المشكلة
في ديسمبر 2025، أعلنت PJM Interconnection — أكبر مشغّل شبكة كهربائية في الولايات المتحدة، الذي يخدم 65 مليون شخص في 13 ولاية — عن أمر لم يحدث من قبل مطلقًا: جاء مزاد القدرة الخاص بها أقل بما مقداره 6,623 ميغاواط عن ما تحتاجه الشبكة لإبقاء الأنوار مضاءة في 2027/2028. هذه الفجوة تعادل تقريبًا إنتاج ست محطات طاقة كبيرة، غائبة ببساطة عن النظام.
وبلغ المزاد سقف السعر الفيدرالي البالغ 333.44 دولارًا لكل ميغاواط-يوم في كامل المنطقة. التكلفة الإجمالية: 16.4 مليار دولار. ومع ذلك، حتى عند سعر السقف هذا، لم تكن هناك طاقة كافية لتلبية أهداف الموثوقية. وانخفض هامش الاحتياط — وهو مخزون الأمان لديك ضد الانقطاعات — إلى 14.8%، أي دون المعيار البالغ 20% المصمم لمنع انقطاعات الكهرباء واسعة النطاق بفارق كبير.
وفي المقابل، تواجه شبكة ERCOT في تكساس أزمة مختلفة لكنها ذات صلة. فقد تضخمت قائمة العملاء الكبار المنتظرين للربط — ومعظمهم مراكز بيانات — إلى 233 جيجاواط. وهذا يقارب ثلاثة أضعاف إجمالي الطلب الذروة لشبكة تكساس بأسرها. غير أن ERCOT لم تضف سوى 23 جيجاواط من توليد جديد في عام 2025. الحسابات ببساطة لا تتوازن.
إذا كانت مؤسستك تعمل داخل نطاق PJM أو تعتمد على كهرباء تكساس، فيجب أن تبقيك هذه الأرقام مستيقظًا في الليل. فحقبة الكهرباء الرخيصة والوفيرة تقترب من نهايتها.
لماذا يهم هذا عملك
هذه ليست مشكلة بنية تحتية مجردة. إنها تمس ميزانيتك العمومية بشكل مباشر.
وجد تحليل حديث أن نمو مراكز البيانات في منطقة PJM قد يدفع 163 مليار دولار من تكاليف القدرة التراكمية من عام 2028 حتى عام 2033. وفي نطاق ComEd وحده في شمال إلينوي، يعادل ذلك 21.4 مليار دولار. ويواجه العملاء السكنيون هناك زيادة متوقعة قدرها 70 دولارًا شهريًا. وإذا كنت تدير عمليات صناعية أو مرافق كبيرة في هذه المناطق، فإن تعرضك أكبر نسبيًا.
إليك ما يحتاج فريق القيادة لديك إلى فهمه:
- ترتفع تكاليف الطاقة لديك ارتفاعًا بنيويًا. فقد بلغ مزاد PJM سقف الأسعار المعتمد من FERC إلى الحد الأقصى. وأخفى هذا السقف السعر الحقيقي للندرة. وعندما يعدّله المنظمون في نهاية المطاف، ستقفز الأسعار مرة أخرى.
- يزداد خطر الموثوقية لديك. فالهامش الاحتياطي البالغ 14.8% يعني ارتفاع خطر تقنين الأحمال — أي الانقطاعات المُدارة — اعتبارًا من يونيو 2027. إذا كانت عملياتك لا تحتمل الانقطاع، فأنت بحاجة إلى خطط طوارئ الآن.
- قد تتعطل خطط توسعك. ففي ERCOT، تأتي 77% من طلبات الربط للأحمال الكبيرة من مراكز البيانات. وإذا كنت تخطط لمنشأة جديدة في تكساس، فأنت تتنافس مع 233 جيجاواط من الطلبات مقابل 23 جيجاواط فقط من القدرة المتاحة. كما انسحبت نحو 35% من مشاريع محطات الغاز المقترحة بالفعل، مستشهدة بنقص التوربينات وتأخيرات الترخيص.
- الضغط التنظيمي يتزايد. فقد أقرت تكساس قانون مجلس الشيوخ رقم 6، الذي يفرض قواعد ربط موحدة ويسمح للمنظمين بتقنين كهرباء مراكز البيانات أثناء الطوارئ. كما يتطلب الأمر رقم 2023 الصادر عن FERC عمليات دراسة عناقيد جديدة. والتزامات الامتثال لديك آخذة في الاتساع.
الخلاصة: ميزانية الطاقة لديك، واستمرارية عملياتك، وجدولك الزمني للنمو — كلها معرضة للخطر.
ما يحدث فعلًا في الكواليس
المشكلة الجوهرية هي هاوية إيقاف التشغيل. فبين عامي 2011 و2023، فقدت PJM ما مجموعه 54.2 جيجاواط من محطات الطاقة الحرارية — منشآت الفحم والغاز التي تعمل عند الطلب بصرف النظر عن الطقس. وقد تتوقف 24 إلى 58 جيجاواط أخرى عن العمل بحلول عام 2030. أي ما يصل إلى 30% من القدرة المركبة.
وهنا سبب عدم مواكبة البدائل. تخيّل الأمر كأنك تستبدل سيارة موثوقة بدراجات هوائية: ستحتاج إلى دراجات أكثر بكثير لحمل الحمل نفسه. يُظهر تحليل PJM الخاص أن استبدال 1 ميغاواط من التوليد الحراري المتوقف يتطلب نحو 5.2 ميغاواط من الطاقة الشمسية أو 14 ميغاواط من طاقة الرياح لتقديم الموثوقية نفسها. فالطاقة الشمسية وطاقة الرياح تنتجان الكهرباء فقط عندما تسطع الشمس أو تهب الرياح، بينما تعمل محطة الغاز وقتما تحتاجها.
عدّلت PJM حساباتها لتعكس هذا الواقع. فقد خفضت ائتمان الموثوقية — المسمى القدرة الفعلية على حمل الحمل، أو ELCC — للموارد المتقطعة مثل الطاقة الشمسية وطاقة الرياح. وكلما اتصلت موارد أكثر من هذا النوع بالشبكة، ساهم كل وحدة إضافية بقدر أقل في إبقاء الشبكة مستقرة خلال ذروة الطلب.
وفي الوقت نفسه، يتضخم الطلب في مواقع محددة. أفادت PJM بزيادة قدرها 5,250 ميغاواط في توقعات الطلب، مدفوعة تقريبًا بالكامل بمراكز البيانات. وفي بعض المناطق، تبلغ توقعات نمو الذروة الصيفية 6.4% سنويًا. ويخلق هذا الحمل المركّز نقاط ضغط موضعية حيث تواجه المحولات الفرعية وخطوط النقل خطر التحميل الزائد.
لا تستطيع الشبكة أن تنمو ماديًا بالسرعة الكافية. لذا يجب أن تصبح أذكى. وهنا يدخل الذكاء الاصطناعي — لكن ليس كل ذكاء اصطناعي قادرًا على أداء هذه المهمة.
ما ينجح (وما لا ينجح)
لنبدأ بما يقصر عندما تطبّق الذكاء الاصطناعي على مشكلة بهذا القدر من التعقيد.
روبوتات الدردشة العامة وأغلفة نماذج اللغة الكبيرة. إن إضافة نموذج لغة كبير إلى لوحة تحكم عملياتك تمنحك واجهة محادثة، لا ذكاءً للشبكة. فهي لا تفهم فيزياء تدفق الكهرباء.
التنبؤ بالانحدار الأساسي. فالنماذج الإحصائية البسيطة التي تتنبأ بالحمل بناءً على المتوسطات التاريخية تفوّت ديناميكيات غير خطية لشبكة اختفت فيها 54 جيجاواط من الطاقة القابلة للتوجيه خلال اثني عشر عامًا.
التحليلات التنبؤية الموحدة للجميع. فتعلم الآلة القياسي يعامل بيانات الشبكة كجدول بيانات مسطح، ويتجاهل البنية المادية — أي أي المحولات الفرعية متصلة بأي منها، وكيف ينتشر فشل عقدة واحدة عبر الشبكة.
ما ينجح فعلًا هو ذكاء اصطناعي يحترم فيزياء الشبكة وبنيتها. وإليك كيف يعمل عمليًا:
المدخلات: بيانات مادية في الوقت الفعلي، لا مجرد اتجاهات تاريخية. تستخدم أنظمة التصنيف الديناميكي لخطوط النقل (DLR) مستشعرات إنترنت الأشياء وبيانات الطقس لقياس السعة الفعلية لخطوط النقل في الوقت الفعلي. أما التصنيفات التقليدية فتفترض أسوأ الظروف وتترك 20-40% من السعة دون استغلال. في إنديانا وأوهايو، نشرت AES نظام DLR على خطوط 345 كيلوفولت وزادت سعة النقل بنسبة 61% — بتكلفة 0.39 مليون دولار مقابل 1.63 مليون دولار للترقيات التقليدية. أي خفض في التكلفة بنسبة 76%.
المعالجة: نماذج ذكاء اصطناعي مدركة للفيزياء. تدخل الشبكات العصبية المستندة إلى الفيزياء — أو PINNs — القوانين الفعلية للأنظمة الكهربائية في نموذج الذكاء الاصطناعي نفسه. فبدلًا من تعلم الأنماط من البيانات وحدها، تفرض المعادلات التي تحكم تفاعل المولدات وخطوط النقل والأحمال. وتحل هذه النماذج تحليلات الاستقرار أسرع حتى 87 مرة من الطرق التقليدية. أما الشبكات العصبية الرسمية (GNNs) فتتعامل مع الشبكة كما هي فعلًا — شبكة من العقد المترابطة — وتتنبأ بكيفية انتشار الأعطال عبر الطوبولوجيا. وقد حققت النماذج القائمة على GNN درجة F1 قدرها 0.8935 في تحديد المحولات الفرعية المعرضة لخطر التعطل خلال 30 يومًا.
المخرجات: قرارات قابلة للتفسير مع مسارات تدقيق. عندما يحدد الذكاء الاصطناعي خطر فشل متتالٍ، فإنه يولّد شرحًا قائمًا على الرسوم البيانية يوضح بدقة أي خطوط ومحولات فرعية هي التي تُغذّي الخطر. فيرى المشغلون لديك الاستدلال قبل التصرف. ويحصل فريق الامتثال لديك على مسار منطقي موثق. بالنسبة إلى منظمات الطاقة والمرافق، فهذه الشفافية ليست اختيارية — بل هي ما يطلبه المنظمون ومجالس الإدارة.
ويمتد هذا النهج إلى ما هو أبعد من عمليات الشبكة ليشمل عنق زجاجة الربط. يمكن لوكلاء الذكاء الاصطناعي فرز طابور ERCOT البالغ 233 جيجاواط تلقائيًا، وإسناد درجة احتمالية الإتمام لكل مشروع، ووسم الأحمال "الشبحية" المضاربة — وهي طلبات من شركات قدمت في مواقع متعددة فقط للاحتفاظ بخياراتها. وهذا ينقل الطابور من "الأسبقية في الوصول" إلى "الأسبقية في الجهوزية".
ويمكنك أيضًا تطبيق هذه الأدوات للتنبؤ بمحطات الطاقة التي ستتوقف عن العمل بعد ذلك. فقد حققت النماذج المستخدمة لـ LSTM المكدس وتعزيز التدرج خطأ نسبة مئوية مطلقًا يبلغ 1.072% فقط في التنبؤ بتوقيت إيقاف المحطات. هذا يمنح فريق التخطيط لديك سنوات من المهلة بدلًا من أشهر.
المبدأ المعماري الجوهري وراء كل ذلك: أنظمة المحاكاة والتوائم الرقمية والتحسين التي تعكس بنيتك التحتية المادية في البرمجيات، وتختبر السيناريوهات بسرعة الآلة، وتغذي النتائج إلى طبقات قرار يمكن للبشر التحقق منها والوثوق بها. وبالاقتران مع القابلية للتفسير وشفافية القرار، تحصل على ذكاء اصطناعي يمكن لمجلس إدارتك ومنظميك ومشغليك جميعًا الوقوف خلفه.
لاستكشاف تقني أعمق، يمكنك قراءة التحليل التقني الكامل أو استكشاف النسخة التفاعلية.
أبرز النقاط
- يشير أول عجز في قدرة PJM على الإطلاق — 6,623 ميغاواط — إلى أن أكبر شبكة كهربائية في أمريكا لم تعد قادرة على مواكبة الطلب، مما يعرّض الموثوقية للخطر بحلول يونيو 2027.
- قد يدفع نمو مراكز البيانات في نطاق PJM تكاليف قدرة تراكمية تبلغ 163 مليار دولار حتى عام 2033، مما يرفع أسعار الكهرباء مباشرة لجميع العملاء.
- رفعت تقنية التصنيف الديناميكي لخطوط النقل سعة النقل بنسبة 61% على الخطوط القائمة وبتكلفة أقل بنسبة 76% من الترقيات التقليدية — دون أي إنشاءات جديدة.
- تحل نماذج الذكاء الاصطناعي المدركة للفيزياء تحليلات استقرار الشبكة أسرع 87 مرة من الطرق التقليدية، ويمكنها التنبؤ بأعطال المحولات الفرعية قبل 30 يومًا.
- يمكن فرز طابور الربط البالغ 233 جيجاواط لدى ERCOT بواسطة ذكاء اصطناعي يقيّم جدوى كل مشروع ويصفّي الطلبات المضاربة، مما يختصر سنوات من العملية.
الخلاصة
عجز PJM وأزمة طابور ERCOT ليسا اضطرابين مؤقتين — بل تحوّلان بنيويان سيرفعان تكاليف الطاقة لديك وتهددان استمرارية عملياتك لسنوات. يمكن للذكاء الاصطناعي أن يساعد، لكن فقط إذا كان يفهم فيزياء الشبكة، لا مجرد أنماط في جداول البيانات. اسأل مورد الذكاء الاصطناعي لديك: عندما يقترح نموذجكم قرار توجيه أثناء حالة طوارئ في الشبكة، هل يستطيع أن يُظهر لمشغلي ومنظمي المرافق لديّ بدقة أي القيود المادية قيّم ولماذا؟