الذكاء الاصطناعي لتحليل شبكة نقل الكهرباء

يجلس مشغّل شبكة النقل (TSO) في دول الخليج فوق طبقة من البيانات لا يملكها أحد سواه: كل ميغاواط ينساب بين المولّد ومرخّص التوزيع، وكل حدث على أجهزة الحماية، وكل قراءة غازات ذائبة على كل محوّل قوى عند جهد 132 و400 كيلوفولت. الرغبة في وضع الذكاء الاصطناعي فوق هذه البيانات حقيقية، والقدرة على تحمّل تصديرها إلى سحابة عامة معدومة. تستعرض هذه المقالة سير عمل محلّل الشبكة، والمواضع الثلاثة التي يستحقّ فيها الذكاء الاصطناعي داخل المقرّ مساحته في الخزانة، والوضع الأمني الذي يفرضه منظّمو البنية الحرجة، والبنية التي تُبقي كل ذلك قابلًا للتدقيق. هذه نسخة قطاع النقل من مقالنا الجامع حول state audit AI anomaly (الذكاء الاصطناعي للرقابة المالية واكتشاف الشذوذ)، بالفكرة الجوهرية ذاتها: استدلال ثقيل، يبقى داخل الحصن.

سير عمل محلّل الشبكة اليوم

إذا نزعنا الشاشات، صار يوم محلّل الشبكة في مركز تحكّم خليجي ثلاث حلقات، لكلٍّ منها أفق زمني مختلف.

• تنبّؤ الأحمال. تُغذّي تنبّؤات اليوم السابق وداخل اليوم تعليمات إلزام الوحدات والإرسال إلى المولّدات وإلى نقاط التغذية الكبرى المُغذّية لشركات التوزيع. أخطاء التنبّؤ تُدفع بالاحتياطي الدوّار، وبفقد طاقة شمسية، وبرسوم انحراف.
• تحليل الأعطال. عند تعثّر خط أو عمل حماية قضبان، يربط المحلّل بين لقطات SCADA، وآثار مسجّلات الأعطال الرقمية، وسجلّات أحداث أجهزة الحماية لإعادة بناء التسلسل. يطلب المنظّم رواية أسباب جذرية مكتوبة، غالبًا خلال 24 إلى 72 ساعة.
• متابعة صحة المحوّلات. تُغذّي مستشعرات الغازات الذائبة (DGA) المُعلَّقة على المحوّل ومختبرات عيّنات الزيت تيارًا من القراءات يفسّرها فريق إدارة الأصول وفق IEEE C57.104، وIEC 60599، ومثلّث ومخمّس ديوفال. يحدّد كل تفسير ما إذا كان المحوّل سليمًا، أو يَهرم طبيعيًا، أو يُظهر مؤشّرات تفريغ جزئي أو ارتفاع حراري أو شرارة تنبّئيّة.

ليست هذه الحلقات قاصرة في البيانات، بل في ساعات المهندس المُدرَّب. هذه هي الفجوة التي يُطلب من الذكاء الاصطناعي سدّها.

أين يُفيد الذكاء الاصطناعي وأين يجب ألّا يُفيد

تظهر باستمرار ثلاثة أحمال بوصفها أعلى قيمة وأقلّ مخاطرة لمشغّلي النقل في الخليج. تشترك في ميزتين: القياسات الأساسية موجودة سلفًا في المؤرّخ، والإنسان يبقى في الحلقة.

1. كشف الشذوذ على السلاسل الزمنية للأحمال والتدفّقات. نموذج LSTM للتنبّؤ قصير المدى بالأحمال، أو نموذج معماري حديث قائم على المحوّلات، يُدرَّب على مؤرّخ المشغّل ذاته، فيُنتج نطاق ثقة للطلب المتوقَّع عند كل نقطة تغذية كبرى. تنحرف القيم خارج النطاق فتدخل طابورًا واحدًا للشذوذ يفرزه المحلّل. لا تزال أعمال حديثة تُظهر تفوّق LSTM والنماذج الهجينة على المرجعيات الإحصائية الكلاسيكية لآفاق 24 ساعة وداخل اليوم (arXiv 2403.02873، مسح تنبّؤ أحمال الكهرباء).
2. صياغة رواية الأسباب الجذرية. فور إزالة العطل، يُجمّع نموذج لغوي داخل المقرّ جدول تسلسل الأحداث من سجلّات الحماية، ويصوغ مسوَّدة السبب والأثر، ويقترح نقاط الدروس المستفادة. يُعدّل المحلّل ويُوقّع.
3. تفسير DGA للمحوّلات. تُربط قراءات الغازات الذائبة (الهيدروجين، الميثان، الإيثيلين، الإيثان، الأسيتيلين) بأساليب منشورة لتُسنَد إلى صنف عطل. تُظهر مراجعات حديثة وصول مصنّفات تعلّم الآلة إلى دقّة 90% فأكثر على بيانات أعطال IEC TC 10 القياسية (Energies 2023، مراجعة DGA بتعلّم الآلة) وتتكامل بسلاسة مع مخرجات أساليب ديوفال بوصفها رأيًا ثانيًا.

الموضع الذي يجب ألّا يجلس فيه الذكاء الاصطناعي هو مسار التحكّم المُغلق. يبقى نظام إدارة الطاقة، ومُقدّر الحالة، وأجهزة الحماية، والتحكّم التلقائي بالتوليد المغلق، حتميةً ومُعتمدةً من المُورّد، وخارج نطاق أي طبقة استشارية توليدية أو شبكية عصبية.

الوضع الأمني للبنية الحرجة

الوضع الأمني للذكاء الاصطناعي على الشبكة غير قابل للتفاوض، وأي مشغّل نقل خليجي يكتب أوّل مناقصة ذكاء اصطناعي سيكتب الإطار ذاته. المرجع هو نظام الخدمات الأساسية الأوروبي NIS2 وتوجيهات عزل OT المرفقة (ENISA، صفحة مرجع NIS2)؛ تتقاطع نظائره الوطنية في عُمان والسعودية والإمارات مع المنطق نفسه.

• عزل OT عن IT. لا تجلس مكنة الذكاء الاصطناعي على ناقل عملية SCADA. تجلس في منطقة معزولة تُغذّى بتصدير المؤرّخ عبر ديود أحادي الاتجاه أو قاعدة جدار حماية للقراءة فقط.
• لا اتصال صادر بالإنترنت. تصل أوزان النماذج وتحديثات الاعتماديات وقوائم المراقبة بوصفها حِزَمًا موقَّعة عبر تذاكر إدارة تغيير محكومة. لا يوجد أي اتصال صادر من منطقة الذكاء الاصطناعي إلى أي شبكة عامة.
• سلامة سلسلة التوريد. كل نموذج وكل صورة حاوية وكل عجلة Python موقَّعة ومثبَّتة. قائمة المكوّنات قابلة لمراجعة المنظّم.
• توقيع الإنسان في الحلقة. لا يخرج تنبّؤ، ولا حُكم DGA، ولا رواية عطل من منطقة الذكاء الاصطناعي بدون توقيع المحلّل على فرق المسوَّدة الآلية والنسخة المنشورة.

البنية داخل المقرّ

البنية المرجعية لمشغّل نقل خليجي محافظة بقصد.

1. نسخة قراءة من المؤرّخ. تصدير مجدول من المؤرّخ الإنتاجي، يعمل في منطقة بيانات على نسق DMZ، يُغذّي مكنة الذكاء الاصطناعي. لا يُعرَّض المؤرّخ الإنتاجي مباشرةً لخدمات الذكاء الاصطناعي.
2. مكنة حصن داخل المقرّ. خزانة 2U إلى 4U بمعالجَين إلى أربعة معالجات رسومية للمؤسسات تُشغّل ثلاث خدمات نماذج: نموذج تنبّؤ لكل نقطة تغذية كبرى، ومصنّف DGA لكل عائلة محوّلات، ونموذج صياغة روايات يُضبط دقيقًا على أرشيف تقارير الأعطال لدى المشغّل. النموذج اللغوي الأساس نشر مكمّم من Gemma 4 أو Qwen 3.6.
3. طبقة الاسترجاع. فهرس متّجه على إجراءات التشغيل، وبنود قانون الشبكة، ومراجع IEC وIEEE، وروايات الأعطال المؤرشفة لدى المشغّل. كل إجابة من النموذج تستشهد بالمقاطع التي يستطيع المحلّل النقر عليها للتحقّق.
4. سجلّ التدقيق. كل مُحَفِّز، وكل استرجاع، ونسخة النموذج، والمخرجات، تُكتَب في مخزن للكتابة مرّة واحدة، مفهرسًا برمز الحدث ورمز المحلّل، بما يفي بمتطلّبات التدقيق الداخلي وأي طلب إعادة تشغيل من المنظّم لاحقًا.
5. إدارة التغيير. تتحرّك تحديثات أوزان النماذج، وتحديثات قوائم المراقبة، وأي تغيير في التهيئة، عبر مجلس إدارة التغيير لدى OT، لا عبر بوابة المُورّد.

هذه هي الهيئة ذاتها التي تستخدمها مكنة حصن في أحمال سيادية أخرى، مع تبديل خلطة النماذج وفهرس الاسترجاع لميدان النقل. وحيث يُستهلك «معين»، منصّة الذكاء الاصطناعي المشتركة الوطنية في عُمان، لمستندات داخلية غير مصنّفة، يبقى تطبيق التدقيق على جانب المكنة موحَّدًا.

تواصل معنا

إذا كنت تُحدّد خارطة طريق الذكاء الاصطناعي لمشغّل نقل خليجي، راسلنا على [email protected] لجلسة إيجاز مدّتها ساعة. نمشي معك في هيئة المكنة، وخيارات النماذج، وتصميم سجلّ التدقيق، بحضور فِرَق التشغيل وإدارة الأصول وأمن OT لديك.