Predavatelja: Aleksandar Šašić Kežul (Flycom) in Blaž Vidmar (Flai)

Povzetek:
Predstavitev se osredotoča na uporabo daljinskega zaznavanja (zračni posnetki in LiDAR) za izgradnjo energetskega digitalnega dvojčka. Ta se uporablja pri analizi vegetacije, določanju varnostnih odmikov, določitevi posegov v okolje in za vizualizacije. Pri obdelavi podatkov na ravni celotnega prenosnega ali distribucijskega omrežja uporabljamo globoko učenje za semantično segmentacijo oblakov točk in za zaznavanje fizičnih napak na omrežju. To zelo skrajša potreben čas in stroške za izvedbo pregledov omrežja in omogoča bolj avtomatizirano poročanje.

Predavatelj: Klemen Remic (Savske elektrarne Ljubljana)

Povzetek:
Savske elektrarne Ljubljana so s premišljeno digitalizacijo ključnih procesov naredile pomemben korak k učinkovitemu e-poslovanju. Z uvedbo rešitev mDocs, mScan in mSign so poenostavili upravljanje dokumentov, pospešili procese ter zagotovili popolno sledljivost in varno hrambo. Rezultat? Manj administracije, hitrejše odločanje in boljša preglednost poslovanja – primer dobre prakse, ki jasno pokaže, kako digitalna preobrazba prinaša konkretne učinke.

Predavatelj: Luka Podgoršek (IBM)

Povzetek:
IBM Bob je razvojni partner, ki s pomočjo umetne inteligence omogoča varno in zanesljivo programiranje. Z Bobovo asistenco pri kodiranju in z uporabo watsonx Orchestrate ADK lahko v kratkem času ustvarite samostojne agente, ki načrtujejo, se odločajo in se prilagajajo poslovnim zahtevam. Skupaj z Bobom in Orchestrate ADK lahko razvijete agentne sisteme brez poglobljenega tehničnega znanja, kar pospešuje razvoj ter prinaša odporne in učinkovite rezultate.

IBM Bob is an AI driven development partner that guides you as a collaborative pair programmer, helping you write, test and secure code faster. By pairing Bob’s smart coding assistance with the watsonx Orchestrate ADK, you can quickly create autonomous agents that plans, decides and adapts to business needs. The combined workflow lets you build and deploy agentic AI solutions without deep technical overhead, accelerating resilient and efficient outcomes.

Predavatelj: Rok Kreslin (Comland)

Avtorji prispevka: Rok Kreslin in Gaber Rekelj (Comland), Daniela Maksimović in Tomaž Krajnc (Elektro Ljubljana)

Povzetek:
Uporaba AI agentov v digitalnih storitvah odpira novo paradigmo interakcije med organizacijo in uporabniki. Na strani končnega uporabnika agenti omogočajo bolj intuitivno, pogovorno izkušnjo, kjer kompleksni postopki postanejo razumljivi, vodeni in prilagojeni posamezniku. Hkrati AI agenti prinašajo pomembne koristi tudi na strani organizacije. Referentom lahko pomagajo pri analizi in preverjanju vlog, izpostavljajo neskladja, predlagajo odločitve ter avtomatizirajo rutinske korake obdelave.

Prispevek to vizijo prizemlji skozi konkretno, živo demonstracijo: v 15 minutah bomo skupaj izdelali delujočega AI agenta, ki uporabnika skozi del procesa izpolnjevanja enotne vloge vodi kot digitalni svetovalec – z razumevanjem konteksta, naravnim dialogom in sprotnim preverjanjem podatkov.

Demonstracija bo pokazala, da uvedba takšnih rešitev ni več oddaljena prihodnost, temveč praktičen in hitro dosegljiv korak k bistveno bolj enostavnim, učinkovitim in uporabniku prijaznim storitvam.

Pri tem se bomo seveda vprašali tudi, kako takšne rešitve zasnovati odgovorno (z jasno sledljivostjo odločitev, ustreznim varovanjem podatkov ipd.), saj le tako lahko učinkovito dopolnjujejo strokovno delo zaposlenih.

Predavatelj: Igor Mlakar (Smart Com d. o. o.)

Povzetek:
Uvajanje umetne inteligence v energetskih sistemih prinaša nove priložnosti za optimizacijo, avtomatizacijo in večjo odpornost infrastrukture, hkrati pa odpira pomembna vprašanja glede varnosti, zasebnosti, upravljanja podatkov, transparentnosti modelov in skladnosti z regulativo. Predavatelj bo predstavil, kako lahko organizacije v energetskem sektorju z uporabo uveljavljenih standardov, kot sta ISO/IEC 27001 za upravljanje informacijske varnosti in ISO/IEC 42001 za upravljanje sistemov umetne inteligence, vzpostavijo zanesljivo in odgovorno okolje za uporabo UI. Poudarek bo na povezovanju teh standardov z regulativnimi zahtevami, kot so ZInfV-1, NIS 2 in Akt o umetni inteligenci, ter na praktičnih pristopih k upravljanju tveganj, zaščiti podatkov, zmanjševanju pristranskosti modelov in zagotavljanju transparentnosti UI rešitev.

Predavatelj: Peter Lončarevič (Dell Technologies)

Povzetek:
This baseline evaluation serves as a critical foundation for deploying data-driven DTR systems, allowing TSOs to proactively identify potential hot spots and safely utilize available network capacity. Furthermore, it establishes the benchmark necessary for developing more complex, next-generation DTR models that incorporate adaptive learning, spatio-temporal autocorrelation, and multimodal data fusion.

Predavateljica: Aleksandra Rashkovska Koceva (IJS)

Povzetek:
Many critical operations in the energy sector — from determining the transmission capacity of power lines to managing the thermal loading of transformer stations — are directly dependent on weather conditions. Accurate, localized weather forecasts are therefore essential for safe and efficient grid management, particularly for applications such as Dynamic Line Rating (DLR) of power lines and Dynamic Thermal Rating (DTR) of transformer stations, where real-time environmental data directly influences operational decisions.

In this contribution, we present our work on AI-enhanced weather forecasting tailored for weather-dependent energy applications, carried out across two complementary projects and the SLAIF initiative. Within the Horizon Europe project HEDGE-IoT, we develop and deploy edge-based DTR/DLR systems integrated into substations across the Slovenian demo site. AI-powered tools process real-time environmental sensor data to support predictive grid planning and operational automation. Through the SLAIF initiative (Slovenian AI Factory), we are building AI-based weather forecasting services as part of the Green Transition vertical, providing industry-ready models to support DTR and broader transmission network management. The newly funded ARIS project AIDTR (L2-70125) complements these efforts with fundamental research on predictive models for DTR, addressing challenges such as spatial and temporal modelling, concept drift, probabilistic forecasting, and multimodal learning with LiDAR data. Together, these projects and initiatives form a coherent pipeline from research to operational deployment, demonstrating how AI-driven weather forecasting can help grid operators unlock hidden capacity in existing infrastructure and improve system resilience.

Keywords: dynamic thermal rating, weather forecasting, AI, power grid, transmission lines, transformer stations

Predavatelj: Igor Podbelšek (EIMV)

Povzetek:
Na EIMV je bil razvit BatSim AI, kot referenčni primer uporabe LLM-jev v obliki po meri grajenega GPT asistenta, ki deluje kot orkestrator procesov in ne zgolj kot klepetalnik.

Predstavljen je modularen delovni potek:
(1) vhodni kontekst (zgodovinski merilni podatki in tržne cene)
(2) opredelitev namena (npr. optimizacija ciklov, obvladovanje degradacije, maksimiranje profita),
(3) odločanje z GPT, kjer model ne generira »odgovorov«, temveč izbira in parametrično kliče funkcije (simulacija/optimizacija),
ter (4) povratna zanka, v kateri se rezultati izvajanja vrnejo v model kot nov kontekst.

GPT deluje kot krmilna plast nad determinističnimi orodji. Ključna vrednost je jasna ločitev odgovornosti kjer GPT razume kontekst in izbira dejanja, orodja v bazi znanja pa izvajajo Python funkcije, matematiko, simulacije in validacijo. Takšen delovni potek omogoča sledljivost in ponovljivost uporabe AI v EIMV okolju.

Predavateljica: Andreja Ivartnik Kanduč (EIMV)

Povzetek:
Rast razpršenih OVE, hranilnikov in aktivnega odjema povečuje volatilnost energetskih tokov, pri čemer bilančne skupine razpolagajo predvsem z nevalidiranimi števčnimi meritvami za dan D-1, na podlagi katerih se operativno prilagajajo. Končni obračun pa temelji na kasneje validiranih meritvah, kar pomeni, da se lahko mesečni diagram realizacije bistveno razlikuje od sprotnih napovedi voznega reda, posledično pa nastajajo finančne izgube in potrebe po poravnavah. Potreba po števčnih meritvah v realnem času predstavlja izrazit tehnološki in IKT izziv, hkrati pa ostaja ključna časovna vrzel med dejanskim obratovanjem omrežja in tržnimi odločitvami znotraj obračunskega dne, ki neposredno vpliva na kakovost bilančnega upravljanja.

Prispevek obravnava IT-orientirana nowcasting storitev za sprotno ocenjevanje realizacije bilančnih skupin in podskupin v near-real-time okolju. Analitično jedro temelji na kombinaciji Prophet modela, ki zaznava ponavljajoče se vzorce, sezonalnosti in sproti ocenjuje baseline obnašanje sistema, ter Kalmanovega filtra, implementiranega kot ločen modul za korekcijo hipnih sprememb in prilagoditev ocen dejanskemu stanju v skoraj realnem času. Prophet zagotavlja stabilno statistično osnovo, Kalmanov filter pa dinamično popravlja ocene glede na aktualne vhodne signale. Učenje in validacija potekata na obratovalnih merilnih podatkih iz RTP/RP sistemov.

Model dosega tipično 5–7 % MAE na ravni večjih bilančnih skupin, rezultate pa spremljajo zanesljivostni intervali (confidence bounds) za operativno obvladovanje tveganja odstopanj. Ocene so razpoložljive v nekaj minutah po zaključku 15-minutnega obračunskega intervala.