С развитием активного внедрения возобновляемых источников энергии (ВИЭ) на энергетическом рынке, возникает необходимость менять подходы к прогнозированию цен на электроэнергию и торговые стратегии. Это связано прежде всего с нестабильностью спроса, а также нестабильной генерации электроэнергии на объектах ВИЭ. В связи с этим возникла потребность во внедрении искусственного интеллекта (ИИ). Как отмечают эксперты ИИ может существенно повысить эффективность в управление рисками, прогнозе цен и спросе на электроэнергию.

С помощью моделей машинного обучение, обученных на большом массиве данных, удалось надежно предсказывать цены на электроэнергию. Примером такой надежности может служить совместный проект норвежской компании Think Outside и проект Omdena. Модель при предсказание зональных цен показывает 97% точности. Это наглядно демонстрирует, как ИИ помогает оптимизировать выработку гидроэнергетики и интегрировать возобновляемые источники с учётом зональных цен. В США и Европе разрабатывают модели машинного обучения для предиктивной аналитики для внутридневной торговли энергией. Основой задачей которых является разницы между прибылью и риском крупных потерь. Достигается это за счет прогноза по генерации энергии и спросу на короткие горизонты, то есть сколько энергии будет произведено и по какой цене её стоит продавать.

Один из ключевых технологических блоков применения ИИ в энергетике — это прогнозирование цен, особенно на фоне растущей доли возобновляемых источников энергии. Современные алгоритмы машинного обучения эффективно обрабатывают данные о выработке ВИЭ, учитывая погодные условия, текущую загрузку генерации и историческую динамику цен. Это позволяет формировать краткосрочные прогнозы с высокой точностью: по оценкам системных операторов, она достигает 94–96% при горизонте до одного часа. Значительную роль играет и интеграция разнотипных массивов больших данных: модели используют спутниковую и наземную метеоинформацию, индикаторы спроса, параметры генерации, а также макроэкономические и поведенческие данные. Такая многослойная обработка позволяет ИИ адаптироваться к резким колебаниям и нетипичным ситуациям. Кроме того, прогнозные рекомендации ИИ напрямую интегрируются с торговыми платформами и программным обеспечением участников рынка, что позволяет оперативно формировать и корректировать заявки на сегментах «на сутки вперёд» и внутридневной торговли.

ИИ-алгоритмы применяются и непосредственно в процессе торговли. Они анализируют большие объёмы рыночных данных — от текущих цен до метеопрогнозов — и генерируют оптимальные заявки по заданным критериям. Алгоритмические системы позволяют перейти от ручных Excel-моделей к автоматизации торговых решений. По мере роста доли ВИЭ краткосрочные колебания цен становятся критическими, и ИИ учитывает микроклимат и потребление в реальном времени, повышая стабильность системы.

Ключевые направления ИИ в торговле:

- Автоматизация заявок. ИИ рассчитывает оптимальные предложения на рынке «на сутки вперёд» и «внутридневном» с учётом профиля риска, выводя трейдеров на более выгодные позиции.

- Управление портфелем активов. Алгоритмы распределяют мощности между активами (например, между солнечными и ветровыми фермами) так, чтобы максимизировать доходность при заданном уровне риска.

- Риск-менеджмент. Вероятностные модели ИИ помогают учитывать экстремальные события и минимизировать финансовые потери в условиях неопределённости.

На Nord Pool (объединённый рынок Скандинавии) внедрение ИИ в прогнозирование уже стало повседневностью. Цены на этой бирже предсказывают с помощью нейросетей, что повышает эффективность работы гидро- и ветроэлектростанций.

В США крупные компании используют ИИ в энерготрейдинге. Так, GE Vernova разрабатывает программные решения, которые на основе прогнозов спроса и генерации оптимизируют дневные заявки генераторов ВИЭ. Кроме того, IT-гиганты напрямую участвуют в энергетике: например, корпорация Meta теперь покупает и продаёт электроэнергию на бирже, обеспечивая свои дата-центры ИИ-платформ энергоснабжением.

В России пилотные проекты тоже есть. Оператор ЕЭС России внедрил ИИ-системы «Солнце» и «Ветер» для прогнозирования генерации на солнечных и ветровых станциях. По словам специалистов, их прогнозы на ближайший час достигают 94–96% точности, на 2–4 часа вперёд — 87–92%. Это помогает сетям надёжнее работать в условиях возросшей доли ВИЭ.

По оценкам Минэнерго, к 2027 году около 70% предприятий ТЭК будут использовать ИИ. Это позволит отрасли получить к 2030 году экономический эффект порядка триллиона рублей. ИИ-платформы уже помогают компаниям повышать выручку до 11%.

Одновременно рост ИИ-инфраструктуры создаёт новые вызовы. В частности, эксперты прогнозируют, что к 2026–28 годам спрос дата-центров с ИИ может локально повысить тарифы на 10–15%. Это требует тщательного долгосрочного планирования и модернизации сетей.

По мнению Алексея Николаевича Чернякова, кандидата философских наук, доцента кафедры информационных технологий Факультета информационных технологий и анализа больших данных Финансового университета при Правительстве РФ, современные ИИ-инструменты открывают новые возможности для анализа больших данных и автоматизации решений в реальном времени, что делает рынок более адаптивным и конкурентоспособным.