تواجه مشروعات توليد الطاقة المتجددة تحديات كبيرة تُعيق قدرة مشغلي الشبكات على تحقيق التوازن بين الطلب والعرض بسبب الانقطاعات المتزايدة. يحتاج مشغلو الشبكات إلى رؤى دقيقة حول استهلاك الطاقة المنزلية لمساعدتهم في إدارة أوقات الذروة وتصميم تسعيرات مرسومة استجابة. ولكن الأساليب التقليدية للتحليل القابل للتفسير بالذكاء الاصطناعي (XAI) قد تكشف معلومات حساسة، بينما غالبًا ما تقلل تقنيات الخصوصية القياسية من فائدة التفسيرات.

استجابة لهذه القضايا، تم تقديم إطار HXAI، والذي يهدف إلى حفظ الخصوصية مع تمكين التحليل القابل للتفسير بشكل معقول لإدارة الطلب على الكهرباء على مستوى الشبكة. يتكون HXAI من مكونين رئيسيين: (1) نموذج محلي يوفر تفسيرات دقيقة داخل بيئة آمنة وخاصة، و(2) نموذج زونال يقوم بتجميع هذه التفسيرات لدعم التحليل على مستوى الشبكة مع فرض الخصوصية من خلال إدارة مرنة لميزانية الخصوصية.

تظهر التجارب التي تم إجراؤها على مجموعات بيانات الطاقة الحقيقية والمحاكاة أن HXAI يقدم رؤى مفيدة لإدارة الأحمال الزونية، مع ضمان أن يظل استهلاك الأجهزة محليًا وألا يتم نقله إلى مشغلي الشبكة. كما تؤكد النتائج أن الحفاظ على الهيكل الدلالي للتفاسير، بدلاً من تقليل الخطأ العددي، هو المفتاح للتحليل القابل للتفسير ضمن الخصوصية التفاضلية. يوفر هذا الإطار وسيلة لتحقيق التوازن بين الخصوصية والقدرة على التفسير في إدارة الطاقة.