Design and Development of an AI-Based Load Frequency Control System for a Power Transmission Grid Integrated with a Solar PV Microgrid
تقترح هذه الورقة البحثية وتُقيّم مخططاً للتحكم في تردد الحمل معززاً بالذكاء الاصطناعي لشبكة طاقة متكاملة مع الطاقة الشمسية، حيث تُثبت أن متحكماً هجيناً حتمياً يجمع بين الجدولة العصبية الضبابية التكيفية، وتعويض التغذية الأمامية للخلايا الكهروضوئية، والتوزيع المشترك للبطاريات، يتفوق بشكل كبير على خطوط الأساس التقليدية من نوع (PI) و(fuzzy-PID) في مقاييس الاستقرار، بينما يُعتبر وكيل التعلم المعزز العميق، رغم تحقيقه لأدنى انحراف في التردد، غير عملي بسبب المتطلبات المفرطة للمشغلات وضعف القدرة على التعميم.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
إن نبض شبكة الطاقة الحديثة هو ترددها، وهو إيقاع ثابت يحافظ على استمرار الإضاءة وتشغيل الآلات بسلاسة. في الأنظمة التقليدية، يتم الحفاظ على هذا الإيقاع بواسطة توربينات دوارة ضخمة، حيث يعمل وزنها الفيزيائي الهائل كممتص صدمات طبيعي، مما يخفف من حدة التغيرات المفاجئة في الطلب. ومع ذلك، وبينما يتجه العالم نحو طاقة أنظف، يتم استبدال هذه الآلات الدوارة الثقيلة بالألواح الشمسية وتوربينات الرياح. ورغم أن هذه المصادر المتجددة حيوية للبيئة، إلا أنها لا تدور؛ بل ترتبط بالشبكة عبر محولات إلكترونية تفتقر إلى ذلك الوزن الفيزيائي نفسه. هذا التحول يجعل الشبكة أكثر هشاشة، مثل لاعب سيرك على حبل مشدود فقد عصا التوازن الخاصة به. فعندما تمر السحب فوق مزرعة شمسية أو يحدث ارتفاع مفاجئ في استخدام الكهرباء، يمكن لتردد الشبكة أن يتأرجح بشكل جامح وخطير، مما يهدد بإغلاق النظام بأكره. ويعد الحفاظ على استقرار هذا الإيقاع في شبكة ذات وزن منخفض أحد أكثر التحديات إلحاحاً للمهندسين اليوم.
لقد تصدى الباحثون في جامعة أتلانتيك الدولية لهذه المشكلة من خلال تصميم نظام تحكم ذكي جديد لشبكة طاقة تمزج بين المحطات الحرارية التقليدية ومزرعة شمسية ضخمة ونظام تخزين بالبطاريات. قاموا ببناء محاكاة حاسوبية دقيقة لشبكة طاقة مكونة من منطقتين، حيث تستضيف إحدى المنطقتين محطة طاقة شمسية بقدرة 40 ميجاوات وبطارية بقدرة 20 ميجاوات. كان الهدف هو معرفة ما إذا كان الذكاء الاصطناعي يمكنه إدارة إيقاع الشبكة بشكل أفضل من وحدات التحكم ذات القواعد الثابتة المستخدمة اليوم. اختبر الفريق نهجين مختلفين للذكاء الاصطناعي: نظام حتمي يستخدم مجموعة من القواعد المنطقية لتعديل سلوكه، وعميل تعلم عميق يتعلم عن طريق التجربة والخطأ، تماماً مثل طالب يمارس مهارة ما. وقد أخضعوا كلا النظامين لسلسلة من اختبارات الضغط الواقعية، بما في ذلك قفزة مفاجئة بنسبة 2% في الطلب على الكهرباء، وسيناريو دراماتيكي انخفض فيه إنتاج الطاقة الشمسية بنسبة 70% لعدة ثوانٍ بسبب سحابة عابرة.
كشفت النتائج عن فائز واضح، ولكنها كشفت أيضاً عن درس مفاجئ حول ما يدفع النجاح فعلياً في هذه الأنظمة. فالنظام الذكي المقترح، الذي جمع بين التعديل القائم على القواعد وبطارية منسقة بنشاط مع تقلبات الطاقة الشمسية، حقق أداءً استثنائياً. فقد قلل من هبوط التردد الذروي بنسبة تقارب 28% مقارنة بوحدة التحكم القياسية، واستقر عائداً إلى إيقاع مستقر في أقل من خمس ثوانٍ، مما قلص وقت التعافي بأكثر من النصف. عمل هذا النظام من خلال "الاستماع" إلى مخرجات الألواح الشمسية في الوقت الفعلي وإخبار البطارية فوراً بالشحن أو التفريغ لإلغاء الاضطراب قبل أن يهز الشبكة. كما قام بتعديل حساسيته الخاصة بناءً على حجم المشكلة، حيث كان يعمل بحدة أكبر أثناء التقلبات الكبيرة وبنعومة أكثر أثناء التقلبات الصغيرة.
وفي مقارنة مباشرة، أظهر وكيل التعلم العميق الذي تم تدريبه من الصفر لحل نفس المشكلة صورة مختلفة وأكثر إثارة للقلق. فبينما كان هذا الوكيل بارعاً للغاية في منع الهبوط الأولي للتردد - محققاً أدنى انحراف ذروي من بين جميع الأنظمة المختبرة - إلا أنه فشل في الاستقرار بعد ذلك. فبدلاً من العودة إلى إيقاع سلس، استمر في التذبذب بحركات صغيرة وسريعة لم تتوقف أبداً. والأهم من ذلك، أن الوكيل تطلب من الحاكمات الميكانيكية التي تتحكم في محطات الطاقة تحريك صماماتها بمعدل 77 مرة أكثر من النظام القائم على القواعد. مثل هذه الحركة المستمرة والجنونية من شأنها أن تؤدي إلى تآكل الآلات الفيزيائية في محطة طاقة حقيقية، مما يجعل أداء الوكيل غير عملي رغم دقته الرياضية. وقد استبعدت الدراسة صراحة فكرة أن وكيل التعلم العميق هو حل جاهز للاستخدام، مشيرة إلى أن سلوكه تدهور بشكل حاد عند مواجهة ظروف تختلف قليلاً عن ظروف تدريبه.
قام الباحثون أيضاً بتفكيك نظامهم الناجح لفهم أي الأجزاء كانت تقوم بالعمل الأكبر. ووجدوا أن العامل الأكثر أهمية لم يكن قواعد الذكاء الاصطناعي المعقدة، بل الفعل البسيط المتمثل في تنسيق البطارية مع الطاقة الشمسية. فعندما تمت إزالة البطارية من المعادلة، انهار أداء النظام، وفقد ما يقرب من 80% من تحسنه. أما إشارة التغذية الأمامية من الألواح الشمسية، التي أخبرت النظام بما هو قادم، فقد ساهمت بنسبة متواضعة بلغت 7% في النجاح. ومن المثير للدهشة أن آلية تغيير القواعد التكيفية، التي كان من المتوقع أن تكون هي النجم في العرض، لم تساهم إلا بقدر ضئيل جداً في تحسين الأداء الإجمالي؛ إذ تكمن قيمتها في ضمان بقاء إشارات التحكم ضمن الحدود الفيزيائية الآمنة، وليس في جعل النظام أسرع.
في نهاية المطاف، يشير هذا العمل إلى أن مفتاح الاستقرار لشبكات الطاقة في المستقبل القريب ليس بالضرورة ذكاءً اصطناعياً أكثر تعقيداً، بل تنسيقاً أفضل للأصول الموجودة. فمن خلال ربط تخزين البطارية مباشرة بتقلبات الطاقة الشمسية وبوحدة التحكم الرئيسية في الشبكة، يمكن للمهندسين إنشاء نظام يتسم بالمتانة والسرعة والأمان للمعدات الفيزيائية. وتؤكد الدراسة، التي أجريت بالكامل من خلال عمليات محاكاة حاسوبية عالية الدقة، أنه بينما يمكن للتعلم العميق إيجاد حلول ذكية، يجب الحكم على هذه الحلول بقدرتها على العمل في العالم الحقيقي، حيث يعد التآكل الميكانيكي بنفس أهمية الدقة الرياضية. ويخلص المؤلف إلى أن الطريق إلى الأمام يكمن في صقل استراتيجيات التحكم المنسقة هذه واختبارها على أجهزة حقيقية، بدلاً من الاعتماد على خوارزميات التعلم التي قد تكون شديدة الاضطراب بالنسبة للآلات الدقيقة لشبكة الطاقة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.