تشکیل کارگروه هوش مصنوعی در ساتبا؛ پیش‌بینی تولید برق تجدیدپذیر هوشمند می‌شود

مدیریت شبکه‌های برق متکی به انرژی‌های خورشیدی و بادی، به دلیل وابستگی مطلق به شرایط متغیر جوی، همواره با خطای پیش‌بینی دست‌وپنجه نرم می‌کند؛ چالشی که اکنون سازمان انرژی‌های تجدیدپذیر و بهره‌وری انرژی برق ایران (ساتبا) قصد دارد آن را با الگوریتم‌های هوش مصنوعی به حداقل برساند. در شبکه‌ای که تعادل لحظه‌ای عرضه و تقاضا در آن حیاتی است، دانستن اینکه دقیقاً چه مقدار برق پاک در ساعات آینده وارد مدار می‌شود، مرز بین پایداری و خاموشی را تعیین می‌کند.

در ۳۰ شهریور ۱۴۰۵، حمیدرضا عظیمی، قائم‌مقام ساتبا، رسماً از تشکیل کارگروه تخصصی هوش مصنوعی در این سازمان پرده برداشت. وی با تأکید بر لزوم عبور از فاز نظری، اعلام کرد: «با توجه به سرعت توسعه انرژی‌های تجدیدپذیر در کشور، بهره‌گیری از هوش مصنوعی نیز باید متناسب با این روند توسعه پیدا کند.» به گفته او، این فناوری دیگر یک گزینه مطالعاتی نیست، بلکه یکی از اولویت‌های اصلی سازمان در دوره مدیریت جدید به شمار می‌رود.[1][2]

مکانیسم اثرگذاری هوش مصنوعی در این بخش کاملاً مشخص و مبتنی بر داده‌کاوی است. شبکه‌های عصبی عمیق می‌توانند با دریافت داده‌های لحظه‌ای از ایستگاه‌های هواشناسی و تصاویر ماهواره‌ای، میزان دقیق تابش خورشید یا سرعت باد را در مختصات جغرافیایی هر نیروگاه پیش‌بینی کنند. این داده‌ها مستقیماً به مدل‌های پیش‌بینی تولید ساتبا تزریق می‌شوند تا اپراتورهای شبکه توزیع بدانند در هر ساعت از شبانه‌روز دقیقاً چه ظرفیتی از برق پاک در دسترس خواهد بود.[3][4]

علاوه بر پیش‌بینی تولید، ساتبا قصد دارد از این فناوری برای رفع گلوگاه‌های اداری و تسریع توسعه زیرساخت‌ها نیز استفاده کند. عظیمی در نشست این کارگروه تأکید کرد که هوش مصنوعی باید در حوزه‌های سرمایه‌گذاری، مکاتبات اداری، تنظیم قراردادها، صدور مجوزها و کنترل پروژه‌ها به کار گرفته شود. هدف این است که فرآیند طولانی و پیچیده احداث یک نیروگاه جدید، با کمک اتوماسیون هوشمند، بهینه‌سازی و کوتاه شود.[1][2]

این چرخش استراتژیک در ایران، همزمان با تحولات بزرگ جهانی در حوزه پیش‌بینی‌های مبتنی بر هوش مصنوعی رخ می‌دهد. به عنوان نمونه، در اواسط شهریور ۱۴۰۵، مدل‌های پیشرفته‌ای مانند WeatherNext 3 توانستند با استفاده از داده‌های خام ماهواره‌ای، پیش‌بینی‌های هواشناسی را با وضوح ۵ کیلومتری و به‌روزرسانی‌های ۱ ساعته ارائه دهند. دسترسی به چنین سطح از دقتی، خطای پیش‌بینی تولید انرژی‌های تجدیدپذیر را در سطح جهانی تا ۵۰ درصد کاهش داده است.[5]

با این حال، چالش اصلی پیش روی ساتبا، کیفیت داده‌های ورودی و یکپارچگی زیرساخت‌های دیجیتال است. الگوریتم‌های هوش مصنوعی تنها زمانی خروجی قابل اعتمادی ارائه می‌دهند که با داده‌های تاریخی دقیق، پیوسته و بدون نقص آموزش دیده باشند. به همین دلیل، کارگروه جدید ساتبا موظف شده است تا گلوگاه‌های داده‌ای موجود در دفاتر مختلف را شناسایی کرده و نتایج اقدامات خود را به صورت مستمر به ستاد راهبری هوش مصنوعی وزارت نیرو گزارش دهد تا هماهنگی ساختاری حفظ شود.[2][4]

برای سرمایه‌گذاران بخش خصوصی، این سطح از شفافیت و پیش‌بینی‌پذیری یک مزیت اقتصادی بزرگ محسوب می‌شود. زمانی که یک توسعه‌دهنده نیروگاه خورشیدی بتواند با کمک مدل‌های هوش مصنوعی، میزان دقیق تولید و درآمد ماهانه خود را با حاشیه خطای بسیار پایین تخمین بزند، تأمین مالی پروژه‌ها از طریق بانک‌ها و صندوق‌های سرمایه‌گذاری بسیار آسان‌تر خواهد شد. کاهش ابهامات مالی، موتور محرک اصلی برای جذب سرمایه‌های جدید به سمت انرژی‌های پاک است.[3][4]

ورود رسمی ساتبا به عصر هوش مصنوعی نشان‌دهنده تغییر نگاه سیاست‌گذاران انرژی ایران به فناوری‌های لبه دانش است. اگر این کارگروه بتواند مدل‌های پیش‌بینی و اتوماسیون را با موفقیت در عمل پیاده‌سازی کند، ریسک سرمایه‌گذاری در بخش تجدیدپذیرها به شدت کاهش یافته و شبکه برق ایران گام مهمی به سوی پایداری هوشمند برخواهد داشت؛ گامی که در نهایت به معنای استفاده بهینه‌تر از منابع طبیعی و کاهش وابستگی به سوخت‌های فسیلی خواهد بود.[1][2]