نموذج الحالة المستند إلى الفيزياء: ثورة في توقعات الإشعاع الشمسي لأنظمة الطاقة المستقلة
يقدم الباحثون نموذج الحالة المستند إلى الفيزياء (PISSM) كحل مبتكر لتحسين دقة توقعات الإشعاع الشمسي في الأنظمة غير المتصلة بالشبكة. هذا النموذج يقدم أداءً عالياً بكفاءة computational منخفضة، مما يجعله مثالياً للتحكم الفوري في الأنظمة المستقلة.
تعتبر الأنظمة الفوتوفولطية غير المتصلة بالشبكة من الحلول المستدامة للطاقة، ولكنها تتطلب توقعات دقيقة للإشعاع الشمسي لضمان تشغيلها بشكل مستقر. يواجه الباحثون تحديات كبيرة بسبب الأعباء الحسابية العالية في نماذج التعلم العميق التقليدية، والتي تنتج أحياناً توقعات غير ممكنة، مما يفسد كفاءة النظام.
لتجاوز هذه العقبات، يقدم البحث نموذج الحالة المستند إلى الفيزياء (PISSM) الذي يدمج بين الكفاءة العالية والدقة الفيزيائية. يعتمد النموذج على استخدام مصفوفة هانكل الديناميكية لتصفية الضجيج العشوائي من مستشعرات البيانات، حيث يقوم بتحويل تسلسلات الطقس الخام إلى حالة قوية.
بدلاً من آليات الانتباه المعقدة، يستخدم PISSM نموذج حالة خطي ليقوم بكفاءة بمحاكاة الاعتماد الزمني، مما يدعم المعالجة المتوازية.
الأهم من ذلك، يتميز النموذج بآلية جديدة تُعرف باسم آلية البوابات المستندة إلى الفيزياء، والتي تستفيد من زوايا الشمس ومؤشر الصفاء لتقييد النواتج هيكلياً. هذا يضمن أن التوقعات تلتزم بدورات الليل والنهار مما يمنع الأخطاء الليلية.
عند اختباره على مجموعة بيانات تمتد لعدة سنوات في مدينة أم درمان، السودان، أثبت PISSM دقته العالية مع أقل من 40,000 معلمة، مما يمهد الطريق لانتقال الأنظمة المستقلة إلى معايير خفيفة جداً من حيث معالجة البيانات في الوقت الحقيقي.
لتجاوز هذه العقبات، يقدم البحث نموذج الحالة المستند إلى الفيزياء (PISSM) الذي يدمج بين الكفاءة العالية والدقة الفيزيائية. يعتمد النموذج على استخدام مصفوفة هانكل الديناميكية لتصفية الضجيج العشوائي من مستشعرات البيانات، حيث يقوم بتحويل تسلسلات الطقس الخام إلى حالة قوية.
بدلاً من آليات الانتباه المعقدة، يستخدم PISSM نموذج حالة خطي ليقوم بكفاءة بمحاكاة الاعتماد الزمني، مما يدعم المعالجة المتوازية.
الأهم من ذلك، يتميز النموذج بآلية جديدة تُعرف باسم آلية البوابات المستندة إلى الفيزياء، والتي تستفيد من زوايا الشمس ومؤشر الصفاء لتقييد النواتج هيكلياً. هذا يضمن أن التوقعات تلتزم بدورات الليل والنهار مما يمنع الأخطاء الليلية.
عند اختباره على مجموعة بيانات تمتد لعدة سنوات في مدينة أم درمان، السودان، أثبت PISSM دقته العالية مع أقل من 40,000 معلمة، مما يمهد الطريق لانتقال الأنظمة المستقلة إلى معايير خفيفة جداً من حيث معالجة البيانات في الوقت الحقيقي.
