تُعد أسواق الكهرباء من الأنظمة المعقدة بطبيعتها، حيث تتسم بتداخلات غير خطية وتفاعلات عالية الأبعاد، مما يجعل فهم ديناميكياتها أمراً في غاية الصعوبة. يعتبر استخدام الشبكات العصبية العميقة (Deep Neural Networks) في التنبؤ بأسعار الكهرباء خطوة متقدمة، ولكن تظل قلة تفسيراتها عائقاً يحول دون الاستفادة الكاملة من هذه النماذج لفهم دوافع تشكيل الأسعار.

تناقش هذه الدراسة مُخرجات تحليلية جديدة تدمج بين نماذج الشبكات العصبية العميقة وتقنيات الذكاء الاصطناعي القابل للتفسير (Explainable AI - XAI) لتحليل العوامل المحددة لأسعار الكهرباء عبر 39 منطقة مزاد أوروبية. تم استخدام أسلوب SHAP (SHapley Additive exPlanations) لقياس إسهامات الميزات وتطبيقه وتوسيعه ضمن إطار SSHAP الزائد لتحسين التفسير في البيئات ذات الأبعاد العالية.

تظهر النتائج أن مصادر الطاقة المتجددة، وخاصة الطاقة الشمسية، تلعب دورًا غير متناسب في تشكيل الأسعار على الرغم من حصتها المنخفضة في إجمالي إنتاج الطاقة. تظل أسعار الغاز عاملاً مسيطرًا ومتسقًا عبر أسواق الكهرباء، بينما تؤثر الروابط بين الشبكات بشكل كبير على ديناميات الأسعار، مما يُبرز الاعتماد القوي على أنظمة الكهرباء الأوروبية.

كما تم بناء سوق للكهرباء على مستوى الاتحاد الأوروبي لاستكشاف السيناريو الافتراضي لسوق متكامل بالكامل بسعر موحد. يظهر هذا التحليل التجديدي أهمية دمج الذكاء الاصطناعي القابل للتفسير لفهم تعقيدات أسواق الكهرباء الأوروبية بشكل أفضل. ما هي توقعاتكم حول تأثير مصادر الطاقة المتجددة على سوق الكهرباء؟ شاركونا آراءكم في التعليقات!