به گزارش سرویس ترجمه خبرگزاری ایمنا، رشد سریع انرژی خورشیدی در جهان، نیاز به ابزارهای پیشبینی دقیقتر را بیش از هر زمان دیگری آشکار کرده است. تغییرات ناگهانی آبوهوا، حرکت ابرها و نوسانات تابش خورشید میتواند تولید برق خورشیدی را بهشدت تحت تأثیر قرار دهد و همین موضوع مدیریت شبکههای برق را دشوار میسازد. در سالهای اخیر، نقش هوش مصنوعی در مدیریت انرژیهای تجدیدپذیر بهطور چشمگیری پررنگتر شده است. کشورها برای دستیابی به شبکههای برق پایدار و کاهش وابستگی به سوختهای فسیلی، به ابزارهای نوین پیشبینی و تحلیل داده روی آوردهاند. بریتانیا یکی از کشورهایی است که با بهرهگیری از فناوریهای نوین، گام مهمی در این مسیر برداشته است.
کوارتز سولار؛ نقطه عطف بریتانیا در پیشبینی انرژی خورشیدی
بریتانیا با معرفی ابزار جدید پیشبینی بر پایه هوش مصنوعی، توانسته است مدیریت شبکه برق خود را وارد مرحلهای تازه کند. آغاز به کار ابزار «کوارتز سولار» در بریتانیا نقطه عطفی در مدیریت شبکه برق این کشور محسوب میشود. اپراتور سیستم انرژی بریتانیا، موسوم به Neso، با بهرهگیری از این مجموعه ابزارهای هوش مصنوعی توانسته است پیشبینی تولید برق فتوولتائیک را با دقتی بیسابقه انجام دهد. این تحول نهتنها به افزایش کارایی شبکه و کاهش هزینهها منجر شده، بلکه انتشار کربن را نیز کاهش داده و مسیر گذار به انرژیهای پاک را هموارتر کرده است.
اپراتور سیستم انرژی بریتانیا با بهرهگیری از ابزار هوش مصنوعی کوارتز سولار توانسته است پیشبینی تولید برق خورشیدی را با دقتی بسیار بالاتر از قبل انجام دهد و بر اساس آن، میزان ذخایر انرژی مورد نیاز برای حفظ تعادل شبکه را محاسبه کند. این نوآوری و پیشرفت فنی، بخشی از راهبرد کلان کشور برای مدیریت پایدار انرژی به شمار میرود. استفاده از کوارتز سولار سه هدف اساسی را دنبال میکند: نخست، تقویت پایداری شبکه و کاهش احتمال خاموشیهای ناگهانی؛ دوم، کاهش هزینههای عملیاتی و صرفهجویی در استفاده از انرژی پشتیبان و سوم، کاهش انتشار کربن از طریق کم کردن وابستگی به منابع آلاینده. این فناوری نهتنها امنیت و کارایی شبکه برق را افزایش میدهد، بلکه به تحقق اهداف زیستمحیطی و گذار به انرژیهای پاک نیز کمک میکند.
بر اساس برآوردها، این ابزار سالانه حدود ۳۰ میلیون پوند در هزینههای انرژی پشتیبان صرفهجویی ایجاد میکند و از انتشار نزدیک به ۳۰۰ هزار تن دیاکسیدکربن جلوگیری میکند. رشد سریع ظرفیت نصبشده نیروگاههای خورشیدی در بریتانیا و اتصال واحدهای جدید به شبکه، میزان تولید برق خورشیدی را بهطور قابلتوجهی افزایش خواهد داد. دولت بریتانیا در سال ۲۰۲۳ با تشکیل کارگروه سولار اعلام کرد که قصد دارد ظرفیت نیروگاههای خورشیدی را تا سال ۲۰۳۵ به ۷۰ گیگاوات برساند.
توسعه ظرفیت خورشیدی این کشور به معنای نیاز بیشتر به پیشبینی دقیق و مدیریت هوشمند نوسانات تولید است، زیرا هرچه سهم خورشید در ترکیب انرژی ملی بیشتر شود، حساسیت شبکه نسبت به تغییرات آبوهوایی نیز افزایش پیدا میکند. با افزایش ظرفیت خورشیدی بریتانیا به ۷۰ گیگاوات تا سال ۲۰۳۵، میزان صرفهجویی سالانه ابزار کوارتز سولار میتواند به ۱۵۰ میلیون پوند برسد.
کوارتز سولار توسط سازمان غیرانتفاعی Open Climate Fix توسعه یافته است. این سازمان در سال ۲۰۱۹ تأسیس شد تا پژوهشهای پیشرفته را به سیستمهای انرژی جهان متصل کند. ویژگی مهم آن، انتشار آزاد دادهها و کدها برای افزایش شفافیت و همکاری در بخش انرژی است. همکاری این سازمان با اپراتور سیستم انرژی بریتانیا از سال ۲۰۲۱ آغاز شد و در سال جاری این ابزار بهطور کامل در فعالیتهای اپراتور برق بریتانیا ادغام شده است.
این ابزار با بهرهگیری از یادگیری ماشین قادر است الگوهای پیچیده تولید برق خورشیدی را تحلیل کند و پیشبینیهای دقیقتری ارائه دهد. دادههای ورودی آن ترکیبی از منابع مختلف است؛ تصاویر ماهوارهای ۱۲ کاناله با طول موجهای گوناگون که وضعیت ابرها و تابش خورشید را ثبت میکنند، دادههای هواشناسی از مرکز اروپایی پیشبینیهای میانمدت (ECMWF) و اداره هواشناسی بریتانیا و اطلاعات تولید واقعی نیروگاههای خورشیدی که توسط سامانه پیوی لایو (PV Live) ارائه میشود.
هوش مصنوعی با پردازش این دادهها، حرکت ابرها و تغییرات جوی را مدلسازی و میزان تابش خورشید بر سطح پنلهای خورشیدی را محاسبه میکند. نتیجه این فرایند، برآوردی دقیق از میزان برق تولیدی تا ۳۶ ساعت آینده است که هم در سطح ملی و هم بهصورت منطقهای ارائه میشوند تا مدیریت شبکه در نقاط مختلف کشور بهینه شود.
روشهای سنتی پیشبینی خورشیدی بهطور معمول بر پایه مدلهای عددی هواشناسی هستند که هر چند ساعت یکبار بهروزرسانی میشوند و قادر به ثبت تغییرات ناگهانی پوشش ابری نیستند، اما کوارتز سولار هر چند دقیقه یکبار دادهها را بهروزرسانی میکند و خطاها را نصف کرده است. دقت این ابزار ۲.۸ برابر بیشتر از مدلهای سنتی است و همین امر امکان واکنش سریعتر به تغییرات ناگهانی را فراهم میسازد.
کوارتز سولار تنها نمونه موجود در زمینه پیشبینی انرژی خورشیدی نیست و در کشورهای دیگر نیز ابزارهای مشابهی توسعه یافتهاند. یکی از این نمونهها سولکست در استرالیاست که با استفاده از دادههای ماهوارهای میتواند پیشبینی تولید برق خورشیدی را در مقیاس نیروگاههای منفرد تا شبکههای ملی انجام دهد. در ایالات متحده، پلتفرم Tomorrow.io با ترکیب دادههای راداری و ماهوارهای و بهکارگیری مدلهای یادگیری ماشین، شرایطی همچون تابش خورشید، دما و پوشش ابری را پیشبینی میکند و بر اساس آن تولید برق خورشیدی را برآورد میسازد. ابزار دیگری به نام SolarAnywhere بهعنوان یک پلتفرم ابری عمل میکند و دادههای تاریخی و پیشبینیهای لحظهای را در اختیار قرار میدهد؛ این قابلیت بهویژه در برنامهریزی و مدیریت نیروگاههای خورشیدی کاربرد دارد.
سیستمهای هیبریدی؛ نسل تازه پیشبینی هوشمند انرژی خورشیدی
پژوهشگران استرالیایی در سالهای اخیر به سراغ مدلهای پیشرفتهتری رفتهاند که با ترکیب چند الگوریتم یادگیری ماشین و یادگیری عمیق، دقت پیشبینی را افزایش میدهند. این سیستمهای ترکیبی که به «سیستم هوش مصنوعی هیبریدی» موسوم هستند، نهتنها دادههای ماهوارهای و هواشناسی را با سرعت بالا پردازش میکنند، بلکه با روشهای توضیحپذیر نشان میدهند کدام عوامل بیشترین تأثیر را بر تولید برق خورشیدی دارند. همین ویژگی موجب شد است که مدیران شبکه نهتنها به پیشبینیها اعتماد بیشتری داشته باشند، بلکه بتوانند تصمیمهای عملیاتی خود را بر اساس دلایل روشن و قابلفهم بگیرند.
این سیستمهای ترکیبی دادههای متنوعی را ترکیب میکنند: تصاویر ماهوارهای چندکاناله، دادههای هواشناسی از مراکز معتبر بینالمللی و اطلاعات تولید واقعی نیروگاههای خورشیدی. نتیجه این ترکیب، مدلی است که میتواند در مناطق مختلف با شرایط آبوهوایی متفاوت عملکرد خوبی داشته باشد. پژوهشها نشان دادهاند که سیستمهای هوش مصنوعی هیبریدی توانستهاند خطای پیشبینی را تا حدود ۱۰ درصد کاهش دهند و نسبت به مدلهای مرجع همچون XGBoost یا SVR دقت بالاتری داشته باشند.
یکی از ویژگیهای مهم این سیستمها، سرعت بهروزرسانی دادههاست. برخلاف مدلهای سنتی که هر چند ساعت یکبار دادهها را پردازش میکنند، سیستم هوش مصنوعی هیبریدی قادرند هر چند دقیقه یکبار دادههای جدید را وارد مدل کنند و پیشبینیها را اصلاح کنند. این قابلیت موجب میشود تغییرات ناگهانی پوشش ابری و شرایط جوی بهسرعت در محاسبات لحاظ شود و مدیران شبکه بتوانند واکنشهای سریعتری نشان دهند. در عمل، این موضوع به کاهش نیاز به انرژی پشتیبان و کاهش هزینههای عملیاتی منجر میشود. اگر در گذشته برای جبران خطاهای پیشبینی مجبور بودند نیروگاههای فسیلی را بهطور موقت وارد مدار کنند، اکنون با دقت بالاتر پیشبینیها، این نیاز به حداقل رسیده است.
سیستمهای ترکیبی از چند بخش اصلی تشکیل شدهاند؛ شبکههای عصبی پیچشی (CNN) برای استخراج ویژگیهای مکانی از تصاویر ماهوارهای به کار میروند. این شبکهها قادرند الگوهای پیچیده حرکت ابرها و تغییرات تابش خورشید را شناسایی کنند. شبکههای عصبی عمیق (DNN) وظیفه تحلیل الگوهای غیرخطی و پیچیده در دادههای تولید برق خورشیدی را بر عهده دارند. در کنار این دو، مدلهای توضیحپذیر همچون SHAP به کار گرفته میشوند تا مشخص شود کدام متغیرها بیشترین نقش را در پیشبینی دارند. این ترکیب موجب میشود مدلها دقت بالایی داشته باشند و شفافیت لازم برای اعتماد مدیران شبکه را فراهم کنند.
دانشگاه ملک سعود در ریاض یکی از بزرگترین مراکز علمی خاورمیانه است که در حوزه انرژیهای تجدیدپذیر سرمایهگذاری گستردهای کرده است. پژوهشگران این دانشگاه با همکاری بینالمللی، مدلهای هوش مصنوعی هیبریدی را برای شرایط اقلیمی خاص عربستان توسعه دادهاند. دادههای مربوط به تابش شدید خورشید، تغییرات دما و پوشش ابری در مناطق بیابانی بهعنوان ورودی مدلها استفاده شدهاند. این دانشگاه با بهرهگیری از توان محاسباتی بالا و همکاری با مراکز خارجی، توانسته است الگوریتمهایی بسازد که برای مدیریت نیروگاههای خورشیدی در مناطق گرم و خشک بسیار کارآمد هستند و به کاهش هزینههای عملیاتی کمک میکنند.
نیروگاه خورشیدی سکاکا نخستین پروژه بزرگ خورشیدی در عربستان سعودی است که ظرفیت آن حدود ۳۰۰ مگاوات است. این نیروگاه بهعنوان یکی از منابع داده اصلی برای آزمایش مدلهای هیبریدی انتخاب شده است. دادههای تولیدی سکاکا شامل تغییرات روزانه تابش خورشید، دما و شرایط جوی بیابانی هستند که برای مدلسازی دقیق بسیار ارزشمندند. پژوهشگران با استفاده از این دادهها توانستهاند الگوریتمهای ترکیبی را در شرایط واقعی و عملیاتی بررسی کنند.
پیامدهای اقتصادی استفاده از سیستم هوش مصنوعی هیبریدی بسیار قابلتوجه است؛ کاهش خطای پیشبینی به معنای کاهش هزینههای ناشی از نبود تعادل شبکه است. در بسیاری از کشورها، هزینههای انرژی پشتیبان بخش بزرگی از بودجه مدیریت شبکه را تشکیل میدهد. با دقت بالاتر پیشبینیها، این هزینهها کاهش مییابد و منابع مالی آزادشده میتواند صرف توسعه بیشتر انرژیهای تجدیدپذیر شود. کاهش وابستگی به نیروگاههای فسیلی به معنای کاهش انتشار کربن است که همسو با اهداف جهانی کربنخنثی و توسعه پایدار است.
چشمانداز آینده نشان میدهد که با رشد سریع ظرفیت خورشیدی در جهان، نیاز به ابزارهای پیشبینی دقیقتر بیش از پیش احساس میشود. پیشبینی میشود تا سال ۲۰۳۵ بسیاری از کشورها از مدلهای ترکیبی هوش مصنوعی برای مدیریت شبکههای برق استفاده کنند. این مدلها میتوانند به ادغام بهتر انرژی خورشیدی در ترکیب انرژی ملی کمک کنند و مسیر گذار به آیندهای پایدار و کمکربن را هموار سازند. آینده انرژی خورشیدی نهتنها به توسعه فناوریهای تولید وابسته است، بلکه به پیشرفت ابزارهای پیشبینی نیز گره خورده است. بدون پیشبینی دقیق، بزرگترین نیروگاههای خورشیدی نیز نمیتوانند نقش مؤثری در شبکه ایفا کنند.
نظر شما