התמודדות עם המחסור בקיבולת של 6.6 ג'יגה-ואט ב-PJM ומשבר חיבורי ה-230 ג'יגה-ואט ב-ERCOT באמצעות הנדסת Deep AI
תשתית החשמל של צפון אמריקה נכנסה לתקופה של חוסר יציבות מבנית. ארגון PJM Interconnection הודיע על מחסור במכרז הקיבולת של 6,623 מגה-ואט—הכשל הראשון מסוגו בתולדותיו. במקביל, ERCOT מתמודדת עם תור חיבורי עומסים כבדים בהיקף של 233 ג'יגה-ואט, בעוד שתוספות ייצור חדשות נותרות סביב 23 ג'יגה-ואט בלבד. משברים תאומים אלה מסמנים את סופו של ניהול הרשת הפסיבי.
Veriprajna פורסת רשתות עצביות מבוססות פיזיקה (PINNs), רשתות עצביות גרפיות (GNNs) מודעות לטופולוגיה ומסגרות למידת חיזוק (RL) מבוססות סוכנים—ולא מעטפות LLM גנריות—כדי להשיב את אמינות המערכת והיציבות הכלכלית.
Veriprajna משתפת פעולה עם מפעילי רשתות, חברות חשמל ותאגידים עתירי אנרגיה כדי לגשר על הפער בין מגבלות התשתית הפיזית לאופטימיזציה מונעת בינה מלאכותית.
פריסת ניתוח אירועי חירום בזמן אמת עם פותרי משוואות מבוססי PINN המהירים פי 87 משיטות קונבנציונליות. אפשר תגובה ברמת אלפיות השנייה במהלך אירועי כשל מדורגים.
שחרור 20-40% קיבולת הולכה נוספת ללא צורך בהקמת קווים חדשים. דירוג קווים דינמי (DLR) בשילוב מידול אטמוספרי מונחה בינה מלאכותית מספק הקלה מיידית במסדרונות עמוסים.
התגברות על צוואר הבקבוק בחיבור לרשת באמצעות בדיקות היתכנות מואצות ב-AI. צמצום זמני עיבוד התור משנים לחודשים תוך הבטחת עמידה בתקני יציבות הרשת.
מכרז השאריות הבסיסי (Base Residual Auction) לשנים 2027/2028 החטיא את יעדי האמינות ב-6,623 מגה-ואט—מה שהוריד את מרווחי הרזרבה ל-14.8% לעומת 20% הנדרשים.
בין השנים 2011 ל-2023, PJM השביתה 54.2 ג'יגה-ואט של קיבולת תרמית. 24-58 ג'יגה-ואט נוספים—עד 30% מהקיבולת המותקנת—עומדים בפני סגירה עד שנת 2030. החלפת 1 מגה-ואט תרמי דורשת כ-5.2 מגה-ואט סולארי או כ-14 מגה-ואט רוח.
קיבולת נשיאת העומס האפקטיבית (ELCC) למענה לביקוש זינקה מ-69% ל-92%—הזדמנות קריטית עבור סוכנים אוטונומיים המבטיחים זמינות גבוהה ללא פגיעה בפעילות התעשייתית.
PJM דיווחה על עלייה של 5,250 מגה-ואט בתחזית הביקוש, המונעת כמעט לחלוטין מריבוי מרכזי נתונים. אזורים כמו Dominion, AEP ו-ComEd מתמודדים עם עומס מקומי עם צמיחה של עד 6.4% בשנה.
"מחירי הקיבולת הגיעו לתקרת המקסימום שאושרה על ידי FERC של $333.44 למגה-ואט-יום בכל שטחי PJM—תקרת מחיר שהסוותה את ערך המחסור האמיתי וייתכן שפגעה בתמריצי ההשקעה הנדרשים לסגירת הפער."
— מקור: תוצאות BRA של PJM לשנים 2027/2028
הנתק בין הבקשות למציאות הוא תהומי. נפח התור מגיע לכמעט פי שלושה מסך עומס השיא הנוכחי של טקסס.
הזינוק מורכב בחלקו מבקשות ספקולטיביות של חברות ענן ענקיות (Hyperscalers) המגישות מספר בקשות על פני אתרים שונים כדי לגדר סיכונים. הדבר סותם את תהליך הבדיקה ומאלץ מהנדסים לנתח פרויקטים שיתכן שלעולם לא יגיעו לסגירה פיננסית.
מחוקקי טקסס הציגו את הצעת חוק הסנאט 6 המחייבת כללי חיבור סטנדרטיים, תחזיות עומס משופרות ומנגנוני הפחתת עומסים גדולים. המדינה הקימה את קרן האנרגיה של טקסס בהיקף של 9 מיליארד דולר—אך כ-35% מפרויקטי הגז שהוצעו כבר בוטלו.
ניהול רשת מסורתי מסתמך על הנחות סטטיות ובקרה תגובתית. תחנות משנה פועלות כיחידות מבודדות, קיבולת הולכה נותרת בלתי מנוצלת, וכשלים מתפשטים בשרשרת לפני שמפעילים מספיקים להגיב.
רשתות עצביות מבוססות פיזיקה ממדלות את משוואת התנודה בזמן אמת. רשתות עצביות גרפיות ממפות את טופולוגיית הרשת. סוכני למידת חיזוק מבצעים אופטימיזציה להחלטות ניתוב חשמל—הכל בפחות מ-300 אלפיות השנייה.
הפעל את הסימולציה כדי לראות כיצד AI הופך את תפעול הרשת מתגובתי לחיזוי מראש.
חומרה לוכדת את מצב הרשת. Deep AI מתרגמת נתונים רב-ממדיים להחלטות בקרה בזמן אמת בהשהיה של אלפיות השנייה.
PINNs מטמיעות חוקים פיזיקליים (משוואת התנודה) ישירות לתוך פונקציית ההפסד. מחשבת את מצבי המערכת במהירות הגבוהה פי 87 מפותרי משוואות נומריים מסורתיים באמצעות גזירה אוטומטית—ללא צורך באינטגרציה סדרתית של צעדי זמן.
הרשת היא גרף—תחנות משנה הן צמתים, קווים הם קשתות. GNNs כגון GraphSAGE ו-GAT לומדות את חשיבותם של מסדרונות הולכה שונים. חוזה התפשטות כשלים שרשרתיים באלפיות השנייה בדיוק F1=0.89 לחיזוי תקלות ל-30 יום.
בקרת רשת מנוסחת כתהליך החלטה מרקובי מאולץ (CMDP). סוכני RL לומדים מדיניות חלוקת עומסים אופטימלית העומדת באילוצים פיזיקליים קשיחים (מגבלות מתח, מגבלות תרמיות) תוך מקסום האמינות.
כאשר GNN מזהה סיכון לכשל שרשרתי, היא מייצרת הסברים מבוססי גרף המדגישים קשתות וצמתים ספציפיים התורמים לסיכון. מפעילים אנושיים מאמתים את הסקת הבינה המלאכותית לפני פעולה—ללא קופסאות שחורות בחדר הבקרה.
סימולציית יציבות מעבר יחידה ב-PJM עשויה להימשך שעות עם פותרי DAE מסורתיים. במהלך אירוע האפלה פוטנציאלי, מפעילים זקוקים ליכולת חיזוי בשניות, לא בשעות.
קלט SCADA + חיישני LiDAR + התקני דירוג קווים דינמי. ניטור בזמן אמת של שקיעת המוליכים והטמפרטורה לאורך יותר מ-275 ק"מ של קווי הולכה.
אגם נתונים מוכן ל-AI (Spark/Hadoop) עם זיהוי אנומליות אוטומטי, השלמת ערכים חסרים ובדיקות סבירות לפני הזנת הנתונים למודלים.
מודלים מקבילים של PINN + GNN. שימוש ב-PINNs ליציבות מעבר מהירה, ושימוש ב-GNNs להערכת מצב מודעת לטופולוגיה ולחיזוי תקלות.
החלטות ניתוב בלמידת חיזוק. ניסוח CMDP העומד במגבלות פיזיקליות קשיחות. הגדרה מחדש של הרשת לריפוי עצמי.
דירוג קווים דינמי משתמש בנתונים אטמוספריים בזמן אמת כדי לחשוף את הקיבולת התרמית האמיתית של קווים קיימים—בדרך כלל 20-40% מעל הדירוגים הסטטיים השמרניים.
גידול מרכזי הנתונים ב-PJM עלול להביא לעלויות קיבולת מצטברות של 163 מיליארד דולר בין 2028 ל-2033. באזור ComEd בלבד, ההשפעה הצפויה היא 21.4 מיליארד דולר—המתורגמת לעלייה של 70 דולר לחודש לחשבון החשמל של משק בית ממוצע.
גישת הסטטוס-קוו:
גישת Deep AI:
עבור חברות חשמל ולקוחות עתירי עומס המתמודדים עם משבר האמינות של 2027.
0-12 חודשים
1-3 שנים
3-5 שנים
PINNs מטמיעות חוקים פיזיקליים (משוואת התנודה) ישירות לתוך פונקציית ההפסד של הרשת העצבית, תוך שימוש בגזירה אוטומטית לחישוב מצבי המערכת במהירות הגבוהה פי 87 מפותרי DAE נומריים קונבנציונליים. בניגוד לשיטות צעדי זמן סדרתיות העשויות להימשך שעות לכל סימולציית יציבות מעבר, PINNs יכולות לפתור עבור כל זמן t באופן ישיר — מה שמאפשר ניתוח תרחישי חירום ('מה-אם') בזמן אמת במהלך אירועי הפסקת חשמל פוטנציאליים, כאשר חוקי קירכהוף המוטמעים מבטיחים עקביות פיזיקלית.
מכרז השאריות הבסיסי לשנים 2027/2028 של PJM החטיא את יעדי האמינות ב-6,623 מגה-ואט — הכשל הראשון מסוגו בהיסטוריה של PJM — והוריד את מרווחי הרזרבה ל-14.8% לעומת 20% הנדרשים. בין השנים 2011 ל-2023, PJM השביתה 54.2 ג'יגה-ואט של קיבולת תרמית, ו-24-58 ג'יגה-ואט נוספים נמצאים בסיכון עד 2030. הביקוש ממרכזי נתונים הוסיף 5,250 מגה-ואט לתחזיות. מחירי הקיבולת הגיעו לתקרה המאושרת על ידי FERC של $333.44 למגה-ואט-יום, מה שעלול להביא לעלויות מצטברות של 163 מיליארד דולר בין 2028 ל-2033.
דירוג קווים דינמי משתמש בנתונים אטמוספריים בזמן אמת (מהירות רוח, טמפרטורת סביבה, קרינת שמש) בשילוב מידול מבוסס בינה מלאכותית כדי לחשב את הקיבולת התרמית האמיתית של קווי הולכה קיימים — שהיא בדרך כלל 20-40% מעל הדירוגים הסטטיים השמרניים. DLR הוכיח עלייה של 61% בקיבולת בקווי 345 קילו-וולט עם חיסכון של 76% בעלויות בהשוואה להחלפת מוליכים מסורתית, וניתן לפריסה תוך 3-6 חודשים לעומת 2-3 שנים להקמת קווים חדשים.
Veriprajna מספקת את המסגרות המתמטיות והפיזיקליות העמוקות הנדרשות כדי להפוך את רשת החשמל לתבונית ואוטונומית. תנו לנו להראות לכם כיצד.
דוח הנדסי מקיף: ארכיטקטורת PINNs, מפרטי GNN, מסגרת RL, יישום DLR, התאמה רגולטורית, מידול כלכלי.