في عالم تسيطر عليه المتغيرات المناخية والتغيرات المستمرة، يمثل التنبؤ الدقيق بإنتاج الطاقة المتجددة مطلبًا أساسيًا للحفاظ على استقرار الشبكة الكهربائية والتخطيط للتشغيل المنخفض الكربون. حيث يتسم إنتاج الطاقة من مصادر مثل الرياح والطاقة الشمسية بالتقلب، مما يتطلب نماذج فعّالة للتنبؤ تأخذ في الاعتبار العوامل المتعددة مثل الغطاء السحابي وسرعة الرياح والتضاريس المحلية.

لقد أدى انتشار أجهزة إنترنت الأشياء (IoT) والأجهزة الذكية مثل عدادات الطاقة والإنفيرترات وأجهزة قياس الرياح إلى خلق كميات هائلة من البيانات التشغيلية في الزمن الحقيقي، وهذا ما يعجز عن استغلاله بشكل كامل النماذج التقليدية للتنبؤ. لذلك، تنظر الأبحاث الحديثة في كيفية تعزيز قدرات التنبؤ في الطاقة المتجددة عن طريق دمج نماذج اللغة الكبيرة (LLM) التي يمكن أن تدمج بيانات استشعار متنوعة، بيانات الطقس، السجلات التاريخية لتوليد الطاقة، والقيود المختلفة للشبكة الكهربائية ضمن تدفقات عمل موحدة لدعم قرارات الطاقة.

تستعرض الدراسة التي نُشرت مؤخرًا مجموعة متنوعة من الأساليب التقليدية في التنبؤ، بما في ذلك النماذج الإحصائية، نماذج السلاسل الزمنية، والهندسة العميقة، بالإضافة إلى أساليب الهجين والنماذج الجديدة القائمة على LLM. تُحدد هذه الدراسة اثني عشر تحديًا مفتوحًا، تشمل نشر البيانات في الزمن الحقيقي، تداخل النماذج تحت تغير الظروف، تقدير عدم اليقين، والتحكم في الهلوسة في النماذج، فضلاً عن التوافق بين الأجهزة وتكاملها مع أنظمة إدارة الطاقة.

ختامًا، توصي الورقة بأجندة بحثية تركز على إنشاء معايير مفتوحة، وتوجيه نماذج LLM بواسطة الممارسات الفيزيائية، وتصميم هياكل تنبؤ مشتركة لضمان أعلى دقة وأفضل أداء لإنتاج الطاقة المتجددة.