مدیریت کارآمد برق با شبکه عصبی مبتنی بر هوش مصنوعی - مهسان بلاگ

دانشمندان در آنالیز جدیدی پیروز شدند یک مدل شبکه عصبی مصنوعی ابداع نمایند که می تواند هم ویژگی های ثابت و هم ویژگی های پایدار یک سیستم نیرو را با دقت بالا مدیریت کند.

شبکه تورین های برقی، نه تنها عظیم بلکه پویا هم هستند و همین موضوع موجب می شود که مدیریت آنها چالش برانگیز باشد. اپراتورهای انسان می دانند که در شرایط پایدار چگونه سیستم ها را حفظ نمایند اما هنگامی که شرایط در اثر دلایل گوناگون از جمله اشتباهات ناگهانی به سرعت تغییر می نمایند، اپراتورها روش مشخصی ندارند تا ایمنی مورد احتیاج سیستم ها را حفظ نمایند.

آزمایشگاه ملی آرگون(Argonne National Laboratory) که به وزارت انرژی آمریکا(DOE) وابسته است، روش جدیدی ارائه داده تا به اپراتورها یاری کند که سیستم های نیرو را با یاری هوش مصنوعی، بهتر و با روش کارآمدتری کنترل نمایند.

همگرایی محاسبات پویا و ثابت

این روش جدید به اپراتورها امکان می دهد تا با استفاده از یک مدل تصمیم گیری بسیار دقیق و در نظر داشتن ویژگی های پویا و ثابت، تصمیم بگیرند و یک چالش سخت را پشت سر بگذارند.

فنگ کیو(Feng Qiu)، از دانشمندان آزمایشگاه ملی آرگون گفت: تصمیم گیری برای خاموش و روشن کردن یک ژنراتور و معین سطح نیروی خروجی آن، نمونه یک تصمیم ثابت است که در یک بازه زمانی خاص تغییر نمی نماید. فرکانس الکتریکی که به سرعت ژنراتور بازمی شود، یک ویژگی پویا است زیرا می تواند به مرور زمان نوسان داشته باشد. هنگامی که فرمول پویا و ثابت را در یک مدل کنار یکدیگر می گذارید، حل کردن آن غیرممکن به نظر می رسد.

در سیستم های نیرو، اپراتورها باید فرکانس را در یک طیف خاص نگه دارند تا محدودیت های ایمنی را رعایت نمایند.

بیشتر تحلیلگران، ویژگی های ثابت و پویا را به صورت جداگانه محاسبه می نمایند؛ در حالی که بعضی سعی نموده اند تا مدل های ساده ای را ابداع نمایند که هر دو نوع محاسبه را شامل می شوند اما دقت و مقیاس پذیری این مدل ها محدود است زیرا سیستم ها پیچیده تر هستند.

پیوند ویژگی های ثابت و پویا با شبکه های عصبی مصنوعی

کیو و همکارانش برای همراه کردن فرمول های کنونی ثابت و پویا، روشی ابداع کردند تا فرمول های جدیدی را برای اتصال این دو ویژگی ایجاد نمایند. در روش آنها، از یک ابزار مبتنی بر هوش مصنوعی موسوم به شبکه عصبی استفاده می شود.

ییچن ژانگ(Yichen Zhang)، نویسنده ارشد این پروژه گفت: یک شبکه عصبی می تواند نقشه ای را میان ورودی و خروجی خاص ایجاد کند. اگر من شرایطی که با آنها شروع می کنیم و با آنها به خاتمه می بریم بدانم، می توانم شبکه های عصبی را برای درک چگونگی نقشه برداری از این شرایط به کار ببرم.

اگرچه روش شبکه عصبی این گروه را می توان برای سیستم های عظیم به کار گرفت اما آنها روش خود را روی یک سیستم ریزشبکه آزمایش کردند. این سیستم، یک شبکه قابل کنترل از منابع توزیع شده انرژی مانند ژنراتور دیزلی و پنل های خورشیدی فتوولتاییک است.

پژوهشگران از این شبکه عصبی استفاده کردند تا چگونگی نقشه برداری مجموعه ای از شرایط ایستا را در سیستم ریزشبکه و به همراه مجموعه ای از شرایط یا مقادیر پویا ردیابی نمایند. آنها به طور خاص از این شبکه استفاده کردند تا منابع ثابت سیستم ریزشبکه را تنظیم نمایند و بدین ترتیب فرکانس الکتریکی، در سطح ایمن باقی بماند.

داده های شبیه سازی شده، به عنوان ورودی ها و خروجی های لازم برای آموزش شبکه عصبی به کار گرفته شدند. ورودی ها، داده های ثابت و خروجی ها، واکنش های پویا به خصوص در طیف فرکانس های ایمن بودند. هنگامی که پژوهشگران، هر دو مجموعه داده را به شبکه عصبی منتقل کردند، شبکه یاد گرفت که از واکنش های پویا برای مجموعه ای از شرایط ثابت، نقشه برداری کند.

کویی اضافه نمود: شبکه عصبی، معادلات پویای پیچیده را که معمولا نمی توانیم با معادلات ثابت ادغام کنیم، به شکل جدیدی تبدیل کرد که امکان حل کردن آنها با یکدیگر را برای ما فراهم می نماید.

راه هایی برای تحلیل های جدید

پژوهشگران، تحلیل گران و اپراتورها می توانند از این روش جدید به عنوان یک نقطه شروع استفاده نمایند. برای مثال، اپراتورها می توانند از این روش استفاده نمایند تا هنگام خاموش و روشن شدن منابع فراوری مطمئن باشند که منابع آنلاین می توانند اختلالات خاص را تحمل نمایند.

تیانکی هونگ(Tianqi Hong)، از پژوهشگران این پروژه گفت: این جریانی است که اپراتورهای سیستم همواره می خواهند آن را تحلیل نمایند اما به خاطر چالش های محاسبه ویژگی های ثابت و پویا نمی توانند. اکنون ما باور داریم که این روش، چنین تحلیل هایی را امکان پذیر می سازد.

مارک پتری(Mark Petri)، از پژوهشگران این پروژه گفت: ما از ارائه این روش تجزیه و تحلیل، هیجان زده هستیم. این روش می تواند راه بهتری برای اپراتورها فراهم کند تا به بازیابی سریع و ایمن نیرو بپردازند.،ایسنا

دور زمین: دور زمین | سفر به دور زمین هیچوقت اینقدر آسون نبوده! تور ارزان، تور لحظه آخری، اروپا، تور تایلند، تور مالزی، تور دبی، تور ترکیه