الابتكار باستخدام الرؤية الحاسوبية والذكاء الاصطناعي في قطاع الطاقة

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

في ظل مواجهة العالم للمخاوف البيئية المرتبطة باستهلاك الوقود الأحفوري وسعيه إلى تحقيق صافي انبعاثات كربونية صفري، تحول التركيز نحو حلول الطاقة المستدامة. ومع أهمية تطوير مصادر جديدة للطاقة، تُبذل جهود كبيرة أيضًا لتحسين أنظمة الطاقة الحالية وجعلها أكثر كفاءة وموثوقية وصداقةً للبيئة.

يجري دمج الأساليب التقليدية لتوليد الكهرباء وتشغيل قطاع الطاقة تدريجيًا مع تقنيات متقدمة مثل الذكاء الاصطناعي (AI). وعلى وجه التحديد، تؤدي الرؤية الحاسوبية، أي استخدام الذكاء الاصطناعي لتفسير البيانات المرئية وتحليلها، دورًا متناميًا في معالجة التحديات التي يواجهها قطاع الكهرباء.

تُغيّر الرؤية الحاسوبية أساليب مراقبة أنظمة الطاقة الكهربائية وصيانتها وتحسينها. فلنلقِ نظرة عن كثب على كيفية تطبيق هذه التكنولوجيا في قطاع الطاقة.

فهم قطاع الكهرباء#

قبل التعمق 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 مراحل رئيسية: التوليد والنقل والتوزيع والاستهلاك. تبدأ العملية بتوليد الكهرباء في محطات الطاقة، التي قد تستخدم موارد مثل الوقود الأحفوري والطاقة النووية أو مصادر متجددة مثل الرياح والطاقة الشمسية والطاقة الكهرومائية. ثم تُنقل الكهرباء المُولَّدة لمسافات طويلة عبر خطوط كهرباء عالية الجهد. وعندما تصل إلى محطات الجهد العالي، تُوزَّع عبر المحطات الفرعية، ثم تُوصل إلى المنازل والشركات والمنشآت الصناعية عبر خطوط ذات جهد أقل.

الشكل 1. خط كهرباء.

فيما يلي الجهات المعنية الرئيسية في نظام إنتاج الكهرباء:

• شركات المرافق العامة: هي الشركات التي تنتج الكهرباء في محطات الطاقة وتنقلها إلى المستهلكين. وتتولى مسؤولية صيانة البنية التحتية وضمان استمرارية الإمداد.
• مشغلو الشبكة: يديرون شبكة الكهرباء ويراقبون التوازن بين عرض الكهرباء والطلب عليها. وتشرف هذه الجهات أيضًا على استقرار الشبكة، وتمنع انقطاع التيار، وتدمج مصادر الطاقة المتجددة.
• الجهات التنظيمية: تفرض الهيئات التنظيمية، ومعظمها حكومية، السياسات والقواعد على مشغلي الشبكة. وتضمن الامتثال لمعايير السلامة والبيئة والاقتصاد، وتحمي مصالح المستهلكين.
• المستخدمون النهائيون: هم المستهلكون، مثل الأسر والمنشآت الصناعية والشركات، الذين يستخدمون الكهرباء.

التحديات الأساسية في قطاع الكهرباء#

يواجه قطاع الكهرباء يوميًا عددًا من المشكلات الرئيسية. وتعتمد أنظمة كهربائية كثيرة على بنية تحتية متقادمة لم تُصمم لتلبية احتياجات الطاقة الحالية، ما يؤدي إلى أوجه قصور ويرفع مخاطر الأعطال، مثل انقطاع خطوط الكهرباء. وغالبًا ما تكون الصيانة تفاعلية بدلًا من استباقية، ما قد يؤدي إلى توقف مكلف ومشكلات غير متوقعة. وإضافة إلى ذلك، تواجه أنظمة الشبكات القديمة صعوبة في التكيف بكفاءة مع احتياجات الطاقة المتغيرة. وتُعد معالجة هذه 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، على نحو يشبه البشر. ويمكن تدريب نموذج للرؤية الحاسوبية على تحديد الأجسام والأنماط في الصور ومقاطع الفيديو لاتخاذ قرارات مدروسة.

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

تطبيقات الرؤية الحاسوبية في قطاع الكهرباء#

يمكن أن تكون ابتكارات الرؤية الحاسوبية مفيدة لأغراض متعددة في قطاع الكهرباء، بما في ذلك الفحص والمراقبة والإدارة. دعونا نلقِ نظرة أقرب على بعض حالات الاستخدام الفعلية لنماذج الرؤية الحاسوبية في قطاع الطاقة.

فحوصات الطائرات المسيّرة#

يمكن لـطائرات الذكاء الاصطناعي المسيّرة المدعومة بالرؤية الحاسوبية، والمجهزة بكاميرات عالية الدقة، فحص خطوط الكهرباء وأبراج النقل ومزارع الطاقة الشمسية وغيرها من البنى التحتية الكهربائية. وتتضمن العملية عادةً التقاط الصور ومقاطع الفيديو لخطوط الكهرباء في منطقة محددة باستخدام طائرات مسيّرة يتحكم فيها البشر أو تعمل ذاتيًا، ثم تحليلها بواسطة نماذج الرؤية الحاسوبية.

يمكن تدريب نماذج مثل Ultralytics YOLO11، التي تدعم تقنيات مثل اكتشاف الكائنات وتقسيم المثيلات، على مجموعات بيانات جوية مثل TTPLA 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 يعزز السلامة من خلال تقليل الحاجة إلى قيام العمال بمهام خطرة، مثل تسلق الأبراج أو العمل في مناطق عالية الجهد.

ومن الأمثلة البارزة على ذلك مدينة جياوتسو في الصين، حيث تُستخدم الطائرات المسيّرة لتحسين سلامة خطوط نقل شبكة الكهرباء الحكومية. إذ تقوم طائرات مسيّرة يتحكم بها البشر بدوريات على خطوط النقل لتحديد الأضرار المحتملة. وباستخدام الطائرات المسيّرة، فُحص 114 خطًا كهربائيًا، وكُشف عن عيبين خفيين وعولجا.

الشكل 2. عمال يفحصون خطًا كهربائيًا باستخدام طائرات مسيّرة.

مراقبة المحطات الفرعية#

يمكن لأنظمة المراقبة المدمجة مع الرؤية الحاسوبية مراقبة محطات الطاقة للكشف عن حالات شاذة مثل ارتفاع درجة حرارة المحولات، وأعطال قواطع الدوائر، وتسرب الزيت، وتعطل المعدات. وإذا ألقيت نظرة على مكونات هذه الأنظمة، فستجد عادةً نموذج رؤية حاسوبية مدرَّبًا خصيصًا.

على سبيل المثال، من خلال تدريب نموذج YOLO11 مخصص على مجموعة متنوعة من الصور التي توثق حالات شذوذ مختلفة في المعدات، مثل الحالات المذكورة أعلاه، يمكننا إنشاء نظام متين من أجل الكشف الآلي عن الحالات الشاذة. ويمكن استخدام نموذج YOLO11 المدرَّب للتعرف على أنماط محددة وانحرافات عن ظروف التشغيل العادية. وباستخدام نماذج مثل YOLO11، يمكننا تحسين الكفاءة التشغيلية في محطات الطاقة، وتقليل حوادث العمل، وتعزيز السلامة في أماكن العمل.

نشهد في الوقت الحالي تزايدًا في هذا النوع من الابتكارات. فعلى سبيل المثال، استُخدم كلب آلي يعمل بالذكاء الاصطناعي يُدعى سباركي لاستكشاف فحص المحطات الفرعية بالذكاء الاصطناعي في ولاية كونيتيكت. سباركي مدمج مع الرؤية الحاسوبية والذكاء الاصطناعي لقراءة مقاييس الجهد ومراقبتها، وتسجيل الصور الحرارية، واكتشاف الأضرار التي تلحق بالمعدات. ويضم كاميرا عالية الدقة بتقريب بصري 30x، وكاميرا تعمل بالأشعة تحت الحمراء، ومستشعرًا صوتيًا لقراءة البصمات الصوتية.

الشكل 3. سباركي، الروبوت، يفحص محطة طاقة.

مراقبة الشبكة الذكية#

يمكن أيضًا تطبيق نماذج الرؤية الحاسوبية على أنظمة الشبكات الذكية لمراقبة تدفق الطاقة، وتحديد الاختناقات، واكتشاف مواطن الضعف المحتملة. وعند دمج أنظمة الرؤية الحاسوبية مع تقنيات أخرى، مثل مستشعرات إنترنت الأشياء (IoT) وتحليلات البيانات، يمكنها تعزيز مراقبة الشبكة.

وعلى وجه الخصوص، تستطيع نماذج الرؤية الحاسوبية التقاط البصمات الحرارية عند اقترانها بتقنية التصوير بالأشعة تحت الحمراء. والتصوير بالأشعة تحت الحمراء تقنية تلتقط صور الأجسام استنادًا إلى انبعاثها للحرارة. وتستخدم كاميرات حرارية تعمل ضمن نطاق الأشعة تحت الحمراء للكشف عن تغيرات درجات الحرارة التي لا تراها العين المجردة. وتفيد هذه التقنية في تحديد النقاط الساخنة، التي قد تشير إلى ارتفاع درجة الحرارة أو الاحتكاك أو الأعطال الكهربائية في المعدات.

يكتسب التصوير بالأشعة تحت الحمراء أهمية خاصة في قطاع الكهرباء، إذ يتيح اكتشاف مشكلات مثل ارتفاع حرارة المحولات وقواطع الدائرة وخطوط الكهرباء. ويمكن لكاميرا بالأشعة تحت الحمراء ذات إمكانات الرؤية الحاسوبية مراقبة أعمدة المرافق لحظيًا ورصد الارتفاعات المفاجئة في درجات الحرارة. وإذا اكتشفت الكاميرا أي تغيرات غير معتادة في درجة الحرارة، فيمكنها تنبيه فريق الصيانة. وعندها يستطيع فريق الصيانة التحقيق في المشكلة واتخاذ الإجراء اللازم، لتجنب انقطاعات الخدمة ومخاطر السلامة المحتملة.

الشكل 4. استخدام الرؤية الحاسوبية لاكتشاف الارتفاعات المفاجئة في درجات الحرارة بأعمدة المرافق.

مزايا الرؤية الحاسوبية وعيوبها في قطاع الطاقة#

يمكن لقطاع الكهرباء الاستفادة بطرق عديدة من تطبيقات الرؤية الحاسوبية. إليك بعض الأمثلة:

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

من ناحية أخرى، ينطوي تطبيق أنظمة الرؤية الحاسوبية على قيود. 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. وقد يشكل استثمار مبلغ كبير في تقنية جديدة تحديًا كبيرًا للصناعات الصغيرة.
• خصوصية البيانات وأمنها: غالبًا ما تتضمن أنظمة الذكاء الاصطناعي للرؤية جمع البيانات الحساسة ومعالجتها، ما يثير مخاوف تتعلق بالخصوصية والأمن.
• القيود البيئية: يمكن أن تتأثر جودة البيانات المرئية في فحوصات الرؤية الحاسوبية بعوامل مثل الإضاءة والطقس ومعايرة الكاميرا. وقد تجعل الظروف الجوية السيئة، مثل الضباب أو المطر أو الثلج، هذه الفحوصات أقل فعالية، ولا سيما في الأماكن الخارجية.

مستقبل الطاقة#

تُعد الرؤية الحاسوبية أداة موثوقة لمعالجة التحديات المعقدة في قطاع الكهرباء. ويمكن للحلول المدعومة بالذكاء الاصطناعي أن تؤدي دورًا أساسيًا في تلبية احتياجات الطاقة اليوم، وذلك من خلال أتمتة الفحوصات المرئية، وتحليل كميات كبيرة من البيانات، وإتاحة المراقبة الآنية.

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

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