ENO-Chain: Energy-Neutral Scheduling of Blockchain Participation for Energy-Harvesting IoT Nodes in Smart Grids
تقدم هذه الورقة ENO-Chain، وهي سياسة جدولة قائمة على دالة ليابونوف تعمل على ضبط كثافة المشاركة في البلوكشين ديناميكيًا لعقد إنترنت الأشياء التي تعتمد على حصاد الطاقة في الشبكات الذكية لضمان التشغيل المحايد للطاقة مع التفوق بشكل كبير على النماذج المرجعية الثابتة في المنفعة والموثوقية.
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
تخيل عالماً لا تحتاج فيه الأجهزة التي تدير شبكاتنا الكهربائية — مثل العدادات الذكية في كل منزل، والمستشعرات في كل لوح شمسي — إلى أسلاك أو بطاريات تتطلب الاستبدال. بدلاً من ذلك، تعمل هذه الأجهزة من خلال الطاقة التي تحصدها من محيطها: ضوء الشمس، أو الرياح، أو حتى الاهتزازات الناتجة عن الآلات التي تراقبها. هذا هو الوعد الذي تقدمه "الشبكة الذكية محايدة الطاقة"، وهو نظام لا يتجاوز فيه استهلاك الطاقة طويل الأمد للجهاز ما يجمعه من البيئة. إذا تجاوز الجهاز ذلك، ينفد وقوده ويصمت؛ وإذا جمع أكثر مما يحتاج، فإنه يهدر الفائض. التحدي يكمن في أن هذه الأجهزة يُطلب منها الآن القيام بما هو أكثر من مجرد قياس الكهرباء؛ إذ يُطلب منها المشاركة في سجل رقمي، "بلوكشين" (Blockchain)، لإنشاء سجلات غير قابلة للتلاعب وتمكين التداول بين الأقران. هذه الوظيفة الجديدة ثقيلة حاسوبياً وتستهل طاقة كبيرة، مما يخلق صراعاً خطيراً: كيف يمكن لجهاز يجب عليه تقنين طاقة بقائه بدقة شديدة أن يؤدي أيضاً مهمة معقدة وحساسة أمنياً دون أن ينفد وقوده؟
لطالما عرف الباحثون كيفية إدارة الطاقة للمهام البسيطة مثل الاستشعار أو إرسال إشارة، لكنهم واجهوا صعوبة في تطبيق تلك القواعد على المتطلبات المعقدة وغير المتوقعة للمشاركة في "البلوكشين". غالباً ما كانت المحاولات السابقة تعامل الطاقة اللازمة لهذه المهام الرقمية كتكلفة ثابتة أو قاعدة جامدة، ففشلت في مراعاة حقيقة أن الشمس قد تشرق بسطوع في يوم ما، ثم تختفي خلف الغيوم في اليوم التالي. وبدون وسيلة لتعديل حجم العمل الرقمي الذي يحاول الجهاز القيام به ديناميكياً بناءً على احتياطياته الحالية من الطاقة، فإن النظام يخاطر إما بهدر الطاقة أو، والأسوأ من ذلك، بتسبب موت الجهاز وتوقفه عن العمل، مما يكسر أمن الشبكة بأكملها.
ولحل هذه المشكلة، طور فريق من الباحثين نظام تحكم جديداً يسمى "ENO-Chain". لقد نهجوا المشكلة عبر التعامل مع كثافة مشاركة الجهاز في "البلوكشين" ليس كإعداد ثابت، بل كقرص دوار مرن يمكن رفعه أو خفضه كل بضع دقائق. جوهر حلهم يتمثل في استراتيجية مكونة من جزأين. الجزء الأول هو حارس سلامة رياضي صارم يضمن عدم إنفاق الجهاز لطاقة أكثر مما جمعه بمرور الوقت. يعمل هذا الحارس مثل ميزانية مالية لا تسمح أبداً بنمو العجز، مما يضمن بقاء الجهاز على قيد الحياة بغض النظر عن مدى تقلب الطقس. أما الجزء الثاني فهو نظام تعلم يحاول أن يكون ذكياً، باستخدام توقعات الطقس قصيرة المدى لتقرير ما إذا كان بإمكانه رفع "القرص" بأمان للحصول على قيمة أكبر من "البلوكشين" قبل أن تغرب الشمس.
اختبر الباحثون هذا النظام في محاكاة حاسوبية مفصلة تحاكي عاماً كاملاً من تغيرات الطقس، من الأيام المشمسة المشرقة إلى فترات الغيوم وانخفاض الطاقة. وقارنوا نظامهم الجديد بالأسالب القديمة، بما في ذلك أسلوب يحاول القيام بالحد الأقصى من العمل طوال الوقت، وأسلوب آخر يستخدم جدولاً زمنياً ثابتاً ومعدلاً يدوياً. كشفت النتائج عن حقيقة مذهلة حول كيفية بناء هذه الأنظمة؛ فقد كان حارس السلامة الصارم وحده فعالاً بشكل ملحوظ، حيث حافظ على استمرار عمل الأجهزة مع صفر حالات فشل، حتى خلال أقسى الظروف الجوية، مع تحقيق أداء أفضل بكثير من الأساليب القديمة الثابتة. وفي الواقع، تفوق حارس السلامة وحده على النموذج المرجعي المعدل يدوياً بنسبة تقارب 21 بالمائة من حيث العمل المفيد المنجز.
ومع ذلك، فإن إضافة جزء "التعلم" إلى النظام لم يساعد دائماً. ففي كثير من الحالات، أدى طبقة التعلم — التي حاولت التنبؤ بالمستقبل لاستخراج أداء إضافي — إلى جعل الأمور أسوأ قليلاً؛ إذ تسببت في مخاطرة صغيرة ولكن حقيقية بنفاد طاقة الجهاز، وأدت أحياناً إلى تقليل إجمالي العمل المفيد مقارنة بعمل حارس السلامة بمفرده. ووجد الباحثون أن طبقة التعلم هذه لا تعمل جيداً إلا إذا تم تدريبها على مجموعة متنوعة من ظروف الطقس. فعندما تم تدريبها على طقس مختلط ثم اختبارها في أيام غائمة جداً أو باردة جداً، فشلت في التكيف بشكل صحيح، مما أثبت أن ذكاءها كان هشاً ومعتمداً على بيانات التدريب الخاصة بها.
كما درست الورقة البحثية كيف سيتصرف النظام إذا اتصلت آلاف الأجهزة في وقت واحد. ووجدوا أن الطريقة الجديدة كانت فعالة جداً في إدارة التنافس على المناصب المحدودة في شبكة "البلوكشين". وبينما كانت الأساليب القديمة تهدر العديد من المحاولات للانضمام إلى الشبكة، تعلم النظام الجديد التراجع عندما يكون الزحام شديداً أو التكلفة مرتفعة، مما يوفر الطاقة لوقت الحاجة الفعلية إليها. وظل هذا المستوى من الكفاءة مستقراً حتى مع نمو عدد الأجهزة من حفنة بسيطة إلى مئات.
في الختام، تخلص الورقة البحثية إلى أن الطريقة الأكثر موثوقية لتشغيل هذه الأجهزة التي تعتمد على حصاد الطاقة هي الاعتماد على حارس السلامة الرياضي الصارم. يمكن إضافة مكون التعلم لتحسين الأداء، ولكن فقط إذا تم اختباره بعناية لضمان عدم كسر ضمان السلامة. لقد أظهر الباحثون أنه في العالم الحقيقي، حيث الطقس غير متوقع والطاقة شحيحة، فإن النظام الذي يضمن عدم نفاد طاقته أكثر قيمة من النظام الذي يحاول أن يكون ذكياً ويفشل أحياناً. وتعد هذه الدراسة بمثابة درس تحذيري لمستقبل الشبكات الذكية: في عالم ذي موارد محدودة، ليست الخوارزمية الأكثر تطوراً هي الأفضل دائماً؛ بل أحياناً، المسار الأكثر موثوقية هو ذلك الذي يعرف ببساطة متى يتوقف.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.