چۆن دەتوانێت ڕووبەری واتا-خورشیدی بە شێوازێکی زیرەکتر بێت؟ ئامرازبەری پڕکاری ئەندازەیی لە ڕێکخراوەکانی سیستەم و کۆントڕۆڵی سیستەمدا
Bikaranîna Zekiyê ya Nîşangên Dijîtal da Sisteman de Cih û Rozh û Şimşek
Sisteman nîşangên rojhilatî yên cih û rozh û şimşek li ser daynayê û tenhaftina cihan û roj dilan derbas dandin. Lakin, destûr û girtina vekirin ê wan sernavên nîşangê digeh bi bistina nestandar û çewtina nîrvana nîrvanê re xasitandin. Destkirina kontrolê ya sisteman bi teqnikên piştgu lê zêde kirin ji bo bixebitina stabîl û efektivîyati vekirina nîrvanê hatiye werin pirseriya rastî- bir kar yek demî yên pêkhatina nîrvana rojhilatî û destnîşankirina rojhilata nîrvana.
1. Binxetîna Zanîngeh: Pirsgerekan da Kontrolê
Sisteman nîşangên cih û rozh û şimşek di hêsan de li ser şertên tewr û tabiatî berdestin, ku pirsgerekan rêza kontrolê digeh bikin. Destûr û girtina cihan û roj dilan bistina nîrvanê nestandar din. Di navendên sahran de, şertên havî navendan jî destûr û vegera cihan digeh bike. Di deman de ku şimşekên mezin dikevin, vegera cihan di dakîkan de ji 5-7 m/s derbas dike lê 15 m/s an jêr- ji bo parçavanên cihan ê bu serherîya karkirina weşaniya xwe hate werin û ji bo vekirina nîrvanê hate kesandin, ku bistina nîrvanê nestandar bike.
Di navendên malper de, girra yekêm û raş e biguherin destûr û vegera panelên rozh dilan digeh bike, ku efektivîyetê yên fotovoltaik (PV) 30%-40% derbas bike. Di rojan de ku hewl û taqlîb dike, şiddeta şiveya rozh dilan derbas dike, ku vekirina PV 60%-70% derbas bike ji bo rojan meyab. Ev bistina nîrvanê nestandar bike, ku bistina nîrvanê wekhev bike.
Strategiyên barkerdanan nîrvanê yên tradîsyonel pirsgerekan rêzandeyîn. Li ser parametreên emprîkî yên destnîşan û rêzên saderê yên seder, wan nekarin biguheztin ji bo guherandina demdem û vaxtiyan. Mînak, di istasyona barkerdanên cih û rozh dilan de di navendên şaher û gel de, di deman de ku hewa beşdar û rozh dilan veguhin, kontrola tradîsyonel vekirina parçavanên cihan ji bo 30%-40% ji bo kapasiteya nameyan dibike, wêjiya cihan ziadeyê bibînin. Yekdam, li ser destnîşanka sader PV, vekirina rozh dilan ji bo baran bi vegera rozh dilan veguhin, 25% ji vekirina nameyan bibînin. Ji bo guherandina hewl û taqlîb, mînak, vegera cihan bi şimşek û hewl û taqlîb, strategiyên tradîsyonel nekarin biguheztin, ki bistina nîrvanê nestandar bike û nekarin li ser astengên industriyayê yên modern û elektronikên zêdeyî yên serast bike, ku pirsgerekan rêza barkerdanan nîrvanê yên amargû.
2. Karzanên Bikaranîna Zekiyê
2.1Pêşberdana Nîrvanê
Algoritmên bikaranîna maşîn, bi guhertiya data û tanîna rêzikariya wan, bin û şopêkên operasyonê tênîn. Farm ê cih û rozh û şimşek yên mezin di navendên sahran de, bi şertên meteorolojî yên mirin û vekirina nîrvanê, her du salan data têkerdigirin- vegera cihan, destûr cihan, şiveya rozh dilan, qalinîya hewl, û vekirina nîrvanê. Bi agahdarî Long Short-Term Memory (LSTM) bi wan data, modela pêşberdana nîrvanê tenîn. Agahdariya ku di deman de ku şimşekên mezin dike, xalasên pêşberdanên nîrvanê cihan 10%-15% ji bo pêşberdanên 6 saat, 30%-40% ji bo rêzikarên tradîsyonel. Ji bo hewl û taqlîb, xalasên pêşberdanên şiveya rozh dilan 15%-20% bûn, ku agahdariya pêşberdan û guheztina dynamîk a pergalên pergalan dikarin guheztin.
2.2 Bixebitina Barkerdanan Nîrvanê
Bixebitina barkerdanan nîrvanê di ser bixebitina efektivîyati sisteman de biçare ye, ku algoritmên zekiyê yên zor di navendan de. Algoritmê Particle Swarm Optimization (PSO), ji bo tercihên tayranan, li ser goristanên çareseriya mirin bişopînin da ku barkerdanan nîrvanê yên cihan û rozh dilan tenîn. Di istasyona malper de bi roj dilan mezin lê vegera cihan bi tevgera navend, kontrola tradîsyonel çareser ne. Di deman de ku PSO hatiye rakirin, sisteman pêşberdanên nîrvanê û baran pêşniyara. Ji bo ku vegera cihan di navendên valley de veguhin û şiveya rozh dilan derbas bike, PSO barkerdanan nîrvanê dinamîk bikeribin- vegera cihan 30%-40% bixebitibin û rozh dilan derbas bike. Testên ger û real 20%-30% bixebitina nîrvanê ji bo şertên hewl û taqlîb, bibînin û bistina nîrvanê wekhev bike.
2.3 Agahdariya Pergalan û Teşhis Tewrik
Convolutional Neural Networks (CNN) bi agahdariya pergalan û teşhis tewrik. Di farmên cihanên mezin de bi şertên karkerdina mezin, tewrikên pel û gearbox yên pergalan pergalan. Agahdariya tradîsyonel hêsan nekarin tewrikên wan pêşve bike. Bi CNN bi analîzê data viberasyon, gir û cûr îro pergalan, serbaz û şopêkên tenîn. Ji bo data viberasyon, modela CNN tewrikên pel pêşve bike, 90%-95% rast. Di farmên rozh dilan de, modela yekem tewrikên pêş ve û hot-spot 92%-96% rast. Ev destûr û vegera tewrik bike, destûr û vegera pergalan bike, destûr û vegera pergalan bike, û efektivîyeta sisteman bike.
3. Agahdariya Karzanên Bikaranîna
Bikaranîna AI yên bixebitina di projeyên ger û real de. Di projeyek de di navendên malperên gharbiyên malper de- ku grida tradîsyonel pêşdestina kara û çewt, nîrvanê yên cihan û rozh dilan bi şertên malper û hewl û taqlîb. Ji bo AI, bistina nîrvanê nestandar, ku malperan 35 saatek bistina nîrvanê ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo mîlan, ji bo m......
Modela LSTM pêşberdanên şertên hewl û taqlîb bi xalasên bicûh bike.
PSO barkerdanan nîrvanê dinamîk bikeribin da ku pêşberdan û baran pêşniyara.
Modela CNN agahdariya pergalan û teşhis tewrik bike.
Agahdariya ku mîlan bistina nîrvanê ji bo 3 saatek bibînin. Efektivîyeta nîrvanê 30% bixebitibin, û rasti malperan ji 35% ji bo 90% bixebitibin. Industriyayê malper stabil bike, e-commerce çêkir, û 30 kariyek nû çêkir, ku serçavên ekonomî malper bike.
Di dîwarên industriyayê de, bikaranîna AI yên cih û rozh û şimşek yên sisteman dike yên sector reshaping. Ji bo sê salan, projeyên AI yên bixebitina 45% zêde bike. Projeyên wan efektivîyetê yên vekirina 25%-35% zêde bike û destûr û vegera pergalan 20%-30% derbas bike. Di farmên amargû de, agahdariya dinamîk û pêşberdanên rastî barkerdanan nîrvanê 20%-25% derbas bike û efektivîyeta integrasyon grida nîrvanê yên rojhilatî 20% bixebitibin.
Lakin, pirsgerekan hene. Destûr û vegera qaranc û modela agahdariya nekarin biguheztin ji bo navendên economî yên çewt. Agahdariya teknolojî yên çewt û kevka karî û zanistiyên wekheviyên nekarin biguheztin. Çareserên dema paş bike li ser R&D ji bo derbasina destûr û veger, bixebitina talent û agahdariya universite û industria, û azadkirina potensiyela motbegir AI yên bixebitina nîrvanê yên rojhilatî.
4. Pêşniyara
Di deman de AI yên cih û rozh û şimşek yên sisteman nîrvanê yên rojhilatî, guhertiya teknolojî yên bixebitina modela û algoritmên AI yên bixebitina. În innovasyon nîrvanê yên pêşberdan û barkerdanan nîrvanê bixebitibin lê guhertiya data û processandina data û guheztina AI yên bixebitina di navendên mirin û mirin de. Ev progress nîrvanê yên rojhilatî yên clean system bike, ku serbaz û şopêkên global sustainable energy development bike.
