إدارة الطاقة تمثل جانبًا حاسمًا في تقييم المخاطر المتعلقة برحلات الطائرات الجوية غير المأهولة (UAV)، حيث إن نفاد بطارية الطائرة أثناء الطيران يُعدّ سببًا شبه مؤكد لتلف الطائرة، بالإضافة إلى خطر كبير على الإصابات البشرية أو الأضرار المادية. يُعدّ التنبؤ بالكمية الفعلية للطاقة التي تستهلكها الرحلة أمرًا معقدًا، نظرًا لتعدد العوامل المؤثرة مثل المسار، والطقس، والعوائق، وغيرها من العوامل التي تؤثر على الاستهلاك الكلي. قمنا بتطوير نموذج طاقة عميق للطائرات غير المأهولة يستخدم الشبكات التلافيفية الزمنية (Temporal Convolutional Networks) لالتقاط الخصائص المتغيرة زمنيًا، مع دمج معلومات سياقية ثابتة. يتم تدريب نموذج الطاقة هذا على مجموعة بيانات حقيقية، ولا يتطلب تقسيم الرحلات إلى فئات أو حالات مختلفة. ونُظهر تحسنًا بنسبة 29٪ في دقة تنبؤات استهلاك الطاقة عند مقارنتها بمنهج تحليلي حديث ومتقدم، وذلك عند تطبيق النموذج على رحلات اختبار. باستخدام هذا النموذج، يمكننا التنبؤ باستهلاك الطاقة لمسار معين، وتقييم خطر نفاد البطارية أثناء الطيران. نقترح استخدام مقياس "القيمة عند المخاطر الشرطية" (Conditional Value-at-Risk - CVaR) لتقييم هذا الخطر بشكل كمي. ونُظهر أن مقياس CVaR يُجسّد المخاطر المرتبطة بأعلى مستويات استهلاك الطاقة على المسار الافتراضي، من خلال تحويل توزيع النتائج الناتجة عن محاكاة مونت كارلو التقدمية إلى فضاء مخصص للمخاطر. وعند حساب قيمة CVaR على توزيع المخاطر، نحصل على مقياس يمكنه تقييم المخاطر الشاملة لرحلة ما قبل الإقلاع. يُمكن لهذا النموذج المُطوّر لتقدير الطاقة، إضافة إلى طريقة تقييم المخاطر، أن يعززا من سلامة الرحلات، ويُمكّنا من تقييم مدى التغطية المحتمل من موقع إقلاع مُقترح.يمكن الاطلاع على الفيديو والكود المصدر من خلال الروابط التالية:https://youtu.be/PHXGigqilOAوhttps://git.io/cvar-risk