في إطار سعيها لتحقيق أمان أعلى في أنظمة الطاقة، تبرز دراسة جديدة تستخدم نموذجًا أساسيًا جديرًا بالاهتمام في تقييم الأمان الديناميكي المعتمد على البيانات (Dynamic Security Assessment - DSA). هذه الطريقة الجديدة تعتمد على التعلم الآلي لتقدير المخاطر الديناميكية الناتجة عن السيناريوهات المحتملة، وتتناول قيود النهج الحالي التي تشمل الحاجة إلى قواعد بيانات موسعة ونماذج متعددة لكل سيناريو محتمل.

تظهر الدراسة كيف أن نموذجًا أساسيًا جدوليًا (Tabular Foundation Model - TFM) يعالج هذه القيود من خلال تقييم الاستقرار باستخدام التعلم في السياق، مما يعني أنه لا يلزم إعادة تدريب أو تحسين معايير النموذج. بفضل TFM، يمكن لنموذج واحد تقييم العديد من السيناريوهات في الوقت نفسه، ما يزيل الحاجة إلى نماذج متعددة.

عبر دراسات حالة شاملة على نظام IEEE 68-bus، أثبت النموذج الجديد كفاءته حيث حصل على متوسط درجة F1 Macro تصل إلى 90% باستخدام فقط 120 عينة معنونة لكل سيناريو، وهو عدد أقل بكثير مما يُفترض تقليديًا. بل وأكثر من ذلك، أظهرت النتائج أنه باستخدام 10 عينات معنونة فقط، بإضافة ترميز المسافات الكهربائية، يمكن تحقيق نتائج تعادل أفضل نموذج نقل تعلم.

هذا البحث يبشر بفتح آفاق جديدة لتطوير وتطبيق نماذج أساسية في تشغيل أنظمة الطاقة، مع تطبيقات محتملة عبر مهام تشغيل متعددة. كيف يمكن أن يغير هذا الابتكار مستقبل الأمان في أنظمة الطاقة؟ شاركونا آراءكم في التعليقات.