Transformation of Smart Power Grids with Artificial Intelligence: Challenges, Opportunities, and Future Outlook

كانت الكهرباء التي تغذي منازلنا ومدننا تتدفق ذات يوم في مجرى بسيط أحادي الاتجاه من محطات طاقة ضخمة إلى مستهلكين سلبيين. إن هذا النظام يتغير الآن؛ إذ يتطور الشبكة الحديثة لتصبح "شبكة ذكية"، وهي شبكة تستخدم المستشعرات والاتصالات الرقمية للتواصل في الاتجاه المعاكس، وتعديل تدفق الطاقة في الوقت الفعلي لتتناسب تماماً مع ما هو مطلوب. هذا التحول ضروري لأننا نعتمد بشكل متزايد على مصادر الطاقة المتجددة مثل الرياح والشمس، والتي لا تنتج الطاقة بشكل مستمر بل في هيئة نبضات متقطعة اعتماداً على حالة الطقس. وللحفاظ على استمرار الإضاءة عندما تهدأ الرياح أو تتلبد السماء بالغيوم، يجب أن تصبح الشبكة مرنة للغاية، بحيث تتنبأ بالطلب وتوازن العرض بسرعة ودقة لا يمكن للمشغلين البشريين تحقيقها بمفردهم. وهنا يأتي دور الذكاء الاصطناعي، ليعمل كمجموعة قوية من الأدوات التي يمكنها التعلم من كميات هائلة من البيانات لاتخاذ قرارات في أجزاء من الثانية حول كيفية تشغيل النظام بأكيمله.

تستكشف دراسة حديثة أجراها سيد عناية الله علوي من جامعة شهيد شمرام في الأهواز كيف تعمل هذه الأنظمة الذكية على تغيير طريقة إدارتنا للكهرباء. لا تكتفي هذه الدراسة بالنظر في الجانب النظري فحسب، بل تبحث في كيفية تطبيق أنواع محددة من الذكاء الاصطناعي، ولا سيما التعلم العميق وتقنيات التحسين، لحل أصعب المشكلات التي تواجه الشبكة اليوم. وقد راجع المؤلف مجموعة واسعة من الأبحاث عالية التأثير المنشورة بين عامي 2018 و2025، ونظم النتائج في ثلاثة مجالات رئيسية: التنبؤ بكمية الطاقة التي سيستخدمها الناس، وإدارة كيفية توزيع تلك الطاقة واستهلاكها، وحماية النظام من التهديدات السيبرانية. وتشير الدراسة إلى أنه باستخدام نماذج حاسوبية متقدمة، يمكننا جعل الشبكة أكثر كفاءة وموثوقية وقدرة على التعامل مع الطبيعة غير المتوقعة للطاقة الخضراء.

تعد إحدى المهام الأكثر حرجاً للشبكة الذكية هي معرفة مقدار الكهرباء المطلوبة بدقة في أي لحظة، وهذا ما يسمى بالتنبؤ بالحمل. لسنوات طويلة، حاولت النماذج الحاسوبية القياسية تخمين الطلب المستقبلي بناءً على الأنماط الماضية، لكن هذه الأساليب غالباً ما تعاني عندما تكون البيانات مشوشة أو عندما تغيب قراءات المستشعرات. وتسلط الورقة الضوء على أن النماذج الأحدث والأكثر تطوراً، وتحديداً تلك المعروفة بشبكات الذاكرة الطويلة قصيرة المدى (Long Short-Term Memory)، هي أفضل بكثير في أداء هذه المهمة. فهذه الأنظمة يمكنها تذكر تسلسلات طويلة من الأحداث ورصد الأنماط المعقدة التي قد تغفل عنها النماذج الأبسط. وعندما دمج الباحثون هذه النماذج القائمة على الذاكرة مع تقنيات أخرى تنظر في الأنماط المكانية، تحسنت دقة التنبؤات بشكل كبير. وتسمح هذه الدقة لمشغلي الشبكة بالاستعداد لأوقات الذروة، مما يقلل من الضغط على النظام ويمنع انقطاع التيار الكهربائي.

بمجرد أن تعرف الشبكة حجم الطلب، يجب عليها تحديد كيفية تلبية هذا الطلب بكفاءة، وهنا يأتي دور الاستجابة للطلب. تقليدياً، حاولت شركات المرافق إدارة الطلب المرتفع عبر تقديم حوافز أسعار ثابتة لتشجيع الناس على استخدام طاقة أقل خلال الساعات المزدحمة. ومع ذلك، فإن السلوك البشري غير متوقع، وغالباً ما تفشل القواعد الثابتة في التكيف مع التغييرات في الوقت الفعلي. وتشير الدراسة إلى أن الذكاء الاصطناعي، وتحديداً طريقة تسمى "التعلم التعزيزي"، يقدم نهجاً أكثر ذكاءً؛ فبدلاً من اتباع سيناريو جامد، تتعلم هذه الأنظمة من خلال التفاعل مع الشبكة، وتعدل الأسعار والحوافز باستمرار بناءً على ما يحدث في اللحظة الراهنة. وفي عمليات المحاكاة، أظهر هذا النهج التكيفي القدرة على تحسين الكفاءة بنسبة تزيد عن 25 بالمائة، مما يؤدي فعلياً إلى تسوية قمم وقيعان استخدام الكهرباء دون الحاجة إلى معرفة رد فعل كل مستهلك بدقة.

تمتد فوائد هذه الأنظمة الذكية لتصل إلى مستوى المنزل الفردي؛ حيث يمكن للأجهزة الذكية وجدولة الطاقة المنزلية الآن أن تقرر متى يتم تشغيل الغسالة أو شحن السيارة الكهربائية بناءً على وقت وفرة الطاقة الشمسية وانخفاض تكلفة الكهرباء. وتشير الأبحاث إلى أن الانتقال من الجداول الزمنية البسيطة والثابتة إلى التخطيط الديناميكي المدفوع بالذكاء الاصطناعي يمكن أن يقلل فواتير الطاقة المنزلية بنسبة تصل إلى 25 بالمائة. علاوة على ذلك، تساعد هذه الأنظمة أصحاب المنازل على استخدام المزيد من طاقتهم المتجددة، مثل الألواح الشمسية على الأسطح، من خلال مواءمة استهلاكهم مع جدول حركة الشمس. وهذا لا يوفر المال فحسب، بل يقلل أيضاً من الحاجة إلى الاعتماد على الشبكة الرئيسية خلال الأوقات الحرجة.

ولضمان عمل الشبكة بأكملها معاً بسلاسة، بحثت الدراسة أيضاً في تقنيات التحسين التي تعمل بمثابة مراقب حركة المرور للكهرباء. تُستخدم خوارزميات تُعرف باسم "تحسين سرب الجسيمات" (Particle Swarm Optimization) لإدارة تدفق الطاقة، وتنظيم الجهد وتقليل الهدر أثناء انتقال الكهرباء عبر الخطوط. وبخلاف الأساليب القديمة التي ركزت فقط على التكلفة، يجب أن توازن هذه الأدوات الجديدة المدفوعة بالذكاء الاصطناعي بين أهداف متعددة في آن واحد، مثل الحفاظ على استقرار الجهد وضمان عدم ارتفاع حرارة الأسلاك. ومن خلال دمج هذه الخوارزميات مع القوانين الفيزيائية التي تحكم الكهرباء، يمكن للأنظمة اتخاذ قرارات ليست كفؤة فحسب، بل آمنة وممكنة من الناحية الفيزيائية أيضاً.

إن التأثير الواقعي لهذه التقنيات يُلمس بالفعل في كل من المدن والمناطق الريفية. ففي مشروع حضري كبير، أدى الجمع بين التنبؤ المتقدم والتحسين إلى تقليل خسائر الطاقة بنسبة 18 بالمائة وخفض ذروة الطلب بنسبة 20 بالمائة، مع تعزيز الموثوقية العامة للشبكة. وفي المناطق الريفية، حيث يمكن أن يكون الاتصال بالشبكة الرئيسية صعباً، ساعدت هذه الأنظمة الذكية في زيادة استخدام الطاقة المتجددة من 40 بالمائة إلى 70 بالمائة. وقد سمح هذا التحول للمجتمعات بالاعتماد بشكل أقل على الوقود الأحفوري التقليدي وقلل من عدد انقطاعات التيار الكهربائي التي تعرضت لها سنوياً.

ومع ذلك، فإن جعل الشبكة أكثر ذكاءً يستحدث مخاطر جديدة؛ إذ إن ربط ملايين الأجهزة بالإنترنت يخلق فرصاً للمخترقين لحقن بيانات كاذبة أو تعطيل النظام. وتشير الورقة إلى أن المجال ينتقل من أنظمة الأمن المركزية نحو نهج أكثر توزيعاً يسمى "التعلم الاتحادي" (Federated Learning). وتسمح هذه الطريقة للشبكة باكتشاف الشذوذ والهجمات المحتملة في الوقت الفعلي دون المساس بخصوصية بيانات المستخدمين الأفراد. ويمثل هذا تحولاً حاسماً في كيفية حماية البنية التحتية الحيوية، مما يضمن ألا يصبح ذكاء الشبكة هو نقطة ضعفها.

في الختام، تخلص الدراسة إلى أن دمج الذكاء الاصطناعي ليس مجرد ترقية بل هو ضرورة لمستقبل الطاقة. فمن خلال الجمع بين النماذج التنبؤية، والتحكم التكيفي، والأمن القوي، تمهد هذه التقنيات الطريق لنظام طاقة مرن ومستدام وقادر على التعامل مع تعقيدات عالم متغير. وتشير النتائج إلى أنه بينما تظل التحديات قائمة، فإن المسار واضح: شبكة أكثر ذكاءً، مدفوعة بالبيانات وموجهة بخوارميات ذكية، هي المفتاح لمستقبل طاقة آمن وأخضر.