AI-система оптимізації промислових акумуляторних батарей

Розроблено інтелектуальну систему керування промисловими акумуляторними батареями (400 кВт·год) з використанням штучного інтелекту Google Gemini для максимізації прибутку від арбітражу електроенергії на ринку "день наперед" (РДН).

Бізнес-задача
Клієнт мав промислову батарею SmartLogger 3000C01 потужністю 400 кВт·год, але керував нею вручну. Потрібно було створити автоматизовану систему, яка:

Аналізує почасові ціни електроенергії на РДН (ринок "день наперед")
Враховує реальне споживання підприємства
Створює оптимальний графік заряду/розряду
Максимізує прибуток від продажу електроенергії
Технічна реалізація
Стек технологій:

Python 3.x (Flask, SQLite)
Google Gemini AI API (gemini-2.0-flash-exp)
SOAP API інтеграція (SmartLogger)
REST API (OREE - ринок електроенергії)
Cron для автоматизації
Excel парсинг (історичні дані споживання)
Архітектура системи:

Модуль збору даних:

Інтеграція з OREE API для отримання цін РДН на наступну добу
Парсинг історичних даних споживання з Excel (KWT.xls)
Зчитування поточного стану батареї через SOAP API SmartLogger
AI-оптимізатор (ядро системи):

Розробка спеціалізованого промпту для Gemini з покроковим алгоритмом
Аналіз 24-годинного вікна з врахуванням:
Почасових цін електроенергії (грн/кВт·год)
Прогнозованого споживання підприємства
Технічних обмежень батареї (швидкість заряду/розряду)
ROI порогу (мінімальна маржа 3 грн/кВт·год)
Підтримка multi-cycle оптимізації (ранковий + вечірній піки)
Адаптивна розрядка відповідно до реального споживання
Модуль виконання:

Автоматичне виконання розкладу через SOAP API
Почасовий моніторинг та коригування
Логування всіх операцій
Telegram-нотифікації про статус
Веб-інтерфейс (Flask):

Дашборд з візуалізацією графіків роботи
Історія операцій та прибутку
Налаштування параметрів системи
Аутентифікація та контроль доступу
Результати
Технічні досягнення:

Збільшення годин розряду з 2 до 10 за добу
Зростання прибутку на 11% (з 2,874 до 3,198 грн/день)
Автоматизація 100% рутинних операцій
Точність прогнозів споживання 95%+
Економічний ефект:

Прогнозований місячний прибуток: ~96,000 грн
ROI системи: окупність за 2-3 місяці
Економія часу клієнта: 2-3 години щодня
Ключові технічні рішення
Інтеграція з AI:

Розробка спеціалізованого промпту з покроковим алгоритмом
JSON Mode для гарантованої структури відповідей
Fallback механізм при недоступності AI
Оптимізація споживання:

Аналіз історичних даних попереднього тижня
Врахування денного розкладу роботи підприємства
Динамічна адаптація потужності розряду
Надійність:

Retry механізм для API запитів (до 10 спроб)
Резервні сценарії при збоях зв'язку
Детальне логування всіх операцій
Автоматизація:

Cron job для щоденного прогнозу (00:00)
Почасовий збір статистики та виконання команд
Безперебійна робота 24/7
Складність реалізації
API інтеграції: SOAP (SmartLogger), REST (OREE), AI (Gemini)
Алгоритми: Multi-cycle оптимізація, dynamic programming
Deployment: Production сервер з SSH, cron налаштування
Тестування: Локальні тести, production валідація, A/B порівняння
Унікальність проекту
Гібридний підхід: AI + правила бізнес-логіки
Адаптивність: Система враховує реальне споживання, а не теоретичні максимуми
Multi-cycle оптимізація: Часткові цикли для максимізації прибутку
Production-ready: Повна автоматизація з мінімальним втручанням оператора
Навички, застосовані в проекті
Python AI/ML Integration Google Gemini API SOAP/REST API Flask SQLite Cron Automation Excel Parsing Production Deployment Linux Administration Algorithm Optimization Data Analysis Industrial IoT

Тривалість проекту: 2 тижні
Роль: Full-stack розробник + AI інтеграція
Статус: Запущено в production, працює автономно