داود ادیب رئیس انجمن‌صنفی کارفرمایی شرکت‌های فناور هوش مصنوعی واقتصاد دیجیتال ایران در گفتگو با خبرنگار مهر با بیان اینکه امروزه کشورهای توسعه یافته وحتی در حال توسعه رویکردهای متفاوتی را در خصوص استفاده بهینه از انرژی توسط هوش مصنوعی داشته و موفقیت‌های قابل توجهی را به دست آورده‌اند، گفت: این یک واقعیت است که مانند تمامی حوزه‌ها در هوش مصنوعی نیز فاصله معنی داری بین موضوعات دانشی و کاربردی در کشورمان وجود دارد به طوریکه در حوزه دانشی بین ۲۰ کشور اول جهان و در حوزه کاربردی بین ۳۰ کشور انتهای جدول هستیم.

وی افزود: در کنار این موضوع به صورت پراکنده و غیر نظام مند شرکت‌هایی را می‌بینیم که در این حوزه شروع به فعالیت کرده و تحقیقاتی را انجام داده که بخشی نیز منجر به محصول گردیده است. این تحقیقات در حوزه مدیریت مصرف برق و بار با کمک داده‌های جمع‌آوری شده از کنتورهای هوشمند برق، ⁠کاهش مصرف انرژی کارخانجات آلومینیومی با داده‌های فرایندی از مواد اولیه تا کوره‌های احیا، کاهش توقف ناخواسته توربین‌های نیروگاه با کمک روش تعمیرات پیش‌گویانه، ⁠مدیریت هوشمند بازار خرید و فروش برق، مدیریت هوشمند ایستگاههای شارژ برقی خودروهای الکتریکی، مدیریت هوشمند بار شهرک‌های صنعتی، مدیریت هوشمند انرژی ساختمان‌ها است.

ادیب ادامه داد: به نظر می‌رسد طبیعتاً برای حضور پر رنگ جهانی می‌بایست فاصله معنادار حضورمان در رتبه بندی‌های جهانی که طبیعتاً پیش تر عارضه‌یابی شده است در یک برنامه‌ریزی میان مدت و بلند مدت اصلاح شود.

وی تصریح کرد: نمونه‌های متعدد انجام شده در کشورهای مختلف در حوزه کاربرد هوش مصنوعی در صنعت انرژی، نشانگر این موضوع است که از طریق هوشمندسازی به طور میانگین بین ۱۵ تا ۵۰ درصد صرفه‌جویی، بهینه سازی و در نهایت بهره‌وری در پروژه‌های مختلف حاصل شده است.

کمپانی های بزرگ با هوش مصنوعی چگونه کم مصرف شدند

ادیب افزود: گوگل دیپ‌مایند، مصرف انرژی در مراکز داده خود را با استفاده از هوش مصنوعی در سیستم‌های سرمایشی تا ۴۰٪ کاهش داده است. شرکت‌هایی مانند زیمنس و اشنایدر الکتریک از هوش مصنوعی برای اتوماسیون ساختمان‌ها و مدیریت هوشمند روشنایی و تهویه استفاده کرده و نتایج قابل توجهی را به دست آورده‌اند، تسلا پاور وال با استفاده از هوش مصنوعی، مصرف انرژی خانگی را با توجه به تولید انرژی خورشیدی و استفاده از آن در مصارف خانوار بهینه‌سازی کرده است.

وی ادامه داد: اصولاً صرفه‌جویی انرژی با استفاده از سامانه‌های مبتنی بر هوش مصنوعی به معنای استفاده کاربردی و عملی از فناوری‌های هوش مصنوعی برای پایش، بهینه‌سازی و کاهش مصرف انرژی در حوزه‌های مختلف صنایع، ساختمان‌های تجاری و مسکونی، و همچنین شبکه‌های برق مورد استفاده قرار می‌گیرد.

ادیب همچنین گفت: در سیستم‌های هوشمند مدیریت انرژی، سامانه‌های مبتنی بر هوش مصنوعی داده‌های لحظه‌ای را از حسگرها، کنتورهای هوشمند و دستگاه‌ها مورد تحلیل قرار داده و مصرف انرژی را به‌طور هوشمند کنترل می‌کنند، به عنوان‌یک مثال دما بر اساس حضور افراد و پیش‌بینی وضعیت هوا تنظیم می‌شود تا از مصرف بی‌رویه جلوگیری شود.

پیش بینی خرابی احتمالی تجهیزات با هوش مصنوعی

رئیس انجمن‌صنفی کارفرمایی شرکت‌های فناور هوش مصنوعی واقتصاد دیجیتال ایران افزود: در رویکرد نگهداری پیش‌بینانه و یا به عبارتی Predictive Maintenance الگوریتم‌های هوش مصنوعی عملکرد صحیح وسالم بودن تجهیزات را مورد پایش قرار داده و قبل از وقوع خرابی، از کار افتادگی احتمالی و یا اختلال را پیش‌بینی می‌کنند، این موضوع منجر به بهبود بهره‌وری انرژی و جلوگیری از توقف‌های غیرمنتظره در عملیات می‌شود. مثالی که برای این رویکرد می‌توان مطرح کرد پیش‌بینی زمان تعمیر ماشین آلات و موتورها در کارخانه‌ها برای جلوگیری از اتلاف انرژی ناشی از عملکرد نامناسب آن‌ها است.

مصرف برق چگونه با هوش مصنوعی بهینه می شود

ادیب با بیان اینکه رویکرد پیش‌بینی مصرف انرژی نیز یکی از مهمترین رویکردهای این حوزه است، گفت: در این رویکرد مدل‌های یادگیری می‌توانند کمک قابل توجهی کنند، مدل‌های یادگیری ماشین مصرف آینده‌ انرژی را بر اساس الگوها، فصل‌های مختلف سال و عوامل خارجی غیر قابل کنترل مانند آب‌وهوا پیش‌بینی می‌کنند. مثالی که‌برای این رویکرد می‌توان مطرح کرد شرکت‌های برق است، شرکت‌های توزیع برق می‌توانند با استفاده از هوش مصنوعی بارهای اوج مصرف را پیش‌بینی کرده و تولید و توزیع برق را کنترل و بهینه کنند.

وی ادامه داد: نکته مهمی که وجود دارد این است که با استفاده از مدل‌های یادگیری ماشین و الگوریتم‌های بهینه سازی، هوش مصنوعی زمان‌بندی مصرف انرژی و تخصیص منابع را برای دستیابی به بالاترین بهره‌وری بهینه می‌کند.این مدل استفاده را در مراکز داده می‌توان بهره برداری کرد، در مراکز داده، هوش مصنوعی اجرای پردازش‌ها را در ساعاتی می‌تواند زمان‌بندی کند که انرژی‌های تجدید پذیر در دسترس بیشتری قرار گرفته باشد.

انرژی خورشیدی و بادی با نیازهای شبکه ذخیره و تزریق می شود

ادیب با بیان اینکه رویکرد دیگر رویکرد یکپارچه‌سازی با انرژی‌های تجدید پذیر است، گفت: امروزه در کشورهای پیشرو در حوزه هوش مصنوعی تلاش می‌کنند تا هوش مصنوعی منابع متغیر مانند انرژی خورشیدی و بادی را با نیازهای شبکه و سیستم‌های ذخیره‌سازی هماهنگ کند تا در این راستا مصرف پایدار و کارآمد تضمین شود. این مدل به شکلی است که هوش مصنوعی تصمیم می‌گیرد که در چه زمان انرژی خورشیدی ذخیره شود یا بر اساس پیش‌بینی مصرف به شبکه تزریق شود.

وی با اشاره به سایر ابزارها و فناوری‌های رایج هوشمندسازی در انرژی گفت: یادگیری ماشین و یادگیری عمیق که می‌تواند برای شناسایی الگوها و پیش‌بینی‌ها مورد استفاده قرار گیرد،همچنین اینترنت اشیا می‌تواند برای جمع‌آوری داده‌های لحظه‌ای انرژی مورد استفاده قرار گیرد، از دوقلوی دیجیتال برای مدل‌های مجازی از سیستم‌ها برای شبیه‌سازی و بهینه‌سازی استفاده می شود،و همچنین یادگیری تقویتی که می‌تواند برای بهینه‌سازی پیوسته در محیط‌های پویا مورد استفاده قرار گیرد، از جمله رویکردهایی هستند که در کشورهای توسعه یافته در خصوص کاربرد هوش مصنوعی در انرژی مورد استفاده قرار می‌گیرد و می‌توان در کشورمان الگوبرداری نمود.