Разработка ученых Центра искусственного интеллекта (ИИ) и науки о данных СПбГУ поможет сетевым и сбытовым организациям выявлять недобросовестных потребителей, которые организуют подпольные майнинг-фермы в частных и многоквартирных домах. Для генерации цифровых валют такие клиенты используют электричество в промышленных масштабах. По данным консалтинговой компании vvCube, в среднем за один день они тратят в три-четыре раза больше энергии, чем требуется на месяц целой семье.

Но, поскольку «предприниматели» не регистрируют свой бизнес, они оплачивают коммунальные счета как обычные домовладельцы — по сниженным тарифам для физических лиц. Тем самым нарушители наносят серьезный финансовый ущерб компаниям-поставщикам. По данным Института экономики роста имени П. А. Столыпина, в 2024 году сбытовые предприятия понесли убытки в размере около 10 млрд рублей из-за нелегальных майнеров.

Также подпольные добытчики криптовалюты создают угрозу для безопасности энергетической инфраструктуры. Они подключают мощное майнинговое оборудование к домовой электросети, рассчитанной на работу стандартных бытовых приборов. Это приводит к скачкам напряжения, перегрузкам и авариям. Расходы на устранение подобных последствий тоже приходится покрывать сетевым и сбытовым организациям. Для обнаружения же нелегальных майнеров они вынуждены постоянно проводить масштабные проверки жилых секторов, что требует немалых финансовых и временных затрат.

Прибор учета электроэнергии, разработанный специалистами Университета, позволит решить эти проблемы. Он автоматизирует процесс выявления подпольных криптоферм и сделает его более простым, оперативным, точным и экономичным. Все благодаря встроенному модулю с искусственным интеллектом.

В рамках проекта специалисты Университета также разработали метод сжатия нейросетей. Благодаря ему ИИ удалось встроить прямо в счетчик.

«Новый метод позволил нам уменьшить тяжеловесную нейросетевую модель таким образом, чтобы она занимала мало места, потребляла небольшое количество энергии и при этом работала без потери качества и скорости. В сжатом виде мы загрузили ее на микрочип, который затем был помещен в прибор учета. Таким образом, мы создали первый в мире счетчик электроэнергии с искусственным интеллектом. Аналогов устройства нет ни в одной стране», — рассказывает Дмитрий Алфеев, руководитель продуктовой группы Центра искусственного интеллекта и науки о данных СПбГУ.

Инновационный счетчик внешне ничем не отличается от обычного. Для его подключения и обслуживания не требуется сложного или дорогостоящего оборудования: прибор устанавливается по стандартной процедуре.

После начала работы он не только записывает объемы расхода электричества, но и постоянно в режиме реального времени анализирует особенности энергопотребления абонентов. Как только кто-то из них запускает майнинговое оборудование, прибор «узнает» об этом и немедленно направляет уведомление в систему учета энергоснабжающей компании.

Интеллектуальный счетчик Центра ИИ СПбГУ смогут использовать все сбытовые и сетевые организации России. По данным комитета Государственной думы РФ по энергетике, в начале 2025 года их насчитывалось более 600 штук. Разработка будет особенно полезна компаниям, которые работают в регионах, где введен полный или частичный запрет на добычу криптовалют. В настоящее время в стране 13 таких субъектов.

Осенью 2025 года по заказу Университета была выпущена тестовая партия счетчиков с искусственным интеллектом. Вскоре эти устройства будут установлены абонентам одной из российских энергоснабжающих организаций Сибирского федерального округа России. Приборы учета пройдут пилотное тестирование, после чего разработчики смогут масштабировать их производство.

В будущем ученые Центра ИИ СПбГУ готовы усовершенствовать нейросеть для счетчика — научить ее различать, какими именно электроприборами пользуется потребитель. «Наш прибор учета сможет распознавать, есть ли у абонента, к примеру, телевизор, холодильник, дренажный насос или сварочный аппарат и как часто человек их включает, — добавляет Дмитрий Алфеев. — Эти данные помогут сетевым и сбытовым компаниям лучше понять профиль электрической нагрузки своих клиентов и, как следствие, выстроить более эффективную систему управления энергоснабжением».