نحو إنتاج طاقة مستدام: إطار مقارنة بالتعلّم الآلي للتنبؤ بتكلفة الهيدروجين الأخضر عبر قارة أفريقيا

لماذا تهمّ تكلفة الهيدروجين الأخضر

مع سعي العالم لتقليل تلوّث الكربون من السفن والمصانع والنقل لمسافات طويلة، برز الهيدروجين الأخضر كوقود نظيف واعد. لكن ما إذا كان بإمكانه الانتشار فعلاً يتوقف على سؤال بسيط ومصمم: كم سيكلّف إنتاج كل كيلوغرام؟ يوجّه هذه الورقة هذا السؤال نحو إفريقيا، قارة تفيض بموارد الشمس والرياح ولكن تفتقر إلى بيانات قاطعة حول ما قد تكون عليه تكلفة الهيدروجين الأخضر في دول مختلفة.

الصورة الكبيرة: خريطة تكلفة قارية

سعى الباحثون إلى بناء صورة معتمدة على البيانات لتكاليف الهيدروجين الأخضر على مستوى القارة. بدل التركيز على مصنع أو بلد واحد، جمعوا 54 سيناريو تغطي دولاً أفريقية متعددة، يصف كل منها مشروع هيدروجين محتمل. سجّلوا لكل سيناريو متوسط تكلفة الإنتاج على مدى العمر بالإضافة إلى 14 عاملًا آخر، مثل حجم مزارع الشمس والرياح، سعة معدات الهيدروجين، مقدار التخزين والبنية التحتية للأنابيب المطلوبة، مدى أمان وموثوقية نظام الطاقة المحلي، مرحلة تطوير المشروع، وكمية المياه التي قد يستخدمها المشروع. من خلال وضع كل هذه العناصر في جدول موحد ومنسق بعناية، أنشأوا أساسًا للمقارنة بين البلدان بطريقة متسقة.

كيف يعمل أداة الفحص الذكية

بدلاً من حساب التكاليف يدويًا لكل حالة، درّب الفريق مجموعة من نماذج التعلّم الآلي لتتعلم العلاقة بين خصائص المشروع والتكلفة النهائية للهيدروجين. قسّموا البيانات بحيث استخدمت معظم السيناريوهات في التدريب والباقي احتُفظ به كاختبار مستقل. جُرّبت إحدى عشرة طريقة مختلفة، من صيغ خطية بسيطة إلى أساليب قاعدية شجرية أكثر مرونة وشبكات عصبية عميقة. ولتجنّب خداع الذات عبر الإفراط في التخصيص—نماذج تحفظ البيانات بدلًا من التعميم—استخدموا التحقق المتداخل المتداخل (nested cross-validation)، مع إعادة الخلط والتقسيم مرارًا لرصد مدى استقرار التنبؤات عبر عمليات متعددة.

ما الذي يدفع التكاليف للارتفاع أو الانخفاض

كان النموذج صاحب الأداء الأفضل نظام تعزيز التدرّج المضبّط، الذي يجمع العديد من الأشجار القرار البسيطة لالتقاط أنماط معقدة. أعاد إنتاج تكاليف الهيدروجين الملاحظة بدقة لافتة، متبقيًا بخطأ متوسط لا يتجاوز بعض السنتات لكل كيلوغرام. باستخدام تقنية تُعرف باسم SHAP، «فتح» المؤلفون الصندوق الأسود ليروا أي العوامل كانت الأكثر تأثيرًا في قرارات النموذج. ارتبطت المحطات المتجددة الأكبر وأنظمة التحليل الكهربائي الأكبر (الأجهزة التي تفصل الماء لإنتاج الهيدروجين) بانخفاض التكاليف المتوقعة، مما يعكس وفورات الحجم. كما أن البلدان ذات أمن الطاقة الأعلى—أنظمة طاقة أكثر موثوقية وتنوّعًا—شهدت أيضًا تكاليف أقل في النموذج. من ناحية أخرى، دفعت زيادة الطلب على المياه وطول شبكات التوزيع التكاليف المتوقعة إلى الارتفاع، مما يشير إلى أهمية حدود الموارد المحلية واحتياجات البنية التحتية.

أنماط عبر البلدان ومراحل المشاريع

عند النظر إلى السيناريوهات الـ54 الإفريقية، تراوحت تكلفة الهيدروجين الأخضر النموذجية حول 4.9 يورو لكل كيلوغرام، مع قيم تتراوح تقريبًا بين 3.75 و5.60 يورو. لكن هذه الأرقام لم تكن عشوائية. تميل المشاريع التي وصلت إلى مراحل التصميم التفصيلي أو البناء إلى التمركز في الطرف الأدنى من نطاق التكلفة، بينما كانت الأفكار المبكرة «الافتراضية فقط» أكثر تكلفة بشكل ملحوظ. يشير هذا إلى أنه مع نضوج المشاريع—وتوضيح التصميم والبنية التحتية والتمويل—تنخفض التكلفة المتوقعة للهيدروجين. كما أظهرت التحليلات أن التكاليف المنخفضة عادة ما تترافق مع أنظمة متكاملة على نطاق واسع تجمع محطات متجددة كبيرة مع تخزين جيد وأنابيب وحوكمة طاقة قوية، بدلاً من الاعتماد على عامل سحري واحد أو بلد منفرد متميز.

روابط مع أهداف الاستدامة الأوسع

نظرًا لأن المؤشرات المستخدمة للتنبؤ بالتكلفة مرتبطة أيضًا بأسئلة اجتماعية وبيئية، فحص المؤلفون كيف ترتبط نتائجهم بأهداف التنمية المستدامة العالمية. السعات المتجددة الأعلى وأمن الطاقة الأفضل تربط توسع الهيدروجين الأخضر بطاقة نظيفة ميسورة وبالبنية التحتية الحديثة. في الوقت نفسه، تكشف مؤشرات مثل خفض انبعاثات ثاني أكسيد الكربون، الطلب على المياه، ومستويات الاستثمار عن مقايضات وتآزر مع العمل المناخي وضغوط المياه. لا يدّعي الإطار قياس التأثيرات الواقعية الكاملة، لكنه يوفر نقطة انطلاق شفافة للموازنة بين التكلفة، وفوائد المناخ، والبنية التحتية، والموارد معًا.

ماذا يعني هذا لصانعي القرار

بعبارات بسيطة، تقدّم هذه الدراسة أداة فحص سريعة للحكومات والمستثمرين والمخططين الذين يجب أن يقرروا أين يوجّهون انتباههم ورأس المال المحدود. تُظهر النتائج أنه ضمن السيناريوهات المدروسة، تكون تكاليف الهيدروجين الأخضر في أفريقيا تنافسية فقط عندما تكون المشاريع كبيرة، ومتكاملة جيدًا مع نظم طاقة موثوقة، ومخططًا لها بعناية حول قيود المياه والبنية التحتية. لا يمكن لإطار التعلّم الآلي أن يحل محل دراسات هندسية ومالية مفصّلة، لكنه قادر بسرعة على تحديد البلدان وتصاميم المشاريع الأكثر وعدًا — وتلك التي تستحق تحقيقًا أعمق — قبل أن يُصَبّ الخرسانة أو تُمتد الأنابيب.

الاستشهاد: Elewa, A.M.T., Snousy, M.G., Saqr, A.M. et al. Toward sustainable energy production: a comparative machine learning framework for predicting green hydrogen cost across the african continent. Sci Rep 16, 12855 (2026). https://doi.org/10.1038/s41598-026-47726-w

الكلمات المفتاحية: الهيدروجين الأخضر, طاقة أفريقيا, التعلّم الآلي, الطاقة المتجددة, البنية التحتية المستدامة