Macro Micro News Global Pulse. Local Truth.

سعودی محققین نے فزکس پر مبنی مصنوعی ذہانت کے ذریعے قابل تجدید توانائی کی گرڈ میں اتار چڑھاؤ کا حل نکال لیا

06 November 2026 · 1 min read

We compile, generate and translate using Artificial Intelligence from the below given source. Macro Micro News is responsible for its editorial publication.

Article image by Kathrine Coonjohn
Image by Kathrine Coonjohn

جداہ، سعودی عرب

دنیا بھر میں توانائی کے نظام تیزی سے ہوا اور شمسی توانائی کی طرف منتقل ہو رہے ہیں۔ اس تبدیلی کے ساتھ ایک نئی چیلنج بھی پیدا ہوئی ہے۔ قابل تجدید توانائی کی پیداوار میں قدرتی اتار چڑھاؤ بجلی کے نیٹ ورک کی استحکمت کو خطرے میں ڈال سکتا ہے۔ روایتی پیش گوئی کے طریقے اکثر پیچیدہ طبیعی پابندیوں کو مدنظر نہیں رکھ پاتے۔ ان سے ایسنے نتائج سامنے آتے ہیں جو شماراتی طور پر ممکن نظر آتے ہیں لیکن عملی طور پر نافذ نہیں کیے جا سکتے۔

کنگ عبدالعزیز یونیورسٹی کے محققین نے نومبر 2026 میں شائع ہونے والی ایک تحقیق میں اس مسئلے کا بہترین حل پیش کیا ہے۔ انہوں نے گہری مشین لرننگ اور بجلی کے نظام کی طبیعیات کو ملا کر انتہائی قابل اعتماد 24 گھنٹے کی توانائی کی پیش گوئیوں کا ماڈل تیار کیا ہے۔

تحقیقی ٹیم نے EMHIRES ڈیٹا سیٹ کا استعمال کیا۔ اس ڈیٹا میں 1986 سے 2015 تک جرمنی کی ہوا اور شمسی توانائی کی صلاحیت کے 262,968 سے زائد گھنٹوی اقدار موجود ہیں۔ محققین نے اس وسیع ڈیٹا کو آئی ای ای ای 14 بس ڈی سی بینچ مارک کے ساتھ جوڑا۔ انہوں نے ایک شرطی ڈفیوژن ماڈل تربیت دیا۔ یہ ماڈل ریمپ ریٹس، برانچ فلو کیپیسٹی اور جنریٹر کی حدود جیسی آپریٹل حدود کو سیکھتا ہے۔ یہ صرف شماراتی نمونوں سے آگے بڑھ کر گرڈ کے طبیعی قوانین کو سمجھتا ہے۔

معیاری ڈینوائزنگ ڈفیوژن پروبیلسٹک ماڈلز اکثر ایسے نتائج دیتے ہیں جو طبیعی طور پر غیر حقیقی ہوتے ہیں۔ مثال کے طور پر اندھیرے گھنٹوں میں شمسی توانائی کی پیداوار یا وولٹیج کی خلاف ورزی۔ نئے فریم ورک نے کمپوزٹ لا فنگشن اور گریڈینٹ گائیڈڈ سیمپلنگ کے ذریعے ان مسائل کا حل نکالا۔ اس طریقہ کار میں پیداوار کے دوران ہی طبیعی قوانین کو نافذ کیا جاتا ہے۔ نتائج میں عملی اعتبار سے نمایاں بہتری دیکھی گئی۔ معیاری ماڈلز نے مکمل 24 گھنٹے کے سفرنامے کے لیے صرف 14.61 فیصد ممکنہ شرح دی۔ جبکہ فزکس پر مبنی ورژن نے 91.80 فیصد کی شاندار کامیابی حاصل کی۔

سادہ پرسیسٹنس بیس لائنز کبھی کبھار خام نقطہ پیش گوئی کی درستگی میں مصنوعی ذہانت کے ماڈل سے بہتر ثابت ہوئیں۔ تاہم، نیا ماڈل ہم آہنگ ملٹی اسٹیپ سیناریوز پیدا کرنے میں ممتاز ہے۔ یہ سیناریوز گرڈ مینجمنٹ میں اسٹوکاسٹک آپٹمائزیشن کے لیے ضروری ہیں۔ تحقیق میں ایک عملی توازن واضح ہوتا ہے۔ فزکس کی رہنمائی سے کمپیوٹیشنل تاخیر میں معمولی اضافہ ہوتا ہے جو 2.76 ملی سیکنڈ سے بڑھ کر 22.29 ملی سیکنڈ ہو جاتا ہے۔ یہ اضافہ بعد میں مرمت کرنے کی ضرورت کو شدید حد تک کم کر دیتا ہے۔ نتیجتاً یہ ٹول ریئل ٹائم ڈسپیچ اور ریزرو الLOCATION کے لیے کہیں زیادہ موزوں ہے۔

یہ پیش رفت خالصتاً ڈیٹا پر مبنی مصنوعی ذہانت سے ملتی جلتی طبیعیات سے آگاہ مشین لرننگ کی طرف ایک اہم موڑ ہے۔ یہ یقینی بنانا کہ پیدا کردہ پیش گوئیاں الیکٹریکل انجینئرنگ کے بنیادی قوانین کی پاسداری کرتی ہیں، گرڈ آپریٹرز کو کنجنیشن کو بہتر طریقے سے منظم کرنے میں مدد دیتی ہے۔ یہ اسٹوریج ڈسپیچ کو بہتر بنانے اور سیکیورٹی margins برقرار رکھنے میں بھی معاون ہے۔ چونکہ قابل تجدید توانائی کا استعمال بڑھتا جا رہا ہے، اس لیے ایسے مضبوط پابندیوں سے آگاہ پیش گوئی کے ٹولز ناگزیر ہو جائیں گے۔ وہ جدید بجلی کے نیٹ ورکوں کے لیے درکار اعتماد اور پائیداری فراہم کرتے ہیں۔