به گزارش خبرنگار ایراسین، در سال‌های اخیر با افزایش مصرف برق در فصل گرما برق واحدهای صنعتی به دلیل کمبود این انرژی قطع می‌شود؛ اتفاقی که زیان‌های سنگینی به صنایع مختلف وارد می‌کند. امسال شرکت مدیریت شبکه برق ایران، گزارش داد که مصرف برق در تیرماه امسال به ۷۱ هزار و ۹۸۷ مگاوات رسید و رکود بی‌سابقه‌ای را ثبت کرد.

زهیر مرشدی، مدیر راهکارهای اینترنت اشیا فناپ زیرساخت در گفت‌وگو با ایراسین با اشاره اینکه الزامات زیست‌محیطی و ضرورت تولید فولادسبز از یک سو و کاهش هزینه‌ها و افزایش علاقه سرمایه‌گذاران به تولید انرژی‌های تجدیدپذیر آینده از سوی دیگر، صنعت فولاد را بیش از پیش به انرژی برق وابسته می‌کند، درباره ریشه‌های کمبود برق گفت: به‌جز قیمت انرژی و مصرف خارج از الگوی مشترکان صنعتی و خانگی عوامل دیگری همچون پایین‌بودن بهره‌وری نیروگاه‌ها، مسئله برق‌دزدی در طول خطوط توزیع، فرسوده بودن بخش بزرگی از زیرساخت‌های ذخیره‌سازی و انتقال انرژی کشور و... در کمبود برق تاثیر دارند.

وی با بیان اینکه برای حل این‌دست چالش‌ها ابتدا باید بفهمیم اتلاف برق کجا و چگونه اتفاق می‌افتد، تصریح کرد: برای این منظور اینترنت اشیای صنعتی و هوش مصنوعی بکار می‌آیند. در گام نخست نیازمند اینترنت اشیا هستیم تا داده‌ها را از همه اشیای متصل جمع‌آوری کند و در گام دوم هوش مصنوعی با تجزیه و تحلیل مجموعه بزرگی از داده‌ها می‌تواند به بهینه‌سازی مصرف انرژی کمک و در ساعات اوج مصرف آن را مدیریت کند. هوش‌مصنوعی همچنین می‌تواند مشکلات را شناسایی کند، هشدار دهد و خرابی تجهیزات را پیش از وقوع تشخیص دهد.

مرشدی ادامه داد: هوش مصنوعی به ارتقای بهره‌وری انرژی در نیروگاه‌ها، شبکه‌توزیع برق و مصرف‌ صنعتی و تجاری کمک می‌کند و در پیش‌بینی انرژی، مدیریت انرژی، ذخیره انرژی‌های تجدیدپذیر و توسعه پایدار در آینده نقش تعیین‌کننده‌ای دارد.

گذار به رویکرد داده‌محور در حوزه انرژی

وی افزود: اما تا امروز، بیشتر تلاش‌های انتقال انرژی روی سخت‌افزار متمرکز بوده و سرمایه‌گذاری کمی روی داده‌ها و فناوری‌های دیجیتال نسل آینده، به‌ویژه هوش مصنوعی انجام شده است.

مدیر راهکارهای اینترنت اشیا فناپ زیرساخت گفت: استفاده از منابع انرژی تجدیدپذیر باعث رشد سریع تولید برق، ذخیره‌سازی و پاسخگویی پیشرفته به تقاضا می‌شود. البته این روندها چالش‌های راهبردی و عملیاتی بزرگی را برای صنایع انرژی‌بَر از جمله صنعت فولاد ایجاد می‌کند. اینجاست که رویکرد داده‌محور و بهره‌گیری از فناوری‌هایی چون اینترنت اشیای صنعتی و هوش مصنوعی برای ایجاد هماهنگی هوشمند در تولید، انتقال و استفاده از انرژی، نقش تعیین‌کننده‌ای پیدا می‌کنند. همچنین، با افزایش غیرمتمرکز و دیجیتالی‌شدن شبکه برق، مدیریت تعداد زیادی از شرکت‌کنندگان در شبکه و حفظ تعادل شبکه دشوارتر می‌شود. بنابراین، به ارزیابی و تجزیه و تحلیل سیل داده‌ها نیاز است که کلان داده و هوش مصنوعی به پردازش سریع و کارآمد این داده‌ها کمک می‌کند.

راهکارهای فناورانه برای مدیریت هوشمند شبکه انرژی

مرشدی بیان کرد: روند کنونی نشان می‌دهد در بلند مدت مصرف انرژی افزایش فزاینده‌ای پیدا می‌کند و این حجم از تقاضای انرژی با وجود کمبود منابع، نگران‌کننده است، ازهمین‌رو بکارگیری سیستم‌های مدیریت انرژی هوشمند ضروری است.

وی ادامه داد: هم‌اکنون در برخی کشورها، استفاده از «شبکه هوشمند» برای پاسخگویی به مشکلات انتقال برق، به‌عنوان یک هدف سیاست ملی تعریف شده است. برای مثال، وزارت انرژی امریکا از سال ۲۰۱۰ میلادی، ۴.۵ میلیارد دلار در زیرساخت‌های شبکه هوشمند سرمایه‌گذاری کرده و بیش از ۱۵ میلیون کنتور هوشمند نصب کرده است. شبکه هوشمند به کمک کنتور هوشمند بر مصرف انرژی هر دستگاه نظارت می‌کند و به شرکت‌های برق در مورد خاموشی‌های محلی هشدار می‌دهد.

مدیر راهکارهای اینترنت اشیا فناپ زیرساخت اظهار داشت: راهکارهای هوش مصنوعی در قالب کنتورهای هوشمند به مشترکان صنعتی و خانگی کمک می‌کند تا مصرف انرژی را کنترل کنند و زمان اوج مصرف را حداقل تا پنج درصد کاهش دهند.

وی افزود: هوش مصنوعی که اساس این شبکه هوشمند است، پیوسته مقادیر قابل توجهی از داده‌ها را به کمک فناوری اینترنت اشیا از میلیون‌ها حس‌گر هوشمند در سراسر شبکه جمع‌آوری و ترکیب می‌کند تا تصمیم‌های به‌هنگام در مورد بهترین نحوه تخصیص منابع انرژی اتخاذ شود.

اثرات هوشمندسازی شبکه برق در بخش تقاضا

مرشدی بیان کرد: یکی از کاربردهای اصلی هوش مصنوعی و اندازه‌گیری هوشمند در شبکه برق، بهینه‌سازی تولید، انتقال و توزیع انرژی با استفاده از تجزیه و تحلیل پیشرفته و الگوریتم‌های یادگیری ماشین است. این الگوریتم‌ها می‌توانند از داده‌های جمع‌آوری‌شده از کنتورهای هوشمند و سایر حس‌گرها برای پیش‌بینی تقاضا و عرضه برق، تنظیم جریان برق و کاهش تلفات و کاهش هزینه‌های شبکه استفاده کنند. به‌عنوان مثال، گوگل از هوش مصنوعی برای کاهش مصرف انرژی مراکز داده خود با استفاده از کنتورهای هوشمند و یادگیری ماشین برای بهینه‌سازی سیستم‌های خنک کننده استفاده کرده است. مثال دیگر پروژه اروپایی «شبکه هوشمند» است که هدف آن استفاده از هوش مصنوعی و اندازه‌گیری هوشمند برای هماهنگی عملکرد اپراتورهای سیستم انتقال و اپراتورهای سیستم توزیع با هدف ادغام منابع انرژی تجدیدپذیر بیشتر و تولید توزیع شده در شبکه است.

مدیر راهکارهای اینترنت اشیا فناپ زیرساخت توضیح داد: یکی دیگر از کاربردهای هوش مصنوعی و اندازه‌گیری هوشمند در شبکه برق، با استفاده از کنتورهای هوشمند، تعادل عرضه و تقاضای برق در زمان واقعی، پاسخ تقاضا و قیمت‌گذاری پویا است. این سازوکارها می‌توانند از داده‌های جمع‌آوری شده از کنتورهای هوشمند و سایر دستگاه‌ها برای تنظیم مصرف یا تولید با توجه به شرایط شبکه و قیمت‌ها استفاده کنند. بعنوان مثال، شرکت امریکایی انرژی PG & E یک برنامه پاسخ به تقاضا به‌نام SmartRate را اجرا کرده است که از کنتورهای هوشمند و قیمت‌گذاری پویا با هدف تشویق مشتریان برای کاهش مصرف برق در ساعات اوج استفاده می‌کند.

اثرات هوشمندسازی شبکه برق در بخش عرضه

وی افزود: یکی دیگر از مزایای استفاده از هوش مصنوعی و اندازه‌گیری هوشمند در شبکه برق، افزایش ادغام منابع انرژی تجدیدپذیر، تولید پراکنده، ذخیره‌سازی و ... است. این منابع می‌توانند راهکارهای انرژی پاک و انعطاف‌پذیری را برای شبکه فراهم کنند، اما خود با چالش‌هایی مانند تنوع و عدم اطمینان از میزان برق تولیدی به‌دلیل ماهیت انرژی‌های تجدیدپذیر و پاک مواجه هستند. هوش مصنوعی و اندازه‌گیری هوشمند می‌تواند با استفاده از تحلیل داده‌ها و یادگیری ماشین به هماهنگی عملکرد این منابع و اطمینان از قابلیت اعتماد و پایداری آنها کمک کند. به عنوان مثال، IBM سیستمی به‌نام HyREF را توسعه داده است که از هوش مصنوعی و اندازه‌گیری هوشمند برای پیش‌بینی خروجی برق تولیدی مزرعه‌های بادی و خورشیدی بر پایه داده‌های آب و هوایی و اطلاعات دریافتی از حس‌گرها استفاده می‌کند.

مرشدی اذعان کرد: از کاربردهای دیگر هوش مصنوعی و اندازه‌گیری هوشمند در شبکه برق، افزایش انعطاف‌پذیری و قابلیت اطمینان شبکه با شناسایی و جلوگیری از خطاها، قطعی برق و حملات سایبری است. هوش مصنوعی و اندازه‌گیری هوشمند می‌توانند با نظارت دائم بر شرایط شبکه، به شناسایی هرگونه ناهنجاری یا تهدید و اقدامات اصلاحی کمک کنند. به عنوان مثال، زیمنس سیستمی به‌نام Grid Diagnostic Suite را توسعه داده است که از هوش مصنوعی و اندازه‌گیری هوشمند برای تجزیه و تحلیل داده‌ها از منابع مختلف مانند ترانسفورماتور، قطع‌کننده مدارها و غیره برای تشخیص هر گونه خطا یا خرابی در اجزای شبکه استفاده می‌کند. یک مثال دیگر پلتفرم Azure Defender for IoT مایکروسافت است که یک پلتفرم مبتنی بر هوش مصنوعی است که از کنتورهای هوشمند و دستگاه‌های دیگر برای محافظت از شبکه در برابر حملات سایبری با شناسایی هرگونه فعالیت مخرب یا آسیب‌پذیری استفاده می‌کند.

پیش‌نیازهای اثربخشی کنتورهای هوشمند

مرشدی در پایان خاطر نشان کرد: البته اثربخشی کامل هوش مصنوعی و کنتورهای هوشمند به عوامل مختلفی مانند طراحی فنی، چهارچوب قانونی، مدل کسب و کار، تعامل مصرف‌کننده، زمینه‌سازی اجتماعی و فرهنگسازی بستگی تام دارد.