الذكاء الاصطناعي يستخدم لتطوير التكنولوجيا الشمسية بشكل أسرع من أي وقت مضى

سوق الخلايا واللوحات الشمسية يتطور بسرعة. وفقًا للتقديرات المتاحة للجمهور ، بلغت قيمة سوق اللوحات الشمسية في جميع أنحاء العالم حوالي 82 مليار دولار أمريكي في عام 2023 ومن المتوقع أن تصل إلى260 مليار دولار أمريكي في عام 2031، وهو نمو ثلاثي في ثماني سنوات.

تعتمد تقدم اللوحات الشمسية على تحسين الخلايا الشمسية ، وهو المكون الأساسي للوحات الشمسية. يتم تصنيع اللوحاتمنخلايا شمسية من السيليكون أحادية البلورة أو متعدد البلورات ملحومة معًا ومحكمة تحت غطاء زجاجي مضاد للانعكاس. بدون شك ، أي تقدم في التكنولوجيا الشمسية يعتمد على تحسين الخلايا الشمسية. سنناقش أحدث الإنجازات في القسم التالي.

تطبيق التعلم الآلي لتسريع البحث عن جزيئات شبه موصلة جديدة للخلايا الشمسية ذات البيروفسكات

تمكن الباحثون في معهد كارلسروه للتكنولوجيا ، الذين يعملون كجزء من فريق دولي ، من العثور على جزيئات hữuogan جديدة زادت من كفاءة الخلايا الشمسية ذات البيروفسكات.^1. في تحقيقهم لمهمتهم ، استخدم الفريق مزيجًا ذكياً من الذكاء الاصطناعي والتركيب الآلي عالي الإنتاجية. كما يشير التقرير إلى أن البحث متوافق مع التطبيقات في مجالات أخرى من أبحاث المواد ، بما في ذلك البحث عن مواد بطارية جديدة.

يُشير البحث العلمي الذي نشرته النتائج إلى أن التصميم العكسي للجزيئات العضوية المخصصة لأجهزة كهروضوئية معقدة يحمل إمكانيات هائلة لم تُستغل بعد. كانت النماذج التي كانت موجودة قبل نتائج البحث تعتمد على مجموعات بيانات كبيرة لم تكن موجودة بشكل عام في مجالات البحث المتخصصة.

أثبت الباحثون سير عمل مغلق يجمع بين التركيب عالي الإنتاجية للشبه موصلات العضوية لإنشاء مجموعات بيانات كبيرة وتحسين البيزي لاكتشاف مواد نقل ثقوب جديدة ذات خصائص مخصصة لتطبيقات الخلايا الشمسية. كانت النماذج التنبؤية dựa على وصفات جزيئية سمحت للعلماء بربط هيكل هذه المواد بأدائها.

بشكل عام ، يمكن للبحث تحديد سلسلة من الجزيئات عالية الأداء من اقتراحات قليلة إلىتحقيق كفاءة تحويل طاقة تصل إلى 26.2٪ (معتمدة 25.9٪)في الخلايا الشمسية ذات البيروفسكات.

في حين قد يبدو الشرح العلمي لما حققه فريق البحث معقدًا ، هناك طرق أسهل لفهم النقاط العريضة وكيف تم التوصل إلى الحلول.

كان من المفترض أن يتم اكتشاف جزيء من بين مليون جزيء مختلف سوف يقود الشحنات الموجبة ويكون الخلايا الشمسية ذات البيروفسكات فعالة بشكل خاص. ساعد تطبيق الذكاء الاصطناعي في تقليل هذا العبء المتعب ، حيث قام فريق الباحثين بقيادة أستاذ المسار الزمني باسكال فريدريك ، الذي يتخصص في تطبيقات الذكاء الاصطناعي في علوم المواد في معهد النانوتكنولوجيا في KIT ، وأستاذ كريستوف برابيك من معهد هلمهولتز إرلنغن-نورنبرغ (HI ERN) ، بتشغيل نموذج ذكاء اصطناعي لتحقيق غرضهم بأقل محاولات ممكنة.

وفقًا لبرابيك:

“بمجرد 150 تجربة مستهدفة ، تمكنا من تحقيق اختراق لم يكن لنا أن نحققه بدون ذلك ، وهو ما كان سيستغرق مئات الآلاف من الاختبارات.”

كانت النتائج التي توصل إليها الباحثون مقنعة ، حيث كان سير العمل الذي طوروه يمكن أن يفتح طرقًا جديدة لاكتشاف المواد عالية الأداء بسرعة واقتصاد.

لكن كيف تمكن الباحثون من تحقيق ما حققوه؟ دعونا ننظر بشكل أعمق!

تدريب الذكاء الاصطناعي مع بيانات جزيئية

بدء كل شيء في معهد هلمهولتز إرلنغن-نورنبرغ (HI ERN) ، مع قاعدة بيانات كاملة من الصيغ الهيكلية لما يقرب من مليون جزيء افتراضي يمكن合ynthته من مواد متاحة تجاريا. تم اختيار 13,000 عشوائيا من هذه الجزيئات الافتراضية. لتحديد مستويات الطاقة والقطبية والهندسة والخصائص الأخرى ، استخدم باحثو KIT طرقًا ميكانيكية كمية محددة.

تم اختيار 101 جزيء من 13,000استنادا إلىتنوع الخصائص الجزيئية. باختصار ، اختار العلماء هذه 101 مع أكبر اختلافات في خصائصهم.

بعد ذلك ، قام العلماء بتركيب هذه الجزيئات بنظم روبوتية لإنشاء خلايا شمسية متطابقة. كان قياس كفاءة هذه الخلايا الشمسية أحد أهم جوانب هذا البحث.

يتحدث برابيك عن تقييم هذه الكفاءة:

“القدرة على إنتاج عينات قابلة للمقارنة بفضل منصة التركيب الآلي عالية التخصص ، وبالتالي القدرة على تحديد قيم كفاءة موثوقة ، كانت حاسمة لنجاح استراتيجيتنا.”

اقترح نموذج الذكاء الاصطناعي الذي طوره الباحثون 48 جزيء آخر لتركيبه. كانت هذه التوصياتاستنادا إلىمعيارين:

• كفاءة متوقعة عالية
• خصائص غير متوقعة

أثمرت التوصيات التي قدمها الذكاء الاصطناعي نتائج إيجابية. سمح الجزيئات المقترحة من قبل الذكاء الاصطناعي ببناء خلايا شمسية ذات كفاءة أعلى من المعدل. كان بعضها قادرًا حتى على تجاوز قدرات المواد الأكثر تقدمًا اليوم.

أكدت النتيجة على ثقة الباحثين في قرارهم بتشغيل الذكاء الاصطناعي. فيما يتعلق بمستوى الإنجاز ، قال فريدريك:

“لا يمكننا التأكد من أننا قد وجدنا أفضل جزيء من مليون جزيء ، ولكننا قريبون جدًا من الأمثل.”

كان تشغيل الذكاء الاصطناعي مشجعًا حقًا ، حيث ساعد الباحثين على الحصول على رؤية حول الجزيئات التي اقترحها. كانت اقتراحات الذكاء الاصطناعي جزئيًا تستند إلى وجود مجموعات كيميائية معينة ، مثل الأمينات ، التي تجاهلها الكيميائيون في السابق. كانت إبراز هذه المجموعات الكيميائية التي تجاهلها أحد النتائج الإيجابية المهمة لتشغيل الذكاء الاصطناعي.

بشكل عام ، كان تطبيق الذكاء الاصطناعي لتطوير قضية التكنولوجيا الشمسية ليس جديدًا. أجرى الوكالة الدولية للطاقة المتجددة دراسة شاملة حول كيف يمكن لتطبيقات الذكاء الاصطناعي تحسين عمليات دمج الطاقة المتجددة ، خاصة تلك التي تتضمن طاقة الرياح والطاقة الشمسية.

في القسم التالي ، ننظر في بعض رؤى التقرير للحصول على نظرة شاملة حول كيف يمكن للذكاء الاصطناعي أن يثبت فاعليته في التكنولوجيا الشمسية.

تطبيقات متنوعة للذكاء الاصطناعي في تطوير التكنولوجيا الشمسية

يمكن للذكاء الاصطناعي مساعدة التكنولوجيا الشمسية على أن تصبح أكثر كفاءة من خلال مساعدتها في توليد توقعات أفضل لتحويل الطاقة المتجددة. يمكن للبيانات الكبيرة والذكاء الاصطناعي إنتاج توقعات دقيقة لتحويل الطاقة ، مما يجعل من الممكن دمج المزيد من الطاقة المتجددة في الشبكة. يشير التقرير إلى مثال IBM ، الذي أظهر في عام 2015 تحسنًا بنسبة 30٪ في توقعات الطاقة الشمسية أثناء العمل مع مبادرة SunShot التابعة لوزارة الطاقة الأمريكية.

استخدم نموذج الطقس الذكي وتكنولوجيا توقعات توليد الطاقة المتجددة مجموعات بيانات كبيرة من البيانات التاريخية والقياسات في الوقت الفعلي المتكاملة معها من محطات الطقس المحلية وشبكات الحساسات والأقمار الصناعية وكاميرات الصور الجوية.

يمكن لمشغلي النظام أن يستفيدوا أيضًا منه مع توقعات قصيرة المدى دقيقة ، مما يحسن التزام الوحدة ويزيد من كفاءة التوجيه ويقلل من مشاكل الموثوقية ويقلل من الاحتياطيات التشغيلية المطلوبة في النظام.

أشار التقرير إلى مشروعين. كان أحدهما EWeLiNE ، وهو مشروع بحثي ألماني استخدم برنامج التعلم الآلي وانتهى في عام 2017. كان الآخر هو Gridcast ، وهو تابع له. استخدم كلاهما الذكاء الاصطناعي لتوقع توليد الطاقة. سحبوا البيانات من أجهزة استشعار الطاقة الشمسية وطواحين الرياح وتوقعات الطقس. ساعد ذلك في تقليل الطاقة المهدورة.

يمكن للذكاء الاصطناعي أيضًا لعب دور حاسم في الحفاظ على استقرار وثبات الشبكة. يشترك أربعة شركات (Adaptricity و AEK و Alpiq و Landis+Gyr) ، جنبًا إلى جنب مع كانتون سولوتورن ، في اختبار كيف يمكن للحلول القائمة على الذكاء الاصطناعي ضمان استقرار الشبكة في المستقبل وتقليل الاستثمارات في توسيع الشبكة المكلفة في مشروع تجريبي يسمى SoloGrid.

لوحظ أن الذكاء الاصطناعي يمكن أن يزيد من سعة خطوط النقل الكهربائية ويقلل من الحاجة إلى خطوط جديدة من خلال استخدام الخطوط الحالية بشكل أفضل بناءً على الظروف الجوية. يمكن لأنظمة الذكاء الاصطناعي ، باستخدام كميات كبيرة من بيانات الطقس ، ضمان الاستفادة المثلى من خطوط النقل الكهربائية الحالية عن طريق تعديل العمليات وفقًا للظروف الجوية في أي وقت ، وبالتالي تقليل الازدحام.

يمكن للذكاء الاصطناعي أيضًا تحسين السلامة والموثوقية والكفاءة في أنظمة الطاقة عن طريق الكشف التلقائي عن الاضطرابات. يمكن للنماذج القائمة على الذكاء الاصطناعي ، التي تم تدريبها مع أمثلة على انقطاع النظام النموذجي ، أن تتعلم تدريجيًا التفريق بين بيانات التشغيل العادية وخلل النظام المحدد. بسبب ذلك ، يمكن للخوارزمية اتخاذ قرارات سريعة في غضون 20-50 مللي ثانية ، مما يوفر وقتًا كافيًا لتنفيذ الإجراءات التلقائية المناسبة.

يمكن للذكاء الاصطناعي أيضًا تعزيز التكنولوجيا الشمسية عن طريق تحسين توقعات الطلب. أشار التقرير إلى مثال: BeeBryte ، وهي شركة ناشئة فرنسية. استخدمت الذكاء الاصطناعي لتوقعات الطلب على الطاقة الحرارية للمبنى. سمح ذلك بإنتاج التدفئة والتبريد في الوقت المناسب. يمكن للعملاء تحديد نطاق درجة الحرارة ، وحافظ الذكاء الاصطناعي على استقرارها. dẫn إلى وفورات تصل إلى 40٪ على فواتير المرافق.

ساعد الذكاء الاصطناعي أيضًا في تمديد عمر الوحدات التخزينية. استخدم المنطق التنبؤي لتحسين الشحن والتفريغ. أشار التقرير إلى نظام Athena ، وهو نظام قائم على الذكاء الاصطناعي تم تطويره من قبل شركة Stem في كاليفورنيا. خريطة استخدام الطاقة وتتبع التقلبات في أسعار الطاقة. سمح ذلك للعملاء باستخدام التخزين بفعالية أكبر.

إلى جانب الشركات الناشئة المبتكرة والمحترفة ، استخدمت عدة شركات كبيرة الذكاء الاصطناعي لتطوير تطبيقات التكنولوجيا الشمسية. في الأقسام القادمة ، نناقش شركتين من هذه الشركات وكيف طبقا الذكاء الاصطناعي لتطوير التكنولوجيا الشمسية.

1. جوجل (GOOGL )

جوجل معروف باستخدام نظام الذكاء الاصطناعي DeepMindلتنبؤ بإنتاج مزارعها الشمسية، مما يوفر توقعات دقيقة تساعد على تحسين استهلاك الطاقة وتقليل التكاليف. يشير تقرير إلى أنهم قللوا من استهلاك الطاقة المستخدمة للتبريد في مركز بيانات جوجل بنسبة 40٪ (وهو تخفيض بنسبة 15٪ في استهلاك الطاقة الإجمالي) باستخدام بيانات الحساسات التاريخية فقط من داخل مركز البيانات (مثل درجات الحرارة والطاقة وسرعة النضخ والإعدادات).

أثارت الإلهام من نجاحها ، أخذت الشركة هذه الابتكارات إلى المستوى التالي ، حيث بدلاً من تنفيذ التوصيات من قبل الأشخاص ، سيطرت نظام الذكاء الاصطناعي مباشرة على تبريد مركز البيانات تحت إشراف خبير مشغل مركز البيانات.

في عام 2015 ، أطلقت جوجل مشروع Sunroof لمساعدة مالكي المنازل على تقدير إمكانات وفورات الطاقة الشمسية. بناءً على الخبرة المكتسبة من ذلك المشروع ، أصدرت الشركة أداة API الشمسية الجديدة في عام 2023. استخدمت جوجل موارد التخطيط والحوسبة لتقديم بيانات مفصلة حول إمكانات السقف الشمسية لأكثر من 320 مليون مبنى في 40 دولة ، بما في ذلك الولايات المتحدة وفرنسا واليابان.

قام جوجل بتدريب نموذج الذكاء الاصطناعي لاستخراج معلومات ثلاثية الأبعاد حول هندسة السقف مباشرة من الصور الجوية ، بالإضافة إلى تفاصيل حول الأشجار والظلال، في حينحسب أداة API الشمسية عوامل مثل الأنماط الجوية التاريخية في المنطقة وتكاليف الطاقة والمزيد. الهدف هو تمكين مصنعي الطاقة الشمسية من فهم الإمكانات الشمسية والتكاليف قبل زيارة المنطقة.

منذ أسبوع ، أعلنت شركة Alphabet Inc. عنالنتائج المالية للربع المنتهي في 30 سبتمبر 2024. زادت إيرادات Alphabet المحصلة في الربع الثالث من عام 2024 بنسبة 15٪ ، أو 16٪ بالعملة الثابتة ، على أساس سنوي إلى 88.3 مليار دولار ، مما يعكس الزخم القوي في جميع أنحاء الأعمال.

2. جى اى (GE )

في عام 2023 ، أطلقت GE Vernova برنامج Fleet Orchestration ، وهو برنامج برمجي يعتمد على الذكاء الاصطناعي والمعرفة لتمكين شركات توليد الطاقة من تعظيم استخدام الطاقة المتجددة.

فيما يتعلق بالفائدة والمنافع التي يقدمها الحل ، قال ليندا راي ، مدير عام توليد الطاقة والغاز الطبيعي لشركة GE Vernova للأعمال الرقمية:

“تلعب الطاقة المتجددة مثل الرياح والطاقة الشمسية دورًا مهمًا في التحول الطاقي. هي مفتاح خفض اعتماد العالم على الوقود الأحفوري. التحدي هو أن هذه مصادر الطاقة متغيرة بشكل固 hữu – الرياح لا تهب دائمًا ، والشمس لا تشرق دائمًا. لكن الناس يتوقعون دائمًا أن تضيء أضوائهم عندما يلفون المفتاح. هنا تكمن أهمية حلول البرمجيات ، مثل Fleet Orchestration ، التي يمكن أن تقلل من هذه الارتياب بالنسبة لشركات الطاقة ، مما يعطيهم الثقة اللازمة لضمان استقرار الشبكة في الوقت نفسه وتقليل الانبعاثات.

وفقًا لدراسة نشرت بواسطة ISO New England ، قد تحتاج هامش الاحتياطي إلى زيادة من 15٪ إلى 300٪ بحلول عام 2040 لتحقيق 56٪ من استخدام الطاقة المتجددة. تعتقد GE أن قدرة برنامجها البرمجي على مساعدة في تحديد الهامش المناسب – وهو مقدار الموارد الإضافية للحفاظ على موثوقية نظام الطاقة في أوقات الضغط – يأتي في الوقت المناسب.

منذ أسبوع ، أعلنت GE Vernova عنالنتائج المالية للربع الرابع والعام الكامل المنتهي في 31 ديسمبر 2024. أفادت الشركة bằng إيرادات سنوية بلغت 34.9 مليار دولار ، بزيادة 5٪ ، أو 7٪ بشكل عضوي ، مدفوعة بElectrification و Power.

الذكاء الاصطناعي والتكنولوجيا الشمسية سيمشيان معًا في المستقبل

لتصبح أكثر فائدة للتكنولوجيا الشمسية ، يجب على الذكاء الاصطناعي اتخاذ بعض الخطوات في المستقبل. يجب أن يكون هناك آلية قوية لجمع البيانات المفيدة. الخطوة التالية ست涉ل تشغيل هذه البيانات بفعالية من خلال هيكلتها بشكل صحيح لجعلها قابلة للتنفيذ. ثالثًا ، يجب أنيتأكدمن أن مجموعات البيانات المختلفة تتواصل بشكل فعال وتقدم قيمة. أخيرًا ، يجب تحسين نماذج الذكاء الاصطناعي وتحسينها لتحقيق أقصى ما يمكن.

انقر هنا للحصول على قائمة بأفضل الأسهم الشمسية للاستثمار.

مرجع الدراسة:

^{1. Wu, J., Torresi, L., Hu, M., Reiser, P., Zhang, J., Rocha-Ortiz, J. S., Wang, L., Xie, Z., Zhang, K., Park, B.-W., Barabash, A., Zhao, Y., Luo, J., Wang, Y., Lüer, L., Deng, L.-L., Hauch, J. A., Guldi, D. M., Pérez-Ojeda, M. E., Seok, S. I., Friederich, P., & Brabec, C. J. (2024). Inverse design workflow discovers hole-transport materials tailored for perovskite solar cells. Science, 386(6727), 1256–1264. https://www.science.org/doi/10.1126/science.ads0901}