بحث جديد ذو أهمية لحل أزمة الكهرباء وله أثر مباشر على تطوير المباني الأقتصادية الذكية اذ اذا ساهم التدريسي في كلية الإدارة الصناعية للنفط والغاز المدرس الدكتور مصطفى عباس عبود مع فريق بحثي علمي اشترك فيه نخبة من الباحثين المتميزين من جامعات عراقية وعربية واجنبية على إنجاز هذا البحث العلمي. اذ أجرى الفريق مداولات عبر قنوات الأنترنت المغلقة والتي تمحورت عن مشاكل الأحمال الكهربائية لمحطات الطاقة والتي تعود اغلبها الى احمال المباني الحكومية والسكنية، اذ بين الفريق العلمي بان اكثر من 70% من حمل الذروة الحاصل بعد منتصف النهار يعود الى استهلاك الكهرباء من قبل اجهزة التكييف وفي هذا البحث تم توظيف الذكاء الاصطناعي لإدارة منظومات التبريد (chillers) وقد تمكن فريقهم من إطفاء أجهزة التكييف والأستغناء عنها للمدة من الساعة العاشرة والنصف صباحاً وحتى الساعة السابعة والنصف مساء (وقت حمل الذروة) وذلك بالأعتماد على خزانات الماء البارد تحت المبنى والمبردة اثناء فترة الليل اذ الأحمال الكهربائية قليلة ودرجة الحرارة منخفضة نسبياً وهذا يساعد على رفع قيمة معامل الأداء (COP) للمبردات (chillers) اذ تم تصميم منظومة ذكية (MADCRL) تتولى إدارة هذه المهام بالأضافة الى المهام الأخرى في المبنى دون تدخل الساكنين، كما اوضح الفريق العلمي بان هذه المنظومة الذكية يمكن أن تسهم إسهاما كبيراً في ما إذا ماتم اعتمادها وتطبيقها في العراق اذ يصل استرشاد (توفير) الطاقة الكهربائية لأكثر من 25% للطاقة الكهربائية المستهلكة في المباني وهذا يعود الى سببين اولا الحصول على اعلى قيمة لـ COP وثانيا ان الـ MADCRL قد احرز نتائج عالية الدقة وتم إثبات ذلك من خلال مجموعة من البراهين والوقائع العلمية الموضحة في البحث وهو الأمر الذي ساعد على نشر البحث في المجلة العلمية المتخصصة ببحوث الطاقة (Journal of Energy Storage) التابعة لدار النشر العالمية Elsevier والتي لها السايت سكور (CiteScore) 10.3 ومعامل التأثير (Impact factor) 9.4 وهي من المجلات المسجلة في قاعدة البيانات العالمية سكوباس وكلارفيت.
ولتفاصيل أكثر يمكن الأطلاع على البحث عبر الرابط المرفق في أدنّاه :
https://doi.org/10.1016/j.est.2024.112140
ويمكن الحصول على النسخة المجانية من البحث عن طريق الطلب من الرابط أدنّاه:
https://www.researchgate.net/publication/380979542_Optimal_shifting_of_peak_load_in_smart_buildings_using_multiagent_deep_clustering_reinforcement_learning_in_multi-tank_chilled_water_systems?_sg%5B0%5D=coOCn7rSfHFfN4WUjjJ_iI1fkY4I9KGGQDOHsKkpMzuGgQVYr4IGnykoZV2osLu_wBDjbc3xipaFFU2jwhFXAozYEgMl5vTkZTcNxmjC.JKqIqtQebOoEset_ydgamS3VU2B8EC30Tz9MEsS213XZ-ToMERgbkwSYUfnH-XuLZzqWTzIPtYw4sWbQeUOFPQ&_tp=eyJjb250ZXh0Ijp7ImZpcnN0UGFnZSI6InB1YmxpY2F0aW9uIiwicGFnZSI6InByb2ZpbGUiLCJwcmV2aW91c1BhZ2UiOiJwcm9maWxlIiwicG9zaXRpb24iOiJwYWdlQ29udGVudCJ9fQ
