تتغير مجريات العمل في مختلف الصناعات بفضل نماذج الذكاء الاصطناعي، ومع ذلك، فإن دورها في مجالات الهندسة مثل تحليل أنظمة الطاقة لا يزال محدوداً. هنا يأتي دور GENCO (GEometric Neural Corrective Optimizer) كأداة مبتكرة تقدم حلاً عصبيًا موحدًا لتحليل الشبكات الكهربائية في الحالة الثابتة.

تتميز GENCO بقدرتها على معالجة تدفق الطاقة (Power Flow - PF)، وتحسين الطاقة (Optimal Power Flow - OPF)، وتقدير الحالة (State Estimation - SE) ضمن معمارية واحدة وتصور شبكي مشترك. تعد هذه الأداة جزءًا من إطار GridFM للتطوير المفتوح المصدر، الذي يهدف إلى توحيد عمليات توليد البيانات الصناعية والتدريب في بيئة منخفضة التعليمات البرمجية، مما يسهل على المهندسين استخدام تقنيات الذكاء الاصطناعي.

لضمان دعم الابتكارات في حلول الطاقة العصبية، أصدرت GENCO مجموعات بيانات كبيرة تحتوي على ملايين السيناريوهات الخاصة بتدفق الطاقة وتحسين الطاقة عبر جوانب الشبكة المختلفة، مما يجعل النتائج قابلة لإعادة الإنتاج والتقييم.

عند تقييم GENCO باستخدام مقاييس PFDelta وOPFData، أظهرت تفوقها على الحلول العصبية التقليدية مثل Newton-Raphson وIPOPT. في حالات تدفق الطاقة الكبيرة، تمكنت GENCO من استعادة الحالة التشغيلية التامة، بما في ذلك مقادير الفولتية والقدرة التفاعلية، متجاوزةً حدود الحلول التقليدية التي تعاني في هذا المجال. كما قدمت GENCO تحسينات كبيرة في السرعة، حيث تصل إلى 30 ضعف سرعة Newton-Raphson مع الحفاظ على دقة عالية.

أما بالنسبة لتحسين الطاقة، فقد سجلت GENCO تقدمًا يصل إلى 85 ضعفًا بالمقارنة مع حلول IPOPT، مع تحسينات إضافية في الجدوى والوقت المستهلك. كما أثبتت GENCO أنها أكثر قوة من الطرق الكلاسيكية القائمة على الانحدار الأدنى المعتمد عند التعامل مع قياسات مشوشة وأخطاء في معلمات الشبكة.

معًا، تقدم GENCO وإطار GridFM نهجًا جديدًا لتحليل الشبكات الكهربائية الثابتة، مما يسهل على مهندسي أنظمة الطاقة المبادرة وتجربة هذه التكنولوجيا الرائدة. هل أنت مستعد لتبني مستقبلك في مجال الطاقة الذكية؟