Práce ve strojovém učení

Strojové učení v obnovitelné energetice

Strojové učení v energetice znamená modely, které párují kolísající výrobu s poptávkou v síti. Předpovídají výkon větrných i fotovoltaických elektráren na hodiny dopředu, optimalizují dispečink baterií, hledají počínající poruchy turbín z dat o vibracích a oceňují energii na denním trhu.

Z výzkumné kuriozity se stala provozní nutnost. DeepMind uvádí 20% nárůst hodnoty větrné energie, když jeho neuronová síť odhadla výkon 36 hodin dopředu a operátor se mohl zavázat k dodávkám na denní trh místo dorovnávání na poslední chvíli. Zpráva IEA Energy and AI přitom upozorňuje, že odborníků na AI je v utilitách a v ropě a plynu výrazně méně než v technologiích, financích nebo médiích. Právě v tom je příležitost.

Kde se nábor koncentruje

Role se dělí do několika typů. Data scientisté staví předpovědi spotřeby a výroby, ML inženýři převádějí modely do tradingových a dispečerských systémů, datoví inženýři napojují SCADA a měřící data do produkčních pipeline a menší výzkumná část se věnuje řízení plazmy ve fúzi, návrhu materiálů a modelům životnosti baterií. Inzeráty typu "Data Scientist - Forecasting & Analytics" se opakují proto, že právě v předpovědích přináší ML nejjasnější komerční hodnotu.

Nabídka se hustě koncentruje v několika městech. Vede Londýn, kde mají hluboký trh dodavatelé energií, obchodníci a firmy v energetické analytice. Následuje Berlín a Mnichov, tažené poptávkou po síťovém software v rámci Energiewende. Bristol, Glasgow, San Francisco, Houston, Bengalúru a Singapur uzavírají žebříček. Práce na dálku je tu častější než u terénních inženýrských pozic, většina rolí ale potřebuje překryv s časovým pásmem obchodního a dispečerského oddělení.

Zaměstnavatelé a platy

Aktivní zaměstnavatelé patří do čtyř kategorií. Energetiky a majitelé aktiv (Vattenfall, EDP Renewables, NextEra Energy) hledají lidi na předpovědi, optimalizaci a analytiku portfolia. Dodavatelé síťového software a platforem pro domácnosti (OVO Energy, Kiwigrid, Uplight, Eliq) potřebují ML pro disagregaci spotřeby, segmentaci zákazníků a řízení distribuovaných zdrojů. Tradingové firmy jako Gridmatic nabírají kvantitativní ML inženýry za platy blízké fintechu. Výrobci (Verkor, Bloom Energy) staví modely degradace článků a výkonu palivových článků.

Platy odrážejí toto křížení oborů. ML inženýr v Německu vydělává typicky 70 000 až 100 000 € základní mzdy, seniorní role v Berlíně nebo Mnichově překračují 120 000 €. Ve Velké Británii rostly platy v obnovitelné energetice v roce 2025 v průměru o 13,2 % a ML inženýři v londýnských energy startupech se běžně dostávají na 85 000 až 110 000 £. Příplatek dostávají kandidáti, kteří umí ML základy spojit se znalostí oboru: časové řady a pravděpodobnostní předpověď, mechaniku trhu s elektřinou, práci se SCADA a daty z přenosové soustavy nebo prediktivní modely pro správu aktiv.

Co opravdu hraje při náboru

Obecné ML zázemí samo o sobě nestačí. Náboráři v sektoru hledají buď produkční zkušenost s časovými řadami a pravděpodobnostní předpovědí (LSTM, gradient boosting, konformní predikce), nebo srozumitelný důvod, proč chce kandidát právě do energetiky. Doplňkové dovednosti, které se opakují: Python, PyTorch nebo TensorFlow, MLOps nástroje, geoprostorová analýza a stále častěji práce s LLM pro dokumentaci aktiv a operátorské kopiloty. Nejsilnější kandidáti rozumí i základům energetiky: co je curtailment, proč existují vyrovnávací trhy a z čeho se skládá výnos baterie. Spojení datové vědy se znalostí oboru posouvá CV ze složky "možná" do prvního hovoru.