هوش مصنوعی؛ گذرگاهی که آینده صنعت انرژِی از آن می‌گذرد
هوش مصنوعی؛ گذرگاهی که آینده صنعت انرژِی از آن می‌گذرد
اگرچه پیشینه فناوری هوش مصنوعی به دهه 50 میلادی باز‌می‌گردد و تقریبا در دهه 70 میلادی یعنی 50 سال پیش، سیستم‌های خبره(به عنوان زیرشاخه‌ای از هوش مصنوعی) برای اکتشاف منابع انرژی استفاده می‌شدند، اما امروزه با ظهور هوش مصنوعی مولد و الگوریتم‌های یادگیری ماشین، تقریباً هیچ حوزه‌ای نیست که از اثرات هوش مصنوعی برکنار مانده باشد و طبیعتا حوزه انرژی نیز مستثنی نیست.

به گزارش خبرنگار «نبض انرژی»اگرچه پیشینه فناوری هوش مصنوعی به دهه 50 میلادی باز‌می‌گردد و تقریبا در دهه 70 میلادی یعنی 50 سال پیش، سیستم‌های خبره(به عنوان زیرشاخه‌ای از هوش مصنوعی) برای اکتشاف منابع انرژی استفاده می‌شدند، اما امروزه با ظهور هوش مصنوعی مولد و الگوریتم‌های یادگیری ماشین، تقریباً هیچ حوزه‌ای نیست که از اثرات هوش مصنوعی برکنار مانده باشد و طبیعتا حوزه انرژی نیز مستثنی نیست. از این رو اگر قرار بر شمردن مصادیق باشد، می‌توان نمونه‌های متعددی را ذکر کرد ولی برای درک بهتر شاید این کاربردها را بتوانیم در سه مرحله (1) ساخت ادوات و طراحی نیروگاه‌ها و ایستگاه‌های تولید انرژی (2) تولید انرژی در انواع تجدیدپذیر یا ناپذیر (3) توزیع و مدیریت انرژی بررسی کنیم.

(1) در طراحی و ساخت نیروگاه‌ها و ادوات صنعت انرژی، هوش مصنوعی با کابردهای عمومی صنعتی می‌تواند در اتوماسیون و خودکارسازی نیروگاه‌ها، کمک به طراحی تجهیزات تولیدی، مکان‌یابی نیروگاه‌ها، چیدمان نیروگاه‌های بادی و خورشیدی، بهینه‌سازی توربین‌ها، پیش‌بینی خرابی تجهیزات،  کشف خرابی از طریق پردازش تصویر و تحلیل داده‌های سنسوری، پیش‌بینی تراز آبی سدها و زمانبندی نیروگاه‌های آبی و یا مثلا استفاده از روش‌های یادگیری ماشین برای تجزیه و تحلیل تصاویر سنجش ازدور، جهت انتخاب محل مناسب برای حفر چاه و احداث نیروگاه زمین گرمایی به کار بیاید.از این دست کاربردها تعداد  بی‌شمار دیگری در سایر انواع انرژی‌های جدید مانند انرژی امواج، انرژی زیست توده ها و.. می‌توان برشمرد.

(2) در تولید انرژی به طور مثال الگوریتم‌های هوش مصنوعی با استفاده از تلفیق داده‌های هواشناسی، الگوی مصرف و سایر پارامترها در بهبود چیدمان سلول‌های خورشیدی، آینه‌ها و افزایش توان مزارع انرژی خورشیدی موثرند.  یا استفاده از الگوریتم‌های یادگیری ماشین در افزایش توان پیل‌های سوختی مانند ارزیابی، مدلسازی، بهبود عملکرد پیل‌های سوختی و همچنین پیش‌بینی تخریب می‌توان نام برد. چندی پیش در خبرها شنیدیم که محققین مایکروسافت و آزمایشگاه ملی شمال‌غربی پاسیفیک (PNNL) از هوش مصنوعی برای شناسایی مواد احتمالی استفاده کردند که می‌توانند جایگزینی برای لیتیوم باشند. چرا که لیتیوم مستعد آتش‌سوزی است و فرایند استخراج آن پیامدهای منفی زیادی برای محیط‌زیست دارد.

(3) مدیریت توزیع و مصرف انرژی یکی از پرکاربردترین زمینه‌های هوش مصنوعی در صنعت انرژی محسوب می‌شود. وقتی صحبت از شبکه‌های هوشمند مدیریت انرژی (برق و حتی گاز) می‌شود، محور کار بر جمع‌آوری و تحلیل داده‌های تولید و مصرف انرژی به جهت برنامه‌ریزی توازن بار است که کاملا مبتنی بر دریافت داده‌ها و پردازش و داده کاوی، یادگیری ماشین و مواردی اینچنینی است. کشف ناهنجاری، سرقت و هدررفت انرژی در شبکه به کمک ظهور ادوات هوشمند از جمله کنتورهای هوشمند و مراکز تحلیل و پردازش داده‌های تولید، توزیع و مصرف میسر است. به عبارتی کل چرخه برنامه ریزی تولید، توزیع و مصرف به همراه جنبه‌های قیمت‌گذاری و تعرفه‌بندی و در صورت نیاز سهمیه‌بندی توزیع انرژی می‌توانند به طور مستقیم یا غیرمستقیم مبتنی بر داده و الگوریتم‌های هوش مصنوعی قرار گیرند.
جمع بندی اینکه؛ هوش مصنوعی در کل فرایند پیش از تولید، تولید، توزیع، مصرف و کنترل این فرایند و در تمام انواع انرژی‌های تجدید‌پذیر و تجدید‌ناپذیر در تمامی فرایندهای آبی، بادی، شیمیایی، مکانیکی تولید انرژی و همچنین اقدامات پشتیبان چون فروش، کشف هدررفت یا سرقت‌ها، پیش بینی ها و… کاربردهای عملی(نه صرفا نظری) و تجربه شده دارد.
با این توصیف‌ها اهمیت پرداختن به این فناوری در صنعت انرژی واضح و آینده صنعت انرژی به شدت از هوش مصنوعی تاثیر‌پذیر است. از این رو صنعت هوشمند انرژی چشم انداز قطعی است که به کمک هوش مصنوعی تا حدی نیز در جهان محقق شده و البته مسیر جذابی نیز پیش رو دارد.

این همه را که گفتیم از حسنش بود و اما از عیوب آن هم بگوییم
البته که فناوری همیشه شمشیری دو لبه بوده است. با دیجیتالی شدن و توسعه شبکه‌های تولید و توزیع، زیرساختها به شدت در معرض حملات غیر‌فیزیکی، از راه دور و سایبری قرار گرفته‌اند. شاید در گذشته از کار انداختن شبکه توزیع برق با اقدام فیزیکی در نیروگاها یا مسیر انتقال میسر بود، اما امروزه می‌توان کیلومترها دورتر با طراحی بدافزارها و رسوخ آن به مراکز تولید و دیسپچینگ برق، زیرساخت‌ها را هدف قرارداد. ما در کشورمان نمونه این آسیب‌ها را در سال گذشته و سالیان قبل در برق، پالایشگاه، کارت هوشمند سوخت و… تجربه کرده‌ایم.
یک بحث دیگر در تجمیع اطلاعات و هوش مصنوعی، محرمانگی و حریم خصوصی است. به طور خاص با ظهور خانه‌های هوشمند و تحلیل داده‌های آن می توان الگوهای رفتاری ساکنین را شناسایی و مورد سوء استفاده قرارداد.
البته هوش مصنوعی برای مقابله با این تهدیدات نیز راهکار در آستین دارد. با این وجود مباحث پدافند غیرعامل باید به خوبی در برابر این آسیب پذیری‌ها تدارک دیده شود.
در آخر اینکه، کشور ما اساسا در بخش انرژی و چرخه تولید تا مصرف چالش‌ها و کاستی‌های جدی دارد و با فرایند بسیار ناکارآمد چرخه انرژی و تبعات زیست محیطی، اقتصادی و حتی نارضایتی مصرف کنندگان مواجهیم. امید است مسئولان امر از کاربرد فناوری‌های نوین و البته هوش مصنوعی در چرخه مدیریت انرژی مغفول نمانند. امری که تا کنون کمتر به آن توجه و سبب شده است تا به نسبت کشورهای پیشرو وضعیت مناسبی نداشته باشیم.

امیر محترمی- عضو هیات علمی دانشگاه و کارشناس فناوری اطلاعات