الابتكار باستخدام الرؤية الحاسوبية والذكاء الاصطناعي في قطاع الطاقة

يُشغّل قطاع الطاقة الحياة كما نعرفها، إذ يوفر الكهرباء لمنازلنا والطاقة للصناعات والأساس للاتصال الرقمي. إنه الخيط غير المرئي الذي يُبقي عجلة المجتمع دائرة كل يوم.

بينما يكافح العالم المخاوف البيئية المرتبطة باستهلاك الوقود الأحفوري ويسعى إلى تحقيق صافي انبعاثات كربونية صفري، تحوّل التركيز نحو حلول الطاقة المستدامة. ومع ذلك، فبينما يُعد تطوير مصادر جديدة للطاقة أمرًا مهمًا، تُبذل أيضًا جهود كبيرة لتحسين أنظمة الطاقة الحالية وجعلها أكثر كفاءة وموثوقية وصداقة للبيئة.

تُدمج الأساليب التقليدية لتوليد الكهرباء وعمليات الطاقة تدريجيًا مع تقنيات متقدمة مثل الذكاء الاصطناعي (AI). وعلى وجه التحديد، تؤدي الرؤية الحاسوبية - أي استخدام الذكاء الاصطناعي لتفسير البيانات المرئية وتحليلها - دورًا محوريًا في معالجة التحديات داخل قطاع الكهرباء.

تُغيّر الرؤية الحاسوبية طريقة مراقبة أنظمة الطاقة الكهربائية وصيانتها وتحسينها. لنلقِ نظرة فاحصة على كيفية تطبيق هذه التقنية في قطاع الطاقة.

فهم قطاع الكهرباء#

قبل أن نتعمق في تطبيقات الرؤية الحاسوبية في قطاع الكهرباء، من المهم فهم سبب أهمية هذه التطبيقات والجهات التي تؤثر فيها.

يُعد إنتاج الكهرباء جزءًا أساسيًا من قطاع الطاقة، ويتضمن أربع خطوات رئيسية: التوليد والنقل والتوزيع والاستهلاك. تبدأ العملية بتوليد الكهرباء في محطات الطاقة، التي يمكن أن تستخدم موارد مثل الوقود الأحفوري والطاقة النووية أو مصادر متجددة مثل الرياح والطاقة الشمسية والطاقة الكهرومائية. ثم تُنقل الكهرباء المُولّدة لمسافات طويلة عبر خطوط كهرباء عالية الجهد. وعندما تصل إلى محطات الجهد العالي، تُوزّع عبر المحطات الفرعية، ثم تُوصّل إلى المنازل والشركات والصناعات عبر خطوط منخفضة الجهد.

الشكل 1. خط كهرباء.

فيما يلي الجهات الرئيسية المعنية بنظام إنتاج الكهرباء:

• شركات المرافق: هي الشركات التي تنتج الكهرباء في محطات الطاقة وتنقلها إلى المستهلكين. وتتحمل مسؤولية صيانة البنية التحتية وضمان إمداد مستقر.

• مشغلو الشبكات: يديرون شبكة الكهرباء ويراقبون التوازن بين إمدادات الكهرباء والطلب عليها. كما تشرف هذه الجهات على استقرار الشبكة، وتمنع انقطاع التيار، وتدمج مصادر الطاقة المتجددة.

• الجهات التنظيمية: تفرض الهيئات التنظيمية، ومعظمها جهات حكومية، السياسات والقواعد على مشغلي الشبكات. وتضمن الامتثال لمعايير السلامة والبيئة والاقتصاد وتحمي مصالح المستهلكين.

• المستخدمون النهائيون: هم المستهلكون، مثل الأسر والصناعات والشركات، الذين يستخدمون الكهرباء.

التحديات الأساسية في قطاع الكهرباء#

يواجه قطاع الكهرباء يوميًا العديد من المخاوف الرئيسية. تعتمد أنظمة كهربائية كثيرة على بنية تحتية قديمة لم تُصمم للتعامل مع متطلبات الطاقة الحالية، ما يؤدي إلى انخفاض الكفاءة وارتفاع مخاطر الأعطال، مثل انقطاع خطوط الكهرباء. وغالبًا ما تكون الصيانة تفاعلية بدلًا من أن تكون استباقية، ما قد يؤدي إلى توقف مكلف ومشكلات غير متوقعة. إضافة إلى ذلك، تواجه أنظمة الشبكات القديمة صعوبة في التكيف بكفاءة مع احتياجات الطاقة المتغيرة. ويُعد التصدي لهذه المشكلات جزءًا أساسيًا من إنشاء نظام طاقة مستقر وموثوق للمستقبل.

دور الرؤية الحاسوبية في قطاع الكهرباء#

الرؤية الحاسوبية فرع من الذكاء الاصطناعي يساعد الآلات على رؤية المعلومات المرئية من العالم المحيط بها وفهمها، بطريقة مشابهة للبشر. ويمكن تدريب نموذج رؤية حاسوبية على تحديد الكائنات والأنماط في الصور ومقاطع الفيديو لاتخاذ قرارات مستنيرة.

في قطاع الكهرباء، يمكن استخدام نماذج الذكاء الاصطناعي للرؤية مثل Ultralytics YOLO11 للتحقق من وجود أضرار في خطوط الجهد، وفحص الأجزاء الدقيقة في المحولات، ومراقبة الدوائر في الوقت الفعلي، والعمل في أماكن خطرة مثل المناطق عالية الجهد والنائية.

تطبيقات الرؤية الحاسوبية في قطاع الكهرباء#

يمكن أن تكون ابتكارات الرؤية الحاسوبية مفيدة لأغراض متنوعة في قطاع الكهرباء، بما في ذلك الفحص والمراقبة والإدارة. لنلقِ نظرة فاحصة على بعض حالات الاستخدام الفعلية لنماذج الرؤية الحاسوبية في قطاع الطاقة.

عمليات الفحص باستخدام الطائرات المسيّرة#

يمكن لـالطائرات المسيّرة المدعومة بالذكاء الاصطناعي والمزوّدة بقدرات الرؤية الحاسوبية وكاميرات عالية الدقة فحص خطوط الكهرباء وأبراج النقل ومزارع الطاقة الشمسية وغيرها من البنى التحتية الكهربائية. تتضمن العملية عادةً التقاط طائرات مسيّرة يتحكم فيها البشر أو تعمل باستقلالية صورًا ومقاطع فيديو لخطوط الكهرباء في منطقة محددة، ثم تحليلها بواسطة نماذج الرؤية الحاسوبية.

يمكن استخدام نماذج مثل Ultralytics YOLO11 التي تدعم تقنيات مثل اكتشاف الكائنات وتجزئة المثيلات لتحديد مشكلات متنوعة. وتشمل هذه المشكلات التشققات والتآكل وتعدي الغطاء النباتي والتدخل البشري بالقرب من خطوط الكهرباء وتلف المعدات. يسرّع هذا النهج القائم على الذكاء الاصطناعي عملية الفحص. كما يحسّن السلامة من خلال تقليل الحاجة إلى قيام العمال البشريين بمهام خطرة، مثل تسلق الأبراج أو العمل في مناطق الجهد العالي.

ومن الأمثلة الرائعة على ذلك مدينة جياوتسو في الصين، حيث تُستخدم الطائرات المسيّرة لتحسين سلامة خطوط نقل شبكة الدولة. إذ تقوم طائرات مسيّرة يتحكم فيها البشر بدوريات على خطوط النقل لتحديد الأضرار المحتملة. وباستخدام الطائرات المسيّرة، فُحص 114 خطًا كهربائيًا، وحُدّد ضرران خفيان وحُلّا بكفاءة.

الشكل 2. عمال يفحصون خطًا كهربائيًا باستخدام طائرات مسيّرة.

مراقبة المحطات الفرعية#

يمكن لأنظمة المراقبة المدمجة مع الرؤية الحاسوبية مراقبة محطات الطاقة بحثًا عن حالات شاذة مثل ارتفاع حرارة المحولات وقواطع الدوائر وتسربات الزيت وأعطال المعدات. وإذا ألقيت نظرة على آلية عمل هذه الأنظمة، فستجد عادةً نموذج رؤية حاسوبية مُدرّبًا تدريبًا مخصصًا.

على سبيل المثال، من خلال تدريب نموذج YOLO11 مخصص على مجموعة بيانات متنوعة من الصور التي تلتقط حالات شاذة مختلفة في المعدات، مثل الحالات المذكورة أعلاه، يمكننا إنشاء نظام متين لاكتشاف الحالات الشاذة تلقائيًا. ويمكن استخدام نموذج YOLO11 المُدرّب للتعرف على أنماط محددة وانحرافات عن ظروف التشغيل الطبيعية. ومن خلال استخدام ابتكارات مثل YOLO11، يمكننا تحسين الكفاءة التشغيلية في محطات الطاقة، والقضاء على حوادث أماكن العمل، وجعل بيئة العمل أكثر أمانًا.

نشهد في الوقت الحاضر تزايدًا في هذه الأنواع من الابتكارات المتطورة. فعلى سبيل المثال، استُخدم كلب آلي مدعوم بالذكاء الاصطناعي يُدعى Sparky لاستكشاف فحص المحطات الفرعية المدفوع بالذكاء الاصطناعي في ولاية كونيتيكت. وقد دُمج Sparky مع الرؤية الحاسوبية والذكاء الاصطناعي ليتمكن من قراءة مقاييس الجهد ومراقبتها، وتسجيل الصور الحرارية، واكتشاف الأضرار التي تلحق بالمعدات. وهو مزود بـكاميرا عالية الدقة ذات تقريب 30x، وكاميرا تعمل بالأشعة تحت الحمراء، ومستشعر صوتي لقراءة البصمات الصوتية.

الشكل 3. Sparky، الروبوت، يفحص محطة طاقة.

مراقبة الشبكة الذكية#

يمكن أيضًا الاستفادة من نماذج الرؤية الحاسوبية في أنظمة الشبكات الذكية لمراقبة تدفق الطاقة وتحديد الاختناقات واكتشاف الثغرات المحتملة. وعند دمجها مع تقنيات ذكاء اصطناعي أخرى، مثل مستشعرات إنترنت الأشياء (IoT) وتحليلات البيانات، يمكن لأنظمة الرؤية الحاسوبية تعزيز مراقبة الشبكة.

وعلى وجه الخصوص، عند اقترانها بـتقنية التصوير بالأشعة تحت الحمراء، يمكن لنماذج الرؤية الحاسوبية التقاط البصمات الحرارية. والتصوير بالأشعة تحت الحمراء تقنية تلتقط صورًا للكائنات استنادًا إلى انبعاثها الحراري. وتستخدم كاميرات حرارية تعمل ضمن طيف الأشعة تحت الحمراء لاكتشاف اختلافات درجات الحرارة غير المرئية بالعين المجردة. وتفيد هذه التقنية في تحديد النقاط الساخنة التي قد تشير إلى ارتفاع الحرارة أو الاحتكاك أو أعطال كهربائية في المعدات.

في قطاع الكهرباء، يُعد التصوير بالأشعة تحت الحمراء ذا قيمة خاصة لاكتشاف مشكلات مثل ارتفاع حرارة المحولات وقواطع الدوائر وخطوط الكهرباء. ويمكن لكاميرا تعمل بالأشعة تحت الحمراء وتتمتع بـقدرات الرؤية الحاسوبية مراقبة أعمدة المرافق في الوقت الفعلي والبحث عن الارتفاعات المفاجئة في درجات الحرارة. وإذا اكتشفت الكاميرا أي تغيرات غير معتادة في درجة الحرارة، فيمكنها تنبيه فريق الصيانة. ويمكن لفريق الصيانة بعد ذلك التحقيق في المشكلة واتخاذ الإجراء اللازم، مما يمنع انقطاعات التيار المحتملة ومخاطر السلامة.

الشكل 4. استخدام الرؤية الحاسوبية لاكتشاف الارتفاعات المفاجئة في درجات حرارة أعمدة المرافق.

إيجابيات وسلبيات الرؤية الحاسوبية في قطاع الطاقة#

يمكن لقطاع الكهرباء الاستفادة بطرق عديدة من استخدام تطبيقات الرؤية الحاسوبية. فيما يلي بعض الأمثلة:

• خفض التكاليف: من خلال تطبيق الحلول القائمة على الرؤية، يمكن خفض تكاليف العمالة، ولا سيما التكاليف المرتبطة بمهام مثل عمليات الفحص على الخطوط، التي تستغرق وقتًا طويلًا وتنطوي على مخاطر.
• اتخاذ القرارات المستندة إلى البيانات: يمكن دمج الرؤى المستخلصة من نماذج الرؤية مع البيانات التاريخية لاتخاذ قرارات مستنيرة.
• قابلية التوسع: تتميز نماذج الرؤية الحاسوبية بالمرونة، ويمكن تطبيقها على أي نطاق. ويمكن توسيع نطاقها بسهولة من منطقة صغيرة إلى منطقة أكبر، أو تقليصه من منطقة كبيرة إلى منطقة أصغر، دون الحاجة إلى تغييرات جوهرية.

من ناحية أخرى، ينطوي تطبيق أنظمة الرؤية الحاسوبية على بعض القيود. وفيما يلي بعض هذه المخاوف:

• ارتفاع التكلفة الأولية: قد يكون نشر أنظمة الرؤية الحاسوبية، بما في ذلك الطائرات المسيّرة والكاميرات والبنية التحتية للذكاء الاصطناعي، مكلفًا. وبالنسبة إلى الصناعات الصغيرة، قد يشكل استثمار مبلغ ضخم من المال في تقنية جديدة تحديًا كبيرًا.
• خصوصية البيانات وأمنها: غالبًا ما تتضمن أنظمة الذكاء الاصطناعي للرؤية جمع البيانات الحساسة ومعالجتها، مما يثير مخاوف بشأن الخصوصية والأمن.
• القيود البيئية: يمكن أن تتأثر جودة البيانات المرئية في عمليات فحص الرؤية الحاسوبية بعوامل مثل الإضاءة والطقس ومعايرة الكاميرا. وقد يجعل الطقس السيئ، مثل الضباب أو المطر أو الثلج، عمليات الفحص هذه أقل فعالية، ولا سيما في الأماكن الخارجية.

مستقبل الطاقة#

تُعد الرؤية الحاسوبية أداة موثوقة للتعامل مع التحديات المعقدة في قطاع الكهرباء. ومن خلال أتمتة عمليات الفحص المرئي وتحليل كميات كبيرة من البيانات وإتاحة المراقبة في الوقت الفعلي، يمكن للحلول المدعومة بالذكاء الاصطناعي أن تؤدي دورًا أساسيًا في تلبية متطلبات الطاقة الحالية.

فعلى سبيل المثال، يمكن للرؤية الحاسوبية أن تساعد في تقليل مخاطر الخطأ البشري في كل شيء، بدءًا من تحديد المشكلات في خطوط الكهرباء وصولًا إلى التنبؤ بأعطال المعدات. ومع ازدياد اعتماد الذكاء الاصطناعي وتطور قطاع الطاقة، ستؤدي هذه التقنيات دورًا رئيسيًا في تطوير الطاقة الخضراء وإنشاء أنظمة شبكات كهرباء أكثر صداقة للبيئة.

انضم إلى مجتمعنا واطّلع على مستودعنا على GitHub لمعرفة المزيد عن الذكاء الاصطناعي. ويمكنك أيضًا التعرف على تطبيقات أخرى مثيرة للاهتمام للذكاء الاصطناعي في قطاعات مثل الزراعة والرعاية الصحية.