في عصر التحول الرقمي والطاقة المتجددة، تبرز أهمية استخدام التقنيات الحديثة في تحسين الكفاءة وتقليل الفاقد. ومن بين هذه الابتكارات، تتجلى الشبكات العصبية الرسومية (Graph Neural Networks) كحل مذهل لتوقع إنتاج الطاقة الشمسية من خلال عدادات ذكية في الشبكات الصغيرة.

تقدم هذه الدراسة العميقة نظرة فاحصة على كيفية تحسين جودة التنبؤ في إنتاج الطاقة الكهروضوئية باستخدام المعلومات البيانية المتاحة. حيث تم عرض تقنيتين مميزتين هما GCN وGraphSAGE، مع التركيز على تطوير مشغل ONNX مخصص من أجل نموذج GCN.

تركز الدراسة على الجوانب التقنية، بما في ذلك متطلبات الأجهزة والبرمجيات لعداد الطاقة الذكية، وتطبيق النموذجين المحوسبين في بيئة واقعية باستخدام بيانات حقيقية مستمدة من ميكروجرِيد في إحدى القرى. تشير النتائج إلى أداء متميز لكلا النموذجين، حيث تم تنفيذ الاختبارات بنجاح لكل من أجهزة الكمبيوتر والعدادات الذكية، مما يعكس إمكانية استغلال هذه الحلول في تحسين إدارة الطاقة.