AI & Energi Bersih: Menuju Masa Depan Berkelanjutan di Indonesia

Dunia sedang menyaksikan peningkatan pesat dalam perhatian terhadap hubungan antara kecerdasan buatan (AI) dan lonjakan kebutuhan energi. Meskipun pusat data yang haus daya untuk mendukung AI berpotensi membebani jaringan listrik, menaikkan harga bagi konsumen, menyebabkan gangguan layanan, dan memperlambat transisi menuju energi bersih, penggunaan AI juga dapat menjadi katalisator penting dalam perjalanan menuju masa depan energi yang lebih hijau. Khususnya di Indonesia, dengan tantangan geografis dan transisi energi yang kompleks, peran AI menjadi semakin krusial.

Memanfaatkan Kecerdasan Buatan untuk Masa Depan Energi Bersih

Berbicara tentang masa depan energi, terutama di negara kepulauan seperti Indonesia, seringkali kita dihadapkan pada dilema. Satu sisi, ada kekhawatiran mengenai konsumsi energi yang besar dari infrastruktur AI. Namun, di sisi lain, potensi AI untuk mempercepat transisi energi bersih sangatlah menjanjikan. Sebagai contoh, penggunaan AI telah terbukti mengurangi konsumsi energi dan emisi terkait di sektor bangunan, transportasi, dan berbagai proses industri. Selain itu, AI juga berperan besar dalam mengoptimalkan desain dan penentuan lokasi instalasi tenaga angin, surya, serta fasilitas penyimpanan energi yang krusial bagi stabilitas pasokan di Indonesia.

Optimalisasi Operasi Jaringan Listrik secara Real-Time

Dalam operasional jaringan listrik, algoritma AI membantu meningkatkan efisiensi, mengurangi biaya, mengintegrasikan pangsa energi terbarukan yang terus bertambah, bahkan memprediksi kapan peralatan utama memerlukan servis untuk mencegah kegagalan dan pemadaman listrik. Bagi PT PLN (Persero) di Indonesia, yang mengelola jaringan listrik yang sangat luas dan beragam, kemampuan ini sangat berharga. AI dapat membantu perencana jaringan menjadwalkan investasi dalam pembangkitan, penyimpanan energi, dan infrastruktur lain yang akan dibutuhkan di masa depan. Tak hanya itu, AI juga membantu para peneliti menemukan atau merancang material baru untuk reaktor nuklir, baterai, dan elektroliser yang dapat menjadi tulang punggung energi bersih Indonesia.

Pelanggan selalu mengandalkan pasokan listrik yang berkelanjutan, dan operator jaringan kini dapat dibantu oleh AI untuk mewujudkannya—sekaligus mengoptimalkan penyimpanan dan distribusi energi dari sumber terbarukan. Namun, dengan semakin banyaknya instalasi PLTS dan PLTB—yang keduanya menyediakan daya dalam jumlah lebih kecil dan bersifat intermiten—serta meningkatnya ancaman peristiwa cuaca ekstrem dan serangan siber, menjaga keandalan menjadi semakin rumit. “Di sinilah AI dapat berperan,” jelas Anuradha Annaswamy, seorang ilmuwan peneliti senior di Departemen Teknik Mesin MIT. “Pada dasarnya, Anda perlu memperkenalkan seluruh infrastruktur informasi untuk melengkapi dan mendukung infrastruktur fisik.”

Jaringan listrik adalah sistem yang kompleks yang memerlukan kontrol cermat pada skala waktu mulai dari dekade hingga mikrodetik. Tantangannya berasal dari hukum dasar fisika daya: pasokan listrik harus sama dengan permintaan listrik setiap saat, atau pembangkitan dapat terganggu. Dulu, operator jaringan umumnya berasumsi bahwa pembangkitan bersifat tetap—mereka bisa mengandalkan berapa banyak listrik yang akan diproduksi oleh setiap pembangkit listrik besar—sementara permintaan bervariasi dari waktu ke waktu dengan cara yang cukup dapat diprediksi. Kini, dengan banyaknya generator kecil yang intermiten, pencocokan pasokan dan permintaan ini menjadi semakin kompleks. Algoritma AI menyediakan sarana untuk mencapai manajemen informasi yang kompleks yang dibutuhkan untuk memperkirakan dalam beberapa jam ke depan pembangkit mana yang harus beroperasi, sekaligus memastikan frekuensi, tegangan, dan karakteristik lain dari daya yang masuk sesuai dengan yang diperlukan agar jaringan beroperasi dengan baik.

Terlebih lagi, AI memungkinkan cara baru untuk meningkatkan pasokan atau mengurangi permintaan pada saat pasokan di jaringan menipis. Baterai pada kendaraan listrik (EV) Anda, serta baterai yang diisi oleh panel surya atau turbin angin, dapat—bila diperlukan—berfungsi sebagai sumber daya tambahan yang dapat dialirkan kembali ke jaringan. Dan mengingat sinyal harga real-time, pemilik EV dapat memilih untuk menggeser pengisian daya dari waktu puncak permintaan ke waktu ketika permintaan dan harga lebih rendah. Selain itu, termostat pintar baru dapat diatur untuk memungkinkan suhu dalam ruangan turun atau naik—dalam kisaran yang ditentukan oleh pelanggan—saat permintaan di jaringan mencapai puncaknya. Dengan demikian, AI dapat memberikan banyak peluang untuk menyempurnakan pasokan dan permintaan sesuai kebutuhan, menciptakan efisiensi yang signifikan bagi masyarakat Indonesia.

AI juga memungkinkan “pemeliharaan prediktif.” Setiap waktu henti produksi sangat merugikan bagi perusahaan dan mengancam kekurangan bagi pelanggan. Algoritma AI dapat mengumpulkan data kinerja utama selama operasi normal dan, ketika pembacaan menyimpang dari normal, sistem dapat memberi tahu operator bahwa ada sesuatu yang salah, memberi mereka kesempatan untuk melakukan intervensi. Kemampuan itu mencegah kegagalan peralatan, mengurangi kebutuhan akan inspeksi rutin, meningkatkan produktivitas pekerja, dan memperpanjang masa pakai peralatan penting, sebuah keuntungan besar untuk infrastruktur energi yang tersebar di Indonesia.

Perencanaan Investasi Infrastruktur Masa Depan dengan AI

Perusahaan jaringan terus-menerus perlu merencanakan perluasan pembangkitan, transmisi, penyimpanan, dan lainnya. Pembangunan dan pengoperasian semua infrastruktur yang diperlukan bisa memakan waktu bertahun-tahun, bahkan lebih dari satu dekade. Oleh karena itu, mereka perlu memprediksi infrastruktur apa yang akan dibutuhkan untuk memastikan keandalan di masa depan. “Ini rumit karena Anda harus memperkirakan lebih dari satu dekade ke depan apa yang harus dibangun dan di mana harus dibangun,” kata Deepjyoti Deka, seorang ilmuwan peneliti di MITEI. Tantangan dalam mengantisipasi apa yang dibutuhkan adalah memprediksi bagaimana sistem masa depan akan beroperasi. “Itu menjadi semakin sulit,” kata Deka, karena semakin banyak energi terbarukan yang online dan menggantikan generator tradisional.

Di masa lalu, operator dapat mengandalkan “cadangan berputar,” yaitu kapasitas pembangkitan yang saat ini tidak digunakan tetapi dapat online dalam hitungan menit untuk memenuhi kekurangan pada sistem. Kehadiran begitu banyak generator intermiten—angin dan matahari—berarti kini ada lebih sedikit stabilitas dan inersia yang dibangun ke dalam jaringan. Menambah kerumitan adalah bahwa generator intermiten tersebut dapat dibangun oleh berbagai vendor, dan perencana jaringan mungkin tidak memiliki akses ke persamaan berbasis fisika yang mengatur operasi setiap peralatan pada skala waktu yang cukup halus. “Jadi, Anda mungkin tidak tahu persis bagaimana itu akan berjalan,” Deka. AI dapat membantu dengan memprediksi peristiwa cuaca ekstrem dan bahkan melacak perubahan pola cuaca akibat perubahan iklim, yang sangat relevan bagi Indonesia yang rentan terhadap bencana alam.

Deka juga menunjukkan manfaat lain yang kurang jelas dari kecepatan analisis AI. Setiap rencana pengembangan infrastruktur harus ditinjau dan disetujui, seringkali oleh beberapa badan regulasi dan lainnya. Secara tradisional, seorang pemohon akan mengembangkan rencana, menganalisis dampaknya, dan menyerahkan rencana tersebut kepada satu set peninjau. Setelah membuat perubahan yang diminta dan mengulangi analisis, pemohon akan mengirimkan kembali versi revisi kepada peninjau untuk melihat apakah versi baru dapat diterima. Alat AI dapat mempercepat analisis yang diperlukan sehingga prosesnya berjalan lebih cepat. Perencana bahkan dapat mengurangi jumlah penolakan proposal dengan menggunakan model bahasa besar untuk mencari publikasi regulasi dan merangkum apa yang penting untuk instalasi infrastruktur yang diusulkan, sebuah efisiensi birokrasi yang sangat dibutuhkan di Indonesia.

Inovasi Material Lanjutan untuk Transisi Energi dengan AI

“Penggunaan AI untuk pengembangan material sedang berkembang pesat saat ini,” kata Ju Li, Profesor Carl Richard Soderberg di MIT. Dia mencatat dua arah utama. Pertama, AI memungkinkan simulasi berbasis fisika yang lebih cepat pada skala atom. Hasilnya adalah pemahaman tingkat atom yang lebih baik tentang bagaimana komposisi, pemrosesan, struktur, dan reaktivitas kimia berhubungan dengan kinerja material. Pemahaman itu memberikan aturan desain untuk membantu memandu pengembangan dan penemuan material baru untuk pembangkitan, penyimpanan, dan konversi energi yang dibutuhkan untuk sistem energi berkelanjutan di masa depan. Kedua, AI dapat membantu memandu eksperimen secara real-time saat berlangsung di laboratorium.

Li menjelaskan apa yang terjadi di laboratoriumnya. Ilmuwan manusia berinteraksi dengan model bahasa besar, yang kemudian membuat saran tentang eksperimen spesifik apa yang harus dilakukan selanjutnya. Peneliti manusia menerima atau memodifikasi saran tersebut, dan lengan robot merespons dengan menyiapkan dan melakukan langkah berikutnya dalam urutan eksperimen, mensintesis material, menguji kinerja, dan mengambil gambar sampel jika sesuai. Berdasarkan campuran pengetahuan literatur, intuisi manusia, dan hasil eksperimen sebelumnya, AI dengan demikian mengoordinasikan pembelajaran aktif yang menyeimbangkan tujuan mengurangi ketidakpastian dengan meningkatkan kinerja. Dan, seperti yang ditunjukkan Li, “AI telah membaca lebih banyak buku dan makalah daripada yang bisa dilakukan manusia mana pun, dan dengan demikian secara alami lebih interdisipliner.”

Hasilnya, kata Li, adalah desain eksperimen yang lebih baik dan percepatan “alur kerja.” Secara tradisional, proses pengembangan material baru memerlukan sintesis prekursor, pembuatan material, pengujian kinerja dan karakterisasi struktur, penyesuaian, dan pengulangan serangkaian langkah yang sama. Panduan AI mempercepat proses itu, “membantu kami merancang eksperimen kritis dan murah yang dapat memberi kami umpan balik informasi maksimum,” kata Li. “Memiliki kemampuan ini tentu akan mempercepat penemuan material, dan ini mungkin hal yang benar-benar dapat membantu kita dalam transisi energi bersih,” pungkasnya. “AI [memiliki potensi untuk] melumasi proses penemuan dan optimasi material, mungkin memperpendeknya dari dekade, seperti di masa lalu, menjadi hanya beberapa tahun,” sebuah terobosan signifikan untuk pengembangan teknologi energi di Indonesia.

Kontribusi AI untuk Ekosistem Energi Indonesia

Di Indonesia, berbagai lembaga penelitian dan perusahaan energi dapat mengambil inspirasi dari upaya global ini. Mengembangkan solusi AI yang disesuaikan dengan karakteristik geografis dan kebutuhan energi spesifik Indonesia—misalnya, untuk mengelola jaringan listrik di pulau-pulau terpencil atau mengoptimalkan potensi energi hidro dan panas bumi—akan menjadi kunci. Kolaborasi antara akademisi, industri, pemerintah, dan organisasi nirlaba sangat dibutuhkan untuk memastikan bahwa penerapan AI tidak hanya menjadi latihan akademis, tetapi benar-benar terimplementasi dan memberikan dampak nyata bagi transisi energi bersih di Tanah Air. Selain itu, upaya untuk mengurangi konsumsi energi pusat data juga harus menjadi prioritas, dengan merancang chip dan algoritma komputasi yang lebih efisien, serta memikirkan kembali desain arsitektur bangunan untuk meningkatkan aliran udara dan mengurangi kebutuhan pendingin udara.

Dengan demikian, AI bukan hanya tantangan, tetapi juga janji besar bagi masa depan energi Indonesia. Potensinya untuk meningkatkan efisiensi, mempercepat inovasi, dan membuat sistem energi lebih tangguh adalah kunci untuk mencapai target energi bersih nasional dan berkontribusi pada upaya mitigasi perubahan iklim global. Mengingat bahwa tantangan memenuhi permintaan energi pusat data dan membuka manfaat potensial AI untuk transisi energi kini menjadi prioritas penelitian global, Indonesia memiliki peluang besar untuk berpartisipasi aktif dan mengambil manfaat dari kemajuan ini.