Разработка интеллектуальной системы управления промышленными АКБ

Цель: Максимизация прибыли от арбитража электроэнергии на рынке «на сутки вперед» (РСВ/РДН).

Бизнес-задача

У клиента имелась промышленная батарея SmartLogger 3000C01 емкостью 400 кВт·ч, управление которой осуществлялось вручную. Требовалось создать автоматизированную систему, которая:

Анализирует почасовые цены на электроэнергию на РСВ (Рынок «на сутки вперед»).

Учитывает реальное энергопотребление предприятия.

Генерирует оптимальный график заряда/разряда.

Максимизирует прибыль от продажи электроэнергии.

Техническая реализация

Стек технологий:

Core: Python 3.x (Flask, SQLite)

AI: Google Gemini AI API (gemini-2.0-flash-exp)

Integrations: SOAP API (SmartLogger), REST API (OREE — оператор рынка), Excel Parsing

Automation: Cron

Архитектура системы:

1. Модуль сбора данных:

Интеграция с API OREE для получения цен РСВ на следующие сутки.

Парсинг исторических данных потребления из Excel (KWT.xls).

Считывание текущего состояния батареи через SOAP API SmartLogger.

2. AI-оптимизатор (ядро системы):

Разработан специализированный промпт для Gemini с пошаговым алгоритмом.

Анализ 24-часового окна с учетом:

Почасовых цен (грн/кВт·ч).

Прогнозируемого потребления предприятия.

Технических ограничений (скорость заряда/разряда).

Порога ROI (минимальная маржа 3 грн/кВт·ч).

Поддержка multi-cycle оптимизации (утренние и вечерние пики).

Адаптивная разрядка под реальное потребление.

3. Модуль исполнения:

Автоматическое выполнение расписания через SOAP API.

Почасовой мониторинг и корректировка.

Логирование всех операций и Telegram-уведомления.

4. Веб-интерфейс (Flask):

Дашборд с визуализацией графиков.

История операций, статистика прибыли, настройки и контроль доступа.

Результаты

Технические достижения:

Увеличение часов разряда: с 2 до 10 часов в сутки.

Рост прибыли: на 11% (с 2,874 до 3,198 грн/день).

Автоматизация: 100% рутинных операций.

Точность прогнозов: 95%+.

Экономический эффект:

Прогнозируемая ежемесячная прибыль: ~96,000 грн.

ROI системы: окупаемость за 2–3 месяца.

Экономия времени клиента: 2–3 часа ежедневно.

Ключевые технические решения

AI интеграция: Использование JSON Mode для строгой структуры ответов и fallback-механизмы при недоступности AI.

Оптимизация потребления: Анализ исторических данных за прошлую неделю и учет графика работы предприятия.

Надежность: Retry-механизм для API (до 10 попыток), резервные сценарии при сбоях связи.

Автоматизация: Cron job для ежедневного прогнозирования (00:00) и непрерывная работа 24/7.

Сложность реализации: SOAP/REST интеграции, алгоритмы динамического программирования, Production deployment. Уникальность: Гибридный подход (AI + бизнес-логика), адаптивность к реальному потреблению, полная автономность.

Навыки: Python, AI/ML Integration, Google Gemini API, SOAP/REST API, Flask, SQLite, Cron, Automation, Data Analysis, Industrial IoT.

Длительность: 2 недели | Роль: Full-stack разработчик + AI интеграция | Статус: В продакшене