أخبار ar.wedoany.com، أعلنت شركة المراقبة الكهربائية للشبكات (Electrical Grid Monitoring, EGM) أن حلّها الحاصل على براءة اختراع لتحديد مواقع الأعطال بدقة (Accurate Fault Location and Detection, AFLD) أصبح أول تقنية قادرة على تحديد وقت وموقع حدوث الأعطال في شبكات التوزيع بدقة ضمن نطاق خطأ لا يتجاوز مسافة عمود واحد. ووفقًا لإحصائيات انقطاع التيار الكهربائي المنشورة في القطاع، يمكن لهذه الوظيفة تقليص زمن انقطاع التيار للمستخدمين في الولايات المتحدة من 3 إلى 5 ساعات إلى نحو ساعة واحدة، وخفض التكاليف السنوية للعمالة في شركات المرافق العامة ذات الصلة من 7 مليارات دولار أمريكي بنحو 80%، لتصل إلى حوالي مليار دولار أمريكي سنويًا.
تم اختبار حل تحديد مواقع الأعطال من EGM بشكل مستقل من قبل المختبر الوطني لجبال روكي (National Laboratory of the Rockies, NLR) التابع لوزارة الطاقة الأمريكية (DOE) في اختبارات عمياء، حيث قدم المختبر لاحقًا لشركة EGM بيانات اختبار حول دقة تحديد مواقع الأعطال. وأفاد محللو EGM أن نتائج الدراسات في 26 سيناريو اختبار أعمى أظهرت أن حل AFLD قادر على تحديد مواقع أعطال متعددة في شبكات التوزيع ضمن نطاق عمود واحد. وأوضح الدكتور أليكس ليفران، الرئيس التنفيذي لشركة EGM، أن تقنية الشركة تمثل تقدمًا مهمًا في ابتكار موثوقية الشبكات الكهربائية، حيث تقدم حلاً اقتصاديًا قادرًا على تحديد وقت وموقع الأعطال بدقة. وأشار إلى أن عمال شركات المرافق العامة يقضون عادةً ثلثي وقتهم في تحديد موقع العطل وثلثه في الإصلاح، ومن خلال تقليص وقت الكشف والحل، يمكن لحل EGM خفض مدة انقطاع التيار إلى النصف.
تنفق شركات المرافق العامة الأمريكية حوالي 7 مليارات دولار سنويًا لإرسال فرق عمل لتحديد وإصلاح نحو 2.3 مليون حالة انقطاع تيار كهربائي. يستمر انقطاع التيار النموذجي من 2 إلى 3 ساعات، وقد تمتد فترات الانقطاع إلى 7 ساعات أو أكثر في التضاريس الوعرة. تحدث معظم حالات الانقطاع بسبب أعطال التوزيع اليومية، مثل الأغصان على الخطوط الفرعية، وأعطال العوازل، والأحداث اللحظية. ترسل الولايات المتحدة أكثر من 10 ملايين "طلعة شاحنة مرافق" سنويًا، بمتوسط تكلفة 1000 دولار لكل رحلة. ونظرًا لوجود "نقاط عمياء" في أنظمة الشبكات الكهربائية القديمة والمثقلة بالأحمال، وافتقارها إلى أنظمة كشف سريعة لتحديد مواقع الأعطال، فإن تكاليف الصيانة السنوية لشركات المرافق آخذة في الازدياد. في تقرير "تقييم موثوقية وأمان الشبكة الكهربائية الأمريكية" لعام 2025، حذرت وزارة الطاقة الأمريكية (DOE) من أنه في حال عدم توفر قدرات توليد جديدة موثوقة واستمرار تقاعد القدرات الموثوقة الحالية، فقد يزيد عدد حالات انقطاع التيار الكهربائي للعملاء بمقدار يصل إلى 100 ضعف بحلول عام 2030. وتوقع تقرير "مسار الانطلاق التجاري لوزارة الطاقة الأمريكية" لعام 2025 أن ينمو الطلب على الكهرباء في الولايات المتحدة بنسبة تتراوح بين 15% و20% خلال العقد المقبل، وأن يتضاعف بحلول عام 2050. وفي العام نفسه، أطلقت وزارة الطاقة الأمريكية برنامج "تسريع إمدادات الكهرباء"، بهدف تسريع الجداول الزمنية لمشاريع النقل والتوليد الكبيرة لتلبية الطلب المتزايد على الشبكة من الذكاء الاصطناعي ومراكز البيانات وعودة التصنيع إلى الولايات المتحدة.
تعد الموثوقية والقدرة على تحمل التكاليف أمرين بالغي الأهمية، حيث وصلت أسعار الكهرباء في الولايات المتحدة إلى أعلى مستوياتها التاريخية. وفقًا لبيانات وكالة الطاقة الدولية (IEA)، ارتفع مؤشر متوسط مدة انقطاع التيار الكهربائي للنظام (SAIDI) بنحو 300% منذ عام 2010، وارتفع مؤشر متوسط مدة انقطاع التيار الكهربائي للعملاء (CAIDI) بنسبة 160%. ويتطلب التحول نحو التصنيع في الولايات المتحدة انخفاضًا في أسعار الطاقة. وأشار ليفران إلى أن نظام Meta Alert من EGM يقدم حلاً فعالاً من حيث التكلفة من خلال خفض تكاليف إدارة الشبكة، كما أنه سيكمل تكوينات الشبكة المستقبلية المرتبطة بمراكز البيانات الكبيرة. وأضاف أن EGM تعمل على نقل مرافق التصنيع الخاصة بها إلى الولايات المتحدة لتحسين الكفاءة وتقليل التكاليف على العملاء ومخاطر سلسلة التوريد.
لا يقتصر نظام Meta-Alert من EGM على كشف الأعطال فحسب، بل يقوم أيضًا بجمع بيانات كهربائية وميكانيكية وبيئية حيوية مثل الجهد الكهربائي، ودرجة حرارة الكابلات، والرطوبة، وسرعة الرياح، وحركة خطوط الكهرباء. يمكن للنظام تحديد الأحداث الناجمة عن الرياح القوية أو سقوط الأشجار بسرعة في غضون دقائق، مما يولد بيانات قابلة للتنفيذ ولوحات معلومات فورية للمشغلين. تشمل التطبيقات التي يوفرها نظام Meta-Alert: جودة الطاقة، والحماية من حرائق الغابات، وتحديد مواقع الأعطال، وتقييم القدرة الديناميكية للخطوط، والقياس عن بُعد العام. يمكن لشركات المرافق العامة الاستفادة من خفض تكاليف الخدمة، ومنع حالات الانقطاع الكبرى، وتقليل ازدحام الطاقة. تقوم EGM بنشر مجموعات من أجهزة الاستشعار في مواقع استراتيجية على المغذيات، حيث يتم تثبيت كل جهاز استشعار مباشرة على خطوط الكهرباء، لالتقاط خصائص شاملة للأعطال وقياس عشرات المعلمات التي لم تكن متاحة سابقًا. تُنقل البيانات في الوقت الفعلي إلى برنامج EGM Meta-Alert، الذي يستخدم خوارزميات حاصلة على براءة اختراع لتثليث مواقع الأعطال. بفضل فترة استرداد استثمار (ROI) تقل عن عام، تساعد منتجات EGM في الحفاظ على انخفاض أسعار الطاقة.
على عكس الأجهزة التقليدية المثبتة على الأعمدة والتي تتطلب تركيب أجهزة استشعار على كل عمود، تقوم EGM بنشر مجموعات من أجهزة الاستشعار في مواقع استراتيجية على المغذيات. البدائل المتاحة لنظام EGM لها قيودها الخاصة - فبعضها لا يستطيع تحديد الموقع أو المعلمات الرئيسية الأخرى، أو يتطلب تركيب أجهزة استشعار على كل عمود، وهو أمر غير عملي على نطاق شركات المرافق التي تغطي ملايين الأعمدة؛ أما الحلول المتطورة الأخرى فهي باهظة التكلفة ولا تستطيع تحملها سوى أكبر شركات المرافق. استثمرت شركة Energy Growth Momentum، وهي شركة أسهم خاصة مقرها لندن تركز على تعزيز الحلول الرقمية لإزالة الكربون من الكهرباء، في EGM وقادت جولة تمويلها من الفئة B، مما رفع إجمالي تمويل EGM الحالي إلى أكثر من 40 مليون دولار أمريكي. وأكد كريس هولكروفت، المستثمر وعضو مجلس الإدارة في الشركة، أن الحلول الرقمية يمكن أن توفر الموثوقية والكفاءة والقدرة على تحمل التكاليف بجزء صغير من تكلفة بناء البنية التحتية الجديدة، وأن EGM تقدم حلاً كاملاً ومنخفض التكلفة لمعظم شركات المرافق العامة، حيث يمكن للسوق الأمريكية توفير ما بين 7 و20 مليار دولار سنويًا في تكاليف تحديد مواقع الأعطال. تتعاون EGM حاليًا مع شركة الكهرباء الإسرائيلية (Israel Electric Corporation) والعديد من شركات المرافق المملوكة للمستثمرين والتعاونيات في الولايات المتحدة لنشر هذه التقنية على شبكات التوزيع الفعلية الخاصة بهم.
مصادر البيانات: بيانات لجنة الخدمات العامة الأمريكية، نموذج 861 لوكالة معلومات الطاقة (EIA). تم نشر نتائج دراسة EGM التجريبية في مايو 2026 في مؤتمر معهد مهندسي الكهرباء والإلكترونيات (IEEE). تم إجراء اختبار NLR كجزء من أنشطته البحثية في تحديث الشبكة وأنظمة الطاقة، ولا يشكل ذكر تقنية EGM تأييدًا أو توصية أو اعتمادًا من NLR أو وزارة الطاقة الأمريكية أو الحكومة الأمريكية.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
