به گزارش سرویس ترجمه خبرگزاری ایمنا، در دهههای پیشین، مدیریت برق شهری، بر یک فرمول ساده استوار بود که در آن انرژی تولید میشد، انتقال آن از طریق زیرساختهای فرسوده صورت می گرفت و امید بر آن بود که میزان عرضه بیشتر از تولید نشود. زمانی که این تعادل به هم میخورد در فصل گرما، سرمای شدید یا افزایش ناگهانی مصرف، شرکتهای برق، نیروگاههای پشتیبان گرانقیمت و آلاینده را روشن میکردند و فقط امیدوار بودند شبکه پایدار بماند، اما آن دوره در حال پایان است.
شهرهای سراسر جهان در سال ۲۰۲۶، از مدیریت واکنشی فاصله گرفتهاند و به سمت سیستمهای پیشبینیمحور، توزیعشده و جامعهمحور حرکت کردهاند. از پیشبینی تقاضا با هوش مصنوعی تا هماهنگی جوامع انرژی در چین و حکمرانی دادهمحور در اروپای شرقی، یک الگوی جدید در دنیا در حال شکلگیری است که در آن برق دیگر فقط مصرف نمیشود، بلکه در لحظه مدیریت، به اشتراک گذاشته میشود و بهینهسازی آن انجام میشود. در ادامه به مدیریت برق شهرهای جهان در سال ۲۰۲۶ و راهکارهای منحصربهفرد آنها میپردازیم:
ظهور جوامع انرژی: انعطافپذیری توزیعشده در مقیاس بزرگ
شاید مهمترین تحول سال ۲۰۲۶، گسترش «جوامع انرژی» باشد؛ گروههایی در مقیاس محله که تولید، ذخیرهسازی و مصرف انرژی را هماهنگ میکنند تا نیاز خود و نیاز شبکه اصلی را تأمین کنند. پژوهشگران یک چارچوب زمانبندی حفظ حریم خصوصی برای جوامع انرژی شهری در سیستمهای ترکیبی برق و گاز، توسعه دادند. در این الگوریتم، هر جامعه انرژی میتواند منابع خود همچون تولید انرژی خورشیدی، واحدهای تولید همزمان برق و گرما، باتریها، ذخیره حرارتی و شارژ خودروهای برقی را بهطور مستقل مدیریت کند، در حالی که از طریق سیگنالهای قیمتی با اپراتور مرکزی هماهنگ میشود. نتایج این پژوهش جالب بود، بهطوری که در مقایسه با حالت بدون هماهنگی، هزینههای روزانه ۱۹.۲۸ درصد کاهش یافت و انتشار کربن کل سیستم ۲۲.۶۹ درصد کمتر شد. بر اساس یافتههای جدید، شبکه آینده یک سیستم یکپارچه نیست، بلکه مجموعهای از جوامع نیمهمستقل است که با هم کار میکنند.
پیشبینی تقاضا با هوش مصنوعی
پیشبینی دقیق، پایه مدیریت هوشمند برق است. در سال ۲۰۲۶، پیشرفتهای هوش مصنوعی مرزهای پیشبینی را بهشدت جابهجا کرده است. نتایج یک طرح آزمایشی در ژانویه ۲۰۲۶ برای پایداری، ۴۳ درصد کاهش در اتلاف انرژی ناشی از محدودسازی تولید، ۳۵درصد کاهش نوسانات فرکانس شبکه و ۹۲ درصد، دقت در پیشبینی شاخصهای پایداری را نشان می دهد؛ به این معنا که شبکهها دیگر نسبت به پیکها، واکنش نشان نمیدهند، بلکه آنها را پیشبینی میکنند. مدلهای یادگیری ماشین، دادههای هزاران حسگر شهری را تحلیل میکنند و حتی میلیثانیهها قبل از بحران، واکنش پیشگیرانه انجام میدهند. بر همین اساس، شهرهایی همچون سنگاپور و اسلو، سیستمهای مشابهی اجرا کردهاند و کاهش قابلتوجهی در مصرف اوج و بهبود استفاده از انرژیهای تجدیدپذیر در آنها مشاهده شده است.
نوسازی ساختمانها در مقیاس محله
در بسیاری از شهرها، بزرگترین مصرفکننده برق ساختمانها هستند. رویکرد سنتی، نوسازی تکساختمان بوده است، اما پژوهش جدید نشان میدهد این روش اشتباه است. نتایج یک مطالعه در مورد «انرژی و ساختمانها» در فوریه ۲۰۲۶ نشان داد که نوسازی در مقیاس محله، بسیار مؤثرتر است. نتایج این پژوهش شامل موارد زیر بود:
کاهش دمای اوج تا ۲.۹ درجه
کاهش ۲۷ درصد در مصرف سرمایش
کاهش ۱۹ درصد در مصرف کلی انرژی
۱۷.۹ درصد هزینه سرمایهگذاری کمتر
۲۱.۲ درصد بازگشت سرمایه سریعتر
۲۳.۸ درصد ارزش خالص بهتر
در واقع استراتژیهایی در مقیاس جامعه، بهبودهای خُرد اقلیمی از جمله کاهش دمای اوج ۲.۹ درجه سانتیگراد را به همراه داشت. شهرهایی همچون بارسلونا، میلان و سئول، این رویکرد را آزمایش کردهاند.
حکمرانی دادهمحور؛ مدیریت انرژی در شهر کوشیتسه
هیچ فناوریای بدون ساختار حکمرانی مناسب، موفق نمیشود. شهر کوشیتسه در اسلواکی به الگویی برای مدیریت انرژی شهری تبدیل شده است. این شهر با ایجاد یک «دپارتمان انرژی» و تیم مدیریت انرژی، دادههای ۱۷۰ ساختمان شهری را از سال ۲۰۲۳ تا ۲۰۲۶ پایش میکند. نتیجه این کار، کاهش ۲۰ درصد هزینه برق از طریق خرید متمرکز انرژی بوده است، همچنین کوشیتسه با همکاری یک سازمان مردمنهاد، شخصیتهای فرضی از افرادی که در فقر انرژی به سر میبرند، ایجاد کرد تا سیاستگذاریها به نیاز گروههای آسیبپذیر توجه کند. این شهر همچنین در حال اتصال ۷۵ درصد خانههای گرمایش منطقهای به پروژه زمینگرایی است که سالانه ۲۰ میلیون متر مکعب گاز وارداتی را حذف خواهد کرد.
جوامع انرژی در چین: اجرای واقعی در مقیاس بزرگ
چین از مرحله تحقیق به اجرای عملی رسیده است. در شهرهایی همچون شنژن، شانگهای و چنگدو، جوامع انرژی شهری، اکنون فعال هستند. این سیستم شامل نصب پنلهای خورشیدی روی ساختمانها، باتریهای مشترک در پارکینگها و شارژ هوشمند خودروهای برقی است. در واقع در این طرح، یک پلتفرم هوش مصنوعی، کل سیستم را مدیریت میکند.
نتایج اولیه در شهر شنژن شامل موارد زیر بود:
کاهش ۱۵ تا ۲۰ درصد در پیک مصرف
صرفهجویی قابلتوجه برای خانوادهها
در واقع، ویژگی مهم مدل به کار گرفتهشده در شهرهای چین، استفاده از ساختار اجتماعی محلهها برای هماهنگی است. هدف مدیران کشور چین این است که این سیستم تا سال ۲۰۳۰، در ۱۰۰ شهر این کشور اجرا شود.
نظر شما