الابتكار باستخدام الرؤية الحاسوبية والذكاء الاصطناعي في قطاع الطاقة

يعمل قطاع الطاقة على تشغيل حياتنا كما نعرفها، حيث يوفر الكهرباء لمنازلنا، والطاقة للصناعات، والأساس للاتصال الرقمي. إنه الخيط الخفي الذي يجعل عجلة المجتمع تدور كل يوم.

بينما يتعامل العالم مع المخاوف البيئية المتعلقة باستهلاك الوقود الأحفوري ويسعى لتحقيق صافي انبعاثات كربونية صفري، تحول التركيز نحو حلول الطاقة المستدامة. ومع ذلك، فإنه على الرغم من أهمية تطوير مصادر طاقة جديدة، هناك أيضًا عمل كبير يتم القيام به لتحسين أنظمة الطاقة الحالية وجعلها أكثر كفاءة وموثوقية وصديقة للبيئة.

يجري دمج الأساليب التقليدية لتوليد الكهرباء وعمليات الطاقة ببطء مع تقنيات متقدمة مثل الذكاء الاصطناعي (AI). وتحديدًا، تلعب الرؤية الحاسوبية - استخدام الذكاء الاصطناعي لتفسير وتحليل البيانات المرئية - دورًا محوريًا في معالجة التحديات داخل القطاع الكهربائي.

الرؤية الحاسوبية تغير الطريقة التي تتم بها مراقبة أنظمة الطاقة الكهربائية وصيانتها وتحسينها. دعونا نلقي نظرة فاحصة على كيفية تطبيق هذه التقنية في قطاع الطاقة.

Link to this sectionفهم القطاع الكهربائي#

قبل أن نتعمق في تطبيقات الرؤية الحاسوبية في القطاع الكهربائي، من المهم فهم سبب أهمية هذه التطبيقات ومن تؤثر عليه.

يعد إنتاج الكهرباء جزءًا رئيسيًا من قطاع الطاقة، ويتضمن أربع خطوات رئيسية: التوليد، والنقل، والتوزيع، والاستهلاك. يبدأ الأمر بتوليد الكهرباء في محطات الطاقة، التي يمكنها استخدام موارد مثل الوقود الأحفوري، أو الطاقة النووية، أو المصادر المتجددة مثل الرياح، والطاقة الشمسية، والطاقة الكهرومائية. ثم يتم نقل الكهرباء المولدة لمسافات طويلة عبر خطوط نقل عالية الجهد. وبمجرد وصولها إلى محطات الجهد العالي، يتم توزيعها عبر محطات فرعية ثم توصيلها إلى المنازل والشركات والصناعات عبر خطوط ذات جهد منخفض.

الشكل 1. خط طاقة كهربائية.

فيما يلي أصحاب المصلحة الرئيسيون في نظام إنتاج الكهرباء:

• شركات المرافق: وهي الشركات التي تنتج الكهرباء في محطات الطاقة وتنقلها إلى المستهلكين. وهي مسؤولة عن صيانة البنية التحتية وضمان إمدادات ثابتة.

• مشغلو الشبكات: يديرون الشبكة الكهربائية ويراقبون التوازن بين إمدادات الكهرباء والطلب عليها. تشرف هذه الجهات أيضًا على استقرار الشبكة، وتمنع الانقطاعات، وتدمج مصادر الطاقة المتجددة.

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

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

Link to this sectionالتحديات الأساسية في القطاع الكهربائي#

يواجه القطاع الكهربائي العديد من المخاوف الرئيسية بشكل يومي. تعتمد العديد من الأنظمة الكهربائية على بنية تحتية قديمة لم يتم تصميمها للتعامل مع احتياجات الطاقة اليوم، مما يؤدي إلى عدم الكفاءة وارتفاع مخاطر الأعطال مثل الكسور في خطوط الكهرباء. غالبًا ما تكون الصيانة تفاعلية وليست استباقية، مما قد يؤدي إلى توقف مكلف عن العمل ومشكلات غير متوقعة. علاوة على ذلك، تكافح أنظمة الشبكات القديمة للتكيف مع احتياجات الطاقة المتغيرة بكفاءة. وتعد معالجة هذه القضايا جزءًا حاسمًا من إنشاء نظام طاقة مستقر ويمكن الاعتماد عليه للمستقبل.

Link to this sectionدور الرؤية الحاسوبية في القطاع الكهربائي#

الرؤية الحاسوبية هي مجال فرعي من الذكاء الاصطناعي يساعد الآلات على رؤية وفهم المعلومات المرئية من العالم من حولها، على غرار كيفية قيام البشر بذلك. يمكن تدريب نموذج رؤية حاسوبية لتحديد الكائنات والأنماط في الصور ومقاطع الفيديو لاتخاذ قرارات مستنيرة.

في القطاع الكهربائي، يمكن استخدام نماذج الرؤية بالذكاء الاصطناعي مثل Ultralytics YOLO11 للتحقق من الأضرار في خطوط الجهد، وفحص الأجزاء الدقيقة في المحولات، ومراقبة الدوائر في الوقت الفعلي، والعمل في أماكن خطرة مثل المناطق ذات الجهد العالي والمناطق النائية.

Link to this sectionتطبيقات الرؤية الحاسوبية في القطاع الكهربائي#

يمكن أن تكون ابتكارات الرؤية الحاسوبية مفيدة لأغراض مختلفة في القطاع الكهربائي، بما في ذلك الفحص، والمراقبة، والإدارة. دعونا نلقي نظرة فاحصة على بعض حالات الاستخدام في الوقت الفعلي لنماذج الرؤية الحاسوبية في صناعة الطاقة.

Link to this sectionفحص الطائرات بدون طيار#

يمكن للطائرات بدون طيار المدعومة بالذكاء الاصطناعي والرؤية الحاسوبية والمجهزة بكاميرات عالية الدقة فحص خطوط الكهرباء، وأبراج النقل، ومزارع الطاقة الشمسية، وغيرها من البنية التحتية الكهربائية. تتضمن العملية عادةً طائرات بدون طيار يتم التحكم فيها بشريًا أو ذاتية القيادة تلتقط صورًا ومقاطع فيديو لخطوط الكهرباء في منطقة محددة، والتي يتم تحليلها بعد ذلك بواسطة نماذج الرؤية الحاسوبية.

يمكن استخدام نماذج، مثل YOLO11، التي تدعم تقنيات مثل اكتشاف الكائنات وتجزئة المثيلات لتحديد مشكلات مختلفة. وتشمل هذه الشقوق، والتآكل، وزحف الغطاء النباتي، والتدخل البشري بالقرب من خطوط الكهرباء، وتلف المعدات. يعمل هذا النهج القائم على الذكاء الاصطناعي على تسريع عملية الفحص. كما أنه يحسن السلامة من خلال تقليل الحاجة إلى العمال البشريين لأداء مهام خطرة، مثل تسلق الأبراج أو العمل في مناطق الجهد العالي.

مثال رائع على ذلك هو مدينة جياوزو في الصين، حيث تُستخدم الطائرات بدون طيار لتحسين سلامة خطوط النقل الخاصة بشبكة الدولة. تقوم الطائرات بدون طيار التي يتم التحكم فيها بشريًا بدوريات على خطوط النقل لتحديد الأضرار المحتملة. وباستخدام الطائرات بدون طيار، قاموا بفحص 114 خطًا كهربائيًا وتحديد وإصلاح ضررين خفيين بكفاءة.

الشكل 2. عمال يفحصون خطًا كهربائيًا باستخدام طائرات بدون طيار.

Link to this sectionمراقبة المحطات الفرعية#

يمكن لأنظمة المراقبة المدمجة مع الرؤية الحاسوبية مراقبة محطات الطاقة بحثًا عن حالات شاذة مثل ارتفاع درجة حرارة المحولات، وقواطع الدائرة، وتسرب الزيت، وأعطال المعدات. إذا نظرت تحت غطاء مثل هذه الأنظمة، يمكنك عادةً العثور على نموذج رؤية حاسوبية مدرب خصيصًا.

على سبيل المثال، من خلال تدريب نموذج YOLO11 مخصص على مجموعة بيانات متنوعة من الصور التي تلتقط مختلف حالات شذوذ المعدات، مثل تلك المدرجة أعلاه، يمكننا إنشاء نظام قوي للكشف التلقائي عن الشذوذ. يمكن استخدام نموذج YOLO11 المدرب للتعرف على أنماط معينة وانحرافات عن ظروف العمل الطبيعية. وباستخدام ابتكارات مثل YOLO11، يمكننا تحسين الكفاءة التشغيلية في محطات الطاقة، والقضاء على حوادث العمل، وجعل مكان العمل أكثر أمانًا.

في الوقت الحاضر، نشهد زيادة في هذه الأنواع من الابتكارات المتطورة. على سبيل المثال، تم استخدام كلب آلي يعمل بالذكاء الاصطناعي يدعى سباركي لاستكشاف فحص المحطات الفرعية المدفوع بالذكاء الاصطناعي في ولاية كونيتيكت. تم دمج سباركي مع الرؤية الحاسوبية والذكاء الاصطناعي ليتمكن من قراءة ومراقبة مقاييس الجهد، وتسجيل صور حرارية، واكتشاف تلف المعدات. وهو يتميز بكاميرا عالية الدقة بتقريب 30 ضعفًا، وكاميرا تعمل بالأشعة تحت الحمراء، ومستشعر صوتي لقراءة التوقيعات الصوتية.

الشكل 3. سباركي، الروبوت، يفحص محطة طاقة.

Link to this sectionمراقبة الشبكة الذكية#

يمكن أيضًا الاستفادة من نماذج الرؤية الحاسوبية فيما يتعلق بأنظمة الشبكة الذكية لمراقبة تدفق الطاقة، وتحديد الاختناقات، واكتشاف نقاط الضعف المحتملة. وبالاقتران مع تقنيات الذكاء الاصطناعي الأخرى، مثل مستشعرات إنترنت الأشياء (IoT) وتحليلات البيانات، يمكن لأنظمة الرؤية الحاسوبية تعزيز مراقبة الشبكة.

على وجه الخصوص، عند إقرانها بتقنية التصوير بالأشعة تحت الحمراء، يمكن لنماذج الرؤية الحاسوبية التقاط التوقيعات الحرارية. التصوير بالأشعة تحت الحمراء هو تقنية تلتقط صورًا للأجسام بناءً على انبعاثها الحراري. وهي تستخدم كاميرات حرارية تعمل في نطاق الأشعة تحت الحمراء لاكتشاف تغيرات درجات الحرارة التي لا يمكن رؤيتها بالعين المجردة. هذه التقنية مفيدة عندما يتعلق الأمر بتحديد النقاط الساخنة، والتي قد تشير إلى ارتفاع درجة الحرارة، أو الاحتكاك، أو الأعطال الكهربائية في المعدات.

في القطاع الكهربائي، يعد التصوير بالأشعة تحت الحمراء ذا قيمة خاصة لاكتشاف مشكلات مثل ارتفاع درجة حرارة المحولات، وقواطع الدائرة، وخطوط الكهرباء. يمكن لكاميرا الأشعة تحت الحمراء المزودة بقدرات الرؤية الحاسوبية مراقبة أعمدة المرافق في الوقت الفعلي والبحث عن ارتفاعات مفاجئة في درجة الحرارة. إذا اكتشفت الكاميرا أي تغيرات غير عادية في درجات الحرارة، فيمكنها تنبيه فريق الصيانة. يمكن لفريق الصيانة بعد ذلك التحقيق في المشكلة واتخاذ الإجراء اللازم، مما يمنع الانقطاعات المحتملة ومخاطر السلامة.

الشكل 4. استخدام الرؤية الحاسوبية لاكتشاف ارتفاعات درجات الحرارة في أعمدة المرافق.

Link to this sectionإيجابيات وسلبيات الرؤية الحاسوبية في قطاع الطاقة#

يمكن للقطاع الكهربائي الاستفادة بطرق عديدة من استخدام تطبيقات الرؤية الحاسوبية. فيما يلي بعض الأمثلة:

• توفير التكاليف: من خلال تطبيق الحلول القائمة على الرؤية، يمكن تقليل تكاليف العمالة، وخاصة تكاليف العمالة المرتبطة بمهام مثل عمليات الفحص المباشر، والتي تستغرق وقتًا طويلاً وخطيرة.
• اتخاذ القرارات المستندة إلى البيانات: يمكن دمج الرؤى التي تم جمعها من نماذج الرؤية مع البيانات التاريخية لاتخاذ قرارات مستنيرة.
• القابلية للتوسع: نماذج الرؤية الحاسوبية مرنة ويمكن تنفيذها على أي نطاق. يمكن توسيع نطاقها بسهولة من منطقة صغيرة إلى منطقة أكبر، أو تقليص نطاقها من منطقة كبيرة إلى منطقة أصغر، دون الحاجة إلى تغييرات كبيرة.

من ناحية أخرى، يأتي تنفيذ أنظمة الرؤية الحاسوبية مع قيودها. بعض هذه المخاوف مذكورة أدناه:

• تكلفة أولية عالية: يمكن أن يكون نشر أنظمة الرؤية الحاسوبية، بما في ذلك الطائرات بدون طيار، والكاميرات، والبنية التحتية للذكاء الاصطناعي مكلفًا. بالنسبة للصناعات الصغيرة، يمكن أن يكون استثمار مبلغ ضخم من المال في تقنية جديدة تحديًا كبيرًا.
• خصوصية وأمن البيانات: غالبًا ما تتضمن أنظمة الرؤية بالذكاء الاصطناعي جمع ومعالجة البيانات الحساسة، 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. يمكن أن تجعل الظروف الجوية السيئة، مثل الضباب، أو المطر، أو الثلوج، هذه العمليات أقل فعالية، خاصة في الأماكن المفتوحة.

Link to this sectionمستقبل الطاقة#

تعد الرؤية الحاسوبية أداة موثوقة لمواجهة التحديات المعقدة للقطاع الكهربائي. من خلال أتمتة عمليات الفحص البصري، وتحليل كميات كبيرة من البيانات، وتمكين المراقبة في الوقت الفعلي، يمكن للحلول المدعومة بالذكاء الاصطناعي أن تلعب دورًا أساسيًا في تلبية احتياجات الطاقة اليوم.

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

انضم إلى مجتمعنا وتحقق من مستودع GitHub الخاص بنا لمعرفة المزيد عن الذكاء الاصطناعي. يمكنك أيضًا التعرف على تطبيقات الذكاء الاصطناعي الأخرى المثيرة للاهتمام في قطاعات مثل الزراعة والرعاية الصحية.