هوش مصنوعی می‌تواند باعث فروپاشی فاجعه‌بار شبکه‌های الکتریکی شود و پیشرفت‌ها در کربن‌زدایی صنعت فناوری را به عقب برگاند و یا بالعکس می‌تواند باعث صرفه‌جویی در این بخش شود.
هوش مصنوعی برای آموزش و تقویت محاسبات پیچیده خود به انرژی خیره کننده‌ای نیاز دارد. با رونق این بخش، قدرت محاسباتی لازم برای حفظ رشد آن تقریباً هر 100 روز دو برابر می‌شود. کارشناسان پیش بینی می‌کنند که در سطح جهانی، هوش مصنوعی به تنهایی مسئول 3.5 درصد کل مصرف انرژی تا سال 2030 خواهد بود. در ایالات متحده، مصرف انرژی مراکز داده تا سال 2030 حدود 9 درصد خواهد بود، تقریباً دو برابر نرخ فعلی آن، که تا حد زیادی ناشی از رشد هوش مصنوعی داخلی است. این نرخ‌های رشد رو به افزایش پیامدهای عمده‌ای برای امنیت انرژی ملی و بین‌المللی، انتشار گازهای گلخانه‌ای و اقتصاد خواهد داشت.
جیسون شاو، رئیس کمیسیون خدمات عمومی جورجیا، یک تنظیم کننده برق، در اوایل سال جاری به واشنگتن پست گفت: «وقتی به اعداد نگاه می‌کنید، حیرت آور است. این مسئله باعث می‌شود به فکر فرو روید و تعجب کنید که چگونه در این وضعیت قرار گرفتیم. چگونه پیش بینی‌ها تا این حد دور بود؟ هوش مصنوعی چالشی را ایجاد کرده است که قبلاً ندیده بودیم.»
✔️ خبر مرتبط: توکن‌های هوش مصنوعی در بازار کریپتو پیشتاز شدند
علیرغم چالش‌های عمده و بی‌سابقه‌ای که هوش مصنوعی برای شبکه‌های برق ایجاد می‌کند، این بخش می‌تواند ابزاری کلیدی برای بهبود آن‌ها و سرعت بخشیدن به آن‌ها برای عصر برق رسانی باشد. وزارت انرژی ایالات متحده (DoE) اشاره کرده است که هوش مصنوعی می‌تواند در مدیریت شبکه‌های هوشمندی که قادر به مدیریت جریان‌های ورودی و خروجی عظیم انرژی‌های متغیر مانند باد و خورشید هستند بسیار ارزشمند باشد، اما در صورت استقرار « ساده لوحانه»، ریسک‌های قابل‌توجهی را ایجاد می‌کند. علاوه بر این، گزارش DoE بیان می‌کند که «یادگیری ماشینی می‌تواند به شرکت‌های برق کمک کند تا مجوزها و مکان‌یابی، قابلیت اطمینان، تاب آوری و برنامه‌ریزی شبکه را بهبود بخشند».
و اکنون، هوش مصنوعی برای شناسایی مؤثر راه‌حل‌هایی برای یکی از پیچیده‌ترین مشکلات انتقال انرژی پاک – ذخیره‌سازی طولانی مدت انرژی قابل اطمینان و مقرون‌به‌صرفه استفاده می‌شود. یک تیم از محققان از آزمایشگاه ملی شمال غرب اقیانوس آرام (PNNL) و آزمایشگاه ملی آرگون از هوش مصنوعی برای کمک به محدود کردن ترکیبات بالقوه حلال‌ها برای مدل‌های باتری جریانی استفاده کرده‌اند که سه برابر کارآمدتر از مدل‌های فعلی هستند. این تیم به جای استفاده از هوش مصنوعی برای کمک به انجام آزمایش‌های بیشتر، از فناوری هوش مصنوعی برای حذف سریع هزاران ترکیب احتمالی و محدود کردن ترکیب‌هایی که ارزش آزمایش در آزمایشگاه را دارند، استفاده کرد.
✔️ خبر مرتبط: صادرات تایوان به دلیل هوش مصنوعی افزایش یافت
کارل مولر، یکی از نویسندگان این مطالعه و مدیر دفتر توسعه برنامه برای اداره علوم فیزیکی و محاسباتی، گفت: “من از دیدن آینده همکاری بین محققان هوش مصنوعی و دانشمندان مواد هیجان زده هستم.” تسریع کشف مواد برای حل مشکلات ذخیره انرژی حیاتی است.
در کاربردهای دیگر، هوش مصنوعی برای هوشمند کردن سیستم‌های ذخیره‌سازی باتری از طریق استفاده در مدیریت تقاضای انرژی، آربیتراژ (معروف به تغییر زمان برای مطابقت با عرضه انرژی تجدیدپذیر با تقاضا)، پیش‌بینی آب و هوا و تعمیر استفاده می‌شود. تعدادی از استارت‌آپ‌ها در سال‌های اخیر برای اجرای آزمایشی این رویکردها ایجاد شده‌اند و بازار ذخیره‌سازی انرژی هوش مصنوعی در مسیر رسیدن به 11 میلیارد دلار تا سال 2026 است.
این رویکردها همچنین در مقیاس کوچک‌تر در سیستم‌های خودروهای الکتریکی برای بهبود قابلیت‌های ذخیره انرژی EV معرفی می‌شوند. در مقاله علمی منتشر شده در ماه مه آمده است: «ادغام هوش مصنوعی (AI) در سیستم‌های ذخیره‌سازی انرژی (ESS) برای وسایل نقلیه الکتریکی (EVs) به عنوان یک راه حل اساسی برای مقابله با چالش‌های بهره‌وری انرژی، تخریب باتری و مدیریت بهینه انرژی ظاهر شده است. (تخریب باتری به کاهش تدریجی توانایی باتری در ذخیره و تحویل انرژی اشاره دارد.)
همه این پیشرفت‌ها برای تثبیت شبکه‌های انرژی در دوران فشار بی‌سابقه و رشد سریع برق‌رسانی همراه با افزایش منابع انرژی متغیر بسیار امیدوارکننده هستند. با این حال، ریسک‌های افزایش استفاده از هوش مصنوعی همچنان بالا است، نه تنها از نظر مصرف انرژی و انتشار گازهای گلخانه‌ای مرتبط، بلکه به دلیل امنیت سایبری و استفاده در موقعیت‌های واقعی که می‌تواند به شدت از مدل‌سازی آماری متفاوت باشد.
بیشتر بخوانید:
