استخدام الذكاء الاصطناعي لتوليد الكهرباء؟ التعلم الآلي يفتح آفاقًا جديدة في طاقة الرياح

بقلم سوبر نيرو

وصف المشهد:مقدمة لتطبيق التعلم الآلي في سيناريوهات توليد طاقة الرياح: التنبؤ بتوليد طاقة الرياح وضبط نطاق إمدادات الطاقة في الوقت المناسب؛ مراقبة سرعة الرياح واتجاهها، وضبط اتجاه الشفرات والتباعد بينها في الوقت المناسب، وغيرها من التطبيقات التي تعمل على تحسين الكفاءة بشكل كبير.

الكلمات المفتاحية:الشبكات العصبية، الطاقة المتجددة، التنبؤ بالطقس

استخدام طاقة الرياح مع توليد الطاقة بمساعدة الذكاء الاصطناعي

على مدى العقد الماضي، أصبحت طاقة الرياح تدريجيا مصدرا للطاقة النظيفة يحظى بتقدير كبير. أعلن مجلس طاقة الرياح العالمي مؤخرا أن استخدام طاقة الرياح العالمية يحقق نموا مطردا، مع إضافة أكثر من 50 جيجاوات من قدرة طاقة الرياح الجديدة كل عام منذ عام 2014.

إن 50 جيجاوات من طاقة الرياح التي يتم توليدها عالميا سنويا تكفي لدعم احتياجات الكهرباء في الوقت الحقيقي لخمس مدن بحجم هونج كونج. ومع ذلك، ونظرا لعدم استقرار توليد طاقة الرياح، فإن إمكانات استخدامها لم تتطور بشكل كامل بعد.

إذن ماذا سيحدث عندما يتم حقن الذكاء الاصطناعي في مصدر الطاقة المتجددة الجديد هذا؟

ديب مايند  وجوجلمنذ العام الماضي، كنا نحاول تطبيق خوارزميات التعلم الآلي لتحليل توليد طاقة الرياح.يتم تقديم توصيات إمدادات الطاقة من خلال التنبؤ بطاقة الرياح مسبقًا لحل عدم التوافق بين الطلب على الطاقة وإمدادات الطاقة، مما يؤدي إلى هدر الطاقة والفشل.

باستخدام توقعات الطقس المحلية والبيانات التاريخية من التوربينات لتدريب الشبكة العصبية، تم تكوين نظام DeepMind للتنبؤ بإنتاج الرياح قبل 36 ساعة من التوليد، مما يوفر لمشغلي مزارع الرياح المزيد من التقييمات المستندة إلى البيانات حول كيفية تلبية الطلب الفعلي على الكهرباء.

لا تزال الخوارزمية قيد التطوير، لكن جوجل تشير إلى أن التعلم الآلي قد تم تطويره. "لقد زادت قيمة طاقة الرياح لدينا بنحو 20 في المائة."لقد قاموا بتطبيق هذا التحسين على مزرعة رياح في وسط الولايات المتحدة.

لا يمكننا القضاء على تقلبات الرياح، ولكن يمكننا التنبؤ بها بأقصى دقة ممكنة. كما يُسهم استخدام تقنية الذكاء الاصطناعي في تقديم نصائح فعّالة لعمليات مزارع الرياح، إذ يُمكّن التعلم الآلي مُشغّلي مزارع الرياح من إجراء تقييمات أذكى وأسرع وأكثر اعتمادًا على البيانات بين إنتاج الطاقة والطلب عليها.

المولدات التي يمكنها "متابعة الاتجاه"

وتستخدم شركة Envision، التي تأسست في عام 2007، أيضًا تقنية الذكاء الاصطناعي لتعزيز استخدام طاقة الرياح.

عندما بدأت شركة Envision في تصميم وتصنيع توربينات الرياح الذكية، كانت إدارة وتوليد طاقة الرياح تعتبر معقدة وصعبة. لأن هذه العملية تعتمد دائمًا على الحظ.

الحل الذي تقدمه شركة Envision هو التحول إلى التحول الرقمي. لقد حاولوا استخدام أفكار الذكاء الاصطناعي لإيجاد حلول من البيانات. تم تثبيت أكثر من 500 جهاز استشعار على كل مولد. يتم جمع البيانات المتعلقة بالتشغيل وتوليد الطاقة والصيانة وما إلى ذلك.

ومع تراكم البيانات المجمعة، تبدأ أنماط ورؤى جديدة في الظهور.ومن خلال مراقبة عوامل مثل سرعة الرياح واتجاهها وإجراء التعديلات المناسبة في الوقت الحقيقي على المسافة بين شفرات توربينات الرياح، يمكن لمزارع الرياح زيادة الإنتاج بنحو 15%.

كما تطرقت Envision أيضًا إلى نمذجة سرعة الرياح والاستخبارات الظرفية الشاملة. كما يقومون أيضًا بإدارة وتسجيل وتوقع احتياجات المستخدمين وإنشاء "نماذج رقمية" لطواحين الرياح لاختبار المحاكاة.

مع نمو خبرتها، طورت شركة Envision استراتيجية وحلولاً رقمية كاملة. والآن يقومون بالجمع بين إنترنت الأشياء (IoT)، والبيانات الضخمة، والذكاء الاصطناعي، وسحابة Azure لإطلاق العنان للإمكانات الكاملة الموجودة في بيانات المؤسسة.

وبفضل دعم هذه التقنيات، أصبحت شركات مثل Envision بمثابة محركات للذكاء الاصطناعي في صناعة الطاقة.

اللاعبون المتشددون مدعومون بالحب (الذكاء الاصطناعي)

استفادت صناعة طاقة الرياح بشكل كبير من التقنيات مثل الذكاء الاصطناعي في السنوات القليلة الماضية. بفضل إدخال تكنولوجيا الذكاء الاصطناعي، تمكن الناس من تقديم تنبؤات أفضل بشأن توليد الطاقة واستخدامها، كما حققوا عائدًا أعلى على الاستثمار.

إذن ما الذي يفعله التعلم الآلي؟

أولاً، يحل تدخل التعلم الآلي مشكلة شائكة: يجب أن يتوافق توليد الطاقة مع الطلب عليها.

وإلا، فقد تحدث مشاكل مثل انقطاع التيار الكهربائي وفشل النظام. تحاول الذكاء الاصطناعي التنبؤ بهذه القيمة من خلال البيانات، مثل السيناريوهات التجريبية لـ DeepMind وGoogle التي ذكرناها في البداية.

ومن ناحية أخرى، أصبح استخدام تكنولوجيا التعلم الآلي لمراقبة المعدات وصيانتها أيضًا وسيلة مهمة لضمان موثوقية ومتانة شبكة الطاقة.

بالإضافة إلى المراقبة في الوقت الفعلي، يمكن أيضًا استخدام تقنية التعلم الآلي لتحقيق الصيانة التنبؤية.على سبيل المثال، يهدف التنبؤ بمدة الخدمة المتبقية لمولد كهربائي بشكل أساسي إلى ضمان التشغيل الطبيعي، وتجنب انقطاع التيار الكهربائي أو التوقف، وتحسين أنشطة الصيانة ودوريتها، وبالتالي تقليل تكاليف الصيانة.

بالنسبة للمستخدمين، يعد توفير البيانات الدقيقة أمرًا أساسيًا، سواء كان الأمر يتعلق بتوقعات الطقس أو أداء توربينات الرياح. إن معرفة الكمية الدقيقة للكهرباء المولدة كل يوم يمكن أن تساعد مقدمي الخدمة في الحصول على أفضل النتائج من حيث معدلات العرض والتحويل.

وجاء في تدوينة على مدونة جوجل: "يمكننا استخدام التعلم الآلي لجعل طاقة الرياح أكثر قابلية للتنبؤ وأكثر قيمة". وأضافت "نحن حريصون على استكشاف هذه المحاولة ونريد العمل مع الخبراء لتطوير أفكار جديدة لتحقيق أقصى استفادة من هذه الطاقة النظيفة".

نحن في كثير من الأحيان نذكّر الناس بأن الموارد نادرة وغير متجددة.

ولكن مع إدخال الذكاء الاصطناعي، تم اكتشاف المزيد من الطرق لتحسين كفاءة استخدام الموارد. وهذه نعمة عظيمة في ظل الطلب المتزايد بسرعة على الطاقة في المجتمع البشري. دعونا نتطلع إلى الاستمرار في استخدام الذكاء الاصطناعي. "الحب الذكاء الاصطناعي" يولد الكهرباء.