sebesar
20%. Harga yang lebih tinggi juga meningkatkan alasan bisnis untuk energi angin dan dapat
mendorong investasi lebih lanjut dalam energi terbarukan. Penting untuk dicatat bahwa
perangkat lunak milik Google sekarang sedang diuji coba oleh sebuah perusahaan energi
besar.

Selain itu, dengan gambaran yang lebih akurat tentang puncak produksi, perusahaan seperti
Google dapat menggeser waktu konsumsi puncak, misalnya selama beban komputasi berat,
untuk bersamaan dengan mereka. Melakukan hal tersebut menghindari kebutuhan untuk
membeli daya tambahan dari pasar. Kapasitas ini, jika diperluas lebih luas, bisa memiliki
dampak signifikan terhadap promosi pergeseran beban dan pemangkasan puncak -
terutama jika dikombinasikan dengan ramalan permintaan yang lebih baik. Sebagai contoh,
produsen Swiss ABB telah mengembangkan aplikasi peramalan permintaan energi yang
didukung oleh AI yang memungkinkan manajer gedung komersial untuk menghindari biaya
puncak dan mendapatkan manfaat dari tarif waktu penggunaan.

AI juga dapat mencegah kegagalan grid, meningkatkan keandalan dan keamanan. Aplikasi AI
lainnya yang penting adalah perawatan prediktif, di mana kinerja aset energi terus-menerus

2
dipantau dan dianalisis untuk mengidentifikasi potensi kegagalan sebelumnya. Perawatan
biasanya dilakukan dengan jadwal reguler; tiang pada saluran transmisi, misalnya, mungkin
diperiksa sekali dalam periode yang telah ditentukan sebelumnya dan perbaikan dilakukan
sesuai kebutuhan. Pendekatan satu ukuran ini dapat menyebabkan ketidak-efisienan jika
perawatan dilakukan terlalu awal atau, lebih problematis lagi, terlalu terlambat.

Untuk mengatasi hal ini, sejumlah utilitas sedang mengembangkan skema yang didukung
oleh AI untuk membantu memantau aset fisik dan menggunakan data masa lalu tentang
kinerja dan gangguan untuk memprediksi kapan intervensi diperlukan. Perusahaan utilitas
E.ON, misalnya, telah mengembangkan algoritma pembelajaran mesin untuk memprediksi
kapan kabel tegangan menengah dalam jaringan perlu diganti, dengan menggunakan data
dari berbagai sumber untuk mengidentifikasi pola dalam pembangkitan listrik dan menandai
setiap inkonsistensi. Penelitian E.ON menunjukkan bahwa perawatan prediktif dapat
mengurangi gangguan dalam jaringan hingga 30% dibandingkan dengan pendekatan
konvensional.
Demikian pula, pada tahun 2019 perusahaan utilitas berbasis Italia, Enel, mulai memasang
sensor pada saluran listrik untuk memantau tingkat getaran. Algoritma pembelajaran mesin
memungkinkan Enel untuk mengidentifikasi masalah potensial dari data yang dihasilkan dan
memahami penyebabnya. Akibatnya, Enel telah berhasil mengurangi jumlah pemadaman
listrik pada kabel-kabel ini sebesar 15%. Sementara itu, perusahaan teknologi startup
Estonia, Hepta Airborne, menggunakan platform pembelajaran mesin dengan rekaman
drone dari saluran transmisi untuk mengidentifikasi cacat, dan State Grid Corporation of
China menggunakan AI secara ekstensif untuk melakukan tindakan seperti menganalisis data
dari meter pintar untuk mengidentifikasi masalah dengan peralatan pelanggan.

Potensi penggunaan AI di seluruh sistem tenaga kemungkinan besar akan meningkat pesat
dalam beberapa tahun mendatang. Selain dari peramalan yang lebih baik terhadap pasokan
dan permintaan energi serta perawatan prediktif terhadap aset fisik, aplikasi bisa meliputi:

 Mengelola dan mengendalikan jaringan, menggunakan berbagai data dari sensor,

meteran pintar, dan perangkat Internet-of-Things lainnya untuk mengamati dan
mengendalikan aliran listrik dalam jaringan, terutama pada tingkat distribusi.
• Memfasilitasi respons permintaan, menggunakan berbagai proses seperti meramalkan
harga listrik, menjadwalkan dan mengendalikan beban respons, dan menetapkan harga
dinamis.
• Menyediakan layanan konsumen yang ditingkatkan atau diperluas, menggunakan proses
kecerdasan buatan atau pembelajaran mesin dalam aplikasi dan chatbot online untuk
meningkatkan pengalaman penagihan pelanggan, misalnya. Perusahaan seperti Octopus
Energy dan Oracle Utilities sudah menjelajahi hal ini.

3
Teknologi ini akan memungkinkan digitalisasi, tetapi mengatasi risiko juga penting. Tanpa AI,
operator sistem dan utilitas hanya akan dapat memanfaatkan sebagian kecil dari sumber
data dan proses baru yang ditawarkan oleh teknologi digital yang sedang muncul, dan
mereka akan melewatkan sebagian besar manfaat yang ditawarkan. Namun, risiko yang
terkait dengan AI juga harus dipertimbangkan dan diatasi sebelum teknologi tersebut
diterapkan secara luas di seluruh sektor. Ini termasuk, tetapi tidak terbatas pada, ancaman
terhadap keamanan cyber dan privasi, pengaruh bias atau kesalahan dalam data, dan
korelasi yang tidak tepat akibat pelatihan yang tidak memadai, data atau kesalahan
pemrograman.

Ketersediaan pekerja dengan keterampilan yang tepat adalah tantangan signifikan bagi
setiap sektor yang ingin memanfaatkan potensi AI. Di seluruh angkatan kerja global,
spesialis AI dan pembelajaran mesin adalah profesi yang mengalami pertumbuhan
permintaan tercepat, menciptakan bottleneck rekrutmen. Pada Juni 2022, hanya ada 22.000
spesialis AI secara global di semua industri, dan 61% dari perusahaan besar yang disurvei di
Britania Raya dan Amerika Serikat melaporkan kekurangan staf dengan pengalaman AI yang
memadai. Industri energi perlu bersaing untuk merekrut data ilmuwan dan programmer
terbaik, sementara perusahaan yang ingin mempertahankan staf yang memahami sektor
tersebut sebaiknya mempertimbangkan untuk meningkatkan keterampilan dan melatih
ulang bagian dari angkatan kerja mereka yang sudah ada. Kursus pelatihan digital, yang
didukung oleh pemerintah dengan masukan dari sektor swasta, akan menjadi sangat
penting untuk upaya-upaya ini. Namun, ketersediaan dan kualitas kursus semacam itu
belum konsisten di seluruh ekonomi global terbesar.

AI juga menggunakan lebih banyak energi dibandingkan dengan bentuk komputasi lainnya -
suatu pertimbangan penting saat dunia berupaya membangun sistem energi yang lebih
efisien. Melatih satu model menggunakan lebih banyak listrik daripada yang dikonsumsi
oleh 100 rumah di Amerika Serikat dalam satu tahun. Pada tahun 2022, Google melaporkan
bahwa pembelajaran mesin menyumbang sekitar 15% dari total penggunaan energinya
selama tiga tahun sebelumnya. Namun, data tidak dikumpulkan secara sistematis tentang
penggunaan energi AI dan dampak lingkungan yang lebih luas, dan ada kebutuhan untuk
transparansi dan pelacakan yang lebih besar - terutama saat model-model tersebut
berkembang. Infrastruktur komputasi dan algoritma AI yang paling efisien harus
diprioritaskan untuk mencegahnya mengimbangi peningkatan efisiensi.

Selain itu, peningkatan penggunaan perangkat lunak otomatis dan self-learning

menimbulkan pertanyaan tentang siapa yang bertanggung jawab atas output atau hasil dari
sistem-sistem ini. Operator seringkali membeli teknologi AI atau layanan terkait dari
perusahaan IT dan startup. Hal ini dapat mengakibatkan pengambilan keputusan tentang
keseimbangan listrik atau investasi, misalnya, berdasarkan model-model yang mereka tidak

4
paham atau kendalikan, menimbulkan pertanyaan tentang pertanggungjawaban atas
pengeluaran publik, harga energi, atau pemadaman.

Dalam upaya untuk mengatasi beberapa masalah ini, Prinsip-prinsip AI OECD - yang
diadopsi pada tahun 2019 oleh pemerintah anggota OECD dan banyak pemerintah non-
anggota - memberikan panduan untuk mengejar pendekatan berpusat pada manusia
terhadap AI yang dapat dipercaya. Kerangka kerja nasional, regional, dan internasional yang
lebih jelas juga mungkin diperlukan, mengingat bahwa sektor energi menjadi dasar ekonomi
global dan sangat penting untuk mencapai tujuan iklim. Undang-undang AI Uni Eropa,
pertama kali diusulkan pada tahun 2021 dan saat ini sedang dalam negosiasi oleh lembaga-
lembaga Uni Eropa dan negara-negara anggota, bertujuan untuk mengembangkan kondisi
yang lebih baik untuk pengembangan dan penggunaan teknologi tersebut sambil menjamin
perlindungan yang kuat bagi lingkungan, di antara tujuan-tujuan lainnya.

Untuk AI menjadi sekutu yang efektif menuju sistem energi yang efisien, terdekarbonisasi,
dan tangguh, pemerintah juga perlu mengembangkan mekanisme untuk berbagi data dan
tata kelola. Pendekatan global yang terkoordinasi dapat memungkinkan solusi yang berlaku
secara internasional dan dapat direplikasi, mentransfer pembelajaran secara global, dan
mempercepat transisi energi sambil mengurangi biayanya.