Toward Realistic Energy Forecasting: A Delay-Enhanced Fractional-Order Supply-Demand Model

أنظمة الطاقة ليست مجرد آلات بسيطة تعمل وتتوقف بضغطة زر. إنها شبكات حية تتنفس، حيث يعتمد ما يتم توليده من طاقة اليوم على قرارات اتُخذت بالأمس، وما يُستهلك من كهرباء في هذه اللحظة هو غالباً نتيجة لخيارات اتُّخذت منذ أسابيع. في العالم الحقيقي، توجد دائماً فجوة بين القرار وأثره؛ فقد يقرر مصنع زيادة الإنتاج، لكن الوقود اللازم لتشغيله يستغرق وقتاً للوصول. وقد تخطط مدينة للتحول إلى الطاقة الشمسية، لكن عملية التركيب تستغرق شهوراً. هذه التأخيرات، مقترنة بحقيقة أن أنظمة الطاقة تمتلك "ذاكرة" لأنماط الاستخدام السابقة، تجعل التنبؤ بالعرض والطلب المستقبلي أمراً صعباً للغاية. فغالباً ما تعامل النماذج الرياضية التقليدية هذه الأنظمة كما لو كانت تستجيب فورياً، متجاهلةً وقت التأخير والتأثير المتبقي للتاريخ. وهذا التبسيط يمكن أن يؤدي إلى توقعات غير دقيقة، مما يترك المخططين عاجزين عن رؤية حالات النقص أو الفائض المحتملة.

ولمعالجة هذه الفجوة، طور الباحثان س. نافين وس. نويغادهام طريقة جديدة لنمذجة أنظمة الطاقة تتبنى هذه التعقيدات بدلاً من تجاهلها. فقد أنشآ إطاراً رياضياً يعامل عرض وطلب الطاقة كنظام ذي ذاكرة وتأخير مدمج. وبدلاً من افتراض أن تغيراً في الطلب يغير العرض فوراً، يقر نموذجهم بأن هناك فجوة زمنية، وهي فترة توقف حيث يقوم النظام بالتكيف. كما دمجوا مفهوماً يُعرف باسم "حساب التفاضل والتكامل ذي الرتب الكسرية"، والذي يسمح للنموذج بتذكر الحالات السابقة للنظام، تماماً كما قد يتأثر مزاج الشخص الحالي بأحداث وقعت قبل أيام أو أسابيع، وليس فقط بما حدث قبل ثانية واحدة. ومن خلال الجمع بين هاتين الميزتين — الذاكرة والتأخير — بنى الباحثان أداة تحاكي الواقع البطيء، والمتذبذب أحياناً، لكيفية حركة الطاقة عبر اقتصاد حديث.

بدأ الباحثان ببناء نظام مكون من أربعة أجزاء لتمثيل تدفق الطاقة؛ حيث تتبعوا طلب الطاقة لمنطقة معينة، والإمدادات القادمة من منطقة مجاورة، وكمية الطاقة التي تستوردها تلك المنطقة من أماكن أخرى، وموارد الطاقة المتجددة المحلية المتاحة. وفي نموذجهم، تتفاعل هذه العناصر الأربعة باستمرار؛ فعلى سبيل المثال، إذا ارتفع الطلب على الطاقة، فإن ذلك يؤثر على كمية الواردات ومدى سرعة تبني المصادر المتجددة. ومع ذلك، فإن هذه التفاعلات لا تحدث فوراً. يتضمن النموذج تأخيراً زمنياً محدداً لتمثيل الاحتكاك الواقعي لخطوط النقل، وعمليات صنع القرار، وقيود التخزين. وقد أثبت الفريق رياضياً أن هذا النظام المعقد له حل واحد محدد جيداً، مما يعني أن النموذج مستقر ولن ينتج نتائج فوضوية أو غير منطقية عند تشغيله. كما أظهروا أن النموذج قوي، بمعنى أن الأخطاء الصغيرة أو التغيرات غير المتوقعة في البيانات لن تؤدي إلى انهيار التنبؤ بأكمله.

ولرؤية كيف يتصرف نموذجهم الجديد، أجرى الفريق سلسلة من عمليات المحاكاة الحاسوبية. لقد اختبروا النظام تحت ظروف مختلفة، مع تغيير حجم التأخير الزمني وقوة "الذاكرة" في النموذج. وعندما قاموا بمحاكاة سيناريو يتضمن تأخيراً كبيراً، مثل نصف وحدة زمنية، أظهر النظام تذبذبات ملحوظة؛ حيث كانت أرقام الطلب والعرض تتأرجح صعوداً وهبوطاً، متجاوزة أهدافها قبل أن تستقر في النهاية. يحاكي هذا السلوك أزمات الطاقة في العالم الحقيقي، حيث يؤدي النقص إلى تصحيح مفرط مذعور، يليه فائض، قبل أن تستقر الأمور. وعندما خفضوا التأخير إلى كمية أصغر، أصبحت هذه التقلبات أصغر بكيد، واستقر النظام في حالة ثابتة بشكل أسرع بكثير. وقد أكد ذلك أن طول مدة التأخير هو عامل حاسم في مدى استقرار شبكة الطاقة.

كما قارن الباحثون نهجهم الجديد بالنماذج القدة التقليدية التي تتجاهل الذاكرة والتأخير. فالنماذج التقليدية، التي تفترض ردود فعل فورية، فشلت في رصد التعديلات البطيئة والمتموجة التي نراها في العالم الحقيقي. وفي المقابل، نجح النموذج الجديد بميزتي الذاكرة والتأخير في إعادة إنتاج السلوك المعقد والمتذبذب الذي يميز شبكات الطاقة الفعلية. وأظهرت عمليات المحاكاة أنه من خلال ضبط معامل "الذاكرة"، يمكن ضبط النموذج ليكون أكثر أو أقل حساسية للأحداث الماضية. فقد أدت إعدادات الذاكرة المنخفضة إلى تقلبات أكثر حدة وتكراراً، بينما أدت الإعدادات الأعلى إلى تنعيم الانتقالات. وتسمح هذه المرونة بتكييف النموذج مع أنواع مختلفة من أنظمة الطاقة، من تلك ذات البنية التحتية الجامدة إلى تقنيات الشبكة الذكية عالية الاستجابة.

ولاختبار القيمة العملية للنموذج، أخضع الفريق النموذج لثلاثة سيناريوهات ضغط متميزة. في السيناريو الأول، قاموا بمحاكاة أزمة طاقة حيث ارتفع الطلب بشدة بينما انخفض العرض بشكل حاد؛ فاستجاب النموذج بتقلبات قوية ومؤقتة، مما عكس بدقة عدم الاستقرار في مثل هذا الموقف. وفي السيناريو الثاني، قاموا بنمذجة التحول نحو الاستقلال في مجال الطاقة، حيث زادت منطقة ما من استخدامها للطاقة المتجددة وقللت اعتمادها على الواردات؛ وهنا استقر النظام بشكل أسرع، مما يشير إلى أن الاعتماد الأكبر على الطاقات المتجددة المحلية يمكن أن يعمل كحاجز ضد الصدمات الخارجية. أما السيناريو الثالث فقد اختبر حالة فائض في العرض، حيث انخفض الطلب ولكن ظلت الواردات مرتفقة بسبب العقود طويلة الأجل؛ مما أدى إلى تذبذبات مستمرة، وهو ما يسلط الضوء على صعوبة تصحيح الفائض عندما يكون النظام محاصراً في حلقات التغذية الراجعة المتأخرة.

تشير النتائج إلى أن تجاهل الوقت الذي تستغرقه أنظمة الطاقة للاستجابة يعد خللاً كبيراً في طرق التخطيط الحالية. ومن خلال استخدام نموذج يأخذ في الاعتبار كلاً من ذاكرة الاستخدام السابق والتأخير الحتمي في الإنتاج والتوزيع، يمكن لصناع السياسات والمهندسين الحصول على صورة أوضح لكيفية ظهور قراراتهم بمرور الوقت. لا تدعي الدراسة أنها حلت كل مشكلات التنبؤ بالطاقة، لكنها توفر أساساً أكثر واقعية لفهم ديناميكيات العرض والطلب. وهي تظهر أن الاستقرار لا يتعلق فقط بموازنة الأرقام في جداول البيانات، بل بفهم توقيت وتاريخ النظام نفسه. ومع ازدياد تعقيد أنظمة الطاقة وترابطها، ستكون الأدوات التي يمكنها رصد هذه التفاعلات الدقيقة والمتأخرة ضرورية لبناء مستقبل موثوق ومستدام.