اقتصاد سبز و هوش مصنوعی به کدام سیستم قدرت ایران وارد شده است؟ / ورود هوش مصنوعی برای حل چالش های انرژی در جهان

به گزارش خبرنگار اجتماعی رکنا، این روزها جهان به سمت بکارگیری از هوش مصنوعی در شبکه برق حرکت کرده است . تحولی که هوش مصنوعی در برنامه ریزی تولید، انتقال و توزیع برق ایجاد می کند بسیار عمیق تر از آن چیزی است که غالبا تصور می شود. اما آیا آنچه ما در ایران به عنوان هوش مصنوعی می شناسیم همان هوش مصنوعی است که در جهان پیشرفته برای تولید و انتقال و توزیع برق از آن بهره گرفته اند یا یک تقلید ناشیانه از نسل های قبلی هوش مصنوعی مثل شبکه های عصبی است؟

شبکه های عصبی در واقع پدربزرگ هوش مصنوعی محسوب می شود که از سالها قبل به کارگیری از آن مطرح شد و حتی در ایران نیز مورد توجه قرار گرفت. شبکه‌های عصبی با جمع کردن اطلاعات در مورد یک موضوع خاص سعی در پیش بینی وضعیت آن موضوع می کردند. تکنیک‌های جمع آوری اطلاعات به نوعی شباهت داشت به شبکه های عصبی. مثلا اگر شما یک چای داغ بنوشید واکنش شما چه خواهد بود؟ حالا اگر مثلا یک غذای داغ بخورید بر اساس اطلاعات جمع شده از چای داغ خوردنتان واکنش شما در موقع خوردن غذای داغ پیش بینی می شد. اما آنچه جهان در مورد هوش مصنوعی در انرژی از آن استفاده می کند با  تکنولوژی شبکه های عصبی مثل “یادگیری عمیق”یا deep learning و کاربردهایش فرق دارد.

سوال از وزارت نیرو و اقتصاد کشور

حال سوال مهم از وزارت نیرو و اقتصاد کشور این است که  اقتصاد سبز کدام چالش ها را به سیستم قدرت ما وارد می کند و چگونه می توانیم از هوش مصنوعی برای حل آنها استفاده کنیم؟

آینده برق، سبز  است. خودروهای برقی ،چندین منبع انرژی جدید به شبکه اضافه می شود،  مزارع بادی بزرگ و کوچک، منابع انرژی توزیع شده، مانند سیستم های خورشیدی روی سقف و انرژی آبی در مقیاس کوچک از تفاوت هایی است که قرن حاضر در حال شکل دادن آن ، به سرعت است.

در این میان هنوز،بخش‌هایی از شبکه های انرژی قدیمی است اما این بخش های قدیمی ، برای استفاده در آینده مناسب نیستند. این روزها از هوش مصنوعی زیاد می شنویم. محققانی که در زمینه هوش مصنوعی تخصص بالایی دارند ، می توانند به حل چالش هایی که تغییر سبز به همراه دارد کمک کنند.

تولید برق مناسب را با هوش مصنوعی برنامه ریزی کنند، متعادل کردن عرضه و تقاضای برق برای یک سیستم قدرت و بازار برق با عملکرد خوب و اساسی با کمک گرفتن از هوش مصنوعی میسر است.همیشه باید تعادل آنی در سیستم وجود داشته باشد و هوش مصنوعی می تواند در این امر کمک دست باشد.

برای اطمینان از دسترسی به برق در زمانی که به آن نیاز داریم، تامین کنندگان باید تولید را بر اساس تقاضای کل پیش بینی شده و قیمت بازار مرتبط برنامه ریزی کنند در این امر  نیز هوش مصنوعی می تواند کمک کننده موثر باشد.

امروزه از مدل های پیچیده ریاضی برای پیش بینی مصرف و تولید استفاده می شود. این مدل ها به قدرت محاسباتی قابل توجهی نیاز دارند زیرا به بررسی تعداد زیادی از سناریوهای بالقوه نیاز است.

نکته مهمتر اینکه با تفاوت هایی که در شرایط زیست زمین شکل گرفته است و تغییرات اقلیمی ، پیش‌بینی‌ها کاملاً دقیق نیستند و بنابراین تولید باید در زمان واقعی تنظیم شود. با استفاده از مدل‌های مبتنی بر یادگیری  هوش مصنوعی می‌توان زمان محاسبات را برای برنامه‌ریزی مشخص کرد و بدین ترتیب  پشتیبانی تصمیم‌گیری در زمان مناسب ارائه شود.

 قیمت برق در طول روز و بین فصول متفاوت است. این امر توسط آب و هوا (بارش، خورشید، باد و دما) و نیاز به برق تعیین می شود. انرژی آبی اغلب به عنوان باتری سبز نامیده می شود، منبع انرژی که می تواند به راحتی تنظیم شود تا تغییرات تقاضا و سایر منابع انرژی تجدیدپذیر مانند خورشیدی و باد را متعادل کند. تولیدکنندگان برق می توانند در زمان وزش باد و تابش خورشید در مصرف آب صرفه جویی کنند و سپس زمانی که سایر منابع تجدیدپذیر در دسترس نیستند یا قیمت آن بالاست، نیروی بیشتری از آب تولید کنند. از طریق مدل‌های کامپیوتری و یادگیری ماشینی، می‌توانیم برنامه‌ریزی تولید را بهبود بخشیم و ارزش بیشتری از آب موجود در مخازن دریافت کنیم.

همچنین می‌توانیم از داده‌های سال‌های گذشته و پیش‌بینی‌های بلندمدت برای گنجاندن تغییرات فصلی در مدل‌های مورد استفاده برای پشتیبانی تصمیم استفاده کنیم.  از یادگیری تقویتی روش هوش مصنوعی برای یافتن ارتباط بین ارزش آب، قیمت برق و جریان ورودی در داده های تاریخی استفاده میتوان کرد.

 در مقایسه با روش‌های سنتی، هوش مصنوعی به ابزاری قدرتمند برای برنامه‌ریزی بلندمدت تولید تبدیل شده و خواهد شد.  بهترین تعمیر و نگهداری ممکن را با کمترین قیمت ممکن می توان با کمک هوش مصنوعی دریافت کرد. تعمیر و نگهداری شبکه های انتقال و توزیع و تجهیزات تولید باید برای دوره های مختلف برنامه ریزی شود که در این امر نیز هوش مصنوعی می تواند کمک باشد.

موارد گفته شده را می توان اینگونه جمع بندی کرد:

هوش مصنوعی می تواند در مدیریت شبکه برق به روش های مختلفی برای بهبود کارایی، قابلیت اطمینان و پایداری استفاده شود. برخی از برنامه های کاربردی کلیدی عبارتند از:

الگوریتم‌های هوش مصنوعی می‌توانند داده‌های حسگرها و منابع دیگر را برای پیش‌بینی زمان احتمالی خرابی تجهیزات تجزیه و تحلیل کنند و امکان تعمیر و نگهداری پیشگیرانه را برای جلوگیری از خاموشی و کاهش زمان خرابی فراهم کنند.

هوش مصنوعی می‌تواند داده‌های تاریخی و اطلاعات بلادرنگ را برای پیش‌بینی تقاضای برق تجزیه و تحلیل کند، و به اپراتورهای شبکه کمک می‌کند تا تولید و توزیع را برای برآورده کردن تقاضا و جلوگیری از بارگذاری بیش از حد شبکه بهینه کنند.

 هوش مصنوعی می‌تواند برای بهینه‌سازی تجارت برق در بازارهای انرژی استفاده شود و به شرکت‌های برق کمک کند تا درآمد را به حداکثر برسانند و هزینه‌ها را به حداقل برسانند.

الگوریتم های هوش مصنوعی می توانند عملکرد شبکه را با تنظیم تولید و توزیع در زمان واقعی برای متعادل کردن عرضه و تقاضا، کاهش تراکم و بهبود کارایی کلی بهینه کنند.

هوش مصنوعی می تواند ناهنجاری ها را در شبکه تشخیص دهد، مانند خرابی تجهیزات یا حملات سایبری، و به سرعت پاسخ دهد تا تاثیرات را کاهش دهد و از قطعی های گسترده جلوگیری کند.

مزایای بهره گرفتن از هوش مصنوعی در مدیریت شبکه برق

مزایای استفاده از هوش مصنوعی در مدیریت شبکه برق برای هر کشور را اینگونه بیان کرد که  هوش مصنوعی می تواند به شناسایی مشکلات احتمالی قبل از ایجاد قطعی، کاهش زمان خرابی و بهبود قابلیت اطمینان شبکه کمک کند.  با بهینه سازی عملیات و تعمیر و نگهداری، هوش مصنوعی می تواند به شرکت های برقی کمک کند تا هزینه ها را کاهش دهند و نتیجه نهایی خود را بهبود بخشند. هوش مصنوعی می‌تواند به شرکت‌ها کمک کند تا تولید و توزیع را برای پاسخگویی مؤثرتر به تقاضا، کاهش ضایعات و بهبود کارایی کلی بهینه کنند. با بهینه سازی استفاده از منابع انرژی تجدیدپذیر و کاهش انتشار گازهای گلخانه ای، هوش مصنوعی می تواند به کشورها کمک کند تا به اهداف پایداری خود برسند و ردپای کربن خود را کاهش دهند.

به طور کلی، استفاده از هوش مصنوعی در مدیریت شبکه برق می تواند به کشورها کمک کند زیرساخت های انرژی خود را بهبود بخشند، هزینه ها را کاهش دهند، قابلیت اطمینان را افزایش دهند و به سمت آینده انرژی پایدارتر حرکت کنند.