اتجاهات التنبؤ باستقرار الشبكة الكهربائية الذكية

يشير مفهوم الشبكة العامة (المحلية) إلى الشبكة الكهربائية التي تتكون من خطوط الاتصال ومحطات التحكم والمحولات والموزعات التي تساعد في إمداد الطاقة من محطة الكهرباء إلى المستهلكين، وفي الوقت الحاضر تشكل “الشبكة الكهربائية” وحدات إنتاج طاقة عملاقة تولد ملايين ميغاوات من الطاقة الموزعة عبر العديد من المناطق الديموغرافية.

تحليل اتجاهات التنبؤ باستقرار الشبكة الكهربائية الذكية

النظام السيبراني الفيزيائي (CPS) هو تكامل للعمليات الفيزيائية والشبكات والحسابات، وفي (CPS)؛ تتم مراقبة العمليات المادية بواسطة “الشبكات المضمنة” وأجهزة الاستشعار وأجهزة الكمبيوتر، وذلك بمساعدة آلية التغذية الراجعة، بحيث يتم استخدام مفهوم (CPS) في (SG)، حيث يتم دمج الأنظمة المادية مثل البنية التحتية لشبكة الطاقة مع التحكم والذكاء والمعالجة والمعلومات.

كما يزداد استهلاك الكهرباء يوماً بعد يوم مع ارتفاع عدد السكان، بحيث كان هناك استخدام كبير للموارد الطبيعية لتوليد الكهرباء لتلبية هذا الطلب الهائل، ومع ذلك؛ فإن هذه الطريقة معقدة ومكلفة، بحيث كان هناك بحث مكثف على شبكات الشبكة لتوزيع الطاقة عبر مواقع مختلفة بشكل فعال، كذلك تم أحد هذه الأساليب هو الشبكة الذكية، والتي تستخدم تكنولوجيا المعلومات والاتصالات (ICT) لتجميع المعلومات حول سلوك المستهلكين لإنشاء نظام مدرك للسياق يمكنه توزيع الطاقة بشكل فعال.

دور الذكاء الاصطناعي في الحد من عملية انتشار المحطات الفرعية

كما أنه من المتوقع أن تقلل الشبكات الذكية التي تستخدم الذكاء الاصطناعي (AI) من الحاجة إلى نشر المزيد من محطات الطاقة لتبديد الكهرباء، بحيث تستخدم الشبكات الذكية أيضاً موارد الطاقة المتجددة ليتم توصيلها بأمان بالشبكة لإلحاق مصدر الطاقة، كذلك الأنظمة الذكية، مثل (Expert Systems) و (Fuzzy Logic) (Machine Learning) والشبكات العصبية العميقة (DNN) أحدثت ثورة في عملية توزيع الطاقة.

كما تقدم هذه الأنظمة أدوات فعالة للتصميم والمحاكاة وتشخيص الأخطاء والتحكم في تحمل الأخطاء في الشبكة الذكية الحديثة، بحيث تحتوي الشبكات الذكية الحديثة للنشر المنزلي على توليد الطاقة الشمسية الكهروضوئية الموزعة وتخزين الطاقة، كما يتغلب هذا النشر على اتخاذ القرار بشأن مشكلة استخدام نظام يعمل بالبطارية.

كما يوضح الشكل التالي (1) التفاعل بين وحدات توليد الطاقة ومراكز التوزيع والكيانات المختلفة الأخرى مثل المصانع الضخمة والمركبات الكهربائية والمباني الذكية، بحيث تلعب الشبكة الذكية دوراً مهماً في تبديد المقدار المناسب من الطاقة لهذه الكيانات المختلفة بكفاءة، كما تتحقق المرونة في عملية توزيع الطاقة من خلال تطبيق خوارزميات الذكاء الاصطناعي المختلفة في الشبكة الذكية.

تطبيق خوارزميات التعلم الالي والاستجابة للطلب على الكهرباء

الشبكة الأكثر ذكاءً، والتي يمكنها التنبؤ بالطلب على الطاقة الكهربائية هي حاجة الساعة، بحيث يمكن تحقيق ذلك من خلال تطبيق خوارزميات التعلم الآلي (ML) على البيانات المتولدة من الشبكة الكهربائية، كذلك يمكن أن تساعد الشبكة الذكية في تقليل التلوث وجعل سعر الكهرباء أرخص بكثير.

وفي هذا العمل، تم اقتراح نموذج جديد للذاكرة قصيرة المدى متعددة الاتجاهات (LSTM) للتنبؤ باستقرار (SG) عن طريق تصنيف مجموعة بيانات الشبكة الذكية التي تم جمعها من مستودع التعلم الآلي (UCI)، ثم تتم مقارنة النتائج التجريبية مع خوارزميات التعلم العميق الحديثة مثل الشبكات العصبية المتكررة (RNN) و (LSTM) التقليدي والوحدات المتكررة ذات البوابات (GRU).

كما أن الخطوات المتضمنة في العمل الحالي هي كما يلي:

• يتم جمع مجموعة بيانات شبكة الكهرباء من مستودع التعلم الآلي الخاص بالاتحاد الدولي للدراجات.

• يتم استخدام الحد الأدنى للتطبيع الأقصى لتطبيع مجموعة البيانات.

• تُستخدم تقنية تشفير الملصقات لتحويل البيانات الفئوية والنصية إلى بيانات رقمية.

• يتم تغذية هذه البيانات إلى نموذج (MLSTM) المقترح لتدريب مجموعة البيانات.

• تقييم النموذج المقترح باستخدام تقنيات التعلم العميق الأخرى مثل (RNN ، GRU ، LSTM) التقليدي باستخدام بعض المقاييس، بما في ذلك الدقة والدقة والتذكر ودرجة (F1).

الأعمال المتعلقة بتطبيق تقنيات التعلم الآلي على الشبكة الذكية.

يؤدي نمو التكنولوجيا إلى جرائم إلكترونية مختلفة، حيث أن أحد أكثرها انتشاراً هو تعديل البيانات في العدادات الذكية، كما قدم الباحثون إطاراً لتجميع مجموعات نموذج الخلط المحدود لتجزئة العملاء وخوارزمية البرمجة الجينية، وذلك للتعرف على الوظائف الجديدة التي تساعد في التنبؤ الدقيق، كما تم استخدام أيضاً خوارزمية آلة تعزيز التدرج، وهي المضمنة في الإطار وتعمل بشكل أفضل من خوارزميات (ML) الحالية.

كذلك تستخدم معظم الأنظمة الذكية الحالية مجموعة إنترنت الأشياء، وهي المدمجة مع قوة خوارزميات تعلم الآلة بحيث تعمل الأنظمة بأقصى طاقتها بكفاءة، بحيث يحلل الباحثون أوضاع (ML) القائمة على إنترنت الأشياء، والتي تُستخدم في مجالات مختلفة مثل الرعاية الصحية والمدينة الذكية واتصالات السيارة والمركبة في المدن الذكية، كما تمت مناقشة تحديات النشر لمختلف أنظمة إنترنت الأشياء والتعلم الآلي.

أثر الهجمات الإلكترونية على عملية ربط الشبكات الكهربائية الذكية

قد يكون الاعتداء الخفي على سلامة البيانات (CDIA) على شبكة اتصالات خطيراً من خلال التقليل المباشر من توافر وتدابير السلامة للشبكة الذكية، بحيث يتم نشر هذا الاعتداء بعناية لتجنب أجهزة الكشف عن البيانات السيئة التقليدية في محطات التحكم في الطاقة، كما ويمكن لهذا الاعتداء مواجهة سلامة البيانات والتحريض على تقييم خاطئ للحالة من شأنه أن يؤثر بوحشية على عملية نظام الطاقة بأكملها.

وفيما بعد تم تطوير نظاماً ذكياً باستخدام نموذج قائم على (ML)، وهو غير خاضع للإشراف لتحديد (CDIAs) في الشبكات الذكية باستخدام البيانات غير المصنفة، كما تم تطوير الشبكة الذكية باستخدام تقنيات المعلومات والاتصالات المختلفة، مما يؤدي إلى بيانات ضخمة تنشأ من مصادر مختلفة.

كذلك يساعد استخدام تحليل البيانات الضخمة والأنظمة الذكية في أنظمة الشبكة الذكية على حل تحدي المعالجة وإدارة الكم الهائل من البيانات، بحيث تم تسليط الضوء على التحديات المختلفة المرتبطة باستخدام تحليل البيانات الضخمة في الشبكات الذكية، بحيث يدرج الخبراء أيضاً تطبيقات مختلفة للبيانات الضخمة في أنظمة الشبكة الذكية.

استقرار الشبكة الكهربائية الذكية والبعد عن التشوهات

يلخص تقدير استقرار الشبكة الذكية مشكلة بحثية صعبة، وذلك نظراً لحقيقة أن المعلومات المستخدمة في مصادقة العضوية قد تؤدي إلى عدم الاستقرار في الشبكة، كما يستخدم هذا للتحكم في التكوينات التي تكون فيها الشبكة مستقرة بغض النظر عن التشوهات، بحيث يحلل المهندسين استخدام خوارزمية التعلم الآلي للتنبؤ باستقرار الشبكة الذكية بناءً على استخراج الميزات.

كما يستخدمون هنا ثلاث طرق لعملية اختيار الميزات، وهي اختيار ميزات تحسين سرب الجسيمات الثنائية (BPSOFS) واختيار ميزات التحسين المتحرك للنطاق الثنائي (BKMOFS) وشرائح الانحدار التكيفية متعددة المتغيرات (MARS)، كذلك يتم التنبؤ باستقرار الشبكة باستخدام أربعة مصنفات، وهي الانحدار اللوجستي (LR) والغابة العشوائية (RF) والأشجار المعززة بالتدرج (GBT) والمصنف متعدد الطبقات (MPC).

في النهاية تتكون الشبكات الكهربائية القديمة من اتصال أحادي الاتجاه بين الشبكات الكهربائية والمستهلكين، كما تم نشر هذه الشبكات في جميع أنحاء العالم، ولكن كفاءة إدارة الطاقة كانت مصدر قلق كبير، ولحل هذا التحدي تطورت الشبكات الذكية باتصال ثنائي الاتجاه بين الشبكة والمستهلك، بحيث كان الهدف الأساسي وراء تطوير هذه الشبكة الذكية هو التنبؤ بدقة بمتطلبات الطاقة في مجموعة سكانية معينة.