تعتبر أمان أنظمة الطاقة من العوامل الحيوية التي تؤثر على استقرار وكفاءة الشبكات الكهربائية، خاصةً في لحظات الطوارئ أو الاضطرابات. في هذا الإطار، قدمت دراسة حديثة مقاربة جديدة تعتمد على تقنيات الذكاء الاصطناعي (AI) لتصنيف حالات الطوارئ في أنظمة الطاقة إلى فئات مختلفة: آمنة، متوسطة، أو شديدة.

اعتمدت الدراسة على أسلوب تدفق الحمل من نيوتن-رافسون (Newton-Raphson) لاستخراج بيانات النظام من السيناريوهات المختلفة للطوارئ. وتم استخدام مؤشر الأداء العام (Overall Performance Index - OPI) كمقياس للسلامة. ومن خلال تقنيات المعالجة المسبقة للبيانات مثل تقنية العينة التركيبية الزائدة (SMOTE) وتحليل المكونات الرئيسية (PCA)، تم معالجة عدم التوازن في الفئات وتقليل الأبعاد.

تضمنت الخوارزميات المستخدمة خوارزمية الجيران الأقرب (KNN)، وغابة العشوائية (Random Forest - RF)، وآلات الدعم الشعاعي (Support Vector Machines - SVM). وتم التدريب والتقييم على بيانات مستمدة من سيناريوهات الطوارئ في أنظمة IEEE-14 وIEEE-30، باستخدام أربع تكوينات معالجة مسبقة هجينة.

أظهرت النتائج أن خوارزمية الغابة العشوائية (RF) حققت أعلى درجات (F1) بلغت 0.97 في IEEE-30 و0.86 في IEEE-14. كما أظهرت الدراسة فوائد استخدام (PCA) الذي ساهم في تحسين دقة التصنيف، بينما أثبتت (KNN) انها الأنسب لتقنيات (SMOTE) و(PCA).

تسلط هذه الدراسة الضوء على قوة التقنيات الذكية في تقديم بديل قوي لدراسة حالات الطوارئ التقليدية، مما يعزز تقييم الأمان في الوقت الحقيقي. هل تعتقد أن الابتكار في الذكاء الاصطناعي سيغير قواعد اللعبة في مجال الطاقة؟ شاركونا آرائكم في التعليقات.