Jinsi Anaweza Kufanya Nishati ya Upepo na Solar Iliweze Zaidi? Matumizi ya AI katika Usimamizi na Usambazaji wa Mfumo

Uzawi wa Mawasiliano wa Nishati ya Marangoni na Jua kutumia Ufundi wa Kijamii

Mipango ya nishati ya marangoni na jua yanatumia uzalishaji wa nishati unaotokana na mazingira na ushirikiano wa nishati ya marangoni na jua. Hata hivyo, tabia ya kutokuwa na utaratibu na ya kuvunjika kwa viwanja vya nishati haya vinaweza kusababisha uzalishaji wa nishati kuwa usiothabiti, kudhibiti uaminifu na ubora wa nishati. Kutengeneza udhibiti wa mfumo kupitia teknolojia za kiwango cha juu ili kuboresha ustawi na uelewa wa uzalishaji umekuwa changamoto muhimu - muhimu katika ukendaji wa nishati safi na kufikia maendeleo yenye uzalishaji wa nishati.

1. Mtaani wa Utafiti: Changamoto za Udhibiti wa Mfumo

Mipango ya nishati ya marangoni na jua huathiri sana na mazingira ya asili, kusababisha changamoto muhimu za udhibiti. Tabia ya kutokuwa na utaratibu na ya kuvunjika kwa nishati ya marangoni na jua hutofautiana na ustawi wa uzalishaji. Katika eneo la pwani, hali ya hewa ya bahari huchangia mwenendo na mwendo wa marangoni. Wakati wa kushuka kwa simu, mwendo wa marangoni unaweza kukabiliana kutoka kwenye kiwango cha kawaida cha 5-7 m/s hadi zaidi ya 15 m/s ndani ya dakika chache tu - kubaini kiwango cha salama cha kufanya kazi ya turubaini ya marangoni na kuhamishia kuholela, kusababisha matumizi ya nishati.

Katika eneo la mlima, tofauti kubwa ya joto kati ya usiku na mchana hutokomeza ufungaji wa paneli za jua, kukurugenisha asilimia 30-40% ya uelewa wa PV. Siku za mahanga au mizigo, nguvu ya mwanga wa jua inapungua sana, kukurugenisha asilimia 60-70% ya uzalishaji wa PV kilingana na siku za jua. Hii hutoa mabadiliko makubwa katika uzalishaji wa mfumo, kusababisha kuholela kwa nishati kuwa vigumu.

Mistari ya kawaida ya kudhibiti uzalishaji wa nishati yana hatari kamili. Kukutana na parameta ya tajriba na mistari ya kiwango cha chini, wanahusika hazitoshi kwa mabadiliko ya muda wa uzalishaji wa nishati. Kwa mfano, katika stesheni ya nishati ya majirani ya miji na mashambani, wakati wa asubuhi na marangoni madogo na mwanga wa jua unavyoongezeka pole pole, udhibiti wa kawaida anatoa uzalishaji wa turubaini wa marangoni tu kulingana na kiwango cha chini cha mwendo wa marangoni, kusisitiza rasilimali nyingi za marangoni. Pia, kwa sababu ya upangaji wa awali wa PV ambao si mzuri, uzalishaji wa jua unazidi malipo ya matumizi wakati mwanga unavyoongezeka, kusisitiza asilimia 25% ya nishati iliyounguliwa. Wakati hali ya hewa hunyanyasika - kama vile mabadiliko ya marangoni machache kutokana na majanga au mizigo ya haraka - mistari ya kawaida hayawezi kujibu kwa haraka, kusababisha uzalishaji wa nishati kuwa usiothabiti na kusisitiza utaratibu wa nishati unaotarajiwa na vyombo vya kifedha na elektroniki za kiotomatiki, kuzuia kutumika kwa ufanisi wa mipango miwili.

2. Matumizi ya Ufundi wa Kijamii

2.1 Ubora wa Nishati

Mistari ya machine learning, na uwezo wao wa kubadilisha data na kubainisha tabia, huunda msingi wa kufanya kazi ya mfumo kuwa thabiti. Mipango kubwa ya nishati ya marangoni na jua, kwa mujibu wa hali mbalimbali za hewa na tabia ya rasilimali, imetumia data ya miaka minne ya zamani - ikiwa ni mwendo wa marangoni, mwenendo wa marangoni, mwanga wa jua, ubora wa mahanga, na uzalishaji wa nishati uliyotokana. Kupitia kufundishia mtandao wa Long Short-Term Memory (LSTM) kwa data hii, umekuwa na modeli nzuri ya kubora nishati. Ukaguzi umeheshimu kuwa wakati wa majanga ya jua, makosa ya ubora wa nishati ya marangoni yamekurugenishwa kwa asilimia 10-15 kwa ramani za masaa sita - kubainisha asilimia 30-40 kulingana na mistari ya kawaida. Kwa hali ya mahanga, makosa ya ubora wa mwanga wa jua yamebaki chini ya asilimia 15-20, kubainisha kufanya mpango wa nishati kwa mapema na kubadilisha vyombo kwa haraka ili kurekebisha hatari za usisitizo.

2.2 Ubora wa Kudhibiti Uzalishaji wa Nishati

Kubainisha uzalishaji wa nishati ni muhimu sana kwa kuboresha uelewa wa mfumo, ambapo mistari ya akili huenda kati. Particle Swarm Optimization (PSO) algorithm, ambayo imefundishwa kutokana na tabia ya nyunyu za ndege, hujitafuta katika mitandao mikubwa ya suluhisho ili kupata kudhibiti bora wa uzalishaji wa nishati kati ya marangoni na jua. Katika stesheni ya mlima na mipango miwili, na mwanga wa jua wa kutosha sana lakini tabia ya marangoni inayobadilika sana, udhibiti wa kawaida alikuwa na shida. Baada ya kutumia PSO, mfumo alikuwa akihuduma kila wakati kwa kubainisha ubora wa nishati na matumizi ya nishati. Wakati alipata kujua kwamba kuna ongezeko la mwendo wa marangoni na kupungua kwa mwanga wa jua kutokana na mizigo, PSO alibadilisha kudhibiti wa nishati - kuboresha uzalishaji wa marangoni kwa asilimia 30-40 na kupunguza uzalishaji wa jua. Ukaguzi wa dunia ameshow kuboresha asilimia 20-30 ya matumizi ya nishati kwa hali ya hewa magumu, kupunguza matumizi ya nishati na kuhakikisha kuholela kwa nishati kwa miji na matumizi madogo.

2.3 Huduma ya Vyombo na Kugundua Vitendawili

Convolutional Neural Networks (CNN) yanastahimili kwa kuzingatia hali ya vyombo na kugundua vitendawili. Katika mashamba kubwa ya nishati ya marangoni na mazingira magumu, kuvunjika kwa blades na gearbox ni ya kawaida. Huduma ya kawaida mara nyingi haijawahi kugundua suala hili mapema. Kupitia kutumia CNN kubadilisha data ya vibodi, joto, na current kutoka kwa sensors kwenye vipengele muhimu, imetokana na mabadiliko makubwa. Kwa taarifa za vibodi, modeli ya CNN inaweza kugundua kuvunjika kwa blades kwa wiki moja kabla, na uhakika ya asilimia 90-95. Katika mashamba la nishati ya jua, modeli hiyo imegundua kuvunjika kwa partial shading na hot-spot faults na uhakika ya asilimia 92-96. Hii imepunguza muda wa kugundua vitendawili, kupunguza muda wa kuwa chini, kupunguza gharama za huduma, na kuboresha uhakika na uelewa wa mfumo kwa ujumla.

3. Ukaguzi wa Matokeo ya Matumizi

Ukuboresha kwa kutumia AI umefanikiwa kwa kutosha katika mipango ya dunia halisi. Katika mradi wa upande wa barabara katika eneo la magharibi la mlima - ambako kuongeza grid ya kawaida ni gharama na ngumu - rasilimali nyingi za nishati ya marangoni na jua zilikuwa zinapatikana lakini zinazinduliwa na mazingira magumu na hali ya hewa. Kabla ya kuingiza AI, uzalishaji wa nishati ulikuwa usiothabiti, na watu walikuwa na wastani wa saa 35 za kutokuholela kwa mwezi, kusababisha matatizo ya maisha ya kila siku na kusimamia biashara madogo za kusimamia mazao.

Baada ya kutekeleza teknolojia za AI:

• Modeli ya LSTM imebadilisha kwa uhakika hali ya hewa ya eneo la kimataifa na makosa madogo.

• PSO imebadilisha kudhibiti uzalishaji wa nishati kwa kutosha kulingana na ubora na matumizi ya nishati ya hivi punde.

• Modeli ya CNN imehudumia kwa kutosha kuhusu hali ya vyombo na arifa za awali.

Matokeo yameonyesha uboreshaji mkubwa: matukio ya mwezi yamekurugenishwa chini ya tatu, kusawa na saa 3 tu. Matumizi ya nishati imeongezeka kwa asilimia 30, na radhi ya watu imeongezeka kutoka asilimia 35 hadi 90. Biashara za eneo lilikuwa safi, e-commerce imekuwa, na zaidi ya ajira 30 mpya zimeundwa, kuboresha ukuaji wa kiuchumi kwa ujumla.

Kutokana na mtazamo wa sekta, kutumia AI katika mipango miwili ya nishati ya marangoni na jua inabadilisha sekta. Kwa miaka minne iliyopita, idadi ya mipango iliyobainishwa na AI imeongezeka kwa asilimia 45. Mipango haya yamefanikiwa kuboresha asilimia 25-35 ya uelewa wa uzalishaji na kupunguza gharama za huduma kwa asilimia 20-30. Katika mashamba miwili, kufanya kazi kwa kutosha na kubainisha kwa kutosha imekurugenisha kiwango cha kutosha kwa asilimia 20-25 na kuboresha uwezo wa kuholela kwa nishati safi kwa asilimia 20.

Hata hivyo, changamoto bado zipo. Gharama ya mwanzo kwa hardware na kufundishia models inaweza kusababisha matumizi kwa eneo la kiuchumi. Mabadiliko ya teknolojia na ukosefu wa watalii wenye ujuzi zinaweza kusababisha matumizi ya kawaida. Jukumu la baadaye linapaswa kujumuisha utafiti na kubuni kuleta gharama, kuboresha ujuzi wa watalii kupitia mshirikiano wa chuo kikuu na sekta, na kufungua uwezo wa AI kuboresha ukuaji wa nishati safi.

4. Muhtasara

Afaka ya AI katika mipango miwili ya nishati ya marangoni na jua ni ya kutosha. Kama teknolojia inaongea, models na mistari zaidi zenye kutosha na kutosha zitakuwa. Vifaa vinginevyo hivi vitakuwa vinaweza kuboresha ubora wa nishati na kudhibiti uzalishaji, lakini pia kupunguza mabadiliko ya kutumia data na kubadilisha, kuboresha uwezo wa AI kufanya kazi katika mazingira mbalimbali na magumu. Mabadiliko haya yatapanda nishati safi kwa kiwango kingine, kunipa msaada mkubwa wa ukuaji wa nishati yenye uzalishaji wa kimataifa.