Loji solar 150 MW Eni di Andalusia tunjuk bagaimana syarikat minyak & gas global guna tenaga boleh baharu dan AI. Apa pelajaran konkrit untuk Petronas dan utiliti Malaysia?
Tenaga solar 150 MW dan pelajaran untuk Malaysia
Eni baru sahaja menghidupkan loji solar fotovoltaik 150 MW di Caparacena, Andalusia. Dengan lebih 274,000 modul bifasial di kawasan 264 hektar, projek ini menjana sekitar 320 GWh setahun dan menaikkan kapasiti tenaga boleh baharu Eni di Sepanyol hampir kepada 1.5 GW.
Ini bukan sekadar berita projek baharu. Ini cerminan hala tuju syarikat minyak dan gas global: daripada hanya mengepam hidrokarbon, kepada membina aset tenaga boleh baharu, diurus secara digital, dioptimumkan dengan data dan AI.
Untuk pemain seperti Petronas dan utiliti utama di Malaysia, projek seperti Caparacena ialah cermin masa depan sendiri. Soalannya bukan lagi sama ada kita perlu buat transformasi tenaga, tetapi seberapa pantas kita boleh jadikan AI sebagai “otak” yang mengawal campuran tenaga – dari gas ke solar, dari grid tradisional ke grid pintar.
Artikel ini kupas apa yang Eni sedang lakukan di Sepanyol, apa kaitannya dengan strategi tenaga Malaysia, dan bagaimana AI dalam oil & gas / tenaga boleh menjadikan projek seperti ini jauh lebih menguntungkan dan berdaya saing.
Apa yang sebenarnya Eni bina di Andalusia?
Jawapan ringkas: satu ekosistem solar berskala utiliti yang disusun secara strategik, bukan projek tunggal terpencil.
Beberapa fakta penting dari portfolio Eni di Sepanyol:
- Caparacena, Granada: 150 MW, 3 taman solar Ă— 50 MW, lebih 274,000 modul bifasial, anggaran 320 GWh setahun.
- Jumlah kapasiti boleh baharu di Sepanyol: hampir 1.5 GW terpasang.
- Projek lain di Andalusia:
- Guillena, Seville: 230 MW solar.
- EntrenĂşcleo, Seville: 200 MW (dalam pembinaan, mula operasi dijangka tahun hadapan).
- Renopool, Extremadura: bila siap hujung 2025, 330 MW menjadikannya taman solar terbesar Eni di dunia (7 loji, 2 blok).
- Fortuna, Murcia: 90 MW solar (dalam pembinaan).
Eni mensasarkan lebih 5.5 GW kapasiti tenaga boleh baharu dipasang pada 2025, naik kepada 10 GW pada 2028 dan 15 GW pada 2030.
Ini menunjukkan satu perkara jelas: syarikat minyak dan gas arus perdana sedang membina “portfolio tenaga”, bukan lagi sekadar portfolio medan minyak. Dan setiap MW baharu yang ditambah akan memerlukan penyelarasan digital dan AI untuk kekal efisien serta menguntungkan.
Kenapa projek solar skala besar perlukan AI?
Untuk loji solar 150 MW seperti Caparacena, isu sebenar bukan hanya “boleh jana berapa banyak tenaga”, tetapi “berapa optimum tenaga yang sampai kepada pelanggan dengan kos paling rendah dan risiko paling kecil”. Di sinilah AI jadi pembeza utama.
1. Peramalan (forecasting) tenaga dan cuaca
Loji solar bergantung kepada matahari. Variasi awan, jerebu, suhu – semua beri kesan kepada output. Model AI boleh:
- Ramal pengeluaran tenaga dalam minit hingga hari ke hadapan dengan ketepatan jauh lebih baik berbanding model statistik tradisional.
- Gabungkan data satelit, sensor tapak (irradiance, suhu modul, kelajuan angin) dan data sejarah untuk menghasilkan ramalan granular per blok 50 MW.
Untuk utiliti di Malaysia, ini terus terpakai. Sama ada solar LSS di Kedah atau Pengerang Co-Generation yang digabung dengan solar atas bumbung, AI forecasting membolehkan:
- Jadualkan dispatch tenaga dengan lebih tepat.
- Kurangkan penalti imbangan (imbalance charges) kepada TNB atau operator grid.
- Rancang operasi turbin gas / boiler supaya tidak “over-commit” bila solar naik mendadak.
2. Pengoptimuman operasi (O&M) secara masa nyata
Loji solar moden penuh dengan sensor dan data SCADA. AI boleh membaca pola halus yang manusia tak sempat perasan.
Contoh aplikasi:
- Pengurusan kecekapan panel: Model pembelajaran mesin kesan degradasi modul, mismatch string, PID atau shading kecil yang menurunkan output.
- Penjadualan cuci panel: AI kira trade-off antara kos air, tenaga kerja dan kehilangan output akibat kotoran. Panel dicuci bila ROI paling optimum, bukan semata-mata mengikut jadual tetap.
- Pengurusan inverter: Ramalan kegagalan awal (predictive) mengelakkan downtime tak dirancang.
Ini sama logiknya dengan predictive maintenance yang Petronas dan syarikat minyak lain gunakan untuk pam, kompresor dan turbin. Bezanya cuma aset – daripada rotating equipment kepada inverter dan transformer.
3. Integrasi grid dan kestabilan sistem
Bila kapasiti solar mendekati gigawatt dalam satu negara, kesan kepada grid jadi besar: variasi frekuensi, voltan, ramp rate, dan isu intermittency.
AI boleh membantu:
- Kawal output loji solar mengikut arahan grid operator secara pintar (contoh: response kepada isyarat frekuensi dalam beberapa saat).
- Koordinasi beberapa loji (seperti Caparacena, Guillena, Entrenúcleo) sebagai satu “virtual power plant (VPP)”.
- Gabungkan dengan bateri (BESS) untuk mengurangkan ramp up/down secara mendadak.
Untuk Malaysia yang sedang meningkatkan penembusan solar di Semenanjung dan Sabah, pendekatan VPP dan AI grid analytics akan jadi kritikal bila kadar RE (%) dalam campuran tenaga terus meningkat.
Jambatan ke Malaysia: daripada Andalusia ke Pengerang dan Bintulu
Realitinya, apa yang Eni buat di Sepanyol tidak jauh dengan apa yang Petronas dan utiliti utama Malaysia sedang rancang – cuma lokasi dan konteks berbeza.
1. Diversifikasi tenaga: minyak & gas kekal, tetapi profil berubah
Eni masih syarikat minyak dan gas. Begitu juga Petronas. Tetapi kedua-duanya jelas bergerak ke arah:
- Portfolio pelbagai: minyak, gas, tenaga boleh baharu, dan perkhidmatan tenaga digital.
- Model perniagaan baharu: bukan hanya jual molekul (gas, bahan api), tetapi juga jual kilowatt-jam pintar (tenaga yang diurus secara digital).
Di Malaysia, ini boleh muncul dalam bentuk:
- Kompleks gas dan petrokimia yang digabung secara optimum dengan loji solar dan mungkin angin luar pesisir di masa depan.
- Perjanjian bekalan tenaga kepada industri besar (data center, kilang) yang dioptimumkan dengan AI berdasarkan harga spot, permintaan, dan output RE.
2. Penggunaan AI merentas rantaian nilai
Dalam siri AI in Oil & Gas / Energy, kita selalu sebut empat guna utama: pemodelan reservoir, predictive maintenance, pemantauan keselamatan, dan pengoptimuman tenaga.
Projek Eni di Sepanyol menunjukkan satu lagi langkah: AI sebagai otak kepada portfolio tenaga.
Bayangkan senario Malaysia:
- Data daripada platform luar pesisir, loji penapisan, loji gas, taman solar dan mungkin ladang angin dianalisis dalam satu pusat kawalan.
- Sistem AI cadangkan cara paling murah dan paling bersih untuk memenuhi permintaan tenaga pada jam berikutnya.
- Keputusan dispatch dibuat secara hampir masa nyata, dengan mengambil kira kos bahan api, harga karbon, cuaca, dan status aset.
Inilah arah yang sedang berlaku dalam utiliti di Eropah, dan Malaysia boleh melangkau beberapa peringkat kalau kita fokus cepat pada infrastruktur data dan model AI peringkat enterprise.
Pelajaran konkrit dari projek solar Eni untuk utiliti Malaysia
Beberapa pelajaran praktikal yang saya rasa relevan untuk Petronas, TNB, Sabah Electricity dan pemain tenaga lain:
1. Rancang digital & AI dari fasa reka bentuk
Caparacena dibina sebagai sebahagian portfolio yang lebih besar. Untuk memaksimumkan nilai AI, projek tenaga baharu di Malaysia patut:
- Masukkan keperluan data & sensor dalam spesifikasi awal (jenis data, resolusi masa, standard komunikasi, siber keselamatan).
- Reka bentuk loji supaya mudah diintegrasi dalam platform analitik korporat (bukan SCADA terasing).
- Tetapkan KPI yang boleh disokong AI: contohnya
kos per MWh terlaras risiko,availability inverter,ramalan 24 jam ahead error < X%.
2. Jangan lupakan konteks sosial dan alam sekitar
Menariknya, projek Caparacena siap tanpa menjejaskan tapak nekropolis Iberia abad ke-6 yang ditemui semasa pembinaan. Eni menjalankan pemantauan arkeologi dan menyesuaikan pelaksanaan supaya warisan dikekalkan.
Untuk Malaysia, konteksnya mungkin:
- Kawasan orang asli.
- Tapak bersejarah atau biodiversiti penting (hutan paya gambut, kawasan hidupan liar).
Di sinilah AI juga boleh bantu, contohnya:
- Pemodelan spatial untuk pilih tapak projek yang meminimumkan konflik sosial / alam sekitar.
- Sistem pemantauan alam sekitar masa nyata yang mengesan kesan projek (bunyi, kualiti udara, hidrologi) dan mencadangkan mitigasi.
3. Fikirkan “fleet optimisation”, bukan loji tunggal
Bila kapasiti solar Eni di Sepanyol menghampiri 1.5 GW, sudut pandang mereka bukan lagi satu loji, tetapi satu armada aset.
Untuk Malaysia, bila jumlah projek LSS, solar atas bumbung, dan mungkin hibrid solar-gas meningkat, pendekatan yang sama patut diambil:
- Gunakan platform AI yang mengoptimumkan seluruh armada aset – dari loji gas ke solar – bukannya sistem kecil berasingan.
- Wujudkan command center tenaga yang melihat semua aset utama dan senario permintaan dalam satu papan pemuka.
Di mana langkah seterusnya untuk pemain tenaga Malaysia?
Haluan global sudah jelas: syarikat minyak dan gas seperti Eni sedang membina kapasiti tenaga boleh baharu gigawatt demi gigawatt, sambil memperkukuh kemampuan digital dan AI mereka.
Malaysia berada pada masa yang sangat sesuai untuk memanfaatkan arus ini:
- Tenaga boleh baharu tempatan sedang berkembang.
- Pelaburan data center dan ekonomi digital memerlukan bekalan tenaga yang boleh dipercayai dan semakin bersih.
- Petronas dan utiliti utama sudah mempunyai asas AI dalam operasi oil & gas – sekarang masa untuk bawa kepakaran sama ke portfolio tenaga baharu.
Bagi organisasi yang serius mahu memacu transformasi ini, soalan penting sekarang ialah:
- Adakah data operasi tenaga anda sedia untuk dimakan AI?
- Bolehkah anda melihat seluruh rantaian tenaga – dari gas hingga solar – dalam satu platform yang konsisten?
- Adakah pasukan operasi dan pasukan data/AI anda bergerak sebagai satu unit, atau masih berasingan?
Projek seperti Caparacena menunjukkan bahawa transformasi tenaga bukan teori laporan ESG semata-mata. Ia sudah berlaku, dengan megawatt dan gigawatt sebenar di atas grid.
Malaysia tidak perlu menunggu. Dengan menggabungkan kekuatan oil & gas, pengalaman operasi berskala besar dan AI, pemain seperti Petronas dan utiliti utama boleh membina versi “Andalusia” mereka sendiri di Nusantara – tetapi dengan pendekatan yang lebih pintar, lebih bersepadu, dan lebih digital.