باحثون سعوديون يحلون مشكلة تقلبات الشبكة المتجددة باستخدام الذكاء الاصطناعي الموجه بالفيزياء
We compile, generate and translate using Artificial Intelligence from the below given source. Macro Micro News is responsible for its editorial publication.
جدة، المملكة العربية السعودية - المصدر: تتغير المشهد العالمي للطاقة بسرعة نحو مصادر الرياح والطاقة الشمسية الكهروضوئية. هذا التحول يجلب تحديا جديدا. التقلب الطبيعي في توليد الطاقة المتجددة يمكن أن يهدد استقرار الشبكة. طرق التنبؤ التقليدية غالبا ما تجد صعوبة في حساب القيود الفيزيائية المعقدة. قد تنتج سيناريوهات تبدو معقولة إحصائيا لكنها غير قابلة للتطبيق عمليا. دراسة نشرت في نوفمبر 2026 من قبل باحثين في جامعة الملك عبدالعزيز تقدم حلا مقنعا. نهجهم يجمع بين التعلم العميق وفيزياء أنظمة الطاقة لإنشاء سيناريوهات موثوقة للغاية لطاقة الرياح والطاقة الشمسية لمدة 24 ساعة.
استخدم فريق البحث مجموعة بيانات EMHIRES. تحتوي هذه المجموعة على أكثر من 262968 قيمة سنوية لعوامل قدرة الرياح والطاقة الشمسية في ألمانيا تمتد من عام 1986 إلى عام 2015. من خلال دمج هذا البيانات الواسعة مع نموذج IEEE 14-bus DC المبسط، قاموا بتدريب نموذج انتشار شرطي. يتعلم هذا النموذج حدود التشغيل مثل معدلات التسارع وسعات تدفق الفروع وحدود المولدات. يتجاوز الأنماط الإحصائية البسيطة لفهم القواعد الفيزيائية للشبكة.
غالبًا ما تنتج نماذج الاحتمالات الانتشارية القياسية للمحو الضوضاء مخرجات غير واقعية فيزيائياً. قد تشمل ذلك توليد الطاقة الكهروضوئية أثناء ساعات الظلام أو انتهاكات الجهد. يعالج الإطار الجديد هذه المشكلات من خلال دالة خسارة مركبة وعينات موجهة بالتدرج. يفرض هذا الأسلوب القواعد الفيزيائية أثناء عملية التوليد نفسها. تظهر النتائج قفزة كبيرة في الاعتمادية التشغيلية. بينما حققت النماذج القياسية معدل قابلية تطبيق بنسبة 14.61٪ فقط للمسارات الكاملة لمدة 24 ساعة، وصل النسخة الموجهة بالفيزياء إلى نسبة مذهلة تبلغ 91.80٪.
في بعض الأحيان تفوقت الخطوط الأساسية البسيطة للنموذج الذكي في دقة التنبؤ بالنقاط الخام. ومع ذلك، يتفوق النموذج الجديد في إنشاء سيناريوهات متعددة الخطوات متماسكة. هذه السيناريوهات ضرورية للتحسين العشوائي في إدارة الشبكة. تسلط الدراسة الضوء على مقايضة عملية. تزيد الإرشادات الفيزيائية زمن الحوسبة قليلاً من 2.76 مللي ثانية إلى 22.29 مللي ثانية لكل نافذة. يقلل هذا الزيادة بشكل كبير من الحاجة لإصلاحات ما بعد المعالجة. النتيجة هي أداة أكثر ملاءمة بكثير للتوزيع في الوقت الحقيقي وتخصيص الاحتياطيات.
يشير هذا التقدم إلى تحول محوري من الذكاء الاصطناعي المدفوع بالبيانات فقط إلى تعلم الآلة الهجين المستنير بالفيزياء. ضمان احترام التوقعات المولدة للقوانين الأساسية لهندسة الكهرباء يسمح لمشغلي الشبكة بإدارة الازدحام بشكل أفضل. كما يساعد في تحسين توزيع التخزين والحفاظ على هوامش الأمان. مع استمرار ارتفاع اختراق الطاقة المتجددة، ستكون أدوات التنبؤ هذه التي تراعي القيود بشكل قوي لا غنى عنها. توفر الموثوقية والاستدامة اللازمة للشبكات الكهربائية الحديثة.