الابتكار في مجال الرؤية الحاسوبية والذكاء الاصطناعي في قطاع الطاقة

يشغل قطاع الطاقة الحياة كما نعرفها، حيث يوفر الكهرباء لمنازلنا والطاقة للصناعات والأساس للاتصال الرقمي. إنه الخيط الخفي الذي يحافظ على دوران عجلات المجتمع كل يوم. 

بينما يتصارع العالم مع المخاوف البيئية بشأن استهلاك الوقود الأحفوري ويهدف إلى تحقيق صافي انبعاثات كربونية صفرية، تحول التركيز نحو حلول الطاقة المستدامة. ومع ذلك، في حين أن تطوير مصادر طاقة جديدة أمر مهم، إلا أن هناك أيضًا عملًا كبيرًا يتم إنجازه لتحسين أنظمة الطاقة الحالية وجعلها أكثر كفاءة وموثوقية وصديقة للبيئة.

تتكامل الطرق التقليدية لتوليد الكهرباء وعمليات الطاقة ببطء مع التقنيات المتقدمة مثل الذكاء الاصطناعي (AI). على وجه التحديد، تلعب رؤية الحاسوب - استخدام الذكاء الاصطناعي لتفسير وتحليل البيانات المرئية - دورًا محوريًا في معالجة التحديات داخل قطاع الكهرباء.

تعمل الرؤية الحاسوبية على تغيير طريقة مراقبة وصيانة وتحسين أنظمة الطاقة الكهربائية. دعنا نلقي نظرة فاحصة على كيفية تطبيق هذه التقنية في قطاع الطاقة.

فهم قطاع الكهرباء

قبل أن نتعمق في تطبيقات رؤية الكمبيوتر في القطاع الكهربائي، من المهم أن نفهم سبب أهمية هذه التطبيقات ومن تتأثر بها.

يعد إنتاج الكهرباء جزءًا رئيسيًا من قطاع الطاقة، ويتضمن أربع خطوات رئيسية: التوليد والنقل والتوزيع والاستهلاك. يبدأ بتوليد الكهرباء في محطات الطاقة، والتي يمكن أن تستخدم موارد مثل الوقود الأحفوري أو الطاقة النووية أو مصادر متجددة مثل طاقة الرياح والطاقة الشمسية والطاقة الكهرومائية. ثم يتم نقل الكهرباء المولدة عبر مسافات طويلة عبر خطوط كهرباء عالية الجهد. بمجرد وصولها إلى محطات الجهد العالي، يتم توزيعها عبر المحطات الفرعية ثم يتم توصيلها إلى المنازل والشركات والصناعات عبر خطوط ذات جهد أقل.

‍

إليك أصحاب المصلحة الرئيسيون في نظام إنتاج الكهرباء:

• شركات المرافق: هذه هي الشركات التي تنتج الكهرباء في محطات الطاقة وتنقلها إلى المستهلكين. إنهم مسؤولون عن صيانة البنية التحتية وضمان إمداد ثابت.
  ‍
• مشغلو الشبكة: يديرون الشبكة الكهربائية ويراقبون التوازن بين إمدادات الكهرباء والطلب عليها. تشرف هذه الكيانات أيضًا على استقرار الشبكة وتمنع الانقطاعات وتدمج مصادر الطاقة المتجددة.

• الجهات التنظيمية: تفرض الهيئات التنظيمية، ومعظمها الحكومة، السياسات والقواعد على مشغلي الشبكة. إنهم يضمنون الامتثال لمعايير السلامة والبيئة والاقتصاد وحماية مصالح المستهلك.
  ‍
• المستخدمون النهائيون: هؤلاء هم المستهلكون، مثل الأسر والصناعات والشركات، الذين يستخدمون الكهرباء. 

التحديات الأساسية في قطاع الكهرباء

يواجه القطاع الكهربائي العديد من المخاوف الرئيسية بشكل يومي. تعتمد العديد من الأنظمة الكهربائية على بنية تحتية قديمة لم يتم تصميمها للتعامل مع متطلبات الطاقة اليوم، مما يؤدي إلى عدم الكفاءة وزيادة خطر الأعطال مثل الانقطاعات 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 الشبكة القديمة للتكيف مع احتياجات الطاقة المتغيرة بكفاءة. تعد معالجة هذه المشكلات جزءًا حاسمًا من إنشاء نظام طاقة مستقر وموثوق للمستقبل.

دور رؤية الحاسوب في قطاع الكهرباء

الرؤية الحاسوبية هي حقل فرعي من الذكاء الاصطناعي يساعد الآلات على رؤية وفهم المعلومات المرئية من العالم من حولهم، على غرار الطريقة التي يفعل بها البشر. يمكن تدريب نموذج الرؤية الحاسوبية لتحديد الكائنات والأنماط في الصور ومقاطع الفيديو لاتخاذ قرارات مستنيرة. 

في قطاع الكهرباء، يمكن استخدام نماذج الذكاء الاصطناعي المرئي مثل Ultralytics YOLO11 للتحقق من الأضرار في خطوط الجهد الكهربائي، وفحص الأجزاء الحساسة في المحولات، ومراقبة الدوائر الكهربائية في الوقت الفعلي، والعمل في الأماكن الخطرة مثل المناطق ذات الجهد العالي والمناطق النائية.

تطبيقات الرؤية الحاسوبية في قطاع الكهرباء

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

عمليات فحص الطائرات بدون طيار

يمكن لطائرات الذكاء الاصطناعي بدون طيار المزودة برؤية الحاسوب (Computer vision-enabled ai drones) والمجهزة بكاميرات عالية الدقة فحص خطوط الكهرباء وأبراج النقل ومزارع الطاقة الشمسية والبنية التحتية الكهربائية الأخرى. تتضمن العملية عادةً طائرات بدون طيار يتم التحكم فيها بواسطة الإنسان أو ذاتية القيادة تلتقط صورًا ومقاطع فيديو لخطوط الكهرباء في منطقة محددة، والتي يتم تحليلها بعد ذلك بواسطة نماذج رؤية الحاسوب. 

يمكن استخدام النماذج، مثل YOLO11 التي تدعم تقنيات مثل اكتشاف الأجسام وتجزئة النماذج لتحديد المشكلات المختلفة. وتشمل هذه المشاكل التشققات والتآكل والتعدي على الغطاء النباتي والتدخل البشري بالقرب من خطوط الطاقة وتلف المعدات. يعمل هذا النهج القائم على الذكاء الاصطناعي على تسريع عملية الفحص. كما أنه يعمل على تحسين السلامة من خلال تقليل الحاجة إلى قيام العمال البشريين بأداء المهام الخطرة، مثل تسلق الأبراج أو العمل في مناطق الجهد العالي.

من الأمثلة الرائعة على ذلك مدينة جياوزو في الصين، حيث يتم استخدام الطائرات بدون طيار لتحسين سلامة خطوط نقل شبكة الكهرباء الحكومية. تقوم الطائرات بدون طيار التي يتم التحكم فيها بشريًا بدوريات في خطوط النقل لتحديد الأضرار المحتملة. وباستخدام الطائرات بدون طيار، قاموا بفحص 114 خطًا كهربائيًا وتحديد وحل ضررين خفيين بكفاءة.

‍

مراقبة المحطات الفرعية

يمكن لأنظمة المراقبة المدمجة مع الرؤية الحاسوبية مراقبة محطات الطاقة بحثًا عن الحالات الشاذة 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 المخصص على مجموعة بيانات متنوعة من الصور التي تلتقط مختلف الحالات الشاذة للمعدات، مثل تلك المذكورة أعلاه، يمكننا إنشاء نظام قوي للكشف الآلي عن الحالات الشاذة. يمكن استخدام نموذج YOLO11 المدرّب للتعرف على أنماط وانحرافات محددة عن ظروف العمل العادية. باستخدام ابتكارات مثل YOLO11يمكننا تحسين الكفاءة التشغيلية في محطات الطاقة، والقضاء على الحوادث في مكان العمل، وجعل مكان العمل أكثر أمانًا.

وفي الوقت الحاضر، نشهد زيادة في هذه الأنواع من الابتكارات المتطورة. فعلى سبيل المثال، تم استخدام كلب آلي يعمل بالذكاء الاصطناعي يُدعى "سباركي" لاستكشاف فحص المحطات الفرعية في ولاية كونيتيكت الأمريكية باستخدام الذكاء الاصطناعي. تم دمج "سباركي" مع الرؤية الحاسوبية والذكاء الاصطناعي ليكون قادراً على قراءة مقاييس الجهد الكهربائي ومراقبتها وتسجيل الصور الحرارية detect الأضرار التي لحقت بالمعدات. ويتميز بكاميرا عالية الدقة مع تقريب 30 ضعفاً، وكاميرا بالأشعة تحت الحمراء، ومستشعر صوتي لقراءة الإشارات الصوتية.

‍

مراقبة الشبكة الذكية

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

يمكن لنماذج الرؤية الحاسوبية أن تلتقط البصمات الحرارية عند اقترانها بتقنية التصوير بالأشعة تحت الحمراء على وجه الخصوص. التصوير بالأشعة تحت الحمراء هو تقنية تلتقط صوراً للأجسام بناءً على انبعاث الحرارة منها. وهي تستخدم كاميرات حرارية تعمل في طيف الأشعة تحت الحمراء detect التغيرات في درجات الحرارة غير المرئية بالعين المجردة. هذه التقنية مفيدة عندما يتعلق الأمر بتحديد النقاط الساخنة، والتي يمكن أن تشير إلى ارتفاع درجة الحرارة أو الاحتكاك أو الأعطال الكهربائية في المعدات.

في القطاع الكهربائي، تعتبر التصوير بالأشعة تحت الحمراء ذا قيمة خاصة للكشف عن مشكلات مثل ارتفاع درجة حرارة المحولات وقواطع الدائرة وخطوط الطاقة. يمكن لكاميرا الأشعة تحت الحمراء المزودة بقدرات رؤية الكمبيوتر مراقبة أعمدة المرافق في الوقت الفعلي والبحث عن ارتفاعات مفاجئة في درجة الحرارة. إذا اكتشفت الكاميرا أي تغييرات غير عادية في درجة الحرارة، فيمكنها تنبيه فريق الصيانة. يمكن لفريق الصيانة بعد ذلك التحقيق في المشكلة واتخاذ الإجراءات اللازمة، ومنع انقطاع التيار الكهربائي المحتمل ومخاطر السلامة.

‍

إيجابيات وسلبيات استخدام رؤية الحاسوب في قطاع الطاقة

يمكن للقطاع الكهربائي الاستفادة بعدة طرق من استخدام تطبيقات رؤية الحاسوب. إليك بعض الأمثلة: 

• توفير التكاليف: من خلال تطبيق حلول قائمة على الرؤية، يمكن تقليل تكاليف العمالة، وخاصة تكاليف العمالة المرتبطة بمهام مثل عمليات الفحص المباشر، والتي تستغرق وقتًا طويلاً وتشكل خطورة. 
  ‍
• اتخاذ القرارات المستندة إلى البيانات: يمكن دمج الرؤى التي يتم جمعها من نماذج الرؤية مع البيانات التاريخية لاتخاذ قرارات مستنيرة.
  ‍
• قابلية التوسع: نماذج الرؤية الحاسوبية مرنة ويمكن تنفيذها بأي حجم. يمكن توسيعها بسهولة من منطقة صغيرة إلى منطقة أكبر، أو تقليلها من منطقة كبيرة إلى منطقة أصغر، دون الحاجة إلى تغييرات كبيرة.

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

• تكلفة أولية عالية: يمكن أن يكون نشر أنظمة رؤية الكمبيوتر، بما في ذلك الطائرات بدون طيار والكاميرات و البنية التحتية للذكاء الاصطناعي، مكلفًا. بالنسبة للصناعات الصغيرة، يمكن أن يكون استثمار مبلغ كبير من المال في التكنولوجيا الجديدة تحديًا كبيرًا.
  ‍
• خصوصية البيانات وأمنها: غالبًا ما تتضمن أنظمة الذكاء الاصطناعي البصري جمع ومعالجة البيانات الحساسة، مما يثير مخاوف بشأن الخصوصية والأمان.
  ‍
• القيود البيئية: يمكن أن تتأثر جودة البيانات المرئية في عمليات فحص الرؤية الحاسوبية بعوامل مثل الإضاءة والطقس ومعايرة الكاميرا. يمكن أن تجعل الأحوال الجوية السيئة، مثل الضباب أو المطر أو الثلج، عمليات الفحص هذه أقل فعالية، خاصة في الهواء الطلق.

مستقبل الطاقة

تعد الرؤية الحاسوبية أداة موثوقة لمواجهة التحديات المعقدة في قطاع الكهرباء. من خلال أتمتة عمليات الفحص البصري وتحليل كميات كبيرة من البيانات وتمكين المراقبة في الوقت الفعلي، يمكن أن تلعب الحلول التي تعمل بالذكاء الاصطناعي دورًا أساسيًا في تلبية متطلبات الطاقة اليوم. 

على سبيل المثال، يمكن أن تساعد رؤية الكمبيوتر في تقليل مخاطر الخطأ البشري في كل شيء بدءًا من تحديد المشكلات في خطوط الطاقة وحتى التنبؤ بأعطال المعدات. مع نمو 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 وتفقد مستودع GitHub الخاص بنا لمعرفة المزيد حول الذكاء الاصطناعي. يمكنك أيضًا التعرف على تطبيقات الذكاء الاصطناعي الأخرى المثيرة للاهتمام في قطاعات مثل الزراعة و الرعاية الصحية.