مهندس موريتاني ينشر بحثا في مجلة عالمية حول تسريع حساب تدفق القدرة الكهربائية بالذكاء الاصطناعي

أنجز النقيب المهندس سيد عبد الله الوافي بحثا علميا في مجال الهندسة الكهربائية نشرته مجلة Electric Power Systems Research المتخصصة في أنظمة الطاقة الكهربائية والصادرة عن دار النشر العالمية Elsevier.

ويحمل البحث عنوان “Fast and Robust Probabilistic AC Power Flow via a Hybrid MLP/Newton-Raphson Framework” ويصنف ضمن مجال الهندسة الكهربائية.

ويقدم البحث مقاربة حسابية هجينة تجمع بين تقنيات الذكاء الاصطناعي والطرق العددية التقليدية بهدف تسريع تحليل الشبكات الكهربائية وتحسين كفاءة حساب تدفق القدرة مع الحفاظ على دقة النتائج وموثوقيتها.

ويقترح الباحث إطارا يجمع بين الشبكات العصبية الاصطناعية متعددة الطبقات (MLP) وخوارزمية نيوتن-رافسون وهي من الطرق العددية واسعة الاستخدام في حساب تدفق القدرة وتحليل أداء أنظمة الطاقة.

وتقوم الفكرة الأساسية على تدريب نموذج ذكاء اصطناعي للتنبؤ بمقادير الجهود الكهربائية وزوايا أطوارها ثم استخدام هذه التنبؤات كقيم ابتدائية لخوارزمية نيوتن-رافسون مما يقلل عدد التكرارات الحسابية المطلوبة للوصول إلى الحل.

وأشار المهندس الوافي إلى أن أهمية هذه المقاربة تكمن في الجمع بين سرعة التنبؤ التي توفرها الشبكات العصبية الاصطناعية ودقة الحل العددي لخوارزمية نيوتن-رافسون بما يتيح تطوير أساليب أكثر كفاءة لتحليل الشبكات الكهربائية.

وأوضح أن هذه الأبحاث تزداد أهمية في ظل تحديات أنظمة الطاقة الحديثة مثل تقلبات الأحمال وتغير ظروف التشغيل والتوسع في دمج مصادر الطاقة المتجددة التي يتغير إنتاجها باستمرار.

وهذا يبرز دور تحليل تدفق القدرة الاحتمالي في تقييم تأثير حالات عدم اليقين على أداء الشبكات وهو ما يتطلب عادة أعدادا كبيرة من الحسابات والمحاكاة ما يرفع الكلفة الحسابية ويجعل التسريع هدفا مهما.

واعتمدت الدراسة على محاكاة مونت كارلو لتمثيل حالات عدم اليقين عبر إدخال تغيرات متزامنة على حقنات القدرة الكهربائية ومعلمات خطوط النقل واختبرت الإطار المقترح على شبكات كهربائية معيارية مختلفة الأحجام منها شبكات IEEE ذات 9 و39 و118 عقدة.

وأظهرت النتائج العددية قدرة الإطار على تقليل عدد التكرارات الحسابية لخوارزمية نيوتن-رافسون مع الحفاظ على دقة الحل.

كما تناول البحث الخصائص النظرية للتقارب التربيعي المحلي للخوارزمية عند استخدام تنبؤات الشبكة العصبية لتحديد نقطة البداية وهو جانب مهم في دراسة أداء الطرق العددية المستخدمة في حل مسائل تدفق القدرة.

وخلص إلى أن البحث يعكس أهمية توظيف الذكاء الاصطناعي في معالجة المسائل الهندسية المعقدة خاصة في أنظمة الطاقة الكهربائية التي تتطلب الجمع بين النمذجة الرياضية والخوارزميات العددية وتقنيات التعلم الآلي ويبرز إمكانات تطوير أدوات حسابية أكثر كفاءة لدعم دراسات تشغيل الشبكات الكهربائية وتحليلها في ظل عدم اليقين.