پیش‌بینی بار شبکه برق با استفاده از کنتورهای هوشمند و هوش مصنوعی

پیش‌بینی بار الکتریکی به دلیل پیچیدگی و تغییرپذیری و میزان استفاده هنوز هم یک چالش است. با پیشرفت‌های اخیر اینترنت اشیا (IoT)، کنتورهای هوشمند و پیش‌بینی آب‌وهوا با استفاده از یادگیری ماشین (ML)، توانایی تجزیه‌وتحلیل الگوهای استفاده و برآورد نیازهای آینده برای کمک به تعادل شبکه برق به وجود آمده است.

کمپانی‌های برق ادعا می‌کنند که باید تمام بار برق مورد نیاز خود را برای همیشه در اختیار مصرف‌کنندگان قرار دهند. این تئوری بدان معنی است که شبکه برق آماده است تا صد در صد بار 24/7 را تحمل کند اما در واقعیت اینگونه نیست.

دو عامل مهم روند آماده‌سازی برای ایجاد اختلال در شبکه برق را دشوارتر می‌کند: تغییرات آب و هوایی و افزایش انرژی‌های تجدیدپذیرها نظیر باد و انرژی خورشیدی.

در تاریخ 4 سپتامبر سال 2008 درست قبل از ساعت 5 بعد از ظهر، یک لایه ضخیم از ابرها در منطقه آلاموسا در ایالت کلرادو در سراسر آسمان پراکنده شدند. پنج دقیقه بعد افت سریع 81 درصدی برق در مزرعه خورشیدی رخ داد.

استفاده از نیروگاه‌های سوخت فسیلی دولت را قادر می‌سازد تا برنامه‌ریزی‌های خود را انجام دهد و بر اساس تقاضا میزان مصرف انرژی را تنظیم كنند. اگر به نیروی بیشتری احتیاج داشته باشیم واحد دیگری را راه‌اندازی می‌کنیم. اما میزان برق به دست آمده از انرژی باد و خورشید، کاملاً به تغییرات آب و هوا بستگی دارد.

افزایش دما در سراسر جهان، ناشی از تغییرات آب و هوا است و فشارهای بیشتری را به شبکه‌های برق وارد می‌کند. دکتر گرتچن باکک در کتاب پرفروش خود استدلال می‌کند که "شبکه خورشیدی ضعیف‌ترین نوع شبکه است و برای قدرت مدرن ساخته نشده است. در بیشتر کشورهای صنعتی ستون فقرات شبکه‌های برق بیش از 50 سال قدمت دارند."

شبکه هوشمند

با این حال یکی دیگر از عوامل مهم ارزیابی داده‌های ارزشمند در زمان واقعی برای کاربر کنتور هوشمند است. کنتورهای هوشمند برای ضبط و بارگذاری داده‌های الکتریکی با سنسورهای ویژه طراحی شده که قابلیت استفاده در IoT را دارند. این کنتورها در هر واحد مصرف برق مستقر شده و اطلاعات خود را با مراکز کنترل محلی به اشتراک می‌گذارند.

اغلب کنتورهای هوشمند نه تنها دارای ارتباط دو طرفه هستند بلکه مجهز به سنسورهایی هستند که می‌توانند داده‌های مربوط به فاکتورهای مربوطه از جمله فرکانس‌های مورد استفاده توسط تجهیزات و وسایل مختلف را جمع‌آوری کنند. به عنوان مثال می‌توانند تعیین کنند که آیا کسی از مایکروویو یا واحد تهویه مطبوع استفاده می‌کند یا خیر.

از آنجا که اغلب کنتورهای هوشمند از خط تغذیه به عنوان خط داده استفاده می‌کنند و نیازی به نصب زیرساخت‌های اضافه در شبکه نیست و هزینه‌های استقرار کاهش می‌یابد.

اتحادیه اروپا موظف شده است كه تا پایان سال 2018 ، همه خانوارها و مشاغل اروپایی مجهز به کنتورهای هوشمند باشند تا کاربران بتوانند به داده‌های جمع‌آوری شده توسط شرکت‌های خدمات رسان دسترسی پیدا کنند. بیشتر خانوارهای اروپایی بیش از چهار سال است که کنتورهای هوشمند را نصب‌کرده‌اند و داده‌های ارزشمندی را در اختیار شرکت‌های خدماتی و آژانس‌های دولتی قرار می‌دهند.

پیش از این شرکت‌های برق فقط بر اساس داده‌های ایستگاه‌های فرعی تأمین نیرو می‌توانستند حدس بزنند که چه نوع کاربری در یک منطقه خاص انجام شده است.

قدرت داده‌های حسگر و یادگیری ماشین

اکنون ترکیبی از داده‌های به دست آمده در زمان واقعی و داده‌های هیستوری از کنتورهای هوشمند با خدمات لبه (Edge)، رایانشابری و یادگیری ماشین، می‌تواند بینش و پیش‌بینی جدیدی ارائه دهد.

در سال 2015 شرکت IBM و وزارت انرژی ایالات‌متحده از الگوی آب و هوایی خودآموزشی IBM واتسون برای بهبود پیش‌بینی‌های خورشیدی و باد استفاده کردند.

با استفاده از داده‌های شبکه‌های سنسور، ایستگاه‌های هواشناسی محلی، مطالعات حرکت ابری، ماهواره‌ها و سایر مدل‌های پیش‌بینی هوا ،پلتفرم SMT شرکتIBM به طور مداوم پیش‌بینی‌های خورشیدی و باد را بهبود می‌بخشد و تا مناطق 5 کیلومتری را پیش‌بینی می‌کند.

دکتر سیوان لو از پژوهشگران فیزیک IBM در این باره گفت: "با آموزش مداوم شبکه با استفاده از سوابق داده‌ها از هزاران ایستگاه هواشناسی و اندازه‌گیری داده‌های در زمان واقعی، پیش‌بینی تعدادی از مدل‌های هواشناسی با اطلاعات جغرافیایی و داده‌های دیگر برای تولید دقیق‌تر پیش‌بینی‌ها از چند دقیقه تا هفته‌های آینده ترکیب می‌شود."

برنامه‌ها و الگوهای پیش‌بینی‌های هوا و داده‌های جمع‌آوری شده از کنتورهای هوشمند هم‌اکنون می‌توانند ترکیب بهینه انرژی مورد نیاز برای تأمین هر بخش از شبکه با توان مورد نیاز برای تأمین تقاضا را پیش‌بینی کنند.