به گزارش ایرنا از شرکت مدیریت تولید، انتقال و توزیع نیروی برق ایران (توانیر)، «آذین شجاعی» افزود: با به‌کارگیری ابزار داده‌کاوی و هوش مصنوعی، بررسی رفتار مصرفی مشترکان در تعرفه‌های مختلف و استخراج الگوی مصرف آنها امکان‌پذیر می‌شود و به‌این‌ترتیب مصارف غیرمعمول شناسایی خواهد شد.
مسوول مرکز پایش صنعت برق، استفاده از هوش مصنوعی و تبدیل اطلاعات به خرد و دانش را سطح بالاتری از اقدام‌های مرکز پایش صنعت برق عنوان کرد و با اشاره به راه‌اندازی «دریاچه داده» در این مرکز، گفت: با راه‌اندازی دریاچه داده باید بتوانیم انواع داده‌های تاریخی اعم از «بیلینگ»، هواشناسی، شبکه‌های اجتماعی، GIS، کنتورهای «فهام»، بازار برق و غیره را ذخیره‌سازی کنیم و ضمن گردآوری اطلاعات، خرد و دانش را از اطلاعات استخراج و به‌عنوان یک ابزار نیرومند در اختیار مدیران قرار بدهیم تا با استفاده از آن، راهبردهای مورد نیاز را برای صنعت توزیع برق اتخاذ کنند.
شجاعی خاطرنشان‌کرد: این داده‌ها در کنار هم بسیار معنادار می‌شوند و در حال حاضر با الگوریتم‌های هوش مصنوعی و یادگیری ماشین، این قابلیت در مرکز پایش پیاده‌سازی شده و می‌توانیم پیش‌بینی مصرف برق را در بازه‌های کوتاه‌مدت، میان‌مدت و بلندمدت به کمک هوش مصنوعی انجام دهیم.
وی مهمترین دستاورد مرکز پایش در این عرصه را امکان مدیریت هوشمند بار ذکر کرد که از طریق تجزیه مولفه‌های بار و بسته به نوع تعرفه و نظام مدیریت مصرف ابلاغی توسط نهادهای بالادستی، مصرف برق تک مشترک به‌طور هوشمند قابل‌کنترل است.
شجاعی، استفاده از این قابلیت را بنا بر تاکید وزیر نیرو، ابتدا برای مدیریت هوشمند بار مصرفی ادارات کشور در تابستان ۱۴۰۳ در دستور کار ذکر کرد که به کمک نرم‌افزار هوشمند مدیریت بار و استفاده از الگوریتم‌های هوش مصنوعی در ساختمان‌های اداری اجرا می‌شود.
به گفته مسوول مرکز پایش صنعت برق، با اجرای این برنامه، امکان رصد لحظه‌ای بار مصرفی مشترکان اداری فراهم و الگوی بار مصرفی قابل‌رصد و مدیریت خواهد شد، به‌گونه‌ای که کاهش ۳۰ درصدی مصرف برق ادارات در ساعت‌های اوج بار و کاهش ۶۰ درصدی مصرف برق در ساعت‌های غیرکاری به‌وسیله نرم‌افزار هوشمند مدیریت بار و بدون نیاز به حضور در محل امکان‌پذیر می‌شود.
شجاعی گفت: در این فرایند داده‌های مصرف برق یک اداره به‌عنوان مثال در بوشهر از طریق (MDM) یا سامانه مدیریت داده‌های کنتورهای فهام به دریاچه داده مرکز پایش ارسال و با استفاده از نرم‌افزار هوشمند مدیریت بار مورد بررسی قرار می‌گیرد و مطابق الگوریتم، رفتار این مشترک استخراج می‌شود و به‌این‌ترتیب می‌توانیم مصرف برق به‌ازای هر تک مشترک را بررسی و تمهیدات لازم را برای مدیریت بار انجام دهیم.
وی افزود: این روند در سامانه دوسویه آب و برق نیز در حال اجراست و مصرف آب مشترک کشاورزی متناسب با برقی که مصرف می‌کند، تخمین زده می‌شود و اگر بیشتر از قدرت قراردادی مندرج در پروانه آب مصرف کند، برق چاه از طریق MDM قطع می‌شود و این نرم‌افزار قابلیت تشخیص برداشت غیرمجاز آب و قطع هوشمند مشترک را دارد.
مسوول مرکز پایش صنعت برق، پیش‌بینی مصرف در شرایط اضطراری را برای نهادهای ذی‌ربط از جمله مدیریت شبکه و دیسپاچینگ ملی حایز اهمیت دانست و افزود: از طرفی می‌توانیم رفتار نامتعارف بار را با استفاده از هوش مصنوعی تشخیص بدهیم و همه خاموشی‌هایی که در فیدرها در سطح کشور رخ داده را به تفکیک فیدر، زمان رخداد و مدت‌زمان رویداد به طور خودکار و به کمک هوش مصنوعی شناسایی کنیم.
وی، سامانه پایش خاموشی‌های شبکه توزیع را از برنامه‌های در دست اقدام عنوان کرد که انتظار می‌رود با راه‌اندازی آن همه خاموشی‌های شبکه توزیع برق کشور به تفکیک محل فیدر، زمان وقوع و مدت‌زمان خاموشی به طور خودکار شناسایی شود و با اعزام سریع گروه‌های اتفاقات و عملیات به محل، قابلیت اطمینان شبکه و کیفیت خدمات‌رسانی تا حد قابل‌توجهی ارتقا می‌یابد.
شجاعی درباره امکان شناسایی رمزارزهای غیرمجاز، گفت: اکنون الگوریتم‌های پیشین تشخیص رمزارزها که مبتنی بر داده‌کاوی بود، اثربخشی چندانی ندارد و آماده می‌شویم در آینده از الگوریتم‌های پیشرفته‌تری با استفاده از هوش مصنوعی و یادگیری ماشین برای شناسایی مصارف غیرمجاز استفاده کنیم و امیدواریم بتوانیم با کمک هوش مصنوعی، مصارف غیرمجاز را با جزئیات اطلاعات مشترک، شناسایی و الگوی بار غیرمجاز را استخراج کنیم.
وی، از دیگر برنامه‌های آتی این مرکز را پیاده‌سازی سامانه مدیریت دارایی مبتنی بر الگوریتم‌های هوش مصنوعی عنوان کرد که می‌تواند در لحظه، شرایط دارایی‌های مختلف شبکه توزیع برق و عمر مفید آن را رصد، پایش و تخمین بزند تا بازده عملکرد شبکه در بهترین حالت حفظ شود.
مسوول مرکز پایش صنعت برق افزود: در آینده می‌توانیم سامانه مدیریت کیفیت توان را داشته باشیم و هم اکنون نیز با استفاده از الگوریتم‌های هوش مصنوعی و داده‌های پارامترهای شبکه، امکان پایش کیفیت ولتاژ در شبکه توزیع فراهم شده و در مناطقی هم که سیستم اندازه‌گیری برای وضعیت کیفیت توان موجود نباشد، امکان تخمین وضعیت با استفاده از هوش مصنوعی وجود دارد.