مختبر يتنبأ بحمل الكهرباء ويعرض مجال الخطأ: مشاريع تخرج الذكاء الاصطناعي والطاقة

التنبؤ الذي يعترف بحدوده

يحتاج فريق الطاقة إلى معرفة كيف سيتغير الطلب، لكن الرسم الذي يصل النقاط التاريخية بخط ناعم لا يخبرنا إن كان التوقع صالحاً لليوم التالي. هذا المشروع يحول سلسلة حمل كهربائي مجمّع إلى تجربة مقارنة: نموذج ساذج يكرر اليوم أو الأسبوع السابق، ثم نموذج تعلم آلي يستخدم القيم السابقة وبعض خصائص التقويم. يعرض النظام توقعاً مركزياً ومجال خطأ تم حسابه من اختبارات سابقة، ويسمح بفحص الأيام التي فشل فيها. الغرض تعليمي وتحليلي، وليس جدولة مولدات أو توصية تشغيلية.

اختيار المصدر وفهم وحداته

تقدم حزمة Open Power System Data الزمنية قياسات وتوقعات وأحياناً أسعاراً وتوليداً، بصيغ ودقات مختلفة، مع حقول UTC وتوقيت محلي. صفحات المصدر تسجل أن بعض المتغيرات تأتي من منصة الشفافية الأوروبية، بينما بعضها محسوب من مصادر أولية، ويشير بعض الحقول إلى منصة ENTSO-E Transparency. اختر بلداً وسلسلة واحدة، وسجل المنطقة والوحدة ومعدل أخذ العينة والفترة المتاحة. لا تعامل قيماً مفقودة على أنها صفر، ولا توحد الوحدات قبل التأكد من قاموس البيانات. مصدر البيانات وتاريخ حزمته جزء من التجربة التي يجب أن تبقى قابلة لإعادة التشغيل.

اقطع الزمن قبل صنع الميزات

أكثر خطأ شائع في توقع الزمن أن يتسرب المستقبل إلى التدريب. خصص الأشهر الأولى للتدريب، وفترة لاحقة للتحقق، ثم فترة أخيرة للاختبار، وكرر التقييم بنوافذ متحركة إذا كانت العينة تكفي. عند توقع يوم محدد، لا تستخدم متغيراً لم يكن متاحاً فعلياً وقت إصدار التوقع؛ مثلاً لا تستخدم الحمل الفعلي للساعات المقبلة بوصفه مدخلاً. أنشئ ميزات الساعة واليوم والعطلة من تاريخ التوقع، واستخدم تأخيرات سابقة مثل 24 ساعة وسبعة أيام مع معالجة الفجوات بوضوح. لا تخلط بين التنبؤ المنشور من المشغل وبين الحقيقة المرصودة.

خط الأساس قبل الشبكة العصبية

ابدأ بتوقع اليوم التالي عبر إعادة منحنى اليوم السابق أو اليوم المناظر من الأسبوع الماضي، وفق دقة السلسلة. قس MAE وRMSE وخطأ النسبة إذا كان المقام غير قريب من الصفر، ثم قارن نموذجاً مثل الانحدار المنتظم أو الأشجار. اعرض الأخطاء حسب الساعة والفصل والعطلات والفترات ذات تغير سريع. إذا لم يتحسن النموذج عن الخط الأساس على الاختبار، فهذه نتيجة مهمة؛ قد تكشف أن الميزات لا تضيف معلومات أو أن جودة البيانات لا تكفي. لا ترفع الدقة باختيار اختبار مريح أو حذف أيام الاستهلاك العالي من دون سبب موثق.

مجال التوقع يحتاج معايرة

يمكن بناء مجال تنبؤ من توزيع البواقي في بيانات التحقق، أو باستخدام طريقة كمية مناسبة، ثم قياس كم مرة احتوى المجال القيمة الفعلية في الفترة المحجوزة. إذا كان المجال ضيقاً لكنه يفشل كثيراً، فهو يعطي ثقة زائفة. وإذا كان واسعاً دائماً، فقد لا يساعد المستخدم على المقارنة. ارسم التوقع والحدين والقيمة التي ظهرت لاحقاً، واكتب طول أفق التنبؤ. اعرض حالة عدم اليقين كشيء قابل للقياس، لا عبارة «الذكاء الاصطناعي يتوقع بدقة». ليس المقصود أن تتنبأ الأحداث النادرة على نحو مضمون؛ بل قياس ما لا يعرفه النموذج.

اختبارات البيانات والتشغيل

أنشئ اختباراً يحقن فجوة ساعتين، وصفاً مكرراً، وتغييراً في المنطقة الزمنية، وتعديلاً لوحدة القدرة. يجب أن يرفض خط البيانات السجلات المتعارضة وأن يشرح كيفية التعامل مع الفجوة. قارِن نتائج التوقع بعد إعادة تشغيل الإعداد نفسه، وتأكد من أن تقسيم التدريب لا يستخدم أي تاريخ بعد تاريخ التوقع. كاختبار ضغط، احذف شهراً كاملاً من المصدر أو أضف يوم عطلة جديداً؛ هل يهبط الأداء أو يختلف توزيع البواقي؟ سجل نسخة البيانات والكود والبذرة وإعدادات النموذج لتعرف إن كان الفرق حقيقياً أو ناتجاً عن تغير الملف.

في مثال توضيحي، يعرض المختبر توقعاً لحمل الساعة المقبلة من قيم الساعات السابقة، ثم يرسم مجالاً أوسع خلال فترة اختبار تاريخية ظهر فيها خطأ أكبر. لا تعرض رقماً حقيقياً لهذا المثال لأن لم تجرَ تجربة هنا. يمكن أن تشمل واجهة مشاريع تخرج الطاقة منزلقاً لتغيير أفق التوقع، واختيار خط الأساس، وجدولاً للحالات التي كان فيها المجال غير كاف. تظل بيانات الحمل المجمعة وصفاً لسلسلة تاريخية، ولا تكشف بمفردها سبب تغير الطلب أو استهلاك الأفراد.

يجب التنبه إلى أن مجموعات الحزم المنشورة قد تكون قديمة أو محدودة الدول والفترات. لا تنقل أداء نموذج على شبكة أوروبية إلى شبكة محلية، ولا تفترض أن العطلات أو الطقس لهما الأثر نفسه. إذا لم تضف بيانات الطقس مصدراً موثوقاً وتوقيت نشر واضحاً، ابدأ من دونها بدلاً من ربط ملف متأخر فيخلق تسرباً. قارن تنبؤات المشغل المنشورة، إن وجدت، بوصفها خط أساس منفصلاً ولا تخلطها بالنموذج الذي بنيته.

تسليم مشروع التخرج يمكن أن يتضمن ملف إعداد، تقريراً بمقاييس كل أفق، لوحة أخطاء، واختبارات تسرب زمني. صفحة مشاريع التخرج تتيح ربط خطة المشروع بالتخصص، بينما يوفر مقال توقع موعد الحافلة الجامعية مثالاً مختلفاً لتنبؤات زمنية ذات متغيرات تشغيلية. كما توضح بيانات صفحة مصادر OPSD ضرورة نسبة المصادر الأصلية وفهم طريقة تجميعها. لا تنسب أي تحسن قبل حسابه على اختبار لم يستخدم في اختيار النموذج.

التنبؤ جزء من تخطيط أوسع، لكن المشروع الطلابي لا يتحكم بالشبكة ولا يقيس أثر القرار على الانقطاع أو التكلفة. قد تتغير أنماط الاستهلاك، كما أن البيانات المجمعة لا تشرح السلوك الفردي. يجب أن تذكر الفترة والمكان والوحدة والأفق بدقة في كل رسم، وتوضح ما إذا كانت حدود التوقع مغطاة فعلاً في الاختبار. بهذه الصياغة يكون العمل مشروعاً في التنبؤ والتقييم لا وعداً بتحسين تشغيل الشبكة.