از سیر تا پیاز کاربردهای هوش مصنوعی در انرژی
تیم تحریریه
- ۱۱ بهمن ۱۴۰۱
- زمان مطالعه 23 دقیقه
انرژی‌های تأمین‌کننده سوخت به دودسته اصلی، تجدید پذیر شامل انرژی خورشید، باد، برق‌آبی، زمین‌گرمایی، زیست‌توده، جزر و مد، امواج و پیلهای سوختی و تجدید ناپذیر شامل نفت، گاز، زغال‌سنگ و انرژی هستهای تقسیم میشوند. سوختن انرژی‌های تجدید ناپذیر، عموماً میزان زیادی دی‌اکسید کربن وارد هوا میکند که منجر به تغییرات آب و هوایی در کره زمین می‌گردد. به همین دلیل، در سالهای اخیر، کشورهای زیادی در تلاش برای استفاده از انرژی‌های تجدید پذیر هستند.
استفاده از هر دو نوع انرژی و بهره‌برداری از منابع آن‌ها همواره چالش‌های فراوانی را به همراه داشته؛ لذا در سالهای اخیر، دانشمندان در حال کمک گرفتن از فناوری هوش مصنوعی در فرآیندهای مختلف حوزه انرژی، از استخراج تا مصرف، هستند. هوش مصنوعی، قابلیت‌هایی چون پیشبینی مسائل، پردازش اطلاعات با حجم بالا، تجزیه‌وتحلیل دادهها به‌ویژه تصاویر و همچنین انجام کارها به‌صورت خودکار را دارد که این توانمندی‌ها میتوانند فرآیندهایی چون استخراج منابع، نگهداری و تعمیرات تجهیزات، مدیریت و نظارت بر شرایط را بهبود بخشند. سیستمهای هوشمند در حوزه انرژی، سبب بهبود در استفاده از منابع انرژی، کاهش هزینه‌ها، همچنین بالا رفتن ایمنی در محیط کاری برای بهره‌برداری از منابع شده‌اند. در این مقاله قصد داریم تا کاربردهای هوش مصنوعی در صنعت انرژی را موردبررسی قرار دهیم، پس با ما همراه باشید…
دسته‌بندی کاربردهای هوش مصنوعی در صنعت انرژی
جهت تأمین انرژی، منابع مختلفی وجود دارد که برخی از آن‌ها منبع طبیعی و برخی دیگر منبع فسیلی هستند. انرژی‌ها بر اساس سرعت جایگزینی مجدد آن‌ها به دودسته تجدید پذیر و تجدید ناپذیر تقسیم میشوند. تشکیل مجدد انرژی‌هایی مانند نفت، گاز و زغال‌سنگ که منبع فسیلی دارند، نیازمند میلیون‌ها سال زمان است. درحالی‌که منابع انرژی طبیعی مانند خورشید، باد و یا امواج، همواره در دسترس بوده و هیچ‌گاه پایان نمیپذیرند. در این راستا، انرژی به دودسته زیر تقسیم میشود:
- انرژی‌های تجدید پذیر
- انرژی‌های تجدید ناپذیر
در ادامه، کارکردهای هوش مصنوعی در هر یک از دسته‌های انرژی موردبررسی قرار می‌گیرد.
۱. کاربردهای هوش مصنوعی در صنعت انرژی در دسته انرژی‌های تجدید پذیر
افزایش حجم قابل‌توجه دی‌اکسید کربن در هوا، منجر به بروز مشکلاتی در سطح کره زمین شده است. به همین دلیل کشورهای توسعه‌یافته به سمت استفاده از انرژی‌های تجدید پذیر روی آورده‌اند. استفاده از انرژی‌های مختلف تجدید پذیر به عوامل گوناگونی ازجمله نوع منطقه بستگی دارد. به‌عنوان‌مثال، هند یک منطقه گرمسیر است که در آن بین ۲۵۰ تا ۳۰۰ روز سال، هوا آفتابی است و سلول‌های خورشیدی برای این کشور میتواند بهترین جایگزین نفت و گاز باشد.
انرژی تجدید پذیر به‌عنوان یک عامل حیاتی در پیشرفت جوامع ثروتمند و پیشرفته در نظر گرفته‌شده که توسعه و بهبود آن بسیار ضروری است. قابلیت‌های هوش مصنوعی جهت استخراج و تجزیه‌وتحلیل دادهها در این زمینه بسیار مورداستفاده قرارگرفته و فرآیندهای تصمیمگیری مانند میزان ذخیره انرژی در باتری‌ها، تعداد بهینه توربین‌های بادی در یک منطقه، تعداد سلول‌های خورشیدی موردنیاز و یا زمان لازم رسیدن به غلظت خاصی در زیست‌توده‌ها را بهینه کرده است. تاکنون هوش مصنوعی در بخش‌های کمی از تولید و مدیریت انرژی‌های تجدید پذیر مورداستفاده قرارگرفته؛ اما همین مقدار نیز در پیشبینی و مدیریت عملکرد سیستم‌ها بسیار تأثیر داشته و موجب گردیده تا کشورها، بیشتر از گذشته، به سمت استفاده از این انرژی‌ها رو آورند. جهت بررسی کاربردهای هوش مصنوعی در انرژی‌های تجدید پذیر، موارد زیر موردمطالعه قرارگرفته است:
۱.۱. انرژی خورشیدی
۱.۲. انرژی باد
۱.۳. برق‌آبی
۱.۴. انرژی زمین‌گرمایی
۱.۵. زیست‌توده‌ها
۱.۶. انرژی جزر و مد
۱.۷. انرژی امواج
۱.۸. پیلهای سوختی
در ادامه به تشریح کارکردهای هوش مصنوعی در دسته انرژی‌های تجدید پذیر از کاربردهای هوش مصنوعی در صنعت انرژی پرداخته میشود.
۱.۱. کاربردهای هوش مصنوعی در صنعت انرژی، بخش انرژی خورشیدی:
یکی از منابع انرژی تجدید پذیر، خورشید است. در هر ثانیه، هر مترمربع زمین حدود ۱۳۶۷ ژول، انرژی از خورشید دریافت میکند که مقدار قابل‌توجهی می‌باشد. بخشی از انرژی خورشید، صرف گرم کردن زمین و اجسام روی آن و مقداری از آن برای فتوسنتز در گیاهان استفاده میشود. بیشترین بخش از انرژی خورشید به هدر میرود. به همین سبب سالهاست دانشمندان در تلاش‌اند تا به کمک سلول‌های خورشیدی، انرژی خورشید را به انرژی الکتریکی و گرمایی تبدیل کنند و از آن برای مصارف خود استفاده نمایند.
هوش مصنوعی به کمک فناوری‌هایی چون داده‌کاوی میتواند در بهینه‌سازی چیدمان صفحات سلول‌های خورشیدی یا آینه‌های متمرکز، تجزیه‌وتحلیل دادهها و همچنین پیشبینی مواردی چون الگوی مصرف برق یک منطقه و یا میزان توان تولیدی یک مزرعه خورشیدی یا نیروگاه متمرکز مفید واقع شود تا بتوان با صرف هزینه کمتر، توان تولیدی مزرعه‌های خورشیدی و نیروگاه‌های متمرکز را افزایش داد.
پیشبینی میزان تولید انرژی برق
در زمینه تولید انرژی برق به کمک سلول‌های خورشیدی و آینه‌های متمرکز، نیاز است عوامل بسیار زیادی مانند الگوی مصرف برق در مناطق مختلف، میزان تابش خورشید، آب‌وهوا، میزان انرژی کسب‌شده در هر بازه زمانی و سایر موارد ازاین‌دست را پیشبینی کرد. سپس به کمک این پیش‌بینی‌ها می‌توان مدیریت درستی در زمینه تولید و ذخیره انرژی برق داشت. در این راستا، هوش مصنوعی از طریق دنبال کردن الگوهای مصرف پیشین و پردازش داده‌هایی که در هرلحظه از منابع مختلف مانند گزارش‌های هواشناسی و یا میزان گردوخاک نشسته بر روی صفحات خورشیدی به دست میآید، میزان برق تولیدشده را پیشبینی می‌نماید.
بهینه‌سازی چیدمان صفحات خورشیدی و آینه‌های نیروگاه‌های متمرکز
زاویه، تعداد و نوع چیدمان سلول‌های خورشیدی و آینه‌ها در نیروگاه‌های متمرکز، تأثیر بسیار زیادی در میزان انرژی به‌دست‌آمده دارد. بیشترین میزان انرژی از خورشید، زمانی دریافت میشود که تابش نور بر سطح آینه‌ها در نیروگاه‌های متمرکز و یا تابش به صفحه‌های پنلهای خورشیدی به‌صورت عمود صورت بگیرد.
امروزه شرکت‌های بسیاری فعالیت خود را درزمینه کاربردهای هوش مصنوعی در صنعت انرژی شروع کرده‌اند و در تلاش هستند تا با بهره‌گیری از الگوریتمهای یادگیری ماشین در طراحی چیدمان بهینه سلول‌ها و آینه‌ها می‌توان به بیشترین مقدار انرژی ممکن از سلول‌های خورشیدی دست یابند. این سیستم‌ها، آینه‌ها و پنلهای خورشیدی را در ساعت‌های مختلف شبانه‌روز با تغییر زاویه خورشید به‌گونه‌ای می‌چرخانند که تابش بر سطحشان عمود باشد تا بیشترین میزان انرژی را دریافت کنند.
بهینه‌سازی مدیریت مصرف و ذخیره انرژی در باتری‌ها
شارژ کردن باتری‌ها باانرژی تولیدشده به ولتاژ، جریان و توان بستگی دارد. یک پلتفرم هوش مصنوعی، تمام اطلاعات موردنیاز خود را از منابع مختلف دریافت کرده و تجزیه‌وتحلیل می‌نماید. سپس بر اساس این اطلاعات، زمان بهینه برای ذخیره انرژی، میزان ذخیره‌شده و بهترین زمان مصرف آن را تعیین میکند.
۱.۲. کاربردهای هوش مصنوعی در صنعت انرژی، بخش انرژی باد
انرژی باد، یک منبع سوخت پاک محسوب میشود و می‌توان برای تولید الکتریسیته از آن استفاده کرد. هر نیروگاه بادی جهت تولید الکتریسیته به‌طورمعمول حدود ۴۰ تا ۱۰۰ توربین بادی دارد. برآوردهای کارشناسان حاکی از آن است که می‌توان ۵۰ درصد انرژی موردنیاز جهان را از باد تأمین نمود.
دانشمندان در تلاش‌اند تا به کمک فناوری هوش مصنوعی، تولید انرژی الکتریسیته از انرژی باد را بهینه کنند. به کمک فناوریهای کاربردی هوش مصنوعی، توان خروجی توربین‌های بادی افزایش و هزینه‌های تولید انرژی از این منبع تجدید پذیر تا حد زیادی کاهش مییابد که این مهم از طریق موارد ذیل قابل پیاده‌سازی است.
طراحی چیدمان مزارع بادی
طراحی چیدمان مزارع بادی یکی از کلیدی‌ترین نکات در تعیین میزان توان خروجی توربین‌های بادی است. هنگام طراحی مزارع بادی لازم است به جایابی توربینها و عدم قرارگیری آن‌ها در مسیر یکدیگر در هنگام وزش باد توجه شود. هوش مصنوعی میتواند نحوه چیدمان توربین‌های بادی را طوری طراحی کند تا کمترین توربینی در سایه‌ی باد دیگری قرار بگیرد.
بهینه‌سازی توان خروجی توربینها
پرههای توربین‌های بادی باید در ساعت‌های مختلف شبانه‌روز با توجه به جهت و سرعت وزش باد بچرخند تا بتوان از آن‌ها بیشترین میزان خروجی انرژی الکتریسیته را دریافت کرد. به همین دلیل می‌توان از فناوریهای هوش مصنوعی کمک گرفت تا این چرخش‌ها به‌صورت کارآمدتری صورت بگیرد و انرژی الکتریسیته بیشتری توسط توربینها تولید شود.
پیشبینی خرابی توربینها
اگر توربینها در جهت درست و مناسب نسبت به وزش باد قرار نگیرند، طول عمر پایه‌های توربین کاهش مییابد. همچنین آخرین تاریخ نگهداری و تعمیرات، شرایط آب‌وهوایی مانند میزان بارندگیها و گردوخاک، همگی عواملی هستند که در خرابی یک توربین بادی تأثیرگذارند. پلتفرم‌های هوش مصنوعی میتوانند خرابی توربینها را با توجه به شرایط موجود آن‌ها پیشبینی کنند. این سبب میشود تا بتوان قبل از خرابی و قطع کار توربین آن را تعمیر کرد؛ لذا هزینه‌های نگهداری، تعمیرات و خواب توربینها تا حد زیادی کاهش پیدا میکند.
کشف محل و نوع خرابی
همان‌طور که مشخص است صنعت انرژی یک صنعت بسیار گسترده است و به دنباله آن کاربردهای هوش مصنوعی در صنعت انرژی نیز دامنه بسیاری دارند. از مهمترین مزایای هوش مصنوعی در این صنعت، کشف محل و نوع خرابی سیستمهای تولیدکننده انرژی است. به‌عنوان‌مثال پره توربین‌های بادی نیازمند بررسی مکرر هستند تا شدت و نوع خرابی را در زودترین زمان، تشخیص داد. هزینه نگهداری و تعمیر پرههای توربین‌های بادی بسیار بالاست؛ لذا می‌توان به‌جای این‌که در فاصله‌های زمانی مشخص، اقدام به باز کردن پره‌ها و انجام عملیات تعمیر و نگهداری کرد، با استفاده از فناوری بینایی ماشین، تصاویر گرفته‌شده توسط پهپادها را بررسی نمود و محل، شدت و نوع عیب پره‌ها را تشخیص داد. سپس بر اساس آن برای عملیات نگهداری و تعمیرات، تصمیمات لازم گرفته شود که درنتیجه آن، تنها در هنگام ضرورت اقدام به باز کردن پره‌ها و انجام عملیات تعمیر و نگهداری میشود.
۱.۳. کاربردهای هوش مصنوعی در صنعت انرژی، بخش برق‌آبی
با بستن سد بر روی مسیرهای آبی و نگهداری آب در پشت سدها، می‌توان توربینها را به‌منظور تولید انرژی الکتریسیته به حرکت درآورد. کشورها سالهاست از این منبع انرژی به‌عنوان یک منبع پاک برای تولید انرژی برق استفاده می‌کنند که در حال حاضر متخصصین به دنبال توسعه و بهبود آن توسط فناوری هوش مصنوعی هستند. هوش مصنوعی میتواند در زمینه‌هایی چون نگهداری از سدها بسیار کارآمد عمل کند و این امر سبب افزایش قابلیت اطمینان و کاهش هزینه‌های تولید انرژی برق از این روش شده که در ادامه به تشریح راهکارهای هوش مصنوعی در این زمینه پرداخته میشود.
پیشبینی تراز آب پشت سدها
حجم آب پشت سدها با توجه به شرایط محیطی دائماً در حال تغییر است. ازجمله موارد اثرگذار در حجم آب می‌توان به میزان بارندگی، تابش انرژی خورشید، دمای هوا، حجم آب ورودی از رودها اشاره کرد. آب پشت سدها نباید از مقدار مشخصی بیشتر شود چراکه به دیواره سد، فشار آورده و میتواند سبب تخریب آن گردد. از همین رو متخصصین از مدلهای هوش مصنوعی کمک میگیرند تا حجم آب پشت سدها را پیشبینی و در صورت لزوم، فرمان هشدار را صادر کنند.
کشف خرابی در سدها
حجم قابل‌توجهی از آب در پشت سدها ذخیره‌شده که در صورت رها شدن آن‌ها، تمام مناطق اطراف به زیرآب خواهد رفت. درنتیجه، لازم است سدها به‌طور دائم و مرتب مورد ارزیابی قرار گیرند تا اگر بخشی از سد نیاز به تعمیر دارد، محل موردنظر، کشف و اقدامات لازم انجام شود. به کمک پهپادها و با استفاده از فناوری بینایی ماشین، می‌توان از بخش‌های مختلف سدها عکس‌برداری و پس از تجزیه‌وتحلیل آن‌ها، محل و نوع خرابی را مشخص کرد.
۱.۴. کاربردهای هوش مصنوعی در صنعت انرژی در بخش انرژی زمین‌گرمایی
انرژی زمین‌گرمایی، حاصل از گرمای لایه‌های پایینتر زمین است که از آن به‌عنوان یک منبع پاک استفاده میشود. از این گرما می‌توان به روشهای مختلف برای تولید انرژی برق استفاده کرد. به‌عنوان‌مثال، آب را به کمک این گرما، بخار می‌کنند و توسط بخارآب، توربینها را به حرکت درمی‌آورند تا از آن برق تولید شود.
یکی از چالش‌های استفاده از انرژی زمین به‌عنوان یک منبع تجدید پذیر، کشف محل مناسب حفر چاه است که محققین توانسته‌اند به کمک فناوری هوش مصنوعی و با به‌کارگیری تکنیک‌های جدید یادگیری ماشین برای تجزیه‌وتحلیل تصاویر سنجش‌ازدور، محل مناسب برای حفر چاه و احداث نیروگاه زمین‌گرمایی را مشخص کنند. در این فرآیند، معیارهایی چون ویژگی‌های سطح زمین، تصاویر هوایی از چشمه‌های آب گرم و کوه‌های آتش‌فشان برای سیستم هوش مصنوعی تعریف میشود و سیستم میتواند بهترین محل را بر اساس معیارها مشخص کند.
۱.۵. کاربردهای هوش مصنوعی در صنعت انرژی، بخش زیست‌توده‌ها Biomass
زیست‌توده‌ها، پایدارترین و فراوانترین منبع انرژی تجدید پذیر هستند که میتوانند به‌عنوان جایگزینی برای محصولات با پایه‌ی نفت خام استفاده شوند. زیست‌توده به مواد طبیعی که از بقایا و پسماندهای گیاهان و حیوانات به دست می‌آیند، گفته میشود. زیست‌توده‌ها یکی از منابع انرژی تجدید پذیر شناخته میشوند که طیف وسیعی را در برمی‌گیرند. به‌طور عمده زیست‌توده در شش گروه زیر تقسیم‌بندی میشود:
- جنگل‌ها و ضایعات جنگلی
- محصولات و ضایعات کشاورزی، باغداری و صنایع غذایی
- فضولات دامی
- فاضلاب‌های شهری
- فاضلاب‌ها، پسماندها و زائدات آلی صنعتی
- ضایعات جامد
تلفیق فناوریهای هوش مصنوعی و فرآیندهای تولید زیست‌توده میتواند روند تولید آن‌ها را تسهیل و کیفیت آن‌ها را بالا ببرد. کارکردهای هوش مصنوعی در این حوزه عبارت است از: اندازهگیری میزان غلظت زیست‌توده‌ها و تشخیص کیفیت ذرات مواد اولیه به کمک فناوری بینایی ماشین که در ادامه به تشریح آن‌ها پرداخته‌شده است.
اندازهگیری میزان غلظت زیست‌توده
یکی از مهمترین فرآیندهای عملیات تخمیر، تعیین میزان غلظت زیست‌توده در یک کشت سلولی است. برای اندازهگیری غلظت زیست‌توده‌ها روشهای مختلفی چون اندازهگیری وزن خشک، شمارش کلنی، شمارش مستقیم میکروسکوپی، روشهای فیزیکی و شیمیایی وجود دارد؛ اما امروزه توسط فناوری بینایی ماشین و به کمک پردازش تصاویر گرفته‌شده از زیست‌توده‌ها می‌توان میزان غلظت آن‌ها را اندازهگیری کرد. خودکارسازی فرآیند اندازهگیری غلظت زیست‌توده‌ها به کمک هوش مصنوعی، ضمن آزاد کردن زمان و انرژی منابع انسانی میتواند به‌صورت دائمی و در هرلحظه انجام شود.
تشخیص کیفیت ذرات مواد اولیه زیست‌توده
کیفیت نهایی زیست‌توده‌ها و میزان انرژی تولیدی آن‌ها به کیفیت مواد اولیه‌ای که زیست‌توده با آن‌ها تولید میشود و نوع قارچ و باکتری اضافه‌شده به مواد بستگی دارد. ازاین‌جهت می‌توان با کمک گرفتن از فناوری بینایی ماشین و پردازش تصاویر گرفته‌شده از مواد اولیه، کیفیت آن‌ها را مشخص و درنهایت کیفیت زیست‌توده تولیدشده را پیشبینی کرد.
۱.۶. کاربردهای هوش مصنوعی در صنعت انرژی در بخش انرژی جزر و مد
جزر و مد، حاصل از گرانش ماه و خورشید است و درصورتی‌که تفاوت سطح آب در جزر و مد به‌اندازه‌ی کافی زیاد باشد، می‌توان از این اختلاف ارتفاع، در به حرکت درآوردن توربینها و درنتیجه تولید انرژی برق استفاده کرد. سطح بالا آمدن و درنتیجه انرژی تولیدشده در این روش به عواملی چون تراز خورشید و ماه، شکل خط ساحلی و عمق آب بستگی دارد.
برای بهره گرفتن از انرژی جزر و مد، فناوریهای مختلفی استفاده میشود که ازجمله آن‌ها می‌توان به هواگردهای زیرآبی اشاره کرد. با توجه به این‌که هدف هواگردهای زیرآبی، تولید بیشترین میزان برق است و نه لزوماً رسیدن به بیشترین سرعت (چراکه در سرعت‌بالا پرههای هواگرد آسیب می‌بینند)، محققین در تلاش‌اند تا به کمک هوش مصنوعی، مسیر، سرعت و مدل بهینه چرخش هواگرد را تعیین کنند. با حرکت دادن هواگردها به سمتی که جزر و مد بیشتری وجود دارد، می‌توان علاوه برافزایش تولید برق، کمترین میزان خرابی در پره‌ها را منجر شد. همچنین به کمک هوش مصنوعی، میزان برق تولیدی توسط انرژی جزر و مد قابل پیشبینی است.
۱.۷. کاربردهای هوش مصنوعی در صنعت انرژی در بخش انرژی امواج
انرژی امواج، حاصل انتقال انرژی باد به دریاست. قدرت و سرعت امواج بستگی به‌سرعت باد و مسافت آن دارد. میزان انرژی موجود در امواج دریا بسیار زیاد است به‌طوری‌که می‌توان از آن برای تولید برق، آب‌شیرین‌کن و پمپاژ آب در مخازن استفاده نمود.
از انرژی امواج توسط دو روش خارج از ساحل و سیستمهای ساحلی بهره گرفته میشود. سیستمهای ساحلی در امتداد خط موج ساخته‌شده و انرژی امواج را در برخورد با خود جذب می‌کنند. در سیستمهای خارج از ساحل، شناورها در مناطق پرعمق دریا قرارداده میشوند و با حرکت امواج، این شناورها انرژی تولید می‌کنند.
محققین در تلاش‌اند تا با کمک گرفتن از فناوریهای کاربردی هوش مصنوعی، بتوانند ارتفاع موج تولیدشده در هر شناور، دامنه شار انرژی تولیدشده در آن و همچنین انرژی تولیدشده در سیستمهای ساحلی را طبقه‌بندی، مقایسه، ارزیابی و پیشبینی کنند که دادههای حاصل از این بررسی‌ها منجر به مدیریت بهتر تولید و ذخیره انرژی امواج می‌گردد.
۱.۸. کاربردهای هوش مصنوعی در صنعت انرژی در بخش پیلهای سوختی
پیل سوختی وسیله‌ای است که در طی فرآیند الکتروشیمیایی، انرژی ذخیره‌شده شیمیایی در سوخت را به‌طور مستقیم، بدون نیاز به توربین و بدون احتراق و ایجاد آلودگی، به برق DC تبدیل میکند. اجزای اصلی تشکیل‌دهنده یک پیل سوختی از مخزن سوخت، الکترولیت و الکترودهای نازک و متخلخل آند و کاتد تشکیل‌شده است.
برای بالا بردن ظرفیت و توان استفاده از پیلهای سوختی، دانشمندان از الگوریتمهای یادگیری ماشینی کمک میگیرند. این الگوریتم‌ها در بخش‌های مختلفی از تولید انرژی توسط پیلهای سوختی مانند ارزیابی، مدل‌سازی، بهبود عملکرد پیلهای سوختی و همچنین پیشبینی تخریب آن‌ها مورداستفاده قرار میگیرند.
مدل‌سازی عملکرد پیلهای سوختی
پروژه‌های زیادی در دنیا در حال تلاش برای بالا بردن توان و میزان انرژی دریافتی از پیلهای سوختی هستند. شبکه‌های عصبی مصنوعی، توانایی شناسایی، کشف ارتباط بین الگوها و مدل‌سازی عملکرد سلول‌های سوختی را دارند که به افزایش عملکرد پیلهای سوختی می‌انجامد.
ارزیابی عملکرد پیلهای سوختی
لازم است عملکرد پیلهای سوختی در دوره‌های مختلف، مورد ارزیابی قرار گیرد. امروزه دانشمندان در تلاش‌اند تا به کمک هوش مصنوعی، این ارزیابیها را بهتر و مؤثرتر انجام دهند. در بررسی عملکرد پیلهای سوختی با استفاده از روشها و الگوریتمهای هوش مصنوعی، دما و غلظت سولفات آهن‌بر روی ولتاژ خروجی در شرایط قبل و بعد از راه‌اندازی پیل سوختی بررسی‌شده و سپس بر اساس نتایج حاصل‌شده، عملکرد آن مورد ارزیابی قرار می‌گیرد.
۲. کاربردهای هوش مصنوعی در صنعت انرژی در دسته انرژی‌های تجدید ناپذیر
در دو قرن اخیر، اصلیترین منابع تأمین انرژی انسان‌ها، منابع تجدید ناپذیر بوده است که می‌توان به نفت، گاز، زغال‌سنگ و انرژی هستهای در این زمینه اشاره کرد. این منابع برای به حرکت درآوردن توربینها و درنتیجه تولید برق مورداستفاده قرار میگیرند. ماشین‌ها و کارخانه‌ها نیز به‌طورمعمول برای تأمین انرژی خود از این سه منبع استفاده می‌کنند. همین امر سبب شده تا دانشمندان به فکر تسهیل استفاده از این منابع باشند.
استخراج منابع نفت، گاز و زغال‌سنگ از لایه‌های پایینتر سطح زمین، کار آسانی نیست و شرایط کاری افراد در این بخشها بسیار سخت و طاقت‌فرساست که می‌توان با کمک گرفتن از فناوریهای هوش مصنوعی مانند بینایی ماشین و داده‌کاوی، آن‌ها را تسهیل کرده و کارایی‌شان را افزایش داد. از طرف دیگر، جهت بهره‌برداری انرژی هستهای، نیاز به روش‌هایی برای پیشبینی دقیق میزان انرژی آزادشده احساس میشود چراکه اگر محاسبات به‌درستی انجام نشوند، این انرژی در صورت آزادسازی بیش از میزان مجاز، میتواند منطقه‌ی وسیعی را از بین ببرد. به همین دلیل دانشمندان از مدلهای یادگیری عمیق برای محاسبه میزان انرژی آزادشده از منابع هستهای، استفاده کرده تا آن را قبل از آزادسازی، پیشبینی کنند. در ادامه به برخی از کاربردهای هوش مصنوعی در انواع انرژی تجدید ناپذیر پرداخته‌شده است.
۲.۱. کاربردهای هوش مصنوعی در نفت و گاز
نفت و گاز، یکی از مهمترین منابع تأمین انرژی بشر امروزی هستند و ازجمله منابع حیاتی برای بسیاری از صنایع به شمار می‌روند؛ به‌طوری‌که نفت خام ۳۷ درصد و گاز طبیعی ۲۱ درصد انرژی دنیا را تأمین می‌کنند. صنعت نفت و گاز شامل بخش‌های اکتشاف، استخراج، پالایش و انتقال می‌باشد. وجود نفت و گاز برای بسیاری از صنایع، حیاتی است.
ازآنجاکه نفت و گاز، منابع انرژی تجدید ناپذیرند، امروزه کشورهای زیادی در حال تلاش جهت افزایش بهره‌وری این صنعت به کمک فناوریهای جدید هستند. هوش مصنوعی، یکی از این فناوریهای تأثیرگذار است که به کمک آن، فرآیندهای حفاری ایمنتر، سریع‌تر و با هزینهی کمتر انجام میشود. در ادامه، برخی از کاربردهای هوش مصنوعی در زمینه نفت و گاز شرح داده خواهد شد.
شناسایی محل احداث چاه‌ها
کارشناسان هوش مصنوعی به کمک تلفیق داده‌هایی مانند تصاویر ماهوارهای، اطلاعات زمین‌شناسی، ژئوفیزیک و علوم مهندسی، توانسته‌اند مسیر کشف محل احداث چاه‌های جدید نفت و گاز را بهبود بخشند. به کمک این پلتفرم‌ها و نرم‌افزارها (مانند نرمافزار DI Transform) درصد موفقیت در کشف محل احداث چاه‌ها افزایش‌یافته است.
پیشبینی سرعت حفاری چاه‌های نفت
پیشبینی سرعت حفاری در تخمین زمان و هزینهی موردنیاز حفاری میتواند بسیار تأثیرگذار باشد. شرایط زمین، پارامترهای مربوط به دستگاه حفاری و سیال حفاری ازجمله عواملی است که در نرخ نفوذ مته و درنتیجه سرعت حفاری، مؤثر می‌باشد. با استفاده از تحلیل داده‌هایی چون نوع مته، سرعت چرخش، جریان گل ورودی به چاه، وزن گل، فشار پمپ و نرخ ورود مته در یک شبکه عصبی مصنوعی می‌توان سرعت حفاری را پیشبینی کرد.
نظارت بر شرایط سکوها و عملیات حفاری
به کمک فناوری هوش مصنوعی می‌توان شرایط سکوهای نفتی و گازی و مراحل حفاری چاه‌ها را نظارت کرد. بینایی ماشین و اینترنت اشیاء ازجمله فناوریهای مؤثر در نظارت محل‌های مختلف، شرایط عمومی دستگاهها، سکوها و حتی افراد هستند. می‌توان به‌طور مرتب و دائم شرایط را بررسی و دادههای مربوطه را ثبت و در صورت بروز هرگونه خطا یا مشکل در سیستم پیغام هشدار را برای مسئول مربوطه ارسال کرد.
تجزیه‌وتحلیل دادهها
در یک سکوی نفت و یا گاز، دادههای بسیاری از قبیل میزان و سرعت استخراج، دادههای مربوط به چاه‌ها، شرایط لوله‌های انتقال نفت و گاز، تصاویر ماهوارهای، اطلاعات دستگاهها و حتی کارکنان وجود دارد. جمعآوری و تجزیه‌وتحلیل این اطلاعات، کار بسیار زمانبری است. به کمک الگوریتمهای هوش مصنوعی می‌توان اطلاعات را از منابع مختلف جمعآوری کرد و مورد تجزیه‌وتحلیل قرارداد. نتایج این تحلیل‌ها برای برنامه‌ریزی و تصمیمگیری شرایط پیش روی سکوها استفاده خواهد شد.
۲.۲. کاربردهای هوش مصنوعی در صنعت انرژی در بخش زغال‌سنگ
زغال‌سنگ، یکی دیگر از منابع انرژی تجدید ناپذیر است که از دیرباز انرژی حاصل از سوزاندن آن برای پخت‌وپز، گرم کردن و در دهه‌های اخیر برای تولید انرژی برق استفاده میشود. برای استخراج این منبع انرژی باید معادن عمیقی در مناطق خاصی از زمین حفر شود. کار در معادن برای انسان، بسیار سخت و خطرناک است. رباتها، پهپادها و ماشین‌های خودران در کنار فناوریهای کاربردی هوش مصنوعی، در تلاش‌اند تا بتوانند فرآیندهای مختلف استخراج زغال‌سنگ را تسهیل کنند. در ادامه به تشریح برخی از این کاربردها پرداخته‌شده است.
افزایش موفقیت در کشف معادن
هوش مصنوعی میتواند معادن را با احتمال موفقیت بالاتری، شناسایی کند. شرکت IMAGO به کمک یک پلتفرم یادگیری عمیق، عکسهای ماهوارهای و تصاویر زمین‌شناسی را تحلیل و بر اساس دادهها و تحلیلهای استخراج‌شده از این تصاویر، اقدام به کشف و شناسایی معادن میکند.
شناسایی تغییرات و نظارت بر شرایط معدن
به کمک فناوری بینایی ماشین و دوربین‌های حرارتی می‌توان بخشها و دیواره‌های مختلف معدن را موردبررسی قرارداد. این سیستم‌ها با اعلام هرگونه شکاف و تغییر در شرایط معدن، از وقوع حوادثی چون ریزش دیوارهای معدن جلوگیری می‌کنند.
همچنین سیستمهای هوش مصنوعی کمک می‌کنند تا از راه دور نیز شرایط عمومی محیط و افراد درون معدن را بررسی کنند و مسائل گوناگون را پیشبینی و در خصوص آن‌ها تصمیمگیری نمایند.
پیشبینی میزان بهره‌برداری از معادن
هوش مصنوعی با پردازش تصاویر ماهواره‌ها، پهپادها و تصاویر زمین‌شناسی و با داده‌کاوی دادههای گذشته، میزان بهره‌برداری از معادن زغال‌سنگ را پیشبینی میکند. این پیش‌بینی‌ها برای مدیریت و تصمیمگیری روند برداشت زغال‌سنگ، بسیار کاربرد دارد.
کامیون و تجهیزات خودران
شرکت بزرگ خودروسازی AB Volvo موفق به ساخت نوعی کامیون خودران متناسب با شرایط کاری در معادن شده است. این کامیونها با استفاده از فناوریهای هوش مصنوعی طوری طراحی‌شده‌اند که میتوانند در شرایط سخت و تاریک معادن، اشیا، افراد و مسیرها را شناسایی کنند.
رباتها و پهپادها
کار در معدن ازجمله خطرناکترین کارهاست و هرسال تعداد زیادی از کارگران معادن، جان خود را از دست میدهند. در سالهای اخیر، رباتها و پهپادها توانسته‌اند تا در انجام فعالیتهای خطرناک، جایگزین انسان‌ها شوند. رباتها و پهپادهای هوشمند به نقاطی از معدن که حضور انسان‌ها ناممکن و یا خطرناک است، رفته و عملیات مربوطه را انجام میدهند.
۲.۳. کاربردهای هوش مصنوعی در انرژی هستهای
بهره‌گیری از فرآیندهای هستهای حرارت زا برای تولید گرما و الکتریسیته تحت عنوان انرژی هستهای شناخته میشود که به دو روش شکافت هستهای و همجوشی هستهای انجام می‌گیرد. انرژی هستهای به دلیل تولید انرژی، بدون ایجاد دی‌اکسیدکربن در هوا، بسیار موردتوجه قرارگرفته است؛ اما این زمینه همچنان دارای چالش‌های فراوانی است و نیاز به توسعه در فرآیندهای آن بسیار مشاهده و انرژی پدید میآید.
امروزه به کمک الگوریتمهای هوش مصنوعی، محققین در تلاش‌اند تا سرعت مطالعات و تحقیقات خود را افزایش دهند. هوش مصنوعی به پیشرفت فرآیندهای انرژی هستهای کمک میکند و دانشمندان امیدوارند با افزایش تولید این انرژی، بتوانند میزان برق بیشتری را از این طریق تولید کنند که این امر سبب کاهش تولید گاز دی‌اکسید کربن حاصل از سوزاندن نفت، گاز و زغال‌سنگ میشود. برخی از کاربردهای این فناوری در زمینه انرژی هستهای به شرح زیر است:
بهینه‌سازی پیکربندی میله‌های سوختی به میله‌هایی مخصوص در راکتورهای هستهای گفته میشود که جهت کنترل آهنگ تولید نوترون در فرآیند شکافت هستهای از آن‌ها استفاده میشود.
اگر میله‌های سوختی در حالت بهینه قرار بگیرند، میتوانند مصرف سوخت و هزینهی نگهداری و تعمیرات را تا حد قابل‌توجهی کاهش دهند. میله‌های سوختی، گران‌قیمت هستند و مهندسین در طی سالها آزمون‌وخطا توانسته‌اند طراحی‌هایی را برای افزایش عمر آن‌ها ارائه دهند. اکنون هوش مصنوعی به میدان آمده تا در مسیر طراحی چیدمان میله‌های سوختی به مهندسین کمک کند. ازآنجاکه سیستمهای هوش مصنوعی، سرعت پردازش بالایی برای اطلاعات دارند، مجریان این حوزه در تلاش‌اند تا در یک محیط شبیه‌سازی‌شده، طراحی‌های بهینه‌ای برای میله‌های سوختی ارائه دهند.
پیشرفت در تحقیقات همجوشی
تحقیق در خصوص همجوشی هستهای نیاز به مطالعات و بررسی‌های فراوان در زمینه فیزیک پلاسما و علم مواد دارد. توانمندی هوش مصنوعی در زمینه شبیه‌سازی و تجزیه‌وتحلیل دادهها به دانشمندان کمک میکند تا مسیر انجام فرآیندها را بهینه کنند. یکی از دانشمندان اصلی General Atomic بانام دیوید همفریس از توانایی هوش مصنوعی در کنترل سناریوهای مربوط به پلاسما نیز خبر داده است.
پیشبینی توان تولیدشده در یک راکتور هستهای
به کمک یک مدل یادگیری ماشین می‌توان توان تولیدشده در راکتورهای هستهای را پیشبینی کرد. عواملی چون توان راکتور، دمای ورودی، فشار، سرعت جریان جرم، شاخص شکل محوری و موقعیت میله‌های کنترل، ازجمله ورودی‌های این مدل هستند.
نمونه‌ای از محصولات کاربردهای هوش مصنوعی در صنعت انرژی
| ردیف | نام محصول / خدمت | نام شرکت | نوع محصول | نوع ارائه | دسته | کارکرد |
| ۱ | Forecasting | Dexter | نرمافزار | سرویس ابری | تجدید پذیر خورشیدی | پیشبینی میزان تولید انرژی برق |
| ۲ | Athena | Stem | نرمافزار | اپلیکیشن | تجدید پذیر خورشیدی | پیشبینی میزان تولید انرژی برق/ بهینه‌سازی مدیریت مصرف و ذخیره انرژی در باتری‌ها |
| ۳ | BluWave-ai Edge and Center | blue wave.ai | نرمافزار | سرویس ابری | تجدید پذیر خورشیدی | بهینه‌سازی چیدمان صفحات خورشیدی و آینه‌های متمرکز |
| ۴ | custom development | Nnergix | نرمافزار | ویندوزی | تجدید پذیر باد | طراحی چیدمان مزارع بادی |
| ۵ | The repair process | rope robotics | سخت‌افزار | ربات | تجدید پذیر باد | کشف محل و نوع خرابی |
| ۶ | SCHT – Smart Climate Hydropower Tool | Geco | نرمافزار | سامانه ابری | تجدید پذیر برق‌آبی | پیشبینی تراز آب پشت سدها |
| ۷ | Consistent damage detection | easy inspect | نرمافزار | سامانه ابری | تجدید پذیر برق‌آبی | کشف خرابی در سدها |
| ۸ | CGG Geothermal | CGG | نرمافزار | سرویس ابری | تجدید پذیر زمین‌گرمایی | کشف محل مناسب حفر چاه زمین‌گرمایی |
| ۹ | Echofilter | The DeepSense team at Dalhousie University | نرمافزار | ویندوزی | تجدید پذیر جزر و مد | پردازش و نظارت خودکار بر سیستمهای تولید انرژی جزر و مد |
| ۱۰ | Marine Weather | storm glass | نرمافزار | سرویس ابری | تجدید پذیر امواج | پیشبینی نوع، ارتفاع، جهت و طول امواج |
| ۱۱ | LandRISK | Geco | نرمافزار | سامانه ابری | تجدید ناپذیر زغال‌سنگ | افزایش موفقیت در کشف معادن |
| ۱۲ | FMX truck | volvo | سخت‌افزار | ربات | تجدید ناپذیر زغال‌سنگ | کامیونها و تجهیزات خودران |
| ۱۳ | AWESOME | Geco | نرمافزار | سرویس ابری | تجدید ناپذیر نفت و گاز | نظارت بر شرایط سکوها |
| ۱۴ | Nesh | Nesh | نرمافزار | ویندوزی | تجدید ناپذیر نفت و گاز | تجزیه‌وتحلیل دادهها |
| ۱۵ | NUCLEAR MACHINE LEARNING SOFTWARE DEVELOPMENT | blue wave ai labs | نرمافزار | ویندوزی | تجدید ناپذیر هستهای | پیشبینی توان تولیدشده در یک راکتور هستهای |
