Ερευνητές ανέπτυξαν ένα μοντέλο τεχνητής νοημοσύνης που έχει σχεδιαστεί για να βοηθά τα ηλεκτρικά δίκτυα να αποτρέπουν διακοπές ρεύματος, επαναδρομολογώντας αυτόματα την ηλεκτρική ενέργεια σε χιλιοστά του δευτερολέπτου.
Η προσέγγιση είναι ένα πρώιμο παράδειγμα τεχνολογίας «πλέγματος αυτο-ίασης», η οποία χρησιμοποιεί τεχνητή νοημοσύνη για να ανιχνεύει και να επιδιορθώνει προβλήματα όπως διακοπές αυτόνομα και χωρίς ανθρώπινη παρέμβαση όταν προκύπτουν προβλήματα, όπως καλώδια ρεύματος που έχουν υποστεί ζημιά από καταιγίδες.
Ενώ απαιτείται περαιτέρω έρευνα προτού το σύστημα μπορεί να εφαρμοστεί και να κλιμακωθεί σε δίκτυα ηλεκτρικής ενέργειας του πραγματικού κόσμου, είναι ωστόσο μια συναρπαστική εξέλιξη για το πολιορκημένο δίκτυο ηλεκτρικής ενέργειας της χώρας, λένε οι ερευνητές.
«Τα δίκτυα ηλεκτρικής ενέργειας σε όλο τον κόσμο αμφισβητούνται από τον αυξανόμενο αριθμό ακραίων καιρικών φαινομένων, την πιθανότητα κυβερνοεπιθέσεωνκαι προβλεπόμενες αυξήσεις στη ζήτηση», λέει η συν-ανταποκρίτρια συγγραφέας Souma Chowdhury, αναπληρώτρια καθηγήτρια στο Πανεπιστήμιο στο τμήμα μηχανολογίας και αεροδιαστημικής μηχανικής του Buffalo.
«Ως εκ τούτου, είναι επιτακτική ανάγκη να αναπτύξουμε εργαλεία που εκσυγχρονίζουν το σύστημα και το κάνουν πιο ανθεκτικό σε μελλοντικές διακοπές ρεύματος».
Ο Chowdhury είναι συνδιευθυντής του Κέντρου Ενσωματωμένης Αυτονομίας και Ρομποτικής (CEAR).
Το δίκτυο της Βόρειας Αμερικής είναι ένα εκτεταμένο, πολύπλοκο δίκτυο γραμμών μεταφοράς και διανομής, εγκαταστάσεις παραγωγήςκαι μετασχηματιστές που διανέμουν ηλεκτρική ενέργεια από πηγές ενέργειας στους καταναλωτές.
Χρησιμοποιώντας διάφορα σενάρια σε δίκτυα δοκιμών, η ερευνητική ομάδα έδειξε ότι η λύση της μπορεί να εντοπίσει αυτόματα εναλλακτικές διαδρομές για τη μεταφορά ηλεκτρικής ενέργειας στους χρήστες πριν συμβεί μια διακοπή. Μόλις εκπαιδευτεί, η τεχνητή νοημοσύνη έχει το πλεονέκτημα της ταχύτητας: Το σύστημα μπορεί να επαναδρομολογήσει αυτόματα την ηλεκτρική ροή σε μικροδευτερόλεπτα, ενώ οι τρέχουσες διεργασίες που περιλαμβάνουν κλασικές τεχνικές μηχανικής ή ανθρώπινη παρέμβαση για τον προσδιορισμό εναλλακτικών διαδρομών μπορεί να διαρκέσουν από λεπτά έως ώρες.
«Στόχος μας είναι να βρούμε τη βέλτιστη διαδρομή για να στείλουμε ενέργεια στην πλειονότητα των χρηστών όσο το δυνατόν γρηγορότερα», λέει ο συν-ανταποκριτής συγγραφέας Jie Zhang, αναπληρωτής καθηγητής μηχανολογίας στο Erik Jonsson School of Engineering and Computer Science στο UT Dallas.
Για να χαρτογραφήσει τις πολύπλοκες σχέσεις μεταξύ οντοτήτων που συνθέτουν ένα δίκτυο διανομής ενέργειας, η ερευνητική ομάδα χρησιμοποίησε αλγόριθμους που εφαρμόζουν τη μηχανική μάθηση σε γραφήματα. Η μηχανική εκμάθηση γραφημάτων σε αυτό το πλαίσιο περιλαμβάνει την περιγραφή της τοπολογίας ενός δικτύου, του τρόπου με τον οποίο τα διάφορα στοιχεία είναι διατεταγμένα σε σχέση ή σε σύνδεση μεταξύ τους και πώς η ηλεκτρική ενέργεια κινείται μέσα στο σύστημα.
Η ομάδα βασίστηκε επίσης στην ενισχυτική μάθηση -όπου ένας εικονικός πράκτορας αναπτύσσεται συνήθως σε ένα περιβάλλον προσομοίωσης του πραγματικού προβλήματος- για να παίξει συστηματικά σενάρια και σταδιακά να μάθει από αυτή την εμπειρία. Ένα παράδειγμα γνώσης που αποκτήθηκε από μια τέτοια εμπειρία θα ήταν εάν η ηλεκτρική ενέργεια είναι μπλοκαρισμένη λόγω σφαλμάτων γραμμής. Στη συνέχεια, το σύστημα θα μπορεί να αναδιαρθρωθεί χρησιμοποιώντας διακόπτες και να αντλεί ισχύ από διαθέσιμες πηγές σε κοντινή απόσταση, όπως από μεγάλης κλίμακας ηλιακούς συλλέκτες ή μπαταρίες σε πανεπιστημιούπολη ή επιχείρηση.
«Αυτές είναι αποφάσεις που το μοντέλο μπορεί να πάρει σχεδόν ακαριαία, το οποίο με τη σειρά του έχει τη δυνατότητα να εξαλείψει ή να μειώσει σημαντικά τη σοβαρότητα των διακοπών ρεύματος», λέει ο συν-πρωτογράφος Steve Paul, ο οποίος εργάστηκε στο έργο ενώ απέκτησε διδακτορικό νωρίτερα φέτος. . Ο Paul είναι τώρα μεταδιδακτορικός υπότροφος στο Πανεπιστήμιο του Κονέκτικατ.
Αφού εστίασαν στην πρόληψη των διακοπών, οι ερευνητές στοχεύουν τώρα να αναπτύξουν παρόμοια τεχνολογία για την επισκευή και την αποκατάσταση του δικτύου μετά από διακοπή ρεύματος, όπως αυτή που προκαλείται από φυσικό κίνδυνο.
Η έρευνα εμφανίζεται στο Επικοινωνίες για τη φύση.
Πρόσθετοι συγγραφείς είναι από το Πανεπιστήμιο του Τέξας στο Ντάλας.
Υποστήριξη για το έργο προήλθε από το Γραφείο Ναυτικών Ερευνών των ΗΠΑ και το Εθνικό Ίδρυμα Επιστημών.
Πηγή: Πανεπιστήμιο στο Μπάφαλο