تأثير التنبؤ الدقيق بالحمولة على استقرار سوق الكهرباء في اليابان باستخدام طرق السلاسل الزمنية التقليدية والتعلّم العميق

لماذا تبدأ فاتورة الكهرباء غدًا بتخمين اليوم

كل ساعة تحاول شركات الكهرباء في اليابان توقع كمية الكهرباء التي سيستخدمها الناس في اليوم التالي. إذا خمنوا أكثر من اللازم، تُهدر أموال على طاقة غير مطلوبة. وإذا خمنوا أقل من اللازم، تنقص الإمدادات وقد ترتفع الأسعار. تنظر هذه الدراسة في كيفية أداء طرق «التخمين» المختلفة — من الإحصاءات التقليدية إلى التعلّم العميق الحديث — عبر تسع مناطق يابانية تختلف اختلافًا كبيرًا، وإلى مقدار المال والاستقرار الذي يمكن كسبه عندما تتحسّن تلك التوقعات.

نظام طاقة متناثر مع احتياجات مختلفة جدًا

نظام الكهرباء في اليابان غير اعتيادي. فهو مقسّم إلى تسع أسواق إقليمية لا تتشارك الطاقة بحرية، وتعمل حتى بترددين مختلفين، 50 و60 هرتز. تشهد المناطق الشمالية مثل هوكايدو وتوهوكو ذروات كبيرة في الشتاء للتدفئة، بينما ترتفع الطلبات في المناطق الجنوبية مثل كيوشو صيفًا مع تشغيل المكيفات. المراكز الصناعية والمدن المكتظة والمناطق الريفية كلها تستهلك الكهرباء وفق أنماطها الخاصة. وبما أن كل منطقة تحدد أسعارها بنفسها، فإن توقعًا واحدًا «يناسب الجميع» قد يغفل الإيقاعات المحلية هذه، ما يخلق ضغوطًا فنية ومخاطر مالية.

ثلاث طرق مختلفة لرؤية المستقبل

قارن الباحثون ثلاث عائلات من أدوات التنبؤ باستخدام بيانات بالساعة من 2019 إلى 2022 لجميع المناطق التسع. نموذج إحصائي كلاسيكي (يسمى SARIMA) يبحث عن أنماط يومية وموسمية متكررة ويمتدّ بها إلى الأمام. نموذج احتمالي (نموذج ماركوف الخفي) يتعامل مع الطلب على أنه يقفز بين «حالات» خفية، مثل أيام العمل أو العطل، ويقدّر احتمالية كل حالة. شبكة تعلّم عميق (LSTM) تتعلم علاقات معقدة وغير خطية من أحجام كبيرة من البيانات التاريخية، وتلتقط الذاكرة بعيدة المدى في تطوّر الطلب. طُلب من النماذج الثلاثة التنبؤ بالطلب بعد ساعة وببعد يوم واحد، في ظل ظروف عادية وتحت ضغوط: يوم الطلب الأعلى، ويوم الطلب الأدنى، وعطلة عامة كبيرة.

مناطق مختلفة، فائزون مختلفون

تُظهر النتائج أنه لا يوجد بطل عالمي واحد. في المناطق الحضرية المزدحمة ذات الطلب المتقلب بشدة، غالبًا ما كان نموذج التعلّم العميق الأفضل، خاصة في أيام الذروة المجهدة. على سبيل المثال، في يوم الذروة بطوكيو، تفوق LSTM بوضوح على نموذج SARIMA الكلاسيكي. ومع ذلك، في المناطق الصناعية الأكثر استقرارًا ذات الأنماط السلسة، غالبًا ما كانت نماذج SARIMA الأبسط تضاهي أو تتفوّق على التعلّم العميق، لا سيما في الأيام الهادئة منخفضة الطلب حيث تسود الدورات الاعتيادية. نادرًا ما فاز النموذج الاحتمالي القائم على الحالات تحت الظروف العادية، لكنه برز في الأيام غير الاعتيادية. في عطلة عامة في توهوكو، حين انحرفت روتين الناس بشكل حاد عن نمط أيام العمل، كان نموذج ماركوف الخفي الأكثر دقة من بين الجميع.

من أخطاء التنبؤ إلى أموال حقيقية

لربط الإحصاءات بالعواقب اليومية، حول الفريق أخطاء التنبؤ إلى مصطلحات مالية باستخدام أسعار السوق الإقليمية الفعلية. حتى الفروق الطفيفة في الدقة تراكمت لتصبح كبيرة. في منطقة تشوغوكو، كادت ميزة دقة بمقدار 0.08 نقطة مئوية أن توفر نحو 5.4 مليون ين من التكلفة الإضافية في يوم ذروة واحد. في طوكيو، أدى فرق خطأ أكبر في يوم ذروة إلى عبء مالي إضافي يقارب 642 مليون ين. في توهوكو، كان اختيار النموذج الخاطئ في عطلة عامة قد يكلف أكثر من 100 مليون ين. كما قوّمت الدراسة نطاقات عدم اليقين حول التوقعات، مبينة أن التعلّم العميق ميّال لإصدار نطاقات ضيّقة وأكثر اعتمادية، بينما حمل النموذج الاحتمالي أوسع مخاطر في العديد من المناطق.

خيارات أذكى لشبكة أكثر استقرارًا

للقارئ العادي، الرسالة الأساسية واضحة: التوقعات المصممة بشكل أفضل تجعل نظام الطاقة أرخص وأكثر أمانًا في التشغيل. تتصرف مناطق اليابان بشكل مختلف جدًا بحيث لا يمكن لطريقة واحدة أن تكون الأفضل في كل مكان وفي كل وقت. يبرز التعلّم العميق حيث يكون الطلب معقدًا ومتغيرًا بسرعة؛ تعمل الإحصاءات الكلاسيكية جيدًا حيث تكون الأنماط منتظمة؛ وتساعد النماذج القائمة على الحالات عندما يتغير السلوك فجأة، كما في العطل. من خلال اختيار الأداة المناسبة لكل مكان وحالة، يمكن للمرافق تقليص التكاليف بعشرات إلى مئات الملايين من الين يوميًا، وخفض قفزات الأسعار، وتشغيل الشبكة بثقة أكبر بينما تتجه اليابان نحو مستقبل طاقة أكثر مرونة ومنخفض الانبعاثات.

الاستشهاد: Rabie, D., Moradi, M., Xuan, W. et al. Impact of accurate load forecasting on electricity market stability in Japan using classical time-series and deep-learning methods. Sci Rep 16, 11781 (2026). https://doi.org/10.1038/s41598-026-46859-2

الكلمات المفتاحية: تنبؤ الطلب على الكهرباء, سوق الكهرباء في اليابان, التعلّم العميق والطاقة, نمذجة السلاسل الزمنية, مخاطر سوق الطاقة