الكشف عن الأعطال وتصنيفها في الأنظمة الكهروضوئية باستخدام الذكاء الاصطناعي وتقنيات التعلم العميق

طاقة شمسية أذكى للحياة اليومية

تعد الألواح الشمسية بمصدر طاقة نظيف، لكن مثل أي تقنية، يمكن أن تظهر فيها عيوب مخفية تُهدِر الطاقة والمال بصمت. الشقوق الدقيقة، الوصلات السيئة، أو التلف الناتج عن الحرارة غالباً ما تكون غير مرئية بالعين المجردة، خاصة في حقول الألواح الواسعة التي تغذي شبكات الطاقة الحديثة. تقدم هذه الدراسة نظام PVDefectNet، وهو نظام ذكاء اصطناعي مصمم لرصد تلك المشاكل تلقائياً وشرح ما يراه، مما يساعد في الحفاظ على موثوقية وكفاءة وتكلفة معقولة للطاقة الشمسية.

لماذا تهم المشاكل المخفية في الألواح

الطلب العالمي على الكهرباء يتصاعد، في حين أن الفحم والنفط والغاز التقليدية تُسهم في تغير المناخ ونفادها مؤكد في النهاية. من المتوقع أن تزود المزارع الشمسية حصة كبيرة من طاقة المستقبل، لكن أدائها يعتمد على عمل آلاف الخلايا الفردية بشكل صحيح. يمكن أن تقلل الأعطال الناتجة عن مشاكل التصنيع أو الطقس أو الغبار أو التقدم في العمر من الإنتاج أو، في الحالات القصوى، تتلف المعدات. تعتمد الفحوص التقليدية على عمليات تفتيش يدوية وبطيئة واختبارات كهربائية يصعب توسيعها لتشمل منشآت كبيرة.

رؤية داخل الألواح بكاميرات خاصة

للكشف عن العيوب المخفية، يستخدم المهندسون تقنية تُسمى تصوير التألق الكهربائي، التي تجعل خلايا الطاقة تتوهج بطرق تكشف الشقوق والمناطق المنفصلة وعيوب أخرى. بنى المؤلفون نظامهم باستخدام مجموعة عامة من هذه الصور مأخوذة من 44 وحدة شمسية، تغطي 2624 خلية. تم تعليم كل خلية بعناية من قبل خبراء على أنها سليمة أو معيبة بوضوح أو بها عيب طفيف أو تظهر عليها علامات سطحية غير ضارة. وفر ذلك للأداة الذكية أرضية تدريب واقعية تشمل أنواع ألواح مختلفة، وظروف إضاءة متفاوتة، وشدة عيوب مختلفة.

كيف يتعلم الذكاء الاصطناعي رصد المشاكل

يتبع PVDefectNet خط أنابيب من خمسة خطوات. أولاً، ينظف الصور ويقنّنها، ويعيد تحجيمها ويضبط السطوع مع إنشاء نسخ متنوعة عن طريق التدوير والانعكاس. تحاكي هذه التعديلات التغيرات الحقيقية في زاوية الكاميرا والإضاءة، مما يساعد النظام على البقاء مستقراً تحت ظروف متغيرة. بعد ذلك، يستخدم خلفية معترفاً بها في التعرف على الصور تسمى ResNet ليتعلم تلقائياً الأنماط التي تميز الخلايا السليمة عن التالفة، دون الحاجة إلى تصميم ميزات يدوياً. ثم يتم تدريب النموذج وضبطه بدقة، وفحصه باستخدام مقاييس نجاح قياسية، وأخيراً تحليله لفهم كيفية وسبب كل قرار يتخذه.

إظهار قرارات الذكاء الاصطناعي

تعمل العديد من أنظمة الذكاء الاصطناعي القوية كصناديق سوداء: تُنتج إجابة لكنها لا توضح سببها. لمعالجة ذلك، يضيف المؤلفون خطوة «قابلة للتفسير» باستخدام تقنية تسمى Grad-CAM. تنتج هذه التقنية تراكبات على شكل خرائط حرارة لكل صورة شمسية، مميزة بدقة المناطق التي يتركز عليها النموذج عند تصنيفه خلية على أنها مشقوقة أو سليمة. في الحالات الناجحة، تتطابق المناطق المضيئة مع مناطق العيب الفيزيائية التي أكدها الخبراء. يساعد هذا التغذية البصرية المهندسين على الوثوق بالنظام، والتحقق من سلوكه، واستخدام مخرجاته كدليل موثوق لأعمال الصيانة.

مدى أداء النظام

عند اختباره على صور لم تُستخدم أثناء التدريب، صنف PVDefectNet العيوب بدقة كلية تبلغ حوالي 98%، مع درجات دقة واستدعاء قوية مماثلة. عمل بشكل موثوق على الصور أحادية اللون والمتعددة الألوان وقارن بشكل إيجابي مع عدة طرق حديثة تستخدم هياكل أكثر تعقيداً أو أقل شفافية. أظهرت المقارنات مع فحوص فيزيائية مفصلة توافقاً وثيقاً في معظم الحالات. يشير المؤلفون إلى أن مجموعة البيانات لا تزال محدودة وأن الأداء في مناخات وأنواع ألواح أخرى يجب التحقق منه، لكن النتائج تدل على أداة قوية وعملية لمراقبة الطاقة الشمسية اليومية.

ماذا يعني هذا لمستقبل الطاقة الشمسية

للغير متخصصين، الرسالة الأساسية هي أن الذكاء الاصطناعي يمكنه الآن أن يعمل كمفتش دائم للمزارع الشمسية، يكتشف المشاكل مبكراً ويُرشد المهندسين إلى أماكن التفتيش. لا يحل PVDefectNet محل الخبراء البشريين أو أنظمة السلامة التقليدية، لكنه يمكن أن يساعد في ترتيب أولويات الإصلاحات، وتقليل الطاقة المهدرة، وخفض تكاليف التشغيل. مع بيانات أكثر تنوعاً ونشر حذر، قد تصبح أدوات ذكية وقابلة للتفسير مماثلة معيارية في غرف التحكم التي تدير شبكتنا المتنامية لمحطات الطاقة الشمسية.

الاستشهاد: Talaat, F.M., Salem, M. & Shaban, W.M. AI-driven fault detection and classification in photovoltaic systems using deep learning techniques. Sci Rep 16, 8727 (2026). https://doi.org/10.1038/s41598-026-40246-7

الكلمات المفتاحية: أعطال الألواح الشمسية, مراقبة الخلايا الكهروضوئية, التعلم العميق, تصوير التألق الكهربائي, صيانة طاقة متجددة