المصدر: دبي – سمر الماشطة
تسبب Covid-19 في انخفاض غير مسبوق في استهلاك الطاقة مع إغلاقات الشركات والمصانع، من جهة أخرى ارتفع الضغط على الشبكات المحلية بسبب زيادة عدد الأشخاص الذين يعملون ويقضون ساعات أطول في منازلهم ما أدى إلى اختلال في توزيع الطاقة. وهنا لعبت تطبيقات الذكاء الاصطناعي والتعلم الآلي دوراً محورياً للتنبؤ بتقلبات استهلاك الطاقة وتحسين التكلفة عبر الكشف المبكر عن الأعطال ومراقبة خطوط الطاقة وذروتها.
على سبيل المثال Innowatts شركة ناشئة ومقرها تكساس، تجمع منصتها eUtility البيانات من أكثر من 34 مليون عداد طاقة ذكي، بما في ذلك كبرى شركات المرافق الأميركية مثل Arizona Public Service Electric و Mega Energy وتقوم نماذج التعلم الآلي بتحليل ومعالجة هذه البيانات الضخمة للحصول على توقعات الاستهلاك.
وتقدر الشركة أنه بدون هذه التوقعات، كانت ستشهد شركات الكهرباء عدم دقة بنسبة 20٪ أو أكثر في توقعاتها في ذروة الأزمة الشهر الماضي. وعقدت شراكة مع شل لتقديم معلومات إضافية حول البصمة الكربونية لعملاء شل ومساعدتهم على تحقيق أهداف الاستدامة الخاصة بهم.
وأيضاً شركة Alchera الكورية التي تستخدم تقنية التعرف على الصور باستخدام تطبيقات الذكاء الاصطناعي مع الكاميرات الحرارية، تم تدريب نظامها على مراقبة البنية التحتية لأي أحداث غير طبيعية مثل تساقط الأشجار والدخان والحريق وحتى الدخلاء.
وتجمع شركة Stem بين الذكاء الاصطناعي وتخزين الطاقة عبر بطاريات ضخمة تركب في المباني كما تساعد المؤسسات على أتمتة تكلفة الطاقة والحماية من تغير الأسعار. حصلت حتى الآن على استثمارات بأكثر من 320 مليون دولار.
وبينما تتمتع شركات الكهرباء التي تعتمد على الغاز والطاقة النووية بأعلى قابلية للتنبؤ فإن طاقة الرياح والطاقة الشمسية هما الأقل توقعًا وقدرة على القياس.
ولكن تمكنت غوغل عبر استحواذها على منصة الذكاء الاصطناعي DeepMind التي توظف شبكة عصبية مدربة على تنبؤات الطقس منتشرة على نطاق واسع.
