دراسة: الذكاء الاصطناعي يمكن أن يمنع انقطاع التيار الكهربائي في المستقبل
طور باحثون في جامعة بوفالو نموذجًا للذكاء الاصطناعي مصممًا لمساعدة الشبكات الكهربائية على منع انقطاع التيار الكهربائي عن طريق إعادة توجيه الكهرباء تلقائيًا في أجزاء من الثانية.
أوضح الباحثون في جامعة بوفالو، الذين تعاونوا مع مهندسين من جامعة تكساس في دالاس، النظام الآلي في مقال بحثي نُشر عبر الإنترنت في مطلع يونيو في مجلة نيتشر كوميونيكيشنز.
تُعد هذه الطريقة مثالًا مبكرًا على تكنولوجيا “الشبكة ذاتية الإصلاح”، التي تستخدم الذكاء الاصطناعي لاكتشاف وإصلاح المشاكل مثل الانقطاعات بشكل ذاتي ودون تدخل بشري عند حدوث مشاكل، مثل تلف خطوط الكهرباء بسبب العواصف.
ورغم الحاجة إلى المزيد من البحث قبل تنفيذ النظام وتوسيع نطاقه ليشمل الشبكات الكهربائية في العالم الحقيقي، إلا أن هذا التطور يعد مثيرًا للاهتمام بالنسبة للشبكة الكهربائية المرهقة، حسب قول الباحثين.
ووضح سوما تشودري، دكتوراه، الأستاذ المساعد في قسم الهندسة الميكانيكية والفضائية بجامعة بوفالو، والمؤلف المشارك للمقال: “الشبكات الكهربائية حول العالم تواجه تحديات بسبب العدد المتزايد من أحداث الطقس القاسية، واحتمال الهجمات الإلكترونية، والزيادات المتوقعة في الطلب” “لذلك، من الضروري أن نطور أدوات تُحدث النظام وتجعل الشبكة أكثر مرونة في مواجهة انقطاعات التيار المستقبلية.”
تُعد الشبكة الكهربائية في أمريكا الشمالية شبكة واسعة ومعقدة من خطوط النقل والتوزيع، ومنشآت التوليد والمحولات التي توزع الكهرباء من مصادر الطاقة إلى المستهلكين. باستخدام سيناريوهات مختلفة في شبكات اختبار، أوضح فريق البحث أن الحل الذي قدموه يمكنه تحديد مسارات بديلة لنقل الكهرباء إلى المستخدمين قبل حدوث الانقطاع تلقائيًا. بمجرد تدريب الذكاء الاصطناعي، يمكن للنظام إعادة توجيه تدفق الكهرباء في غضون ميكروثانية، في حين يمكن أن تستغرق العمليات الحالية التي تعتمد على تقنيات الهندسة التقليدية أو التدخل البشري لتحديد المسارات البديلة من دقائق إلى ساعات.
وأضاف الدكتور جيه تشانغ، الأستاذ المساعد في الهندسة الميكانيكية في كلية إريك جونسون للهندسة وعلوم الكمبيوتر بجامعة تكساس في دالاس: “هدفنا هو العثور على المسار الأمثل لإرسال الكهرباء إلى أكبر عدد ممكن من المستخدمين بأسرع وقت ممكن”.
لتوصيف العلاقات المعقدة بين الكيانات التي تشكل شبكة توزيع الكهرباء، استخدم فريق البحث خوارزميات تطبق التعلم الآلي على الرسوم البيانية. يشمل تعلم الآلة باستخدام الرسوم البيانية وصف طوبولوجيا الشبكة، وهي الطريقة التي يتم بها ترتيب المكونات المختلفة بالنسبة لبعضها البعض وكيفية انتقال الكهرباء عبر النظام.
اعتمد الفريق أيضًا على التعلم المعزز، حيث يتم نشر وكيل افتراضي عادة في بيئة محاكاة للمشكلة الحقيقية، للعب السيناريوهات بشكل منهجي والتعلم التدريجي من هذه التجربة. مثال على المعرفة المكتسبة من مثل هذه التجربة هو إذا تم حجب الكهرباء بسبب أعطال في الخطوط، يمكن للنظام إعادة التكوين باستخدام المفاتيح وسحب الكهرباء من المصادر المتاحة في الجوار، مثل الألواح الشمسية الكبيرة أو البطاريات في حرم جامعي أو مؤسسة تجارية.
كما وضح ستيف بول، المؤلف الأول المشارك الذي عمل على المشروع أثناء حصوله على درجة الدكتوراه من جامعة بوفالو في وقت سابق من هذا العام. بول هو الآن باحث ما بعد الدكتوراه في جامعة كونيتيكت.”هذه قرارات يمكن للنموذج اتخاذها بشكل شبه فوري، مما قد يلغي أو يقلل بشكل كبير من حدة انقطاعات الكهرباء”.
بعد التركيز على منع الانقطاعات، يسعى الباحثون الآن إلى تطوير تقنية مماثلة لإصلاح واستعادة الشبكة بعد حدوث انقطاع في التيار الكهربائي، مثل تلك الناتجة عن الكوارث الطبيعية.
