”

كاليفورنيا، أغسطس 2048. لقد عانت أجزاء كبيرة من الولاية من موجة حر شديدة استمرت أسبوعين، حيث وصلت درجات الحرارة باستمرار إلى 100 درجة فهرنهايت. الهواء جاف؛ الأرض جافة؛ والنباتات قابلة للاشتعال. في هذا الوضع الخطير، ظهرت شرارة فجأة…

خلال 15 دقيقة، يكتشف نظام الذكاء الاصطناعي (AI) الخاص بشبكة الكهرباء علامات الدخان والحريق في صور الأقمار الصناعية، ويُنَبِّه المشغلين البشريين العاملين. يقومون بإرسال طائرة بدون طيار إلى المنطقة لتأكيد حريق الغابات الناشئ. تقوم الروبوت الطائر بتزويد نظام الذكاء الاصطناعي بفيديو حي عالي الدقة وصور لتحديد أي خطر محتمل على البنية التحتية الكهربائية. وفقًا لتقييم الذكاء الاصطناعي السريع، فإن الحريق المتزايد قد يهدد محطات فرعية وأعمدة كهربائية رئيسية، مما يعرض عشرات الآلاف من العملاء لخطر انقطاع التيار الكهربائي.

ثمّ تقدّم الذكاء الاصطناعي خيارات للتخفيف إلى مشغّلي الشبكة. وقد اختاروا بسرعة إعادة توجيه الطاقة في المنطقة وتشغيل منشأة تخزين الطاقة، بالإضافة إلى محطة طاقة افتراضية تتكوّن من آلاف بطاريات السيارات الكهربائية والمنزلية للزبائن. وعلى الرغم من فقدان محطة فرعية قريباً، إلا أنه لم يحدث انقطاع للتيار الكهربائي. استمرت الطاقة في التدفق. وظلّت الشبكة مستقرة.

شبكة الطاقة اليوم

إن شبكة الكهرباء الأمريكية عبارة عن كيان ضخم ومعقّد ومتشابك. وكما وصف باحثو وزارة الطاقة كيث جيه. بينيس، وجوشوا إي. بورترفيلد، وتشارلز يانغ في تقرير شامل لعام 2024 [[LINK6]]، “فهي تتألف من عشرات الآلاف من مولدات الطاقة التي توصل الكهرباء عبر أكثر من 600,000 ميل دائري من خطوط النقل، و70,000 محطة فرعية، و5.5 مليون ميل من خطوط التوزيع، و180 مليون عمود كهرباء. وقد تطوّر هذا النظام بشكل عضوي على مدار قرن من الإضافات الجزئية، وهو يعمل الآن في قلب الاقتصاد الأمريكي الذي تبلغ قيمته 28 تريليون دولار.”

في هذا النسيج المتشابك، تتداخل الأسلاك القديمة، والمحولات المتنوعة، والأعمدة المهترئة مع المواد فائقة التوصيل الحديثة، وعدادات الشبكة الذكية، وأجهزة الاستشعار، وتركيبات بطاريات أيون الليثيوم الضخمة. وبطريقة ما، يعمل كل شيء. تتمتع شبكة الكهرباء الأمريكية بموثوقية شاملة مثيرة للإعجاب تبلغ 99.95٪. ويجب أن تكون بهذا القدر من الجودة. فحياة الأمريكيين ووظائفهم تعتمد على الكهرباء على مدار الساعة وطوال أيام الأسبوع.

يُشير الكُتّاب إلى أن “حتى شبكة كهرباء بنسبة تشغيل ٩٩٪ ستُترِك الأفراد والشركات بدون كهرباء لمدة ٣.٥ أيام في السنة”.

الآن، على وشك أن تخضع شبكتنا الكهربائية المُعقّدة للغاية لأكبر عملية تحوّل مُعطِّلة على الإطلاق. للتخفيف من تغير المناخ الكارثي، يجب على المشغّلين بناء ودمج مصادر طاقة كهربائية خالية من الكربون، مُتباينة، ومتقطعة في كثير من الأحيان. يُحتاج إلى الرياح، والطاقة الشمسية، وتخزين البطاريات، والطاقة الكهرومائية، والطاقة النووية بكميات كبيرة. علاوة على ذلك، يجب إنشاء آلاف الأميال من الأسلاك عالية الجهد لنقل الكهرباء المُولّدة إلى الأماكن التي تُستخدم فيها بالفعل. ولكن هل من الممكن جعل هذه الأنظمة الكهربائية تعمل معًا بشكل جيد، مع الحفاظ على موثوقية الشبكة المُتميّزة وتكلفتها المعقولة؟ قد تكون الذكاء الاصطناعي هو المفتاح لجعل كل هذا يعمل.

غرفة التحكم في المستقبل

لا يمكن أن يحدث السيناريو المذكور في بداية هذا المقال اليوم، لكنه قد يتحقق عما قريب أكثر مما يتصور البعض. ففي مايو من هذا العام، نشر فريق من الباحثين من المختبر الوطني للطاقة المتجددة (NREL) تقريراً فنياً [[LINK7]]يصف “eGridGPT”، وهو نموذج ذكاء اصطناعي توليدي “صُمّم لدعم مشغلي غرف تحكم شبكة الطاقة افتراضياً من خلال المساعدة في عمليات صنع القرار وتفسير البيانات والنماذج”.

مع تزايد تعقيد شبكة الطاقة – مع زيادة توليد الطاقة المتغيرة، والكهرباء التي تتدفق من وإلى العملاء، وكميات هائلة من البيانات من أجهزة استشعار واسعة الانتشار – يتصور علماء NREL أنه قد يصبح عبئاً ثقيلاً على مشغلي الشبكة البشرية بحيث يصعب عليهم إدارتها بمفردهم. لذلك، قاموا بتطوير مساعد ذكاء اصطناعي “ليعمل كواجهة بين شاشة أمام المشغل ومنسق المعالجة الشاملة لحجم كبير من البيانات، والسيناريوهات، ومحاكاة التوأم الرقمي”.

في شبكة الطاقة المستقبلية، يرى باحثو NREL البشر كصانعي القرار، لكن الذكاء الاصطناعي سيُسهم في إعلام تلك القرارات وربما تنفيذها.

Seong Choi هو كبير المهندسين في مركز هندسة أنظمة الطاقة في NREL، والمؤلف الرئيسي لتقرير eGridGPT.

وقد أوضح لـ Freethink قائلاً: “الهدف الأساسي من eGridGPT هو مساعدة المشغلين في اتخاذ القرارات في الوقت الفعلي تقريبًا من خلال تحليل مجموعات البيانات الضخمة، والتعرف على الأنماط، ومحاكاة السيناريوهات، واقتراح استراتيجيات التخفيف”.

يقول Choi إن بعض مشغلي الشبكة قد أبدوا بالفعل اهتمامًا باختباره.

الذكاء الاصطناعي وإمدادات الطاقة

مع صعود نماذج اللغات الكبيرة و مراكز البيانات التي تستهلك كميات هائلة من الكهرباء اللازمة لتشغيلها، أصبح الذكاء الاصطناعي مؤخراً يُنظر إليه على أنه عائق أمام عملية إزالة الكربون من الشبكة الكهربائية. لكن العديد من العلماء وخبراء الشبكات يقولون إن أنظمة الذكاء الاصطناعي التي تستخدم التعلم العميق والتعلم الآلي هي بالضبط ما هو مطلوب لشبكة كهربائية مستقبلية تعمل بالطاقة المتجددة.

“باستغلال إمكانيات الذكاء الاصطناعي، من الممكن تطوير أنظمة ذكية قادرة على التكيف مع الظروف البيئية الديناميكية، وتوقع إنتاج الطاقة، وتحسين تخصيص الموارد،” كتب فريق من المهندسين من جامعة جوهانسبرغ في جنوب أفريقيا [[LINK11]]في دراسة استعراضية نُشرت في وقت سابق من هذا العام.

يمكن للنموذج أن يخفض إجمالي تكاليف الصيانة إلى النصف.

إن دمج الذكاء الاصطناعي في شبكة الطاقة يمكن أن يحقق مجموعة من الفوائد. بادئ ذي بدء، يمكنه مراقبة كميات هائلة من البيانات حول الأصول الفردية مثل الألواح الشمسية، وتوربينات الرياح، والعاكسات لتحديد ما يحتاج إلى صيانة، مما يقلل من وقت التوقف، ويعظم الإنتاج، ويقلل التكاليف على المرافق والمساهمين في الرسوم.

تقوم شركة جي إي فيرنوفا العملاقة في مجال معدات الطاقة بالفعل باستخدام الذكاء الاصطناعي للصيانة التنبؤية في مزارع الرياح. من خلال تحليل البيانات من أجهزة الاستشعار على توربينات الرياح، تتوقع خوارزميات التعلم الآلي الأعطال المحتملة في المعدات قبل حدوثها. طور علماء في مختبر أرغون الوطني نموذج ذكاء اصطناعي للتنبؤ بالفشل يعمل لمجموعة من المكونات، مما يسمح للمرافق بجدولة الصيانة وفقًا لذلك. في إحدى الحالات التي تم فيها اختباره على عاكسات الطاقة الشمسية، وجدوا أن النموذج يمكن أن يقلل من إجمالي تكاليف الصيانة بنسبة النصف والزيارات غير الضرورية للطاقم بنسبة الثلثين.

من فوائد الذكاء الاصطناعي المحتملة الأخرى: تحقيق تطابق أدق بين العرض والطلب. ولضمان توافر الكهرباء، يجب أن يتطابق العرض دائمًا مع الطلب. لكن هذا يصبح أكثر صعوبة مع ازدياد كمية الكهرباء المتولدة من مصادر الطاقة المتجددة المتقطعة كطاقة الرياح والطاقة الشمسية مقارنةً بمحطات الطاقة التي تعمل على مدار الساعة، مثل محطات الطاقة النووية أو محطات الغاز الطبيعي التي يمكن تشغيلها عند الطلب. يمكن للذكاء الاصطناعي التنبؤ بشكل أفضل بتغطية السحب للألواح الشمسية وأنماط الرياح للتوربينات، مما يساعد على التنبؤ بالإنتاج المستقبلي. وبدوره، يمكنه أيضًا استخدام بيانات المرافق لتوقع الطلب بشكل أفضل على مدار تلك الأيام. وباستخدام هذه البيانات، يمكن لمشغلي الشبكة الكهربائية تحديد ما إذا كانوا بحاجة إلى جلب المزيد من الموارد من مناطق أخرى أو تفعيل أصول تخزين البطاريات.

ويضيف تشوي: “مع زيادة عدد مصادر الطاقة المتجددة وتواتر الظواهر الجوية المتطرفة، يواجه المشغلون بيئة غير مسبوقة. وغالبًا ما يعتمدون على التخمينات المدروسة لمعالجة هذه التحديات الجديدة، بينما يمكن للذكاء الاصطناعي تقديم توقعات للسيناريوهات المحتملة في المستقبل”.

على مستوى الأرض، يمكن لأنماط الذكاء الاصطناعي أيضًا المساعدة في تحسين وضع الألواح الشمسية لالتقاط أكبر قدر من ضوء الشمس طوال اليوم. أما بالنسبة لتوربينات الرياح، فيمكنها ضبط زوايا الشفرات لتحسين التقاط الطاقة. وبالنسبة للبطاريات، يمكنها مراقبة ظروف السوق بشكل مستمر، وتفريغ الطاقة عندما تكون غالية وتخزينها عندما تكون رخيصة. تستخدم تسلا، إحدى الشركات الرائدة في تخزين البطاريات، بالفعل خوارزميات الذكاء الاصطناعي للقيام بذلك.

العيوب

في النهاية، شبكة الطاقة هي نوع من الآلات الحساسة للبيانات التي تلائم تمامًا الأتمتة الذكية الاصطناعية. ولكن هناك بعض الأسباب التي قد تجعل من الصعب دمج الذكاء الاصطناعي.

أولها الأمن. فعندما يزداد تحكم البرمجيات في الشبكة، يصبح أكثر عرضة للهجمات الإلكترونية التقليدية. لكن نماذج التعلم الآلي معرضة أيضًا لنوع أكثر تحديدًا من الخداع: تسميم البيانات. فإذا تم تغذية هذه الأنظمة somehow ببيانات خاطئة، فقد تتخذ قرارات تؤدي إلى انقطاعات واسعة النطاق في التيار الكهربائي.

والدقة مسألة أخرى. هناك قلق من أن هذه النماذج قد تصبح متحيزة بمرور الوقت بطرق تُحرف أهدافها عن الحاجة الأساسية لضمان وصول الكهرباء للجميع.

قال تشوي لـ Freethink: “تظل الدقة تحديًا كبيرًا، خاصة في بناء ثقة مشغلي المباني. إن بناء هذه الثقة هو هدف بالغ الأهمية للذكاء الاصطناعي. يعتمد الذكاء الاصطناعي على البيانات التاريخية للتعلم ويفتقر إلى وعي الظروف الحالية، مما يعني أنه قد لا يوفر دائمًا رؤى محدثة.”

ثانيًا، لا يخلو الذكاء الاصطناعي من التكاليف. وكما أشار باحثو جامعة جوهانسبرغ، “في حين أن الذكاء الاصطناعي يمكنه تحسين أنظمة الطاقة المتجددة والحد من انبعاثات الكربون، إلا أنه يأتي أيضًا ببصمة بيئية خاصة به. يتطلب تدريب نماذج الذكاء الاصطناعي قدرة حسابية كبيرة، مما يؤدي إلى استهلاك طاقة مرتفع وانبعاثات كربون مرتبطة به”.

في جوهره، يجب أن تتطور الشبكة إلى كمبيوتر عملاق واحد.

ثالثًا، والأكثر إثارة للقلق، للوصول إلى نقطة يكون فيها الذكاء الاصطناعي قادرًا على اتخاذ قرارات موثوقة على نطاق الشبكة، ستتطلب الشبكة نفسها ترقيات ضخمة.

وكتب باحثو وزارة الطاقة: “في حين أن شبكة اليوم تنقل الكهرباء بشكل أساسي في اتجاه واحد من محطات توليد الطاقة الكبيرة والمركزية إلى عملاء الكهرباء مع تبادل معلومات ضئيل نسبيًا، فإن شبكة المستقبل ستدير تدفقات الطاقة والمعلومات متعددة الاتجاهات عبر مجموعة متنوعة من الموارد المتصلة بالشبكة”.

سيتطلب الأمر تركيب أعداد هائلة من أجهزة الاستشعار عبر الشبكة لتزويد النماذج بكميات ضخمة من البيانات. وستحتاج أنظمة التحكم والرصد SCADA، التي تتألف من مجموعة من المكونات الكهربائية، إلى أن تُدمج عبر أصول الشبكة. وستحتاج عدادات الطاقة الذكية إلى أن تصبح منتشرة في المنازل والشركات. في جوهره، يجب أن تتطور الشبكة لتصبح كمبيوترًا عملاقًا واحدًا. وسيكلف إتمام هذا التحول غير المسبوق مئات المليارات من الدولارات.

هل تستحق التكلفة

ومع ذلك، فمن المحتمل أن يكون ذلك مجزياً على المدى الطويل. فالتكلفة العالمية لتغير المناخ [[LINK13]]، والتي تشمل الأضرار التي تلحق بالبنية التحتية والممتلكات والزراعة وصحة الإنسان، من المتوقع أن تصل إلى ما بين 1.7 تريليون دولار و 3.1 تريليون دولار سنوياً بحلول عام 2050. وهناك حاجة إلى بناء ضخم للطاقة المتجددة لتجنب هذه التكاليف، وإذا أدى الذكاء الاصطناعي في النهاية إلى جعل هذه الشبكة الخالية من الكربون أرخص وأكثر كفاءة، فسيكون ذلك أفضل للناس وللكوكب.

نُشرت هذه المقالة في الأصل بواسطة موقعنا الشقيق، Freethink.

[[LINK15]]

هذا القسم الأخير من مقال أطول. [[LINK15]]