طريقة توقع الاتجاه لتدهور قياس محول الجهد السعوي بناءً على نموذج غاوسي مزدوج-اندماج KAN

لماذا من المهم مراقبة «مقاييس الحرارة» في الشبكة

تعتمد شبكات الطاقة الحديثة على أجهزة خاصة تخفض الفولتيات العالية للغاية إلى مستويات أكثر أمانًا حتى يمكن قياسها واحتسابها. ومن بين هذه الأجهزة، تُعد محولات الجهد السعوية (CVTs) العمود الفقري لخطوط الجهد العالي. لكن مع سنوات الخدمة يمكن لقراءات هذه الأجهزة أن تنحرف بهدوء، على غرار ميزان الحمام الذي يفقد معايرته تدريجيًا. تقدم هذه الورقة طريقة جديدة لتقييم مدى صحة قياسات CVT باستمرار والتنبؤ متى ستتدهور دقتها، مما يساعد مشغلي الشبكة على التخطيط للصيانة قبل أن تتسبب الأخطاء في نزاعات مالية مكلفة أو مشكلات استقرار.

كيف تفقد هذه المراقبات الفولتية فعليتها ببطء

تستخدم محولات الجهد السعوية مجموعات من المكثفات ومحولا لتحويل مئات الكيلو فولت إلى إشارات يمكن للأجهزة والأنظمة الحامية التعامل معها. تكمن جاذبيتها في كونها مدمجة ورخيصة نسبيًا ومناسبة للجهود الفائقة. لكن مكوّناتها الداخلية ليست ثابتة: تقلبات الحرارة، اعتلال العزل مع الزمن، وتغير الأحمال تدفع المكونات الداخلية بعيدًا عن قيمها المثالية. عندما يحدث ذلك، ينحرف النسبة بين الجهد الحقيقي على الشبكة والإخراج منخفض الجهد المُبلغ عنه. إذا نما خطأ النسبة إلى ما بعد تسامح ضيق، فلا تعود القراءات مطابقة للواقع، مما يقوض تداول الطاقة، وتحليل الأعطال، وآليات الحماية الآلية.

لماذا الفحوص التقليدية لا تكفي

حتى اليوم، لا تزال العديد من شركات الكهرباء تعتمد على فحوص دورية غير متصلة. تُنقل معدات مرجعية ثقيلة إلى محطات التحويل، وتُؤخذ الخطوط خارج الخدمة لفترات قصيرة، ويُختبر كل CVT مقابل معيار. من الناحية النظرية ينبغي أن يحدث هذا كل بضع سنوات؛ ومن الناحية العملية كثيرًا ما يتأخر بسبب تعقيدات الجدولة ولوجستيات نقل الأجهزة الضخمة. في الوقت نفسه، تكون تدفقات البيانات الحية من الشبكة مضطربة ومتأثرة بظروف تشغيل متغيرة دائمًا، مما يجعل من الصعب رصد انحراف بطيء في القياس بالعين أو بإحصاءات بسيطة. النهج السابقة القائمة على نماذج دارات مفصّلة أو تعلم آلي عام غالبًا ما واجهت صعوبات إما لأنها تحتاج إلى معلمات داخلية دقيقة، أو لأن التذبذبات وقلّة بيانات التدريب أربكتها.

درجة صحة واحدة لكل محول

لتبسيط هذا المشهد، يقوم المؤلفون أولًا بضغط إشارة الجهد الخام لكل CVT إلى درجة أداء مدمجة يسمونها حالة الأداء (SOP). يطبقون تحويل المويجة، وهي أداة رياضية تفصل الإشارة إلى اتجاهات بطيئة وتذبذبات سريعة. من خلال التركيز على أكبر مركبة منخفضة التردد ومقارنتها بقاعدة مرجعية من CVT صحي، يحصلون على رقم واحد ينخفض بثبات مع تدهور الجهاز. في اختبارات مخبرية زاد الفريق فيها عمداً خطأ النسبة في طور واحد مع إبقاء الأطوار الأخرى قرب الوضع الطبيعي، انخفض منحنى SOP بسلاسة مع نمو الخطأ، مما يظهر أن هذا المؤشر يتتبع التدهور طويل الأمد مع تصفية جزء كبير من الضوضاء العشوائية.

فصل الانحراف السلس عن التذبذب

حتى هذه الدرجة الصحية ليست سلسة تمامًا: ما زالت ظروف الشبكة وعدم كمال القياس تضيف تموجات وتعرجات. لذلك يطبق الباحثون طريقة تفكيك ثانية تفصل منحنى SOP إلى «عمود فقري» يتغير ببطء بالإضافة إلى مجموعة من المكونات الصغيرة والمتقطعة. يلتقط العمود الفقري المسار العام للانخفاض في الدقة، بينما تصف الأجزاء المتقلبة الصعود والهبوط على المدى القصير. تتيح هذه الفصلية للفريق توظيف أدوات تنبؤ مختلفة لسلوكيات مختلفة بدلًا من إجبار نموذج واحد على التعامل مع كل شيء مرة واحدة.

أداتان ذكيتان تعملان معًا

بالنسبة للعمود الفقري السلس، يستخدم المؤلفون نموذج غاوسي مزدوج — منحنى مرن مبني من مجموع ملفين على شكل جرس — لتتبع التغيرات الطفيفة في كيفية انحراف CVT مع الزمن، خاصة حين لا يكون النمط خطيًا بحتًا. أما للمكونات المتقلبة، فيوظفون نوعًا أحدث من الشبكات العصبية يُسمى شبكة كولموغوروف–أرنولد (KAN). خلافًا لنماذج التعلم العميق القياسية، تستخدم KAN مقاطع منحنى قابلة للتعديل كعهود بناء، مما يساعدها على تعلم أنماط معقدة من أمثلة قليلة نسبيًا دون إفراط في التخصيص. مدرّبًا على تجارب تدهور مصممة بعناية باستخدام نظام اختبار ثلاثي الطور على الخط، يجمع النهج المدمج بين إعادة بناء قيم SOP المستقبلية عبر جمع العمود الفقري ذو الغاوسيين المزدوجين والتقلبات المتوقعة بواسطة KAN.

ماذا يعني هذا لشبكة أكثر ذكاءً

في اختبارات مباشرة، تنبأت مزج نموذج الغاوسيين المزدوج وKAN بصحة CVT بدقة أعلى باستمرار من الشبكات العصبية التقليدية وتقنيات تعلم الآلة الأخرى. كانت الأخطاء بين القيم المتوقعة والفعلية لـ SOP صغيرة، والتقنية التقطت كلًا من الانخفاض طويل الأمد في الدقة والتقلبات على مقياس أدق. بالنسبة لمشغلي الشبكة، يترجم هذا إلى مقياس إنذار مبكر: بدلًا من الانتظار حتى انقطاع مجدول أو نزاع فواتير ليكشف أن محولًا قد انحرف، يمكنهم مراقبة اتجاهات SOP في الزمن الحقيقي وجدولة الصيانة عندما يكون الجهاز في مسار هبوطي واضح. مع تحول نظم الطاقة إلى مزيد من الأتمتة والقرارات المبنية على البيانات، تُعد هذه المراقبة الذكية لأدوات القياس في الشبكة خطوة أساسية نحو بنية تحتية موثوقة وواعية ذاتيًا.

الاستشهاد: Du, B., Diao, Y., Zhou, F. et al. Trend prediction method for capacitive voltage transformer measurement deterioration based on double Gaussian model-KAN fusion. Sci Rep 16, 11785 (2026). https://doi.org/10.1038/s41598-026-35455-z

الكلمات المفتاحية: محول الجهد السعوي, مراقبة الحالة, الصيانة التنبؤية, تنبؤ السلاسل الزمنية, قياس شبكات الطاقة