اینجاست که اینترنت اشیای صنعتی و هوش مصنوعی بهکار میآیند. در گام نخست نیازمند اینترنت اشیا هستیم تا دادهها را از همه اشیای متصل جمعآوری کند و در گام دوم هوش مصنوعی با تجزیه و تحلیل مجموعه بزرگی از دادهها میتواند به بهینهسازی مصرف انرژی کمک و در ساعات اوج مصرف آن را مدیریت کند، مشکلات را شناسایی و هشدار دهد و همچنین خرابی تجهیزات را پیش از وقوع شناسایی کند. هوش مصنوعی به ارتقای بهرهوری انرژی برای نیروگاهها، شبکه توزیع برق و مصرفکنندگان صنعتی و تجاری کمک میکند و در پیشبینی انرژی، مدیریت انرژی، ذخیره انرژیهای تجدیدپذیر و توسعه پایدار در آینده کمک میکند.
چرا شبکه انرژی به نوسازی نیاز دارد؟
در ایران افزون بر بازدهی پایین خطوط قدیمی و فرسوده توزیع انرژی، برقدزدی هم به عامل تاثیرگذاری تبدیل شده که موجب استفاده روزافزون از کابلهای خودنگهدار در مقایسه با سیمهای مسی با راندمان بالاتر شده است. در حالی که کابلهای خودنگهدار تلفات بیشتری نسبت به سیمهای مسی دارند. افزون بر این، استفاده از کابلهایی با روکش روغنی و فرسودگی این تجهیزات نیز بر تلفات شبکه تاثیرگذار است. کارشناسان معتقدند با افزایش بهکارگیری ترانس در شبکه میزان اتلاف انرژی افزایش مییابد، از اینرو لازم است طراحی شبکه توزیع برق در کشور بهینهسازی شود. اکنون زمان آن رسیده است تا با استفاده از ترکیب فناوریهای تحولآفرین همچون هوش مصنوعی، اینترنت اشیا و کلانداده، همسو با روندهای جهانی گامهایی اساسی در زمینه بهینهسازی تامین، انتقال، پایداری و امنیت شبکه تولید و توزیع انرژی برداشته شود.
گذار به رویکرد دادهمحور در حوزه انرژی
تا امروز، بیشتر تلاشهای انتقال انرژی روی سختافزار متمرکز بوده و سرمایهگذاری کمی روی دادهها و فناوریهای دیجیتال نسل آینده، بهویژه هوش مصنوعی انجام شده است. بخشهای انرژیبر از جمله نیرو، حملونقل، صنایع سنگین و ساختمانها در آغاز مسیر کربنزدایی برای کاهش سریع انتشار دیاکسیدکربن هستند، اما خوشبختانه، تولید انرژیهای تجدیدپذیر به دلیل کاهش هزینهها و افزایش علاقه سرمایهگذاران به این حوزه بهسرعت در حال رشد است. همچنین افزایش تولید انرژیهای تجدیدپذیر برای کربنزدایی به این معنی است که انرژی بیشتری از منابعی مانند خورشید و باد تامین میشود. از آنجا که برق ستون اصلی تامین انرژی است، استفاده از سیستمهای انرژی کمکربن باعث رشد سریع تولید برق، ذخیرهسازی و پاسخگویی پیشرفته به تقاضا میشود.
البته این روندها چالشهای راهبردی و عملیاتی بزرگی را برای صنایع انرژیبر ایجاد میکند. اینجاست که رویکرد دادهمحور و بهرهگیری از فناوریهایی چون اینترنت اشیای صنعتی و هوش مصنوعی برای ایجاد هماهنگی هوشمند در تولید، انتقال و استفاده از انرژی، نقش تعیینکنندهای پیدا میکنند. همچنین با افزایش غیرمتمرکز و دیجیتالیشدن شبکه برق، مدیریت تعداد زیادی از شرکتکنندگان در شبکه و حفظ تعادل شبکه دشوارتر میشود. بنابراین به ارزیابی و تجزیه و تحلیل سیل دادهها نیاز است که کلانداده و هوش مصنوعی به پردازش سریع و کارآمد این دادهها کمک میکند.
راهکارهای فناورانه برای مدیریت هوشمند شبکه انرژی
روند کنونی نشان میدهد در بلندمدت و بهویژه در کشورهای در حال توسعه، مصرف انرژی افزایش فزایندهای مییابد و این تقاضای انرژی با وجود کمبود منابع، چالشبرانگیز است، به این ترتیب، توسعه و استقرار سیستمهای مدیریت انرژی هوشمند ضروری است. راهکارهای هوش مصنوعی در قالب کنتورهای هوشمند به کاربران کمک میکند تا مصرف انرژی را کنترل کنند و زمان اوج مصرف را حداقل تا پنجدرصد کاهش دهند. یک بررسی در آفریقای جنوبی نشان میدهد که با استفاده از کنتورهای هوشمند، در طول یکسال، معادل اجارهبهای یک ماه در هزینه مصرف انرژی صرفهجویی شده است.
همچنین در برخی کشورها، برای پاسخگویی به مشکلات انتقال برق، استفاده از «شبکه هوشمند» به عنوان یک هدف سیاست ملی تعریف شده است که مستلزم یک شبکه تحویل برق تمامخودکار است. برای مثال، وزارت انرژی آمریکا از سال ۲۰۱۰ میلادی، ۵/ ۴میلیارد دلار در زیرساختهای شبکه هوشمند سرمایهگذاری کرده و بیش از ۱۵ میلیون کنتور هوشمند نصب کرده است. همانطور که گفته شد شبکه هوشمند به کمک کنتور هوشمند بر مصرف انرژی هر دستگاه نظارت میکند و به شرکتهای برق در مورد خاموشیهای محلی هشدار میدهد. هوش مصنوعی که اساس این شبکه هوشمند است، پیوسته مقادیر قابلتوجهی از دادهها را به کمک فناوری اینترنت اشیا از میلیونها حسگر هوشمند در سراسر شبکه جمعآوری و ترکیب میکند تا تصمیمهای بهنگام در مورد بهترین نحوه تخصیص منابع انرژی اتخاذ شود.
اثرات هوشمندسازی شبکه برق در بخش تقاضا
یکی از کاربردهای اصلی هوش مصنوعی و اندازهگیری هوشمند در شبکه برق، بهینهسازی تولید، انتقال و توزیع انرژی با استفاده از تجزیه و تحلیل پیشرفته و الگوریتمهای یادگیری ماشین است. این الگوریتمها میتوانند از دادههای جمعآوریشده از کنتورهای هوشمند و سایر حسگرها برای پیشبینی تقاضا و عرضه برق، تنظیم جریان برق و کاهش تلفات و کاهش هزینههای شبکه استفاده کنند. به عنوان مثال، گوگل از هوش مصنوعی برای کاهش مصرف انرژی مراکز داده خود با استفاده از کنتورهای هوشمند و یادگیری ماشین برای بهینهسازی سیستمهای خنککننده استفاده کرده است. مثال دیگر پروژه اروپایی «شبکه هوشمند» است که هدف آن استفاده از هوش مصنوعی و اندازهگیری هوشمند برای هماهنگی عملکرد اپراتورهای سیستم انتقال و اپراتورهای سیستم توزیع باهدف ادغام منابع انرژی تجدیدپذیر بیشتر و تولید توزیعشده در شبکه است.
یکی دیگر از کاربردهای هوش مصنوعی و اندازهگیری هوشمند در شبکه برق، تعادل عرضه و تقاضای برق در زمان واقعی با استفاده از کنتورهای هوشمند، پاسخ تقاضا و قیمتگذاری پویاست. این سازوکارها میتوانند از دادههای جمعآوریشده از کنتورهای هوشمند و سایر دستگاهها برای تنظیم مصرف یا تولید با توجه به شرایط شبکه و قیمتها استفاده کنند. بهعنوان مثال، شرکت آمریکایی انرژی PG&E یک برنامه پاسخ به تقاضا بهنام SmartRate را اجرا کرده است که از کنتورهای هوشمند و قیمتگذاری پویا باهدف تشویق مشتریان برای کاهش مصرف برق در ساعات اوج استفاده میکند.
اثرات هوشمندسازی شبکه برق در بخش عرضه
یکی دیگر از مزایای استفاده از هوش مصنوعی و اندازهگیری هوشمند در شبکه برق، افزایش ادغام منابع انرژی تجدیدپذیر، تولید پراکنده، ذخیرهسازی و… است. این منابع میتوانند راهکارهای انرژی پاک و انعطافپذیری را برای شبکه فراهم کنند، اما خود با چالشهایی مانند تنوع و عدماطمینان از میزان برق تولیدی به دلیل ماهیت انرژیهای تجدیدپذیر و پاک مواجه هستند. هوش مصنوعی و اندازهگیری هوشمند میتواند با استفاده از تحلیل دادهها و یادگیری ماشین به هماهنگی عملکرد این منابع و اطمینان از قابلیت اعتماد و پایداری آنها کمک کند. به عنوان مثال، IBM سیستمی بهنام HyREF را توسعه داده است که از هوش مصنوعی و اندازهگیری هوشمند برای پیشبینی خروجی برق تولیدی مزرعههای بادی و خورشیدی برپایه دادههای آب و هوایی و اطلاعات دریافتی از حسگرها استفاده میکند.
از کاربردهای دیگر هوش مصنوعی و اندازهگیری هوشمند در شبکه برق، افزایش انعطافپذیری و قابلیت اطمینان شبکه با شناسایی و جلوگیری از خطاها، قطعی برق و حملات سایبری است. هوش مصنوعی و اندازهگیری هوشمند میتوانند با نظارت دائم بر شرایط شبکه، به شناسایی هرگونه ناهنجاری یا تهدید و اقدامات اصلاحی کمک کنند. به عنوان مثال، زیمنس سیستمی بهنام Grid Diagnostic Suite را توسعه داده است که از هوش مصنوعی و اندازهگیری هوشمند برای تجزیه و تحلیل دادهها از منابع مختلف مانند ترانسفورماتور، قطعکننده مدارها و… برای تشخیص هر گونه خطا یا خرابی در اجزای شبکه استفاده میکند. یک مثال دیگر پلتفرم Azure Defender for IoT مایکروسافت است که یک پلتفرم مبتنی بر هوش مصنوعی است که از کنتورهای هوشمند و دستگاههای دیگر برای محافظت از شبکه در برابر حملات سایبری با شناسایی هرگونه فعالیت مخرب یا آسیبپذیری استفاده میکند.
چالشهای استفاده از هوش مصنوعی و کنتورهای هوشمند
در پایان باید خاطرنشان کرد که استفاده از هوش مصنوعی و کنتورهای هوشمند در شبکه برق خود با چالشها و موانع مهمی روبهرو است، به عنوان مثال هزینههای بالای بهکارگیری این فناوریها، نبود استانداردها و رگولاتوری، خطرات حریم خصوصی و امنیتی مشترکان، و چالشهای پذیرش مصرفکننده نهایی، بنابراین اثربخشی کامل هوش مصنوعی و کنتورهای هوشمند به عوامل مختلفی مانند طراحی فنی، چارچوب قانونی، مدل کسبوکار، تعامل مصرفکننده، زمینهسازی اجتماعی و فرهنگسازی بستگی تام دارد.
زهیر مرشدی/ مدیر راهکارهای اینترنت اشیا فناپ زیرساخت
منبع: دنیای اقتصاد