امروزه شرکت های برق رسانی اروپایی با معضلات تازه ای روبرو شده اند. انرژی های تجدید پذیر مانند انرژی باد و انرژی خورشیدی نقش فزاینده ای را در صنعت برق به خود اختصاص داده اند. بازار تامین کنندگان برق دائماً در حال رشد است، درحالیکه چند سالی است که درخواست برق از سوی مصرف کنندگان افزایشی نداشته است. در نتیجه، شرکت های تامین کننده برق دست از اجرای تاسیسات زیربنایی عظیم برداشته اند و توان خود را بر بهینه سازی شبکه های موجود و نگهداری از آن ها متمرکز نموده اند.

به این منظور، مطالعات جدیدی برای تخمین مصرف برق در ساعات و روزهای مختلف سال به انجام رسیده است تا میزان بار شبکه را با دقت بیشتری پیش بینی نمایند. برای دستیابی به این هدف لازم است میزان ریسک موجود در هر گره از شبکه محاسبه شود، این گره ها به ترتیب اهمیت طبقه بندی شوند و هزینه های ناشی از در نظر نگرفتن این ریسک ها برای هر یک از گره ها محاسبه گردد و با استفاده از آمیزه ای از روش های متداول و یادگیری ماشینی، تصمیم گیری شود که چه میزان هزینه برای نگهداری سیستم ضروری می باشد تا خدمت رسانی شبکه در سطح قابل قبول باقی بماند. به این صورت می توان تخمین زد که در صورت بروز یک تغییر مصرف پیش بینی نشده از سوی مصرف کنندگان، شبکه تولید و توزیع برق به چه شکل عمل خواهد نمود.

انتظار می رود چنین سیستمی قادر باشد با خطای کمتر از ۱% به بهینه سازی شبکه برق بپردازد. تامین چنین دقتی در شبکه های عظیم همچون شبکه های انتقال برق فرانسه با ۱۰،۰۰۰ خط به ۵۰،۰۰۰،۰۰۰ محاسبه همزمان نیاز دارد. با توجه به اینکه احتمال قابل قبول خرابی شبکه ها به طور متوسط در حدود ۱ بار در هر یک میلیون ساعت استفاده می باشد، در صورت تلاش برای بهینه سازی سیستم با استفاده از روش های متداول، هزینه محاسباتی بسیار زیاد خواهد بود. پیچیدگی این محاسبات با افزودن عدم قطعیت هایی از قبیل تغییرات آب و هوایی نیز بسیار بیشتر می گردد و به همین دلیل فناوری یادگیری ماشینی در این عرصه وارد شده و به تسهیل پیش بینی رفتار شبکه انتقال برق کمک نموده است.

این فناوری با استفاده از داده های تاریخچه ای موجود از سال ۱۹۹۴ تا سال ۲۰۱۵ و با اطلاعات مربوط به تجربیات و رفتارهای شبکه برق رسانی فرانسه آموزش می بیند و بر اساس آموخته هایش به پیش بینی رفتار شبکه در آینده و براساس تمام متغیرهای محتمل می پردازد.

پی نوشت: یادگیری‌ماشین، زیر مجموعه‌ای از هوش‌مصنوعی است. با استفاده از تکنیک‌های یادگیری‌ماشین، کامپیوتر، الگوهای موجود در داده‌ها (اطلاعات پردازش شده) را یادگرفته و می‌تواند از آن استفاده کند. توجه داشته باشید که در این تکنیک‌ها، یادگیری در یک سیستمِ کامپیوتری، بدون برنامه‌نویسی صورت میپزید.