تعتبر توقعات طاقة الرياح الدقيقة خلال المدى القصير أمرًا حيويًا لاستقرار الشبكة وتخطيط العمليات، ولكنها لا تزال تمثل تحديًا كبيرًا بسبب التفاعلات المعقدة بين ظروف الجو وديناميات توربينات الرياح. في إطار سعي لتحسين هذه التوقعات، توصل الباحثون إلى إطار عمل متعدد الأنماط يجمع بين بيانات SCADA التاريخية وتوقعات الطقس العددية.

يتمثل الابتكار الرئيسي في طريقة التعامل مع البيانات المدخلة، حيث يتم تحليلها إلى ميزات عددية وعوامل متجهة، مما يساعد على التقاط الاعتمادات الخاصة بالموقع والتبعية الهندسية. علاوة على ذلك، تم استخدام مشفر هندسي لاستخراج ميزات غير حساسة للدوران من متجهات الرياح.

بالإضافة إلى ذلك، يتم توظيف هيكل "مشغل فورير العصبي" (Fourier Neural Operator - FNO) الذي يوفر عمليات تلافيف عالمية في نطاق التردد، مما يعزز من نمذجة العلاقات المكانية والزمانية على المدى الطويل بكفاءة.

تجارب واسعة تم إجراؤها على ثلاثة مزارع رياح واقعية أثبتت أن نموذجهم يتفوق باستمرار على النماذج الراسخة حاليًا، مما يبرز فعالية تصميمه المدعوم بالمعرفة الفيزيائية. والجدير بالذكر أن الجزء الأساسي من هذا النموذج متاح للجمهور على GitHub.

تبدو هذه الخطوات بمثابة قفزة نوعية في مجال الطاقة المتجددة، لا سيما طاقة الرياح، وتهدف لتحقيق الاستدامة والكفاءة العالية في استخدام الطاقة. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.