A Benchmark Graph Dataset for Transient Stability Assessment of the IEEE 9-Bus System: 20,000 Scenarios with Full Generator Trajectories

تُعد شبكات الكهرباء بمثابة الجهاز الدوري الخفي للحياة الحديثة، وهي عبارة عن شبكة واسعة من الأسلاك والآلات التي يجب أن تنقل الكهرباء من مكان إنتاجها إلى حيث تشتد الحاجة إليها دون تعثر أبداً. وفي قلب هذا النظام توجد مولدات ضخمة دوارة، وهي عبارة عن دوارات فولاذية ثقيلة تدور في تناغم تام، مثل فريق من المجدفين الذين يحافظون على إيقاع ضربة واحدة. وعندما تتعرض الشبكة لصدمة مفاجئة — مثل ضربة صاعقة، أو سلك مقطوع، أو دائرة قصر — تهتز هذه الآلات. والسؤال الحاسم للمهندسين هو ما إذا كان بإمكانها امتصاص تلك الصدمة، والبقاء على نفس الإيقاع مع بعضها البعض، والحفاظ على استمرار الإضاءة، أم أنها ستفقد التزامن وتتسبب في فشل متتالي يغرق المدن في الظلام. هذه اللحظة الحاسمة، المعروفة باسم الاستقرار العابر، تحدث في جزء من الثانية، وكان التنبؤ بها يتطلب تقليدياً تشغيل محاكاة حاسوبية بطيئة ومعقدة لكل سيناريو كارثة محتمل.

لسنوات، أمل الباحثون أن تتمكن الذكاء الاصطناعي من تعلم رصد هذه اللحظات الخطيرة فوراً، ليعمل كبديل سريع للمحاكاة البطيئة. لكن التقدم تعثر بسبب نقص البيانات الجيدة. كانت معظم مجموعات البيانات المتاحة أشبه بلقطات ثابتة: فقد أظهرت حالة الشبكة قبل حدوث المشكلة ونتيجة بسيطة بـ "النجاح أو الفشل" بعد ذلك، لكنها أغفلت التفاصيل الحيوية لكيفية تحرك الآلات فعلياً أثناء الأزمة. وبدون رؤية الحركة الكاملة للدوارات والخصائص الفيزيائية المحددة للآلات، يصعب تعليم الكمبيوتر الفيزياء العميقة لسبب تماسك الشبكة أو انهيارها. ولحل هذه المشكلة، أصدر فريق من الباحثين في معهد أبحاث هيدرو كيبيك (Institut de recherche d'Hydro-Québec) مجموعة ضخمة ومفتوحة تضم عشرين ألف سيناريو كارثي مُحاكى، صُممت خصيصاً لسد الفجوة بين البيانات الخام وقوانين الفيزياء.

بنى الباحثون منصة الاختبار الخاصة بهم على نموذج قياسي صغير النطاق لشبكة طاقة يُعرف بنظام IEEE 9-bus، والذي يحتوي على تسعة نقاط اتصال وثلاثة مولدات. وبدلاً من مجرد النظر إلى الشبكة في حالة هدوء، أخضعوا هذا النموذج لسلسلة صارمة من اختبارات الإجهاد. لقد أنشأوا آلاف الظروف الأولية المختلفة، حيث تباينت كمية الكهرباء المستخدمة وكمية الكهربة المولدة، مما ضمن اختبار الشبكة تحت أحمال خفيفة وثقيلة على حد سواء. ثم، لكل نقطة بداية فريدة، أدخلوا دائرة قصر ثلاثية الأطوار مفاجئة في واحد من خمسة عشر موقعاً مختلفاً في الشبكة. وقد تُرِكت هذه الأعطال لفترات زمنية متفاوتة، تتراوح من جزء من الثانية إلى ما يقرب من نصف ثانية، قبل معالجتها. ثم قام الفريق بتشغيل عمليات محاكاة حاسوبية دقيقة وعالية السرعة لمراقبة كيفية تفاعل المولدات الثلاثة بدقة، وتسجيل سرعتها وموقعها كل ميلي ثانية لمدة ثلاث ثوانٍ كاملة بعد وقوع العطل.

والنتيجة هي مجموعة بيانات تلتقط القصة الكاملة لكل حدث. وخلافاً للموارد السابقة التي قد تكتفي بالقول إن الحالة "مستقرة" أو "غير مستقرة"، تتضمن هذه المجموعة المسار الكامل لكل مولد، والظروف الكهربائية الدقيقة قبل العطل، والثوابت الفيزيائية المحددة للآلات، مثل وزنها ومقاومتها. وجد الفريق أن النتائج لم تكن عشوائية؛ بل اتبعت منطقاً فيزيائياً واضحاً. فعندما يستمر العطل لفترة طويلة جداً أو يضرب موقعاً حرجاً، تتسارع المولدات مبتعدة عن بعضها البعض، وتفقد تزامنها. وقد حدد الباحثون حداً واضحاً لهذا الفشل: إذا انفرجت الزاوية بين أي مولدين بأكثر من مائة وثمانين درجة، يُعلن عن عدم استقرار النظام. وفي عمليات المحاكاة الخاصة بهم، ظلت السيناريوهات المستقرة ضمن هذا الحد تماماً، بينما دارت السيناريوهات غير المستقرة بجنون خارج السيطرة، حيث دارت أحياناً أكثر من ثلاث دورات كاملة بالنسبة لبعضها البعض.

إن ما يجعل هذا العمل قيماً بشكل خاص هو توازن وثراء البيانات. فقد أنتج الفريق تقسيماً شبه مثالي بين النتائج المستقرة وغير المستقرة، حيث انتهى حوالي ٤٩٪ من السيناريوهات بشبكة مستقرة و٥١٪ أدت إلى فقدان التزامن. ويمنع هذا التوازن الذكاء الاصطناعي من مجرد تخمين الإجابة بناءً على تصويت الأغلبية. علاوة على ذلك، تكشف البيانات أن موقع العطل يهم للغاية. فبعض المواقع في الشبكة أكثر خطورة من غيرها؛ فعلى سبيل المثال، تسبب عطل في خط معين عدم استقرار في ما يقرب من ثلاثة وسبعين بالمائة من الحالات، بينما تسبب عطل في خط آخر في الفشل في سبعة وعشرين بالمائة فقط. وهذا يثبت أن هيكل الشبكة نفسه يحمل إشارة خفية حول نقاط ضعفها، وهو أمر دقيق يمكن لنماذج تعلم الآلة الآن تعلم التعرف عليه لأن البيانات تتضمن شكل الشبكة جنباً إلى جنب مع حركات الآلات.

كما أولى الباحثون اهتماماً كبيراً لضمان أن تكون البيانات موثوقة وقابلة للتكرار. فقد تم إنشاء كل سيناريو باستخدام عملية حتمية ثابتة، مما يعني أنه إذا قام عالم آخر بتشغيل نفس الكود، فسيحصل على نفس النتائج تماماً. تم تنظيم مجموعة البيانات كـ "رسم بياني" (graph)، وهي طريقة لتمثيل الشبكة حيث تكون نقاط الاتصال هي "العقد" (nodes) والأسلاك هي "الحواف" (edges)، مما يسمح لبرامج الكمبيوتر الحديثة بدراسة طوبولوجيا الشبكة مباشرة. ومن خلال توفير التاريخ الكامل لحركات الآلات جنباً إلى جنب مع خريطة الشبكة والثوابت الفيزيائية، أنشأ الفريق مورداً فريداً يسمح للعلماء باختبار أنواع مختلفة من طرق التعلم. يمكنهم الآن مقارنة النهج التي تعتمد فقط على أنماط البيانات مقابل تلك التي تحاول دمج قوانين الفيزياء في عملية التعلم، أو الأساليب الهجينة التي تجمع بين الاثنين.

لا يدعي هذا الإصدار حل مشكلة استقرار الشبكة للعالم أجمع، حيث أُجري الاختبار على نموذج صغير ومحدد. ومع ذلك، فإنه يوفر معياراً مشتركاً وصارماً كان مفقوداً في السابق. فهو يسمح للباحثين بالتوقف عن الجدال حول مدى فعالية أساليبهم والبدء في مقارنتها على أرضية مشتركة. مجموعة البيانات متاحة الآن للجمهور، وتوفر رؤية واضحة ومفصلة لعشرين ألف لحظة تذبذبت فيها الشبكة على حافة الانهيار. ومن خلال جعل الحركة الكاملة للآلات وهيكل الشبكة متاحين في مكان واحد، منح الباحثون المجتمع العلمي الأدوات اللازمة لبناء طرق أسرع وأذكى وأكثر موثوقية للحفاظ على تدفق الطاقة عندما يحدث ما هو غير متوقع.