۲۱ جولای ۲۰۲۵-چالش‌های برق هوش مصنوعی -© shutterstock/krungchingpixs
در مواجهه با نگرانی‌های فزاینده پیرامون تقاضای انرژی هوش مصنوعی (AI)، بن کراکسفورد، مدیر عامل Eclipse Power Networks، توضیح می‌دهد که چگونه می‌توان از این فناوری برای پرداختن به چالش‌های برق که به ایجاد آنها متهم شده است، استفاده کرد.
هوش مصنوعی (AI) بخش مرکزی برنامه دولت بریتانیا برای افزایش رشد در سراسر بریتانیا است. دولت از طریق طرح اقدام فرصت‌های هوش مصنوعی خود، قصد دارد از هوش مصنوعی برای اجرای طرح گسترده خود برای تغییر، از جمله تعهدات برای تبدیل بریتانیا به یک ابرقدرت انرژی پاک تا سال ۲۰۳۰، استفاده کند. در جای دیگر، هوش مصنوعی به عنوان راه حلی برای همه چیز، از بار اضافی اداری در خدمات ملکی گرفته تا بیش از یک میلیون چاله در بریتانیا، تبلیغ می‌شود. قابل تحسین است، اما به نظر من نه، جایی که هوش مصنوعی می‌تواند بیشترین سود را داشته باشد.
در مورد افزایش تقاضای انرژی مراکز داده‌ای که حجم کار هوش مصنوعی را پردازش می‌کنند، در مقایسه با تأسیسات معمولی که بیشتر بر ذخیره‌سازی داده‌ها متمرکز هستند، صحبت‌های زیادی شده است. در ماه آوریل، آژانس بین‌المللی انرژی گزارش جدیدی منتشر کرد که پیش‌بینی می‌کرد مصرف مراکز داده تا سال ۲۰۳۰ بیش از دو برابر خواهد شد. با این حال، در بخش انرژی، هوش مصنوعی می‌تواند برای درمان همان مشکلاتی که به دلیل تقاضای برق خود به ایجاد آنها متهم شده است، مورد استفاده قرار گیرد.
چالش‌های برق: تقاضای عظیم برای انرژی
هوش مصنوعی اینجاست که بماند. دولت نه تنها معتقد است که می‌تواند بسیاری از مشکلات بریتانیا را – گذشته از چاله‌ها – حل کند، بلکه هوش مصنوعی را مرز بعدی می‌داند. مراکز داده به وضعیت زیرساخت‌های ملی حیاتی ارتقا یافته‌اند، تصمیمات مقامات محلی که مانع از ساخت مراکز داده می‌شدند، رد شده‌اند و مناطق رشد اختصاصی هوش مصنوعی ایجاد شده‌اند.
با این حال، تقاضای انرژی هوش مصنوعی به طرز چشمگیری بالاست و با توجه به پتانسیل آن برای ایجاد انقلابی در بخش‌هایی از زندگی ما به روش‌هایی که هنوز نمی‌دانیم، انتظار می‌رود نرخ افزایش نیز بسیار زیاد باشد. طبق گزارش آژانس بین‌المللی انرژی (IEA)، یک مرکز داده متمرکز بر هوش مصنوعی ممکن است به اندازه ۱۰۰۰۰۰ خانوار به برق نیاز داشته باشد. در سطح جهانی، طی دو سال آینده، صنعت هوش مصنوعی می‌تواند به اندازه کشوری به اندازه ژاپن انرژی مصرف کند.
راه حل: استفاده از هوش مصنوعی برای درمان خود
از قضا، به دلیل قابلیت‌هایش، می‌توانیم از هوش مصنوعی برای ارائه راه‌حل برای تقاضای فزاینده انرژی خود استفاده کنیم. در سراسر بخش انرژی، از هوش مصنوعی برای بهینه‌سازی تولید، انتقال، توزیع و مصرف استفاده می‌شود. همچنین ابزاری مهم در کربن‌زدایی این بخش و تحقق بخشیدن به هدف صفر خالص است.
هوش مصنوعی با داده‌ها رشد می‌کند. بخش انرژی حجم عظیمی از آن را تولید و مصرف می‌کند. اطلاعات تولید شده توسط کنتورهای هوشمند، حسگرهای نظارت از راه دور، شارژ خودروهای برقی و سایر دارایی‌های دیجیتال به الگوریتم‌های هوش مصنوعی تغذیه می‌شوند تا شبکه‌های هوشمند و شبکه‌های مدیریت‌شده فعال را توانمند سازند که در سطوح مختلف به صنعت برق سود می‌رسانند.
شرکت‌های انرژی از هوش مصنوعی برای اتصال، بهینه‌سازی و کنترل دارایی‌های انرژی، مانند وسایل نقلیه الکتریکی (EV)، پمپ‌های حرارتی و سیستم‌های HVAC (گرمایش، تهویه و تهویه مطبوع) استفاده می‌کنند. این به تأمین‌کنندگان اجازه می‌دهد تا با ایجاد انگیزه در تغییر رفتار مصرف‌کننده، بارها را در زمان واقعی متعادل و جابجا کنند.
این برنامه‌های پاسخ به سمت تقاضا (DSR) به افراد در ازای تنظیم زمانی که از برق برای کمک به تعادل بار در شبکه استفاده می‌کنند، پاداش می‌دهند. پلتفرم‌هایی که این امکان را فراهم می‌کنند، مانند KrakenFlex از Octopus Energy، از هوش مصنوعی برای تعیین ظرفیت مورد نیاز از برنامه‌های DSR، زمان فراخوانی یک رویداد DSR و چه انگیزه‌ای برای ارائه استفاده می‌کنند. هوش مصنوعی با فراهم کردن امکان جابجایی و تغییر شکل بارها، ارائه‌دهندگان برق را نیز قادر می‌سازد تا محصولات و تعرفه‌های انرژی جدیدی ایجاد کنند – که درآمدی برای سرمایه‌گذاری‌های آینده در شبکه‌ها ایجاد می‌کند.
از هوش مصنوعی برای مدیریت تولید و تقاضا برای توسعه‌های تجاری و صنعتی استفاده می‌شود. هوش مصنوعی به بهینه‌سازی استفاده از منابع انرژی توزیع‌شده (DER)، مانند باتری‌ها، انرژی خورشیدی و بادی، برای برآورده کردن اوج و فرود تقاضای شبکه کمک می‌کند. حجم عظیمی از داده‌ها از این دارایی‌ها، همراه با پیش‌بینی‌های آب و هوا و سایر متغیرهای کلیدی، برای پیش‌بینی و پاسخ به تغییرات در عرضه و تقاضای انرژی پردازش می‌شوند. به طور خلاصه، هوش مصنوعی این منابع را قادر می‌سازد تا به طور مؤثرتری مدیریت شوند تا عملکرد بهتری داشته باشند و در زمان‌های مناسب تخلیه یا محدود شوند.
با بهینه‌سازی توان هوش مصنوعی، صاحبان دارایی‌ها قادر خواهند بود با استفاده هوشمندانه از دارایی‌های خود در زمان‌هایی که منافع مالی آنها را به حداکثر می‌رساند، یعنی زمانی که شرایط بازار مناسب است، ارزش آنها را افزایش دهند. به نوبه خود، این امر به طور بالقوه باعث افزایش سرمایه‌گذاری در دارایی‌های تجدیدپذیر جدید خواهد شد.
یکی از مزایای مهم دیگر استفاده از هوش مصنوعی برای بهینه‌سازی شبکه‌ها و دارایی‌ها این است که به اطمینان از تولید جدید از منابع تجدیدپذیر کمک می‌کند. منابع انرژی تجدیدپذیر متغیر (VRE) ذاتاً به دلیل تغییر شرایط آب و هوایی در خروجی خود، متناوب هستند. با مدیریت فعال این دارایی‌ها و شبکه، می‌توانیم تناوب آنها را از طریق استفاده از دارایی‌های متنوع با مشخصات خروجی متفاوت جبران کنیم.
الگوریتم‌های هوش مصنوعی که می‌توانند در پاسخ به شرایط متغیر، افزایش یا کاهش یابند. الگوریتم‌های هوش مصنوعی که می‌توانند به نوسانات ولتاژ در میلی‌ثانیه پاسخ دهند، به پایداری شبکه کمک می‌کنند و امکان تعادل بار در زمان واقعی و بهینه‌سازی جریان برق را برای کاهش تلفات انتقال فراهم می‌کنند.
هوش مصنوعی پتانسیل هیجان‌انگیز بیشتری برای گسترش و بهبود انرژی تجدیدپذیر ارائه می‌دهد. به عنوان مثال، به عنوان ابزاری برای کشف علمی، به نظر می‌رسد هوش مصنوعی به عنوان ابزاری برای کشف علمی، سرعت نوآوری در فناوری‌های کلیدی مانند ماژول‌های خورشیدی فتوولتائیک (PV) یا ذخیره‌سازی باتری را تسریع می‌کند. پیشرفت‌ها در اینجا می‌تواند کارایی یا عملکرد را بهبود بخشد، هزینه فناوری‌ها را کاهش دهد یا مزایای ملموس دیگری را ارائه دهد. بنابراین، در اصل، هوش مصنوعی انرژی پاک‌تری را برای تأمین انرژی مصرف خود فراهم می‌کند.
چرا IDNOها برای رهبری در موقعیت خوبی قرار دارند
هوش مصنوعی فقط برای زیرساخت‌های ملی نیست – می‌تواند کارایی را در سطح توزیع نیز افزایش دهد. اپراتورهای مستقل شبکه توزیع (IDNO) مانند Eclipse Power Networks در موقعیت ایده‌آلی برای پذیرش سریع و متمرکز ابزارهای هوش مصنوعی قرار دارند. IDNOها با ساختارهای چابک‌تر نسبت به اپراتورهای سنتی شبکه توزیع (DNO)، می‌توانند راه‌حل‌های هدفمند هوش مصنوعی را در طراحی، برنامه‌ریزی، عملیات و نگهداری دارایی‌ها آزمایش و مستقر کنند.
هوش مصنوعی از اتصالات سریع‌تر، پذیرش هوشمندانه‌تر شبکه‌های موجود و نگهداری پیش‌بینی‌کننده که اختلال و هزینه را به حداقل می‌رساند، پشتیبانی می‌کند. در مرحله برنامه‌ریزی، هوش مصنوعی پیش‌بینی بهتر تقاضا و مدل‌سازی سناریو را امکان‌پذیر می‌کند. و از طریق مدیریت دارایی مبتنی بر داده، هوش مصنوعی به ما کمک می‌کند تا از استراتژی‌های نگهداری واکنشی به استراتژی‌های نگهداری پیشگیرانه حرکت کنیم.
با این حال، اگرچه صنعت برق می‌تواند به موفقیت‌هایی اشاره کند، اما در مواجهه با کمبود بحرانی مهارت‌های هوش مصنوعی در سراسر بریتانیا تنها نیست. این موارد به چالش سازگاری با تغییر و رشد مصرف انرژی، که بخشی از آن به دلیل افزایش تقاضا برای هوش مصنوعی است، می‌افزاید. اما کمک‌های فزاینده‌ای وجود دارد، به عنوان مثال از طریق ابزارهای رایگان، فرصت‌های مالی و مشارکت‌های انتقال دانش که توسط Innovate UK پشتیبانی می‌شوند. با سرمایه‌گذاری در مهارت‌ها و با تغییر چارچوب هوش مصنوعی به عنوان یک توانمندساز استراتژیک در سراسر عملکردهای تجاری، صنعت برق می‌تواند به نوآوری در این زمینه ادامه دهد.
علیرغم برخی نگرانی‌ها در مورد مصرف انرژی هوش مصنوعی، این فناوری پتانسیل آن را دارد که بیش از جبران تقاضای انرژی خود عمل کند. همانطور که گزارش اخیر IEA نشان می‌دهد، می‌تواند در کاهش هزینه‌ها، افزایش رقابت‌پذیری و کاهش انتشار گازهای گلخانه‌ای در سراسر بخش مؤثر باشد.
با استفاده از هوش مصنوعی برای بهینه‌سازی تقاضا و تولید، لازم نیست رویکرد ساده‌ی «اضافه کردن بیشتر برای همگام شدن» را در پیش بگیریم. بهینه‌سازی هوشمند شبکه‌های هوشمند و شبکه‌های مدیریت‌شده‌ی فعال مبتنی بر هوش مصنوعی می‌تواند بسیاری از کارهای سنگینی را که مراکز داده‌ی جدید با مقیاس بزرگ به آن نیاز دارند، انجام دهد و همچنین زیرساخت انرژی پاک‌تری را که به نفع همه است، تأمین کند.
