تتزايد أهمية الطاقة الشمسية يوماً بعد يوم، خاصةً مع تطور تقنيات التنبؤ بالطقس وتأثيراتها على إنتاج الطاقة. في دراستنا الأخيرة، قمنا بتحليل كيف يمكن استخدام الشبكات العصبية الرسومية (Graph Neural Networks) ليكون لديها وعي بالحركة (Advection-Aware) لتحسين توقعات الطاقة الناتجة عن السحب.

لقد وجدنا أن الانحدار الطاقي الناتج عن الغيوم يُعتبر تحدياً كبيراً لمشغلي الشبكات، حيث أن التنبؤ السليم يمكن أن يساعد في زيادة كفاءة الشبكة. الفكرة هي ربط كل موقع بالمواقع التي تقع في اتجاه الرياح مع تحديد تأخيرات زمنية تعتمد على المتجه الحركي للغيوم (Cloud-Motion Vector). هذا يمكن أن يسهم في تنبؤ الأحداث قبل وصولها الفعلي، مما قد يُحدث فرقاً كبيراً.

لكن النتائج أظهرت أنه رغم استخدام نموذج معتمد على حركة السحب، إلا أن هناك فوائد تأتي ببساطة من تقديم متجه الحركة كميزة مدخلة، وليس فقط من هيكل الشبكة. استخدام تقديرات حقيقية للمتجه الحركي يُمكن أن يُحدث تحسناً يصل إلى 15% في القدرة التنبؤية.

مع تطبيق تقنية جديدة لتقدير حركة السحب، قد يصبح لدينا إمكانية تغطية فجوة كبيرة في دقة التنبؤات، مما يعزز قدرة مشغلي الشبكات على مواجهة التحديات القادمة. والأهم من ذلك، فقد أشرنا إلى ضرورة اختبار هذه النماذج في الشبكات الحقيقية كخطوة أساسية للمسيرة المستقبلية.