بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
ثمانية وثمانون ضعفاً — هذا ليس ادعاءً تسويقياً، بل هو الفارق في السرعة بين GENCO وبين المحلّل الكلاسيكي IPOPT في مسألة التدفق الأمثل للطاقة (OPF) (وفقاً لأبحاث arXiv). فريق من 22 باحثاً في IBM وETH Zürich يقدّم اليوم ما يُمكن وصفه بأول نموذج أساسي موحّد لتحليل الشبكات الكهربائية في حالتها المستقرة، ويفتح الباب أمام مرحلة جديدة يُطلق عليها الفريق نفسه اسم “Grid Foundation Models”.
المشكلة التي يعالجها GENCO ليست مشكلة نظرية. شبكات نقل الكهرباء تعتمد منذ عقود على ثلاثة حسابات محورية: تحليل تدفق الطاقة (PF) لمعرفة الحالة التشغيلية للشبكة، والتدفق الأمثل (OPF) لتخفيض التكلفة مع احترام القيود الفيزيائية، وتقدير الحالة (SE) لإعادة بناء الوضع الفعلي من قياسات مشوّشة. كل مسألة كانت تتطلب تقليدياً محلّلاً مستقلاً. GENCO يدمج الثلاثة في بنية واحدة ومعمارية مشتركة لتمثيل الشبكة.
النتائج التي رصدها الفريق على benchmarks معيارية وعلى بيانات SCADA الحقيقية لشركة Hydro-Québec الكندية جاءت على النحو الآتي:
- في تحليل تدفق الطاقة على نطاق واسع (PF)، يُعيد GENCO الحالة التشغيلية الكاملة للتيار المتردد AC بما يشمل قِيَم الجهد ومؤشرات الطاقة التفاعلية التي لا تستطيع طريقة DC-PF التقليدية توفيرها — مع الحفاظ على مستوى مقارب لدقة DC-PF في توازن الطاقة الفعّالة، وتحقيق تسريع يصل إلى 30 ضعفاً مقارنةً بطريقة Newton-Raphson الكلاسيكية عند ضعف وقت تشغيل DC-PF فقط (وفقاً للورقة البحثية).
- في مسألة التدفق الأمثل (OPF)، حقّق GENCO تسريعاً يبلغ 85 ضعفاً مقارنةً بمحلّل IPOPT المرجعي، مع تحسّن متزامن في ثلاثة محاور: الجدوى الفيزيائية للحل، ودرجة الأمثلية الاقتصادية، وزمن التنفيذ — كل ذلك متفوقاً على DC-OPF أيضاً (وفقاً للورقة البحثية).
- في تقدير حالة الشبكة (SE)، أظهر النموذج متانة أعلى بكثير من طريقة المربعات الصغرى الموزونة الكلاسيكية (WLS) في مواجهة القياسات المشوّشة وأخطاء معاملات الشبكة، وأنتج دائماً تقديراً عالي الجودة حتى في الحالات التي تفشل فيها WLS في الوصول إلى تقارب (وفقاً للورقة البحثية).
- على بيانات Hydro-Québec SCADA الواقعية، أثبت GENCO قدرته على التعميم خارج بيئات الاختبار الاصطناعية، وهو اختبار تفتقر إليه كثير من الأبحاث في هذا المجال.
لكن الورقة البحثية لا تتوقف عند النموذج وحده. الفريق يُطلق في الوقت ذاته GridFM Development Framework، إطاراً مفتوح المصدر يقضي على أكبر عائق عملي أمام الباحثين في هذا المجال: غياب بيئة موحّدة لتوليد البيانات التدريبية والقياس المقارن. الإطار يوفّر بيئة low-code لتوليد البيانات الاصطناعية وتدريب النماذج وتقييمها، ومعه مجموعات بيانات ضخمة تضمّ ملايين سيناريوهات PF وOPF عبر طوبولوجيات متنوعة للشبكات.
التقييم جرى على benchmark معيارييَن: PFDelta وOPFData، وهما مرجعان يُستخدمان لمقارنة المحلّلات العصبية ببعضها ومع المحلّلات الكلاسيكية. هذا الالتزام بالقياس العلني المقارن ليس تفصيلاً طارئاً — بل هو رسالة واضحة للمجتمع البحثي بأن النتائج قابلة للتكرار والتحقق.
ما يجعل هذا التوجه لافتاً هو السياق الأوسع: نماذج الأساس (Foundation Models) اجتاحت معالجة اللغة الطبيعية والرؤية الحاسوبية، لكنها ظلّت غائبة إلى حد بعيد عن الهندسة الصناعية الصارمة، حيث لا تُغتفر المخالفات الفيزيائية. GENCO يقترح أن الاتساق الفيزيائي والسرعة العصبية لا يتناقضان، وأن الأرقام التي يُقدّمها تجعل هذا الاقتراح صعب الدحض. السؤال المنطقي التالي — هل يصمد النموذج على شبكات قيد التشغيل الفعلي في ظروف الأعطال والتغيرات غير المتوقعة؟ — هو بالضبط السؤال الذي تفتحه هذه الورقة، لا تُغلقه.
