في هذا السياق، يعرض فريق البحث إطار عمل مبتكر يسمى "تشغيل أنظمة الطاقة المعزز بالتعلم" (Learning-Augmented Power System Operations - LAPSO) والذي يعيد تشكيل عملية اتخاذ القرار التشغيلي ليشمل التعلم الآلي كعنصر أساسي.
كيف يعمل إطار LAPSO؟
• يقدم LAPSO قالبًا رياضيًا عامًا يغطي المُتنبئين غير المعتمدين على القرارات الذين يُهيئون التوظيف اللاحق، وكذلك نُموذَجات التعلم المعتمدة على القرارات التي تُدخل كقيود مساعدة في التوظيف.
• يُصمم أنابيب التعلم الآلي باستخدام معايير مبتكرة تأخذ في الاعتبار جودة الحل، إمكانية المعالجة، التقييد الاقتصادي، وأداء الكفاءة.
علاوةً على ذلك، يتم تجسيد LAPSO على تحسينات محدودة بالاستقرار (Stability-Constrained Optimization - SCO) والتنبؤ المعتمد على الأهداف (Objective-Based Forecasting - OBF)؛ حيث يُظهر كيف يُقدم الإطار توجيهات قابلة للتطبيق لاختيار المكونات المُتعلمة.
الآفاق المستقبلية
تُتوسع رؤية LAPSO لتشمل سلسلة من التنبؤات التشغيلية والرقابية الهجينة، من أجل تنظيم مصادر الشكوك المتعددة.
وأخيرًا، تم إصدار حزمة بايثون مفتوحة المصدر "lapso"، التي تُتيح لإضافات مرنة لنماذج تحسين أنظمة الطاقة الحالية مع مكونات التعلم الآلي.
يمكنكم زيارة الرابط للحصول على الشيفرة والبيانات: رابط المشروع على GitHub.
هل ترون أن التعلم الآلي سيلعب دورًا محوريًا في مستقبل الطاقة؟ شاركونا آراءكم في التعليقات!