مديريت شبكه هاي قدرت در آينده بسيار بيشتر از امروز با قدرت مغز پيوند خواهد خورد اگر محققين دانشگاه ميسوري در پروژه ي جديدي كه مربوط به بهره برداري از سلول هاي مغزي رشديافته روي شبكه هايي از الكترودها مي باشد، موفق شوند.

به گزارش خبرگزاري برق، الكترونيك و كامپيوتر ايران (الكترونيوز)، گروه علم و فن آوري ميسوري در همكاري با محققين موسسه ي فن آوري جئورجيا قصد دارند از قدرت مغز جهت توسعه ي روش جديدي براي رديابي و مديريت توليد و تقاضاي برق - كه سطوح آن به طور پيوسته تغيير مي كند- استفاده كنند.

اين محققين به رهبري دكتر گانش كومار وناياگامورسي، استاد مهندسي برق و كامپيوتر، از شبكه هاي عصبي زنده ي موش هاي آزمايشگاهي كه از هزاران سلول مغزي تشكيل شده اند براي كنترل شبكه هاي قدرت شبيه سازي شده در آزمايشگاه استفاده خواهند كرد. با استفاده از اين مطالعات، محققين اميدوارند يك برنامه ي رايانه اي "الهام گرفته از زيست شناسي" ايجاد نمايند تا با استفاده اغز آن شبكه هاي قدرت پيچيده ي مكزيك، برزيل، نيجريه و جاهاي ديگر را مديريت و كنترل كنند.

وناياگامورسي در اين باره گفت: "ما مي خواهيم يك ساختار كاملا جديد را به نسبت آن چه امروز موجود است توسعه دهيم. كنترل سيستم هاي قدرت بسيار پيچيده است و مغز يك شبكه ي بسيار قابل انعطاف و مناسب مي باشد. مغز واقعا در مديريت مسائل نامعلوم و ترديدبرانگيز خوب عمل مي كند."

اين استاد دانشگاه اميدوار است كه بتوانند سيستمي با الهام از مغز و البته نه كاملا مانند آن توسعه دهند چرا كه هيچ كسي واقعا به طور كامل نمي داند مغز چگونه كار مي كند.

گروه ميسوري با محققين آزمايشگاه فن آوري مهندسي عصبي جئورجيا، كه شبكه هاي عصبي زنده در آن جا توسعه داده شده و قرار گرفته اند، همكاري خواهند كرد. يك ارتباط با پهناي باند بالاي اينترنت 2، آن سلول هاي مغزي را طي مسافت 600 مايل به آزمايشگاه Real-Time Power and Intelligent Systems وناياگامورسي متصل خواهد كرد. محققين ميسوري سيگنال ها را از آن آزمايشگاه به سلول هاي مغزي منتقل خواهند كرد و به آن ها آموزش خواهند داد كه سيگنال هاي ولتاژ و ديگر اطلاعات را از شبي ساز بلادرنگ ميسوري تشخيص دهند.

آزمايشگاه وناياگامورسي قادر به شبيه سازي شبكه ي قدرتي به اندازه ي شبكه ي نيجريه و يا بخشي از شبكه ي تركيبي نيوانگلند و نيويورك در امريكا مي باشد.

به گفته ي وناياگامورسي، شبكه هاي عصبي مصنوعي (ANN) معمولي سال هاست كه موجود مي باشد و پس از مدل سازي از روي مغز، جهت تشخيص الگوها و يادگيري در طول زمان طراحي گشتند. اما اين شبكه ها با سيستم هاي پيچيده خوب كار نمي كنند.

او گفت: "همين طور كه انرژي الكتريكي و سيستم هاي انرژي بزرگ تر و بزرگ تر مي شوند، مسائل ديناميك نيز پيچيده تر مي گردند و شبكه هاي عصبي نيز بايد با آن ها هم مقياس شوند. اما همين طور كه هم مقياس مي شوند، شكننده مي گردند. اين امر براي شبكه هاي عصبي جهت يادگيري و تغيير بلادرنگ بسيار سخت مي شود. آن ها مي توانند به صورت آنلاين ياد بگيرند اما يادگيري بسيار كند و گاهي تصميم گيري با ديد كمي انجام مي گيرد. براي مثال اگر يكي از خطوط انتقال طي يك طوفان شديد خارج شود، ANN هاي معمولي نمي توانند به سرعت واكنش داده و مشكل را مكان يابي كرده و سيستم را به سورت آنلاين برگردانند."

وناياگامورسي و همكارانش اميدوارند از رهگذر اين تحقيق، چيزي را توسعه دهند كه او BIANN يا همان شبكه هاي عصبي مصنوعي الهام گرفته از زيست شناسي مي نامد. بر اساس قابليت تطبيق مغز، اين شبكه ها نه تنها سيستم هاي قدرت، بلكه مي توانند سيستم هاي پيچيده ي ديگر مانند سيستم هاي كنترل ترافيك يا شبكه هاي مالي جهاني را نيز كنترل كنند.

محققين جئورجيا به رهبري پوتر، شبكه هاي عصبي زنده اي را توسعه داده اند كه مي تواند روبات هاي ساده را كنترل كند اما اين اولين بار است كه كسي تلاش مي كند از قدرت مغز براي كنترل سيستم هاي پيچيده تري بهره برد.

بعد از آزمايش اين سيستم در محيط شبيه سازي شده، محققين آن را در شبكه هاي قدرت واقعي در مكزيك، برزيل، چين، نيجريه، سنگاپور و افريقاي جنوبي آزمايش خواهند كرد. به گفته ي وناياگامورسي، يك هدف اين پروژه توسعه ي سيستمي است كه بتواند در شبكه هاي قدرت هوشمند آينده به كار گرفته شود. محققين پيش بيني مي كنند كه شبكه ها با مجموعه اي از منابع انرژي مانند مزارع بادي و خورشيدي، پايگاه هاي ذخيره ي انرژي، ميكروشبكه هاي خود-حمايتي جامعه يا همسايگي، و ديگر منابع انرژي غير سنتي يكپارچه شوند.

وناياگامورسي مي گويد: "مطالعات ما بر اساس آن چيزي است كه براي 20 سال آينده پيش بيني مي شود."

لینک دائمی | نسخه مناسب چاپ | ارسال لينك اين صفحه به دوستان |