تحكم محول الشبكة الذكية: دمج الشبكات العصبونية المتكررة، التنبؤ النموذجي التنبؤي، ومتحكم الوضع الانزلاقي المتكيف لتقليل التوافقيات بشكل أمثل

لماذا تهم جودة الطاقة من مصادر الطاقة المتجددة

مع تزايد عدد المنازل والسيارات والصناعات التي تسحب الكهرباء من الألواح الشمسية ومزارع الرياح وأنظمة التخزين، يتعين على الشبكة التعامل مع كهرباء سريعة التغير وأحيانًا «مضطربة». يمكن أن تخلق هذه التقلبات تموجات كهربائية تُعرف بالتوافقيات، والتي تهدر الطاقة، وتسبب ارتفاعًا في حرارة المعدات، وتقصّر عمر الأجهزة. يقدم هذا البحث طريقة جديدة للتحكم بالمحوّلات الإلكترونية التي تربط المصادر المتجددة بالشبكة، للحفاظ على كهرباء نظيفة ومستقرة حتى عندما تكون الظروف قاسية وغير متوقعة.

كيف تحوّل الشبكات الحديثة التيار المستمر إلى تيار متردد ناعم

معظم مصادر الطاقة المتجددة وأجهزة التخزين تنتج تيارًا مستمرًا (DC)، بينما تستخدم المنازل والشبكة تيارًا متردداً (AC). تعمل محولات الجهد المتصلة بالشبكة كوسيط بين هذين العالمين. تقوم هذه المحولات بتبديل المكونات الإلكترونية على نحو سريع لتشكيل DC إلى AC. لتنعيم ناتج التبديل، يضيف المهندسون مرشحات مكونة من ملفات ومكثفات. رغم فاعلية هذه المرشحات، إلا أنها قد تدخل في حالة رنين وتتفاعل بشكل سيئ مع تغيرات ظروف الشبكة، مما يؤدي إلى توافقيات غير مرغوبة، وتشوه أشكال الموجة، وحساسية تجاه الأحمال المجهولة أو المتغيرة. الطرق التقليدية للتحكم التي كانت تعمل جيدًا تواجه صعوبات الآن عندما يتغير ممانعة الشبكة أو تكون الأحمال غير متوازنة أو عندما يكون الجهد نفسه مشوهًا.

مزج التنبؤ والتعلم والصلابة

يقترح المؤلفون نظام تحكم هجيني يجمع ثلاث أفكار قوية: التنبؤ، وتعلم الآلة، وطبقة أمان قوية. أولًا، يُستخدم متحكم تنبؤي نموذجي (MPC) خارج الزمن الحقيقي لحساب أفضل قرارات التبديل المحتملة عبر العديد من سيناريوهات التشغيل. هذه الطريقة التنبؤية دقيقة لكنها مكثفة حسابيًا بحيث لا يمكن تشغيلها مباشرة في الوقت الحقيقي للمحوّلات عالية السرعة. ثانيًا، تُستخدم هذه القرارات المثلى لتدريب شبكة عصبونية متكررة (RNN)، وهي شكل من أشكال الذكاء الاصطناعي القادرة على تذكر السلوك الماضي. بعد التدريب، يمكن للشبكة المتكررة تقليد قرارات MPC بحوسبة أقل بكثير، مما يجعلها مناسبة للاستخدام في الوقت الحقيقي. ثالثًا، فوق هذا المُتحكم المتعلم يضيف المؤلفون متحكم وضع انزلاقي فائق الالتفاف متكيف – وهو في الأساس طبقة إشرافية قوية تصلح سريعًا الأخطاء عندما تنحرف الظروف عما رأت الشبكة المتكررة سابقًا.

كيف يحافظ المتحكم الهجين على استقراره

في التشغيل، يعمل النظام على طبقتين. خارجيًا (دون اتصال مباشر بالزمن الحقيقي)، يُستخدم نموذج رياضي مفصّل للمحوّل ومرشحه لمحاكاة الجهاز تحت العديد من ظروف الشبكة والحمل. يولّد MPC مسارات تبديل مثلى تشكل بيانات التدريب للشبكة المتكررة. تُعدل كسبات المتحكم الانزلاقي القوي باستخدام نهج تحسين مستوحى من سلوك الصيد لدى الذئاب الرمادية، الذي يبحث عن معلمات تقلل خطأ التتبع عبر الزمن مع تجنب جهد تحكم مفرط. داخليًا، أثناء التشغيل الفعلي، تختار الشبكة المتكررة بسرعة أنماط التبديل التي تتبع مراجع الجهد والتيار عن كثب. بالتوازي، يراقب المتحكم الانزلاقي المتكيف فرق التيارات المرغوبة والفعلية، ويقوّي أو يخفف تأثيره عبر دالة حاجز كلما اقترب النظام من حدود حرجة. يظهر تحليل استقرارية رياضي باستخدام نظرية ليابونوف أن أخطاء التتبع تُقاد إلى الصفر في زمن متناهي وتبقى مقيدة حتى عندما تكون الشبكة متضجة أو النموذج غير مثالي.

اختبار أداء المتحكم

حقق الباحثون في منهجيتهم عبر محاكاة حاسوبية مفصّلة وتجارب أجهزة في الحلقة باستخدام متحكم دقيق صناعي. قارنوا ثلاث استراتيجيات تحكم: MPC مستقل، وRNN مستقل، والنهج الهجين الكامل مع طبقة الانزلاق المتكيفة. تحت مجموعة من الظروف — أحمال مقاومية بسيطة، أحمال غير خطية مثل مقومات الصمام الثنائي، تشغيل على شبكة ضعيفة بممانعة شبكة أعلى، أحمال طورية غير متوازنة، وتداخل تحليلي للتوافقيات — أنتج المتحكم الهجين باستمرار أنقى أشكال موجة. انخفض إجمالي التشويه التوافقي إلى حوالي 0.4–0.5%، وهو أقل بكثير مما حققه MPC أو RNN بمفردهما، واستقر النظام أسرع مع تجاوز أقل. في الوقت نفسه، خفّضت الشبكة المتكررة العبء الحسابي بحوالي 80% مقارنةً بـMPC الخالص، مما يؤكد أن الخطة عملية للتحكم عالي السرعة.

ما يعنيه هذا لمستقبل الشبكات الذكية

لغير المختصين، الرسالة الأساسية أن هذا العمل يبيّن كيف يمكن لدمج التنبؤ وتعلم الآلة وطبقة أمان قوية أن يجعل إلكترونيات الطاقة أكثر ذكاءً واعتمادية. يتيح المتحكم المقترح للمحوّلات التي تربط المتجددة والتخزين بالشبكة أن تقدم طاقة نظيفة ومنخفضة التشويه حتى عندما تكون الشبكة ضعيفة أو الأحمال غير متوازنة أو تحدث اضطرابات غير متوقعة. هذا يحسّن كفاءة الطاقة، ويحمي المعدات، ويسهّل دمج كميات كبيرة من التوليد المتجدد. يقترح المؤلفون أن استراتيجيات هجينة مماثلة يمكن أن تُطَبَّق على محولات شمسية، وأنظمة رياح، وشواحن المركبات الكهربائية، وغيرها من إلكترونيات الطاقة المتقدمة، مساعدةً الشبكة المستقبلية على البقاء مستقرة مع ازدياد نظافتها وتعقيدها.

الاستشهاد: Zeb, O., Rehman, A., Sultan, N. et al. Smart grid inverter control: integrating RNN, model predictive, and adaptive sliding mode controller for optimal harmonic mitigation. Sci Rep 16, 13700 (2026). https://doi.org/10.1038/s41598-026-42010-3

الكلمات المفتاحية: الشبكة الذكية, تحكم محول الطاقة, التقليل من التوافقيات, التحكم بالشبكات العصبية, التحكم بالوضع الانزلاقي