به گزارش تیکنا، پیچیدگی و پویایی نظام انرژی جهانی که با روندهای فزاینده دیجیتالی‌سازی، اتصال‌پذیری و تمرکززدایی همراه است، نه تنها ماهیت تولید، انتقال و مصرف انرژی را متحول کرده بلکه فشارهای ناشی از تغییرات اقلیمی، الزامات کاهش انتشار و افزایش تقاضا را نیز تشدید کرده است.
بر اساس گزارش منتشر شده از سوی آژانس بین‌المللی انرژی این شرایط موجب شده تا شرکت‌های فعال در حوزه انرژی، از صنایع بزرگ جهانی تا اپراتورهای شبکه‌های محلی به صورت گسترده به بهره‌گیری از هوش مصنوعی برای ارتقای کارایی، کاهش هزینه‌ها، افزایش ایمنی و کاهش انتشار آلاینده‌ها روی آورند. این فناوری با بهره‌گیری از توان پردازشی فوق‌العاده و الگوریتم‌های یادگیری پیشرفته، قادر است نه تنها بهره‌وری عملیاتی را در سطحی بی‌سابقه افزایش دهد، بلکه مسیر نوآوری را در حوزه انرژی تسریع بخشد و امکان مدیریت دقیق‌تر چالش‌های ساختاری همچون ناترازی انرژی را فراهم آورد.
همچنین به نظر می‌رسد فناوری هوش مصنوعی در بستر ایران که با پدیده ناترازی انرژی ناشی از مصرف بالای داخلی، فرسودگی زیرساخت‌ها و محدودیت ظرفیت تولید در برخی فصول مواجه است نیز می‌تواند با بهینه‌سازی الگوهای تولید و مصرف، پیش‌بینی هوشمند تقاضا، مدیریت بار در ساعات اوج و ادغام هوشمند منابع تجدیدپذیر، به کاهش فشار بر شبکه و افزایش تاب‌آوری آن کمک کند.
خبرنگار مهر در این نوشتار کوتاه به مرور برخی از کاربردهای این فناوری نوظهور در حوزه مدیریت انرژی برق می‌پردازد. چنین کاربست‌هایی، در صورت همراهی با اصلاحات ساختاری و توسعه زیرساخت دیجیتال، می‌تواند به کاهش اتلاف انرژی، بهبود امنیت عرضه و ارتقای بهره‌وری ملی بینجامد.
صرفه جویی ۱۱۰ میلیارد دلاری در صنعت برق
صنایع نفت و گاز به عنوان پیشگامان استفاده از فناوری‌های نوین، از دو دهه پیش به بهره‌گیری از سامانه‌های پردازش داده‌های زیرسطحی، شبیه‌سازی دقیق مخازن، کنترل و پایش از راه دور، نگهداری پیش‌بینانه تجهیزات، پایش هوشمند نشت‌ها و خودکارسازی مراحل حساس تولید و انتقال پرداخته‌اند. این رویکرد، همراه با رشد شتابان ظرفیت ابررایانه‌ها با نرخ سالانه نزدیک به ۷۰ درصد، بستری بی‌رقیب برای استقرار مدل‌های پیشرفته هوش مصنوعی ایجاد کرده است. چنین بستر پردازشی، امکان تحلیل آنی حجم عظیمی از داده‌های لرزه‌نگاری، فشار و دمای مخازن و عملکرد تجهیزات را فراهم می‌کند و دقت تصمیم‌گیری را به شکل قابل‌توجهی ارتقا می‌دهد.
بر اساس برآوردهای صورت گرفته از سوی کارشناسان آژانس بین‌المللی انرژی، در بخش برق، بهره‌گیری از هوش مصنوعی در بهره‌برداری، پایش وضعیت و نگهداری نیروگاه‌ها می‌تواند تا سال ۲۰۳۵ سالانه تا ۱۱۰ میلیارد دلار صرفه‌جویی مستقیم هزینه‌ای حاصل از کاهش مصرف سوخت و کاهش هزینه‌های تعمیرات به همراه داشته باشد.
همچنین، این فناوری با بهینه‌سازی مدیریت شبکه و بارگذاری خطوط، امکان ادغام گسترده‌تر منابع تجدیدپذیر در سیستم را فراهم می‌آورد؛ به گونه‌ای که تا ۱۷۵ گیگاوات ظرفیت اضافی انتقال در خطوط موجود آزاد شود. این افزایش ظرفیت می‌تواند به‌ویژه در کشورهایی همچون جمهوری اسلامی ایران که با محدودیت توسعه خطوط جدید و نیاز فوری به بهینه‌سازی بهره‌برداری از زیرساخت‌های موجود مواجه هستند، اهمیت دوچندان داشته باشد.
کاربردهای هوش مصنوعی در بخش‌های مصرف نهایی نیز دامنه گسترده‌ای را در بر می‌گیرد. در صنایع سبک، همچون تولید الکترونیک و ماشین‌آلات، این فناوری قادر است تا سال ۲۰۳۵ حدود ۸ درصد صرفه‌جویی انرژی ایجاد کند که در مقیاس ملی، به معنای کاهش قابل‌توجه مصرف سوخت‌های فسیلی و فشار بر شبکه است.
از سوی دیگر، در بخش حمل‌ونقل نیز بهینه‌سازی عملکرد ناوگان خودروها، کاهش ردپای کربنی، به‌ویژه در مسیرهای طولانی، از جمله دستاوردهای عملیاتی فناوری مذکور به شمار می‌رود. در ساختمان‌ها، اگرچه محدودیت در سرعت دیجیتالی‌سازی مانع بهره‌برداری کامل از پتانسیل موجود است، اما نمونه‌های موفق در بهبود بهره‌وری و اجرای برنامه‌های پاسخ‌گویی هوشمند به تقاضا نشان داده که این حوزه ظرفیت بالایی برای کاهش ناترازی انرژی دارد. افزون بر این، پژوهش‌های صورت گرفته نشان می‌دهند که دقت پیش‌بینی‌های آب‌وهوایی که برای برنامه‌ریزی و تاب‌آوری شبکه‌های انرژی حیاتی است، با استفاده از مدل‌های هوش مصنوعی بهبود یافته و نیاز به توان پردازشی نیز کاهش یافته است.
کارشناسان معتقدند که با وجود این ظرفیت‌ها، موانعی همچون ضعف مقررات حمایتی، کمبود دسترسی به داده‌های جامع و باکیفیت، مشکلات سازگاری و یکپارچگی سامانه‌ها، شکاف‌های جدی مهارتی و محدودیت‌های زیرساخت دیجیتال، سرعت و دامنه پیاده‌سازی را محدود می‌کنند. از همین روی، می‌توان نتیجه گرفت که رفع این موانع، استفاده از کلان داده‌ها و تنظیم‌گری مناسب در ایران، شرط لازم برای بهره‌گیری از این فرصت‌ها در کاهش ناترازی و ارتقای تاب‌آوری سیستم انرژی است.
هوش مصنوعی به مثابه شتاب‌دهنده نوآوری انرژی
نوآوری فناورانه در بخش انرژی، مسیری طولانی و پرچالش از مرحله شکل‌گیری ایده تا تجاری‌سازی و پذیرش گسترده در بازار را طی می‌کند. بسیاری از فناوری‌های بنیادین حوزه انرژی، از موتورهای احتراق داخلی گرفته تا سلول‌های خورشیدی، دهه‌ها زمان نیاز داشته‌اند تا از نمونه اولیه به مقیاس صنعتی برسند؛ اما امروز، این زمان‌بندی می‌تواند به‌شکل چشمگیری با بهره‌گیری از هوش مصنوعی کوتاه شود. این فناوری در حوزه پزشکی توانسته است فرآیند کشف ساختارهای سه‌بعدی پروتئین‌ها را ۴۵ هزار برابر سریع‌تر کند؛ ظرفیتی که می‌تواند در بخش انرژی نیز به کشف و توسعه مواد پیشرفته، طراحی بهینه سامانه‌های تولید و انتقال، و بهبود چرخه عمر تجهیزات منتقل شود.
با این حال، داده‌های موجود نشان می‌دهد که سهم هوش مصنوعی در نوآوری‌های ثبت‌شده بخش انرژی همچنان بسیار محدود است؛ تنها حدود ۱ درصد از پتنت‌های این حوزه به کاربرد بخش انرژی دلالت دارند و ۲/۳ درصد از استارتاپ‌های انرژی مدل کسب‌وکار خود را بر پایه این فناوری بنا کرده‌اند. این سهم، در مقایسه با حوزه‌هایی مانند علوم زیستی (۷ درصد) و کشاورزی (۴/۳ درصد)، پایین است. این در حالی است که بخش بزرگی از چالش‌های نوآوری انرژی، از شناسایی و ترکیب مواد جدید مانند پروسکایت‌های پایدار برای سلول‌های خورشیدی که می‌توانند هزینه و فضای مورد نیاز را کاهش دهند تا ادغام فناوری‌های نو در زنجیره‌های پیچیده تأمین صنعتی، دقیقاً با قابلیت‌های تحلیلی، یادگیری و پیش‌بینی هوش مصنوعی هم‌راستا هستند. برای نمونه، یک کارخانه تولید باتری می‌تواند روزانه تا ۱۰ میلیارد نقطه داده از فرایندهای تولید، آزمایش و کنترل کیفیت ثبت کند که تحلیل این حجم داده با مدل‌های پیشرفته هوش مصنوعی، امکان شناسایی سریع نقص‌ها، پیش‌بینی عملکرد در شرایط مختلف و کاهش ریسک‌های فنی و مالی توسعه فناوری را فراهم می‌سازد.
هوش مصنوعی، به‌عنوان یک نیروی تحول‌آفرین، می‌تواند نقش محوری در گذار به سامانه‌های انرژی کارآمدتر، پاک‌تر و تاب‌آورتر ایفا کند و با ایجاد ظرفیت‌های نوین پیش‌بینی، کنترل و بهینه‌سازی، مسیر رسیدن به اهداف کلان انرژی را کوتاه‌تر و اثربخش‌تر سازد. با این حال، به نظر می‌رسد که تحقق کامل پتانسیل این فناوری مستلزم رفع موانع نهادی، تقویت زیرساخت‌های دیجیتال، ارتقای مهارت نیروی انسانی و ایجاد چارچوب‌های تنظیم‌گری هوشمند است.
سرمایه‌گذاری هدفمند در پژوهش و توسعه، حمایت از استارتاپ‌های نوآور و ایجاد بسترهای همکاری بین‌المللی می‌تواند سرعت و دامنه اثرگذاری این فناوری را در بخش انرژی به شکل چشمگیری افزایش دهد. از همین روی، در ایران که با چالش ناترازی انرژی ناشی از رشد سریع تقاضا، ناکارآمدی مصرف، فرسودگی زیرساخت‌ها و محدودیت ظرفیت تولید در برخی فصول مواجه است، به‌کارگیری هوش مصنوعی ضرورتی راهبردی محسوب می‌شود.
این فناوری می‌تواند با پیش‌بینی دقیق الگوهای مصرف، مدیریت بار در ساعات اوج، بهینه‌سازی توزیع منابع و تسهیل ادغام تجدیدپذیرها، به کاهش فشار بر شبکه، کاهش اتلاف و افزایش امنیت عرضه کمک کند. در نهایت، همان‌گونه که تجربه دیگر بخش‌ها نشان داده است، کشورهایی که در مدیریت بحران‌هایی مانند ناترازی، زودتر و هوشمندانه‌تر به کاربست هوش مصنوعی در حوزه انرژی بپردازند، در رقابت جهانی این حوزه پیشتاز خواهند بود.
