Πηγή Εικόνας: απε - μπεΈνα νέο εργαλείο τεχνητής νοημοσύνης που αναπτύχθηκε από ερευνητές της Σχολής Μηχανικών FAMU-FSU και του Κέντρου Προηγμένων Συστημάτων Ενέργειας του Πανεπιστημίου της Φλόριντα θα μπορούσε να συμβάλει στη βελτίωση της αξιοπιστίας των ηλεκτρικών δικτύων και στη μείωση του λειτουργικού κόστους. Το σύστημα βελτιώνει τις προβλέψεις για τη ζήτηση ηλεκτρικής ενέργειας και την παραγωγή ενέργειας από ανανεώσιμες πηγές, παρέχοντας στους διαχειριστές των δικτύων καλύτερες πληροφορίες για την εξισορρόπηση της προσφοράς και της ζήτησης.
Καθώς όλο και περισσότερη ενέργεια από ΑΠΕ εισέρχεται στο δίκτυο, η διαχείριση γίνεται ολοένα και πιο δύσκολη. Η αβεβαιότητα στις προβλέψεις μπορεί να αναγκάσει τους διαχειριστές να διατηρούν είτε υπερβολικά υψηλά αποθέματα ισχύος, αυξάνοντας έτσι το κόστος, ή ανεπαρκή αποθέματα, αυξάνοντας τον κίνδυνο διακοπών ρεύματος. Το μοντέλο που αναπτύχθηκε από το FSU αντιμετωπίζει αυτή την πρόκληση καθώς εκλαμβάνει το ηλεκτρικό δίκτυο ως ένα συνδεδεμένο δίκτυο, προκειμένου να παράγει πιο ακριβείς προβλέψεις. Η έρευνα δημοσιεύθηκε στο περιοδικό IEEE Transactions on Network Science and Engineering.
Το σύστημα πρόβλεψης, που ονομάζεται GridFusionX, συνδυάζει πληροφορίες όπως η ιστορική ζήτηση ηλεκτρικής ενέργειας, η παραγόμενη ισχύς από ανανεώσιμες πηγές, οι τιμές της αγοράς ενέργειας και άλλα δεδομένα, προκειμένου να παράγει προβλέψεις και διαστήματα εμπιστοσύνης, βοηθώντας τους διαχειριστές να λειτουργούν το δίκτυο πιο αποτελεσματικά και με λιγότερη σπατάλη εφεδρικής ισχύος.
«Η έρευνά μας εξετάζει τα έξυπνα συστήματα ως ένα δυναμικό παζλ: κάθε παράγοντα, από τις διαφορετικές πηγές ενέργειας έως τις μεταβαλλόμενες απαιτήσεις στις πόλεις και τις μεταβαλλόμενες τιμές, καθώς και τον τρόπο με τον οποίο αυτοί οι παράγοντες συνδυάζονται», δήλωσε ο συν-συγγραφέας της μελέτης Tuy Nguyen, επίκουρος καθηγητής στο Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, όπως αναφέρεται σε σχετική ανακοίνωση. «Ό,τι συμβαίνει σε μια περιοχή μπορεί να επηρεάσει τις γειτονικές περιοχές, καθώς μοιράζονται δίκτυα ηλεκτρικής ενέργειας, καιρικά φαινόμενα και αγορές ενέργειας. Μέσω της συνεχούς ανάλυσης αυτών των στοιχείων, μπορούμε να προβλέψουμε τις ενεργειακές ανάγκες με μεγαλύτερη ακρίβεια και να προσαρμοστούμε ώστε να διασφαλίσουμε τόσο την αξιοπιστία όσο και την εξοικονόμηση.»
Πώς λειτουργεί το GridFusionX
Η κύρια καινοτομία του εργαλείου τεχνητής νοημοσύνης που αναπτύχθηκε στο πλαίσιο αυτής της έρευνας είναι η πολυτροπικότητα: η ικανότητα χρήσης πολλών πηγών πληροφοριών στις εκτιμήσεις. «Είτε πρόκειται για την πρόβλεψη της κατανάλωσης ηλεκτρικής ενέργειας, των κυκλοφοριακών ροών ή ακόμη και των καιρικών συνθηκών, η μείωση της αβεβαιότητας στις προβλέψεις μας μας επιτρέπει να λαμβάνουμε πιο έξυπνες και πιο ευέλικτες αποφάσεις που ωφελούν την καθημερινή ζωή», δήλωσε ο αναπληρωτής καθηγητής Olugbenga Moses Anubi, ένας από τους συν-συγγραφείς της μελέτης.
Το σύστημα χρησιμοποιεί ένα γραφικό νευρωνικό δίκτυο — μια μαθηματική αναπαράσταση συνδεδεμένων αντικειμένων — για να χαρτογραφήσει τον τρόπο με τον οποίο τα γεγονότα που συμβαίνουν σε μια περιοχή του ηλεκτρικού δικτύου μπορούν να επηρεάσουν τις γειτονικές περιοχές. Το εργαλείο καλύπτει ένα κρίσιμο κενό στις υπάρχουσες μεθόδους, παρέχοντας τόσο χωρικά συνδεδεμένες προβλέψεις όσο και μετρήσεις αβεβαιότητας.
Η ακρίβεια του μοντέλου επιτρέπει στους διαχειριστές του δικτύου να προγραμματίζουν τα αποθέματα με μεγαλύτερη αποτελεσματικότητα και να ανταποκρίνονται προληπτικά σε ξαφνικές αλλαγές, όπως αιχμές στη ζήτηση ή πτώσεις στην παραγωγή ενέργειας από ανανεώσιμες πηγές. Σε δοκιμές σε πραγματικές συνθήκες σε δέκα ευρωπαϊκές περιοχές, το GridFusionX βελτίωσε την ακρίβεια των προβλέψεων έως και 56% και μείωσε το κόστος των αποθεμάτων έως και 66%, διατηρώντας παράλληλα την αξιοπιστία της παροχής.
Γιατί έχει σημασία
Τα σημερινά δίκτυα ηλεκτρικής ενέργειας έχουν γίνει όλο και πιο περίπλοκα. Οι περιφερειακοί κόμβοι ηλεκτρικής ενέργειας συνδέονται όχι μόνο μέσω ηλεκτρολογικών γραμμών, αλλά και μέσω των οικονομικών μηχανισμών της αγοράς, των καιρικών συνθηκών και άλλων παραγόντων που επηρεάζουν την κατανάλωση ηλεκτρικής ενέργειας.
Το να γνωρίζουμε πόση ενέργεια απαιτείται και πότε απαιτείται αποτελεί ζήτημα προβλεψιμότητας. «Το κύριο όραμα είναι η τεχνολογική νοημοσύνη», δήλωσε ο αναπληρωτής καθηγητής Ravikumar Gelli. «Θέλουμε να βοηθήσουμε τους διαχειριστές των δικτύων ηλεκτρικής ενέργειας να εξισορροπήσουν την παραγωγή και το φορτίο και να βοηθήσουμε τους καταναλωτές να πληρώνουν λιγότερα. Αυτό είναι το όραμα που κρύβεται πίσω από αυτό.»
Ο επίκουρος καθηγητής Abdulrahman Takiddin ήταν επίσης συν-συγγραφέας αυτής της μελέτης. Το έργο υποστηρίχθηκε από τη Σχολή Μηχανικών του FAMU-FSU.
