Engie: программа ML-прогнозирования сэкономила около 15 млн евро

Engie — энергетическая группа, которая работает в 31 стране и направляет 80% инвестиций в возобновляемую энергетику; к середине 2024 года её мощности ВИЭ достигли 42 ГВт, а мощность накопителей — 2,3 ГВт. Выработка солнечных и ветровых станций колеблется, и энергию нужно вовремя продать или запасти. Данные группы — несколько петабайт об объектах, клиентах, закупках и рынке — долго хранились в разрозненных, слабо связанных системах в разных облаках и на собственных серверах. Это тормозило проекты анализа данных и data science.

Engie построила распределённую архитектуру lakehouse на платформе Databricks поверх нескольких облаков, интегрированную с SAP, Salesforce и решениями Aveva. На ней инженеры и дата-сайентисты создают модели машинного обучения: прогноз выработки ВИЭ для управления накопителями, финансовые модели, которые предсказывают лучший момент продажи запасённой энергии, модели предиктивного ТОиР и прогноз потребления с выделением архетипов клиентов. Для сравнения вариантов моделей используется MLFlow, генеративный ИИ применяется для единообразного именования данных с датчиков.

Платформу Databricks компания выбрала в 2021–2022 годах. Для накопителей система собирает 400 точек данных каждые 5–10 секунд с каждого объекта, около 300 тыс. точек в системе управления батареями. Прогноз потребления позволяет менеджерам B2B готовить предложения для сегментов клиентов за минуты вместо недель и точнее оценивать счета клиентов. На конференции Data & AI World Tour Paris 20 ноября 2024 года директор по цифровым технологиям и ИТ Биляна Кайтович сообщила, что время вывода ML-моделей в эксплуатацию сократилось на 90%, а программа прогнозирования сэкономила около 15 млн евро. От аналитики и ИИ компания ожидает повышения доступности парка на 5–10%.