هوش مصنوعی، ستون فقرات عملیاتی بخش برق

پایگاه خبری فولاد ایران - هوش مصنوعی به‌سرعت به یکی از بزرگ‌ترین روندهای تحول‌آفرین عصر حاضر تبدیل شده و نقش مهمی در انقلاب صنعتی چهارم ایفا می‌کند. به گزارش اویل پرایس، این فناوری اکنون به‌عنوان ابزاری کلیدی برای مقابله با چالش‌هایی مانند تغییرات اقلیمی و آلودگی شناخته می‌شود. در صنعت انرژی، هوش مصنوعی برای دیجیتالی‌سازی داده‌ها، تحلیل حجم بزرگی از اطلاعات زمین‌شناسی و عملیاتی و شناسایی مشکلاتی مانند استفاده بیش از حد از تجهیزات یا فرسایش خطوط، به کار گرفته می‌شود. همچنین در تحلیل داده‌های لرزه‌نگاری، بهینه‌سازی مسیر حفاری و مدیریت بهتر مخازن نفت نقش دارد و باعث افزایش استخراج و کاهش خطا و اثرات زیست‌محیطی می‌شود. شرکت‌هایی مانند AI Driller عملیات حفاری را از راه دور مدیریت می‌کنند؛ Petro AI و Tachyus از مدل‌های مبتنی بر فیزیک برای پیش‌بینی تولید و مدیریت مخازن استفاده می‌کنند؛ Baker Hughes و C3.ai خرابی تجهیزات را پیش‌بینی می‌کنند و Buzz Solutions داده‌های بصری را برای بازرسی خطوط انتقال بررسی می‌کند.
در بخش برق نیز هوش مصنوعی به سرعت در حال تغییر ساختار است و تمامی مراحل زنجیره انرژی، از تولید تا مصرف، را بهینه می‌کند. ابزارهایی مانند Brainbox AI و Enerbrain به‌طور خودکار اتلاف انرژی را کم می‌کنند و Uplight به شرکت‌های برق برای افزایش بهره‌وری مصرف‌کنندگان کمک می‌کند. هوش مصنوعی با تحلیل داده‌های عظیم، خروجی متغیر منابع خورشیدی و بادی را پیش‌بینی و به ادغام انرژی‌های تجدیدپذیر کمک می‌کند. پلتفرم‌هایی مانند Envision و PowerFactors مدیریت نیروگاه‌های بزرگ تجدیدپذیر را ممکن می‌سازند؛ Clir و WindESCo  عملکرد توربین‌های بادی را پایش و اصلاح می‌کنند و SkySpecs از پهپادهای خودکار برای بازرسی توربین‌ها بهره می‌گیرد. شرکت Form Energy نیز از هوش مصنوعی در حوزه ذخیره‌سازی انرژی استفاده می‌کند.
در حوزه شبکه‌های برق، هوش مصنوعی به ایجاد شبکه‌های هوشمند کمک می‌کند و دید لازم برای مدیریت ازدحام شبکه و جلوگیری از خاموشی را فراهم می‌کند. Kraken Technologies با استفاده از هوش مصنوعی و یادگیری ماشین، منابع انرژی توزیع‌شده را مدیریت کرده و عرضه و تقاضا را در لحظه متعادل می‌کند. WeaveGrid نیز شارژ خودروهای برقی را مطابق با ظرفیت شبکه و میزان انرژی تجدیدپذیر بهینه می‌کند و Camus Energy با سیستم «کمک‌خلبان» مبتنی بر یادگیری ماشین، بار و جریان برق را پیش‌بینی کرده و پایداری شبکه را افزایش می‌دهد.
در زمینه مدیریت کربن و  ESG، هوش مصنوعی داده‌ها را متمرکز کرده، دقت گزارش‌دهی را افزایش می‌دهد و عملیات را بهینه می‌کند. Carbon Chain با استفاده از یادگیری ماشین، داده‌های زنجیره تأمین را پردازش کرده و گزارش‌های دقیق و قابل حسابرسی از انتشار کربن ارائه می‌دهد. Watershed نیز با ابزارهایی مانند «Product Footprints» مواد اولیه و فرایندهای هر محصول را تحلیل کرده و ردپای کربنی بسیار دقیق‌تری نسبت به روش‌های سنتی ارائه می‌دهد.
در مقابل، این پیشرفت‌ها هزینه‌هایی نیز داشته‌اند. مراکز داده عظیمی که برای اجرای مدل‌های هوش مصنوعی ساخته می‌شوند، به‌تنهایی تا یک گیگاوات برق مصرف می‌کنند که معادل مصرف صدها هزار خانه است. به همین دلیل، ایالت‌هایی که تعداد زیادی مرکز داده دارند، افزایش قابل توجهی در قیمت برق تجربه کرده‌اند. برای مثال، ویرجینیا با ۶۶۶ مرکز داده شاهد افزایش ۱۳ درصدی قیمت برق خانگی بوده و ایلی‌نوی با ۲۴۴ مرکز داده، رشد ۱۵.۸ درصدی داشته که بالاترین میزان در کل ایالات متحده است. این موضوع باعث انتقادهایی علیه توافق‌های دولتی با شرکت‌های بزرگ فناوری شده و برخی معتقدند که هزینه این مراکز به مصرف‌کنندگان تحمیل می‌شود. در نتیجه احتمال دارد ایالت‌های بیشتری از مدل‌هایی مانند Oklo پیروی کنند که در آن مراکز داده برق مورد نیاز خود را تأمین کرده و فشار بر مصرف‌کننده و شبکه عمومی را کاهش می‌دهند.

منبع: Oilprice