קרדיט תמונה: Zirat AI / AI
MIT: כיצד בינה מלאכותית יכולה להפוך את רשת החשמל לנקייה ויעילה יותר
לפי אתר החדשות של אוניברסיטת MIT, חוקרת החשמל והמחשבים פרייה דונטי מציגה כיצד מודלים ייעודיים של בינה מלאכותית יכולים לחזות ייצור מאנרגיות מתחדשות, לתכנן את הפעלת תחנות הכוח והסוללות בצורה חכמה יותר, לצמצם הפסקות חשמל ולסייע בהאצת המעבר לרשת חשמל דלת פחמן – כל זאת תוך מודעות לכך שמודלי AI גדולים עצמם צורכים אנרגיה משמעותית.
לפי דיווח ב‑MIT News, מחקר בהובלת פרייה דונטי, פרופסורית להנדסת חשמל ומדעי המחשב ב‑MIT וחוקרת ראשית במעבדה למידע ומערכות החלטה (LIDS), מראה כיצד בינה מלאכותית יכולה לשמש לא רק כצרכנית אנרגיה כבדה, אלא גם ככלי מרכזי לייעול רשתות החשמל והפיכתן לנקיות ועמידות יותר.
דונטי מסבירה כי רשת החשמל חייבת לשמור בכל רגע על איזון מדויק בין הייצור לצריכה. מצד הביקוש, צרכנים אינם "נרשמים" מראש לשימוש בחשמל ולכן נדרשות תחזיות; מצד ההיצע, יש שונות בעלויות הדלק, בזמינות הייצור ובזרימת החשמל בקווים, שגורמת גם לאובדן אנרגיה כחום. כניסת מקורות מתחדשים כמו שמש ורוח מחריפה את האתגר, משום שמזג האוויר הופך את הייצור לבלתי יציב וצפוי פחות.
כאן נכנסת הבינה המלאכותית: לפי דונטי, מודלים לומדי מכונה יכולים לנתח נתוני עבר ונתוני זמן אמת כדי לחזות באופן מדויק יותר את תפוקת הייצור הסולרי והרוחי. תחזיות משופרות כאלה מאפשרות להפעיל פחות תחנות גיבוי מזהמות ולהגדיל את השימוש באנרגיה ירוקה בפועל. בנוסף, ניתן להשתמש ב‑AI לפתרון מהיר של בעיות אופטימיזציה מורכבות, הקובעות אילו יחידות ייצור יופעלו, כמה כל תחנה תייצר, מתי לטעון ולפרוק סוללות, ואילו עומסים אפשר לדחות או להזיז בזמן.
לדבריה, כיום מפעילי רשת משתמשים בקירובים מתמטיים גסים כדי לפתור את הבעיות האלה בזמן סביר, אך הקירובים לעיתים שגויים – ובעידן של חדירת אנרגיות מתחדשות גבוהה השגיאה גדלה. מודלים חכמים יכולים להציע קירובים מדויקים ומהירים יותר, שמתאימים להפעלה בזמן אמת, ובכך לצמצם עלויות, פליטות וסיכוני עומס יתר.
דונטי מדגישה גם את הפוטנציאל של AI בשלב התכנון ארוך הטווח: רשתות חשמל עתידיות מחייבות הרצת סימולציות עצומות, הכוללות תרחישי מזג אוויר, צמיחת ביקוש, פריסת אחסון ואמצעי גיבוי. בינה מלאכותית יכולה להאיץ את הסימולציות האלה, לאתר צווארי בקבוק בתכנון, ולהציע תרחישים אופטימליים להקמת קווי הולכה חדשים, חיבור מתקני רוח ושמש והרחבת מערכות אחסון.
תחום נוסף שבו מציינת דונטי יתרון משמעותי הוא תחזוקה חזויה: אלגוריתמים לניתוח אנומליות בנתוני חיישנים יכולים לזהות התנהגות חריגה בקווים, בתחנות משנה או בציוד אחר, לפני תקלה ממשית. כך ניתן לתקן רכיבים לפני שהם גורמים להפסקת חשמל, להקטין הפסדים אנרגטיים ולהעלות את אמינות המערכת. במקביל, היא מזכירה כי AI יכול להאיץ מחקר חומרים וסוללות, ולתרום לפיתוח טכנולוגיות אחסון זולות ועמידות יותר – מרכיב קריטי לרשת עתירת אנרגיה מתחדשת.
עם זאת, דונטי מזהירה מהכללה: "בינה מלאכותית" היא אוסף מגוון של טכנולוגיות, עם טביעת רגל אנרגטית שונה מאוד. מודלים ענקיים ואוניברסליים דוגמת LLM צורכים אנרגיה ומשאבי מחשוב עצומים, בעוד שמודלים קטנים וממוקדים ליישומי רשת חשמל יכולים להיות חסכוניים משמעותית ולספק תועלת סביבתית נטו חיובית. לטענתה, כיום ההשקעות הגלובליות נוטות מדי לתת‑קבוצת טכנולוגיות יקרה אנרגטית שאינה אחראית לחלק הארי של הפוטנציאל בתחום האנרגיה והאקלים.
דונטי מדגישה שהאתגר הטכנולוגי ברשת החשמל שונה מאוד משגיאה בטקסט של מודל שפה גדול: טעות קטנה בחישוב זרמי חשמל או בהפעלה לא נכונה של יחידות ייצור עלולה להוביל לניתוק צרכנים או אפילו לקריסה מערכתית. לכן, היא וחוקרים נוספים במעבדת LIDS עובדים על פיתוח אלגוריתמים שמשלבים ידע פיזיקלי מדויק של משוואות זרימת הכוח בתוך מודלי ה‑AI, כדי להבטיח שהפתרונות יעמדו תמיד במגבלות הבטיחות.
ממחקרים עדכניים בעולם האנרגיה עולה כי שימוש בכלים כאלה יכול להפחית את עלויות ההפעלה של מערכות חשמל בשיעור דו‑ספרתי, ולהגדיל את שיעור האנרגיה המתחדשת ברשת ללא פגיעה ביציבות. דונטי קוראת לקהילה הטכנולוגית להשקיע יותר בבינה מלאכותית "דמוקרטית" ומותאמת‑יישום, שתפותח בשיתוף עם מפעילי רשת, קובעי מדיניות וקהילות מקומיות, ותכוון בראש ובראשונה לצרכים האמיתיים של מערכות האנרגיה ולא רק ליכולות מרשימות חישובית.