پژوهشگران آمریكایی، یك شبكه عصبی مبتنی بر هوش مصنوعی ابداع كرده‌اند كه می‌تواند به مدیریت دقیق و ایمن نیرو كمك كند.
به گزارش ایسنا و به نقل از وب‌سایت رسمی آزمایشگاه ملی آرگون، دانشمندان در بررسی جدیدی موفق شدند یك مدل شبكه عصبی مصنوعی ابداع كنند كه می‌تواند هم ویژگی‌های ثابت و هم ویژگی‌های پایدار یك سیستم نیرو را با دقت بالا مدیریت كند.
شبكه تورین‌های برقی، نه تنها بزرگ بلكه پویا هم هستند و همین موضوع موجب می‌شود كه مدیریت آنها چالش‌برانگیز باشد. اپراتورهای انسان می‌دانند كه در شرایط پایدار چگونه سیستم‌ها را حفظ كنند اما هنگامی كه شرایط در اثر دلایل گوناگون از جمله اشتباهات ناگهانی به سرعت تغییر می‌كنند، اپراتورها روش مشخصی ندارند تا ایمنی مورد نیاز سیستم‌ها را حفظ كنند.
"آزمایشگاه ملی آرگون"(Argonne National Laboratory) كه به "وزارت انرژی آمریكا"(DOE) وابسته است، روش جدیدی ارائه داده تا به اپراتورها كمك كند كه سیستم‌های نیرو را با كمك هوش مصنوعی، بهتر و با روش كارآمدتری كنترل كنند.
همگرایی محاسبات پویا و ثابت
این روش جدید به اپراتورها امكان می‌دهد تا با استفاده از یك مدل تصمیم‌گیری بسیار دقیق و در نظر داشتن ویژگی‌های پویا و ثابت، تصمیم بگیرند و یك چالش دشوار را پشت سر بگذارند.
"فنگ كیو"(Feng Qiu)، از دانشمندان آزمایشگاه ملی آرگون گفت: تصمیم‌گیری برای خاموش و روشن كردن یك ژنراتور و تعیین سطح نیروی خروجی آن، نمونه یك تصمیم ثابت است كه در یك بازه زمانی خاص تغییر نمی‌كند. فركانس الكتریكی كه به سرعت ژنراتور بازمی‌گردد، یك ویژگی پویا است زیرا می‌تواند به مرور زمان نوسان داشته باشد. هنگامی كه فرمول پویا و ثابت را در یك مدل كنار یكدیگر می‌گذارید، حل كردن آن غیرممكن به نظر می‌رسد.
در سیستم‌های نیرو، اپراتورها باید فركانس را در یك طیف خاص نگه دارند تا محدودیت‌های ایمنی را رعایت كنند.
بیشتر تحلیلگران، ویژگی‌های ثابت و پویا را به صورت جداگانه محاسبه می‌كنند؛ در حالی كه برخی سعی كرده‌اند تا مدل‌های ساده‌ای را ابداع كنند كه هر دو نوع محاسبه را شامل می‌شوند اما دقت و مقیاس‌پذیری این مدل‌ها محدود است زیرا سیستم‌ها پیچیده‌تر هستند.
پیوند ویژگی‌های ثابت و پویا با شبكه‌های عصبی مصنوعی
كیو و همكارانش برای همراه كردن فرمول‌های كنونی ثابت و پویا، روشی ابداع كردند تا فرمول‌های جدیدی را برای اتصال این دو ویژگی ایجاد كنند. در روش آنها، از یك ابزار مبتنی بر هوش مصنوعی موسوم به شبكه عصبی استفاده می‌شود.
"ییچن ژانگ"(Yichen Zhang)، نویسنده ارشد این پروژه گفت: یك شبكه عصبی می‌تواند نقشه‌ای را میان ورودی و خروجی خاص ایجاد كند. اگر من شرایطی كه با آنها آغاز می‌كنیم و با آنها به پایان می‌بریم بدانم، می‌توانم شبكه‌های عصبی را برای درك چگونگی نقشه‌برداری از این شرایط به كار ببرم.
اگرچه روش شبكه عصبی این گروه را می‌توان برای سیستم‌های بزرگ به كار گرفت اما آنها روش خود را روی یك سیستم ریزشبكه آزمایش كردند. این سیستم، یك شبكه قابل كنترل از منابع توزیع شده انرژی مانند ژنراتور دیزلی و پنل‌های خورشیدی فتوولتاییك است.
پژوهشگران از این شبكه عصبی استفاده كردند تا چگونگی نقشه‌برداری مجموعه‌ای از شرایط ایستا را در سیستم ریزشبكه و به همراه مجموعه‌ای از شرایط یا مقادیر پویا ردیابی كنند. آنها به طور خاص از این شبكه استفاده كردند تا منابع ثابت سیستم ریزشبكه را تنظیم كنند و بدین ترتیب فركانس الكتریكی، در سطح ایمن باقی بماند.
داده‌های شبیه‌سازی شده، به عنوان ورودی‌ها و خروجی‌های لازم برای آموزش شبكه عصبی به كار گرفته شدند. ورودی‌ها، داده‌های ثابت و خروجی‌ها، واكنش‌های پویا به خصوص در طیف فركانس‌های ایمن بودند. هنگامی كه پژوهشگران، هر دو مجموعه داده را به شبكه عصبی منتقل كردند، شبكه یاد گرفت كه از واكنش‌های پویا برای مجموعه‌ای از شرایط ثابت، نقشه‌برداری كند.
كویی اضافه كرد: شبكه عصبی، معادلات پویای پیچیده را كه معمولا نمی‌توانیم با معادلات ثابت ادغام كنیم، به شكل جدیدی تبدیل كرد كه امكان حل كردن آنها با یكدیگر را برای ما فراهم می‌كند.
راه‌هایی برای تحلیل‌های جدید
پژوهشگران، تحلیلگران و اپراتورها می‌توانند از این روش جدید به عنوان یك نقطه آغاز استفاده كنند. برای مثال، اپراتورها می‌توانند از این روش استفاده كنند تا هنگام خاموش و روشن شدن منابع تولید مطمئن باشند كه منابع آنلاین می‌توانند اختلالات خاص را تحمل كنند.
"تیانكی هونگ"(Tianqi Hong)، از پژوهشگران این پروژه گفت: این جریانی است كه اپراتورهای سیستم همیشه می‌خواهند آن را تحلیل كنند اما به خاطر چالش‌های محاسبه ویژگی‌های ثابت و پویا نمی‌توانند. اكنون ما باور داریم كه این روش، چنین تحلیل‌هایی را امكان‌پذیر می‌سازد.
"مارك پتری"(Mark Petri)، از پژوهشگران این پروژه گفت: ما از ارائه این روش تجزیه و تحلیل، هیجان‌زده هستیم. این روش می‌تواند راه بهتری برای اپراتورها فراهم كند تا به بازیابی سریع و ایمن نیرو بپردازند.
انتهای پیام
