AI/ML आधारित समाधान से स्मार्ट और उपभोक्ता-केंद्रित बिजली वितरण की दिशा में भारत

मनोहर लाल, ऊर्जा मंत्री, ने कहा कि कृत्रिम बुद्धिमत्ता (AI) और मशीन लर्निंग (ML) आधारित अनुप्रयोग बुद्धिमान, उपभोक्ता-केंद्रित और स्व-संवर्धित वितरण नेटवर्क बनाने में महत्वपूर्ण भूमिका निभाएंगे। मंत्री ने यह बात दो दिवसीय राष्ट्रीय सम्मेलन को संबोधित करते हुए कही, जो कि बिजली वितरण क्षेत्र में AI/ML प्रौद्योगिकियों के उपयोग पर केंद्रित था, और आज भारत मण्डपम, नई दिल्ली में आयोजित किया गया।

उन्होंने कहा कि AI/ML आधारित समाधान, स्मार्ट मीटर एनालिटिक्स, डिजिटल ट्विन्स, प्रेडिक्टिव मेंटेनेंस, चोरी का पता लगाने वाली बुद्धिमत्ता, उपकरण-स्तरीय उपभोक्ता अंतर्दृष्टि, स्वचालित आउटेज पूर्वानुमान और GenAI आधारित निर्णय समर्थन उपभोक्ता अनुभव और संचालन दक्षता दोनों को बदल सकते हैं।

मनोहर लाल ने राष्ट्रीय सम्मेलन में उद्योग, राज्यों, नवाचारकों, अकादमिक संस्थानों और प्रौद्योगिकी साझेदारों की सक्रिय भागीदारी की सराहना की। उन्होंने वितरण कंपनियों (DISCOMs), एडवांस्ड मीटरिंग इंफ्रास्ट्रक्चर सेवा प्रदाताओं (AMISPs), प्रौद्योगिकी समाधान प्रदाताओं (TSPs) और होम ऑटोमेशन समाधान प्रदाताओं (HASPs) द्वारा प्रस्तुत AI/ML समाधानों की प्रशंसा की।

मंत्री ने सभी DISCOMs से कहा कि वे पारिस्थितिकी तंत्र के सभी हितधारकों के साथ मिलकर स्मार्ट, भरोसेमंद और उपभोक्ता-केंद्रित वितरण प्रणाली की ओर संक्रमण करें। उन्होंने यह भी कहा कि उपभोक्ताओं को सक्रिय रूप से शामिल करना आवश्यक है। यह महत्वपूर्ण है कि नई तकनीकों के चारों ओर कभी-कभी फैली भ्रांतियों को दूर किया जाए और तकनीक को अपनाने के लिए उपभोक्ताओं का बहुमूल्य समर्थन प्राप्त किया जाए।

मनोहर लाल ने कहा कि AI/ML आधारित समाधान यह दर्शाते हैं कि तकनीक विश्वास बहाल करने में सक्षम है, घरों को उनके खपत प्रबंधन में सशक्त बनाती है, आउटेज को होने से पहले रोकती है, ईमानदार उपभोक्ताओं को चोरी के बोझ से बचाती है और DISCOMs को नुकसान कम करने, पावर खरीद लागत को अनुकूलित करने और मजबूत अवसंरचना में पुनर्निवेश करने में सक्षम बनाती है—जो भारत को डिजिटल बिजली सुधार और भविष्य-तैयार ग्रिड प्रशासन में वैश्विक नेता के रूप में स्थापित करता है।

राष्ट्रीय सम्मेलन में बोलते हुए, पंकज अग्रवाल, सचिव, ऊर्जा मंत्रालय ने DISCOMs में डिजिटलीकरण को मजबूत करने और AI/ML आधारित समाधानों को अपनाने के लिए मंत्रालय की प्रतिबद्धता पर प्रकाश डाला, जो संचालन और वित्तीय सुधारों में मापन योग्य लाभ देते हैं। उन्होंने क्षमता निर्माण, सुरक्षित डेटा-साझाकरण ढांचे और इंटरऑपरेबिलिटी के महत्व पर जोर दिया ताकि सम्मेलन में प्रदर्शित नवाचारों को देशव्यापी रूप से बढ़ाया जा सके और देश में ऊर्जा संक्रमण को सुविधाजनक बनाया जा सके।

सम्मेलन में नवाचार के लिए राष्ट्रीय स्तर पर आह्वान किया गया, और DISCOMs, AMISPs, TSPs और होम ऑटोमेशन समाधान प्रदाताओं से 195 आवेदन प्राप्त हुए। प्रारंभिक स्क्रीनिंग के बाद, 51 समाधानों को विस्तृत जूरी मूल्यांकन के लिए पहले दिन (6 दिसंबर, 2025) चुना गया।

विस्तृत मूल्यांकन के बाद, DISCOMs श्रेणी में TNPDCL (तमिलनाडु), MP East (मध्य प्रदेश), AMISP श्रेणी में Tata Power और Apraava, समाधान प्रदाता श्रेणी में Pravah और Flock Energy और होम ऑटोमेशन समाधान श्रेणी में Tata Power विजेता घोषित किए गए।

आज विजेताओं ने अपने प्रस्तुतिकरण में तमिलनाडु द्वारा राजस्व सुरक्षा के लिए उन्नत स्मार्ट मीटर एनालिटिक्स, MP East द्वारा नुकसान कम करने के लिए सटीक उपभोक्ता इंडेक्सिंग जैसी डेटा-आधारित नवाचारों को उजागर किया। AMISP जैसे TP Power Plus और Apraava Energy ने व्यवहार-आधारित डिमांड रिस्पॉन्स और AI आधारित संचालन स्वचालन प्रदर्शित किया, जबकि TSPs जैसे Pravah और Flock Energy ने वास्तविक समय ग्रिड बुद्धिमत्ता और उपभोक्ता उपकरण एनालिटिक्स को प्रदर्शित किया। Tata Power ने ऊर्जा उपयोग की निगरानी और नियंत्रण के लिए भविष्यवादी और उपयोगकर्ता-मित्रवत समाधान प्रस्तुत किया।

विजेताओं को ऊर्जा मंत्री द्वारा सम्मानित किया गया और उन्होंने इन समाधानों को राज्यों में व्यापक रूप से अपनाने के लिए प्रोत्साहित किया।

मनोहर लाल, ऊर्जा मंत्री ने केंद्रीय विद्युत प्राधिकरण (CEA) द्वारा विकसित STELLAR (Strategic Expansion for Long Term Load Adequacy and Resilience) का भी शुभारंभ किया, जो DISCOMs को संसाधन पर्याप्तता अध्ययन करने और दीर्घकालिक पर्याप्तता योजनाएँ तैयार करने में सक्षम बनाएगा। साथ ही, इंडिया स्मार्ट ग्रिड फोरम (ISGF) ने बिजली उपयोगिताओं के लिए AI, ML, AR/VR और रोबोटिक्स समाधान और रोडमैप पर हैंडबुक प्रस्तुत किया, जिसमें 174 उपयोग मामलों को हाइलाइट किया गया, जिनमें से 45 भारतीय उपयोगिताओं से संबंधित हैं।