Post Today
Banpu นำ AI มาใช้มุ่งยกระดับการซื้อขายพลังงานในญี่ปุ่น
Compiled by KHAO Editorial — aggregated from 2 outlets. See llms.txt for citation guidance.
2 แหล่งข่าว
Banpu ประยุกต์ใช้โมเดล AI ร่วมกับเทรดเดอร์ ยกระดับประสิทธิภาพการวิเคราะห์ตลาดและบริหารความเสี่ยงในการซื้อขายไฟฟ้าในญี่ปุ่นกว่า 90%
Key facts
- จากการทดสอบ Simulation โดยใช้ข้อมูลย้อนหลังในตลาดไฟฟ้าญี่ปุ่นช่วงเดือนมกราคมถึงมีนาคม 2569 พบว่าระบบสามารถรักษาสมดุลระหว่างผลตอบแทนและความเสี่ยงได้เหนือกว่าแนวทางดั้งเดิม ซึ่งผลลัพธ์นี้สอดคล้องกับสถิติระดับโลกที่ชี้ว่า การประยุกต์ใช้โมเดล
- ปัจจุบัน เทคโนโลยีดังกล่าวถูกนำไปปรับใช้จริงมากกว่า 90% ของปริมาณการซื้อขายพลังงานทั้งหมดใน 6 ภูมิภาคหลักของญี่ปุ่น โดยระบบปฏิบัติการถูกออกแบบให้อยู่ในรูปแบบ Human-in-the-Loop ซึ่ง AI ทำหน้าที่ประมวลผลสัญญาณตลาด
- บริษัท บ้านปู จำกัด มหาชน (Banpu) ได้บูรณาการเทคโนโลยี AI เข้าสู่ระบบบริหารจัดการการซื้อขายพลังงาน ภายใต้ Banpu Power Trading G.K
- สถาปัตยกรรมทางเทคโนโลยีที่นำมาประยุกต์ใช้ประกอบด้วยโมเดลหลัก 2 ชุด ได้แก่ โมเดลวิเคราะห์ทิศทางราคาพร้อมประเมินระดับความเชื่อมั่นของสัญญาณการซื้อขาย และโมเดลประเมินสภาวะตลาดระดับมหภาค หากสัญญาณการซื้อขายในระบบมีความไม่แน่นอนสูง
Summary
บริษัท บ้านปู จำกัด มหาชน (Banpu) ได้บูรณาการเทคโนโลยี AI เข้าสู่ระบบบริหารจัดการการซื้อขายพลังงาน ภายใต้ Banpu Power Trading G.K. ในตลาดไฟฟ้าประเทศญี่ปุ่น โครงการนี้คือการเปลี่ยนผ่านจากการตัดสินใจโดยอาศัยประสบการณ์ของบุคลากร ไปสู่การใช้โมเดลวิเคราะห์ข้อมูลเชิงลึก ทั้งด้านอุปสงค์ อุปทาน สภาพอากาศ และต้นทุนพลังงานอย่างเป็นระบบ
สถาปัตยกรรมทางเทคโนโลยีที่นำมาประยุกต์ใช้ประกอบด้วยโมเดลหลัก 2 ชุด ได้แก่ โมเดลวิเคราะห์ทิศทางราคาพร้อมประเมินระดับความเชื่อมั่นของสัญญาณการซื้อขาย และโมเดลประเมินสภาวะตลาดระดับมหภาค หากสัญญาณการซื้อขายในระบบมีความไม่แน่นอนสูง อัลกอริทึมจะประเมินผลเพื่อลดขนาดธุรกรรมหรือระงับการดำเนินการเพื่อควบคุมความเสี่ยงโดยอัตโนมัติ
จากการทดสอบ Simulation โดยใช้ข้อมูลย้อนหลังในตลาดไฟฟ้าญี่ปุ่นช่วงเดือนมกราคมถึงมีนาคม 2569 พบว่าระบบสามารถรักษาสมดุลระหว่างผลตอบแทนและความเสี่ยงได้เหนือกว่าแนวทางดั้งเดิม ซึ่งผลลัพธ์นี้สอดคล้องกับสถิติระดับโลกที่ชี้ว่า การประยุกต์ใช้โมเดล Machine Learning ในตลาดพลังงานสามารถลดความผันผวนของพอร์ตโฟลิโอและเพิ่มความแม่นยำในการคาดการณ์ได้กว่า 15 - 20%