التحق بالجامعة
الانتقال إلى الجامعة
انضم إلينا
وظائف أعضاء هيئة التدريس
رؤيتنا
المجلة العلمية
KAUST and the Saudi Electricity Company joined together in a recent collaboration to reduce non-technical losses in the Saudi power sector each year.
أعلنت الشركة السعودية للكهرباء تعاونها مع جامعة الملك عبدالله للعلوم والتقنية (كاوست)، للتقليل من الهدر غير التقني في قطاع الطاقة الكهربائية، وحفظ الملايين من العوائد المفقودة سنوياً.
وأوضحت "السعودية للكهرباء"، أن التعاون مع كاوست بدأ في العام 2018م، حيث تم التعاون مع مختبر التصوير العلمي في الجامعة، من أجل التقليل من الفقد الناجم عن الاحتيال والهدر وسوء الاستخدام، في قطاع الطاقة الكهربائية السعودي، باستخدام أدوات التعلم الآلي والتصوير العلمي. وأشارت إلى أن حاضنة طاقة الابتكار ومشروع "ديستريمود" الابتكاري المحتضن مثْلَا الشركة في هذا التعاون، الذي يستهدف الجوانب التي قد يحدث الهدر فيها.
وعادة ما يشار إلى الخسائر الناجمة عن الاحتيال والهدر وسوء الاستخدام، على أنها "فقد غير تقني،" وذلك في مقابل الفقد التقني الناتج عن عمليات توليد الكهرباء، ونقلها وتوزيعها عبر الشبكات. علماً أن الفقد غير التقني في قطاع الطاقة السعودي، يزيد عن نظرائه في بلدان عدة في أوروبا وأميركا الشمالية، ويترتب عنها قدر كبير من العوائد المفقودة.
وقال خالد الدوسري، مدير حاضنة طاقة الابتكار في "السعودية للكهرباء": "قدر محللونا قيمة العوائد المفقودة، التي قد تستعيدها الشركة من خلال التعاون مع مختبر التصوير العلمي، بـ 73 مليون ريال سعودي على الأقل، بعد تصحيح الانحرافات المسجلة على القواطع الكهربائية، التي حددتها نماذج التعلم الآلي".
الدكتور ديفيد بيو، أحد علماء المختبر في جامعة الملك عبدالله للعلوم والتقنية (كاوست)
ويذكر أن محللي الشركة وقيادييها اجتمعوا مع علماء المختبر في ربيع 2019، لمناقشة النتائج الأولية لنماذج التعلم الآلي وتطوير أسئلة بحثية أكثر دقة للمزيد من التعاون.
وأضاف: "باستخدام نماذج التعلم الآلي كدليل، طور مشروع (ديستريمود) برنامجاً ريادياً للتحقق من تنبؤات نماذج التعلم الآلي، وبدأت فرق الشركة الميدانية بفحص اشتراكات المشتركين، الذين تعرفت عليهم النماذج، باعتبار أنماط استهلاكهم شاذة".
وقال يزيد الدليجان، قائد مشروع ديستريمود: "لقد تمكنا من التحقق من تنبؤات النماذج من خلال مقارنتها مع ما وجدناه على أرض الواقع في فحوصاتنا الميدانية. وتبين نجاح نماذج كاوست للتعلم الآلي، في التعرف على أنماط الاستهلاك الشاذة بنسبة 70 في المئة، مقارنة بنسبة نجاح بلغت ثلاثة في المئة فقط، من خلال الفحص العشوائي للمشتركين".
