مهندس عسكري موريتاني يبتكر حلاً هندسياً متقدماً لتحليل شبكات الطاقة الكهربائية بالذكاء الاصطناعي

نشر النقيب المهندس سيد عبد الله الوافي، وهو مهندس عسكري موريتاني، بحثاً علمياً هاماً في مجلة Electric Power Systems Research المتخصصة في أنظمة الطاقة الكهربائية. يصنّف هذا البحث، الذي نشرته دار النشر العالمية Elsevier، ضمن مجال الهندسة الكهربائية ويحمل عنوان Fast and Robust Probabilistic AC Power Flow via a Hybrid MLP/Newton-Raphson Framework.

يتناول البحث تطوير مقاربة حسابية مبتكرة تجمع بين تقنيات الذكاء الاصطناعي والطرق العددية التقليدية، بهدف تسريع عمليات تحليل الشبكات الكهربائية وتحسين كفاءة حساب تدفق القدرة، مع الحفاظ على دقة النتائج وموثوقيتها. يقترح البحث إطاراً هجيناً يدمج بين الشبكات العصبية الاصطناعية متعددة الطبقات (MLP) وخوارزمية نيوتن – رافسون، وهي من الطرق العددية المعتمدة على نطاق واسع في تحليل أداء أنظمة الطاقة الكهربائية.

تعتمد الفكرة الأساسية على تدريب نموذج للذكاء الاصطناعي للتنبؤ بمقادير الجهود الكهربائية وزوايا أطوارها، ثم استخدام هذه التنبؤات كقيم ابتدائية لخوارزمية نيوتن – رافسون. هذا النهج يساهم في تقليل عدد التكرارات الحسابية اللازمة للوصول إلى الحل، مما يعزز الكفاءة بشكل كبير.

أوضح المهندس الموريتاني أن أهمية هذه المقاربة تكمن في الجمع بين سرعة التنبؤ التي توفرها الشبكات العصبية الاصطناعية ودقة الحل العددي لخوارزمية نيوتن – رافسون. هذا الدمج يسمح بالاستفادة من مزايا التقنيتين لتطوير أساليب أكثر كفاءة لتحليل الشبكات الكهربائية.

تكتسب هذه الأبحاث أهمية متزايدة في ظل التحديات التي تواجه أنظمة الطاقة الكهربائية الحديثة، مثل تقلبات الأحمال، والتغيرات في ظروف تشغيل الشبكات، والتوسع في دمج مصادر الطاقة المتجددة المتقلبة. في هذا السياق، يبرز تحليل تدفق القدرة الاحتمالي كأداة لتقييم تأثير حالات عدم اليقين على أداء الشبكات. تتطلب هذه الدراسات عادةً أعداداً كبيرة من الحسابات والمحاكاة، مما يجعل تسريع العمليات الحسابية هدفاً مهماً.

اعتمدت الدراسة على محاكاة مونت كارلو لتمثيل حالات عدم اليقين، من خلال إدخال تغيرات متزامنة على حقنات القدرة الكهربائية ومعلمات خطوط النقل. تم اختبار الإطار المقترح على شبكات كهربائية معيارية مختلفة الأحجام، بما في ذلك شبكات IEEE ذات 9 و39 و118 عقدة. أظهرت النتائج العددية قدرة الإطار على تقليل عدد التكرارات الحسابية لخوارزمية نيوتن – رافسون مع الحفاظ على دقة الحل.

تناول البحث أيضاً الخصائص النظرية للتقارب التربيعي المحلي للخوارزمية عند استخدام تنبؤات الشبكة العصبية كنقطة بداية، وهو جانب مهم في دراسة أداء الطرق العددية لحل مسائل تدفق القدرة. يعكس البحث أهمية توظيف تقنيات الذكاء الاصطناعي في معالجة المسائل الهندسية المعقدة، خصوصاً في مجال أنظمة الطاقة الكهربائية، مما يفتح آفاقاً لتطوير أدوات حسابية أكثر كفاءة لدعم تشغيل وتحليل الشبكات الكهربائية في ظل ظروف عدم اليقين.