طريقة تنبؤ احتمالية غير معلمية وتكيفية للطاقة الشمسية الأفقية بمدة ساعة

لماذا تهم دقة توقعات الطاقة الشمسية

مع اعتماد المزيد من المنازل والشركات والمرافق للألواح الشمسية للحصول على كهرباء نظيفة، تضطر الشبكات إلى التعامل مع مورد يتغير مع مرور كل غيمة. يحتاج مشغلو الشبكات إلى معرفة ليس فقط مقدار الطاقة الشمسية المتوقعة قبل ساعة، بل ومدى عدم اليقين في هذا التوقع. تقدم هذه الورقة طريقة جديدة لوضع «أشرطة خطأ» حول توقعات الطاقة الشمسية قصيرة الأمد كي يتمكن المخططون من إبقاء الأضواء مضاءة مع الاعتماد بثقة أكبر على الشمس.

من تخمينات مفردة إلى توقعات واعية بالمخاطر

غالباً ما تختزل التوقعات التقليدية للطاقة الشمسية المستقبل في رقم واحد، مثل «2.5 كيلوواط في الساعة القادمة». في الواقع، يتذبذب إنتاج الطاقة الشمسية بتغير الطقس ووقت اليوم، وتستند قرارات الشبكة — مثل مقدار الطاقة الاحتياطية التي يجب جدولتها — إلى مدى التأكد من هذه الأرقام. لذلك تستخدم الأساليب الحديثة التنبؤ الاحتمالي: بدلاً من قيمة واحدة، تقدم نطاقاً من النتائج المحتملة مع مؤشرات لمدى تواتر وقوع القيمة الحقيقية ضمن ذلك النطاق. تركز هذه الدراسة على توقعات بمدة ساعة للألواح السطحية في جامعة في فروتسواف، بولندا، باستخدام خمس سنوات من البيانات التاريخية. الهدف هو إنتاج فترات تنبؤ تكون موثوقة (تحتوي القيمة الحقيقية في معظم الأوقات) وحادة (نطاقات ضيقة قدر الإمكان لتجنب اتساع غير مفيد).

طريقة أذكى لتعديل عدم اليقين

التقنية المركزية المستكشفة هنا هي الاستدلال المطابق التكيفي (Adaptive Conformal Inference أو ACI). ببساطة، يلتف ACI حول أي نموذج توقع — هنا، شبكة تعلم عميق تسمى LSTM مكدسة — وينظر إلى أخطاء التوقعات الأخيرة ليقرر مدى اتساع فترة التنبؤ التالية. إذا أخفقت التوقعات الأخيرة في الضبط، يقوم ACI تلقائياً بتوسيع النطاق؛ وإذا كانت دقيقة، يضيق النطاق. مع ذلك، يفترض ACI القياسي أن البيانات تتغير بسلاسة عبر الزمن. الطاقة الشمسية ليست كذلك: كل ليلة ينخفض الإنتاج إلى الصفر، ولا تشبه أولى أشعة الصباح كثيراً ما حدث في المساء السابق. يمكن أن يسبب هذا النمط اليومي التوقف والبدء انجراف معامل تعديل ACI، ما يؤدي إلى تضخم الفترات مع الزمن.

إعادة الضبط كل يوم لبداية جديدة

لإصلاح هذا التباين، يقدم المؤلفون لمسة بسيطة لكنها قوية: يعيدون تعيين معامل «التغطية الفائتة» الداخلي في ACI في بداية كل يوم. مفهوماً، يخبر هذا الخوارزمية أن تنسى ساعات الظلام الطويلة قليلة المعلومات وتعيد المعايرة استناداً إلى سلوك ساعات النهار فقط. لا يزال نموذج LSTM الأساسي يتعلم أنماطاً من سنوات البيانات، بما في ذلك التغيرات الموسمية والأشكال اليومية النموذجية، لكن طبقة ACI لا تسمح بعد الآن للأصفار الليلية بتشويه إحساسها بعدم اليقين. تحافظ إعادة الضبط اليومية على الفترات من أن تصبح كبيرة بلا داعٍ بعد سلاسل من فترات منخفضة المعلومات وتسمح للطريقة بالتكيف بسرعة مع ظروف ضوء النهار في كل يوم، سواء كانت صافية أو غائمة أو متقلبة بشدة.

كيف تقارن الطريقة الجديدة

تقارن الدراسة أربع طرق للتعبير عن عدم اليقين حول توقعات الطاقة الشمسية: ACI المعدل، ونموذج عميق مدرَّب للتنبؤ بعدة مقاييس كمية مباشرة (الانحدار الكمي العميق)، وإصدار بايزي من LSTM يقدّر عدم اليقين داخلياً، وخوارزمية شجرية قوية تسمى CatBoost مضبوطة لتنبؤ المقاييس الكمية. أجريت الاختبارات على سنة من البيانات غير المرئية سابقاً. يحقق ACI المعدل أعلى موثوقية، حيث تحتوي فتراته على القيمة الحقيقية بنحو 91% من الوقت، وهو قريب من الهدف المقصود، مع الحفاظ على عرض فترات معقول. تحل LSTM البايزية في المرتبة التالية من حيث الموثوقية لكنها تنتج نطاقات أوسع إلى حد ما. تقدم CatBoost أضيق الفترات لكنها تفشل في التقاط القيم الحقيقية أكثر، مبخسة بذلك عدم اليقين. يقدم الانحدار الكمي العميق أدنى أداء إجمالاً، جامعاً بين تغطية أقل وفترات أوسع ودرجات عقوبة أعلى. والأهم من ذلك أن ACI المحسن يحقق أدائه القوي مع تكلفة حوسبية صغيرة تضاف إلى نموذج LSTM الأساسي.

ماذا يعني هذا لشبكات الطاقة الشمسية المستقبلية

عملياً، تُظهر هذه الدراسة أن التعامل الأفضل مع إيقاع الليل والنهار يمكن أن يحسّن بشكل ملحوظ جودة تقديرات مخاطر الطاقة الشمسية. من خلال إعادة معايرته كل صباح، يقدم نهج ACI المعدل نطاقات ثقة تكون موثوقة وضيقة بشكل معقول، مما يسهل على مشغلي الشبكات ومديري الطاقة تخطيط الاحتياطيات وتداول الطاقة ودمج المزيد من الطاقة الشمسية دون رد فعل مبالغ فيه أمام عدم اليقين. وبما أن ACI غير معتمد على نموذج محدد ولا يعتمد على توقعات الطقس التفصيلية، يجادل المؤلفون بأن مخطط إعادة الضبط اليومي هذا يمكن تطبيقه على نطاق واسع في منشآت شمسية وأدوات توقع أخرى، موفراً طريقة قوية قائمة على البيانات لجعل الشمس شريكاً أكثر قابلية للتنبؤ في أنظمة الطاقة المستقبلية.

الاستشهاد: Suresh, V., Revathi, B.S. & Guerrero, J.M. A non-parametric adaptive conformal inference based probabilistic hour-ahead solar PV power forecasting method. Sci Rep 16, 11730 (2026). https://doi.org/10.1038/s41598-026-40911-x

الكلمات المفتاحية: تنبؤ طاقة شمسية, تنبؤ احتمالي, تكميم عدم اليقين, استدلال مطابقة (conformal inference), شبكات الطاقة المتجددة