ऊर्जा क्षेत्रामध्ये पारंपरिक तंत्रज्ञान, माहिती-तंत्रज्ञान यांबरोबरच कृत्रिम बुद्धिमत्तेच्या यंत्र-अध्ययन तंत्रामुळे विद्याुत निर्मिती, पारेषण आणि वितरण व्यावहारिकदृष्ट्या खूपच सुलभ झाले आहे. कृत्रिम बुद्धिमत्तेमुळे मानवी चुका टाळता येतात, तसेच मागणी व पुरवठा यांच्यामधील ताळमेळ अत्यंत अचूकपणे साधता येतो. साधारणपणे १९९० च्या दशकात वापरल्या जाणाऱ्या आर्टिफिशियल न्यूरल जाळे प्रारूपात, कमी काळासाठीच्या वीज मागणीचा अंदाज लावता येत होता. परंतु या प्रारूपात अनेक प्रकारच्या उणिवा आढळून आल्या. मात्र आता कृत्रिम बुद्धिमत्ता वापरून भविष्यातील विजेची मागणी अतिशय अचूकपणे वर्तवता येते.

या बातमीसह सर्व प्रीमियम कंटेंट वाचण्यासाठी साइन-इन करा
Skip
या बातमीसह सर्व प्रीमियम कंटेंट वाचण्यासाठी साइन-इन करा

यंत्र-अध्ययनाचे आणि सखोल-अध्ययनाचे काही मार्ग सध्या वीज वितरण व्यवस्थेमध्ये लोकप्रिय झाले आहेत. ते म्हणजे रजिस्ट्रेशन, क्लासिफिकेशन, क्लस्टरिंग आणि डिसिजन ट्री. यांचा वापर विजेची अचूक मागणी जाणण्यासाठी सहजपणे करता येतो.

नक्की वाचा

लघुकाळ (शॉर्ट टर्म), मध्यमकाळ (मीडियम टर्म) आणि दीर्घकाळ (लाँग टर्म) अशा तीन प्रकारांमध्ये कृत्रिम बुद्धिमत्ता आधारित ‘वीजभार मागणी अंदाज प्रणाली’ ढोबळमानाने विभागली जाते. लघुकाळ वीजभार मागणी प्रणालीमध्ये साधारणपणे काही तास अथवा एक दिवसाच्या काळासाठी विजेची मागणी किती असेल आणि त्यानुसार ऊर्जा निर्मितीचे कोणते पर्याय वापरणे योग्य हे अर्थशास्त्रीयदृष्ट्या अत्यंत महत्त्वाचे असते, म्हणून अशा मागणी प्रणालीसाठी एकूण लोड प्रोफाइलमध्ये हवामान अथवा स्थानिक वातावरण कसे असेल, कोणता ऋतू सध्या चालू आहे, सार्वजनिक सुट्टी अथवा सणासुदीचे दिवस आहेत का, इत्यादी अनेक मुद्दे विचारात घेतले जातात. मध्यमकाळ वीजभार मागणी प्रणालीमध्ये पुढील सहा आठवडे ते दोन महिनेसाठी विजेची मागणी प्रति तासाला काय असेल याचा तक्ता मांडला जातो. या कृत्रिम बुद्धिमत्ता प्रणालीमध्ये बाजारातील आर्थिक परिणाम, बाजारपेठेतील सेन्सेक्स अधिक उलाढाल तसेच स्थानिक ग्राहकांची मानसिकता इत्यादी मुद्दे विचारात घेतले जाऊन अचूक अंदाज काढला जातो. दीर्घकाळ वीजभार मागणी प्रणालीमध्ये साधारणपणे पुढील तीन वर्षांसाठी वीज मागणीचे नियोजन केले जाते. वीज पारेषण जाळ्याचा कायमस्वरूपी विस्तार व त्यासाठी लागणारी भांडवली गुंतवणूक याचे प्रभावी नियोजन केले जाते. दीर्घकालीन वीज नियोजनामध्ये भौगोलिक मुद्दे, तंत्रज्ञानातील सखोल बदल तसेच जागतिक पर्यावरणाचे मुद्दे ठळकपणे विचारात घेतले जातात.

कृत्रिम बुद्धिमत्तेच्या वापराने वीज मागणीच्या अंदाजांमधील अनिश्चितता दूर होते. वीज आवश्यक तितकी उत्पादन करता येते. आणि पूर्ण यंत्रणा अधिक कार्यक्षमतेने वापरता येते .

-डॉ. दीपक कोकाटे

यंत्र-अध्ययनाचे आणि सखोल-अध्ययनाचे काही मार्ग सध्या वीज वितरण व्यवस्थेमध्ये लोकप्रिय झाले आहेत. ते म्हणजे रजिस्ट्रेशन, क्लासिफिकेशन, क्लस्टरिंग आणि डिसिजन ट्री. यांचा वापर विजेची अचूक मागणी जाणण्यासाठी सहजपणे करता येतो.

नक्की वाचा

लघुकाळ (शॉर्ट टर्म), मध्यमकाळ (मीडियम टर्म) आणि दीर्घकाळ (लाँग टर्म) अशा तीन प्रकारांमध्ये कृत्रिम बुद्धिमत्ता आधारित ‘वीजभार मागणी अंदाज प्रणाली’ ढोबळमानाने विभागली जाते. लघुकाळ वीजभार मागणी प्रणालीमध्ये साधारणपणे काही तास अथवा एक दिवसाच्या काळासाठी विजेची मागणी किती असेल आणि त्यानुसार ऊर्जा निर्मितीचे कोणते पर्याय वापरणे योग्य हे अर्थशास्त्रीयदृष्ट्या अत्यंत महत्त्वाचे असते, म्हणून अशा मागणी प्रणालीसाठी एकूण लोड प्रोफाइलमध्ये हवामान अथवा स्थानिक वातावरण कसे असेल, कोणता ऋतू सध्या चालू आहे, सार्वजनिक सुट्टी अथवा सणासुदीचे दिवस आहेत का, इत्यादी अनेक मुद्दे विचारात घेतले जातात. मध्यमकाळ वीजभार मागणी प्रणालीमध्ये पुढील सहा आठवडे ते दोन महिनेसाठी विजेची मागणी प्रति तासाला काय असेल याचा तक्ता मांडला जातो. या कृत्रिम बुद्धिमत्ता प्रणालीमध्ये बाजारातील आर्थिक परिणाम, बाजारपेठेतील सेन्सेक्स अधिक उलाढाल तसेच स्थानिक ग्राहकांची मानसिकता इत्यादी मुद्दे विचारात घेतले जाऊन अचूक अंदाज काढला जातो. दीर्घकाळ वीजभार मागणी प्रणालीमध्ये साधारणपणे पुढील तीन वर्षांसाठी वीज मागणीचे नियोजन केले जाते. वीज पारेषण जाळ्याचा कायमस्वरूपी विस्तार व त्यासाठी लागणारी भांडवली गुंतवणूक याचे प्रभावी नियोजन केले जाते. दीर्घकालीन वीज नियोजनामध्ये भौगोलिक मुद्दे, तंत्रज्ञानातील सखोल बदल तसेच जागतिक पर्यावरणाचे मुद्दे ठळकपणे विचारात घेतले जातात.

कृत्रिम बुद्धिमत्तेच्या वापराने वीज मागणीच्या अंदाजांमधील अनिश्चितता दूर होते. वीज आवश्यक तितकी उत्पादन करता येते. आणि पूर्ण यंत्रणा अधिक कार्यक्षमतेने वापरता येते .

-डॉ. दीपक कोकाटे