تصور کنید یک مرکز داده عظیم یا یک مزرعه خورشیدی ساختهاید، اما سالها باید منتظر بمانید تا اجازه پیدا کنید برق آن را به شبکه وصل کنید. در حالی که گذار جهانی به سمت انرژیهای پایدار و رشد انفجاری هوش مصنوعی در حال شتاب گرفتن است، این دو جریان در یک نقطه شکست بحرانی با هم برخورد میکنند: شبکه برق. این بنبست سیستمی که «صف انتظار اتصال» (Interconnection Queue) نام دارد، اکنون به بزرگترین مانع پیش روی انقلاب انرژی و رشد هوش مصنوعی تبدیل شده است.
به گزارش منابع صنعتی، توسعهدهندگان مراکز دادههای تشنهی انرژی، سیستمهای ذخیرهساز باتری، مزارع بادی و نیروگاههای خورشیدی عظیم هنگام تلاش برای اتصال به شبکه برق، با یک گلوگاه سیستمی مواجه میشوند. این فرآیند که بهطور سنتی با دادههای پراکنده، مطالعات مهندسی دستی و تأییدیههای طولانی شرکتهای برق شناخته میشود، به مانعی اصلی برای گذار انرژی تبدیل شده است. برای تغییر این وضعیت، تام نودل (Tom Nudell)، مدیرعامل و همبنیانگذار Piq Energy، از ترکیبی منحصربهفرد از فیزیک نظری، یادگیری ماشین و مهندسی عملی در مقیاس شبکه استفاده میکند تا این وضعیت موجود را به چالش بکشد.
نودل یک مهندس سیستمهای قدرت و مدیر فناوری است که مسیر حرفهای او ریشه در کاوشهای عمیق آکادمیک و تخصصی در زمینه حرکت الکتریسیته و مدیریت زیرساختها دارد. او پیش از تأسیس Piq، حدود هفت سال در شرکت Smart Wires فعالیت داشت و در آنجا تا جایگاه مدیر تحلیلهای محصول و راهکار ارتقا یافت. در این مدت، او تیمهای بینرشتهای متشکل از تحلیلگران، مهندسان نرمافزار و مهندسان برنامهریزی انتقال را رهبری میکرد. کار او بر روی سیستمهای تحلیلی خودکار و مطالعات پیشرفته برنامهریزی شبکه، به او دیدگاهی مستقیم و نزدیک نسبت به ناکارآمدیهای جریانهای کاری فعلی داد.
پیش از تجربه در Smart Wires، نودل پژوهشهای سختگیرانهای را به عنوان پژوهشگر پسادکترا در MIT انجام داد. تمرکز او در MIT بر روی کنترل تراکنشی (Transactive Control)، مدیریت انرژی میکروگریدها و تابآوری در سیستمهای انرژی متصل بود. پیش از آن، در دانشگاه ایالتی کارولینای شمالی، نودل مرزهای شناسایی اختلالات در شبکههای برق مقیاسبزرگ را با استفاده از بهینهسازی، تئوری کنترل، یادگیری ماشین مبتنی بر فیزیک و اندازهگیریهای بلادرنگ (Real-time) جابهجا کرد.
Piq Energy صرفاً یک نرمافزار نیست، بلکه تلاشی برای مدرنسازی بنیادهای ارزیابی و ادغام پروژههای انرژی است. پلتفرم این شرکت برای شتاب بخشیدن به اتصال پروژههای جدید انرژی و بارهای عظیم برق به شبکه طراحی شده است. این کار از طریق توانمندسازی توسعهدهندگان و شرکتهای برق برای انتقال مطالعات پیچیده شبکه به داخل سازمان (In-house) انجام میشود. در گذشته، این مطالعات — که تعیین میکنند آیا شبکه میتواند تزریق برق جدید را بدون فروپاشی یا گرم شدن بیش از حد تحمل کند یا خیر — منحصراً در اختیار مهندسان شرکتهای برق یا مشاوران گرانقیمت شخص ثالث بود.
این ساختار باعث ایجاد اثر «جعبه سیاه» شده بود؛ جایی که توسعهدهندگان پروژهای را ارسال میکردند و ماهها یا حتی سالها منتظر پاسخ میماندند، تا در نهایت به آنها گفته شود که نقطه اتصال انتخابیشان غیرقابل استفاده است. این اتفاق آنها را مجبور میکرد تا کل فرآیند را از صفر شروع کنند. Piq Energy این پویایی را با خودکارسازی جریانهای کاری مهندسی تغییر میدهد و به توسعهدهندگان اجازه میدهد نقاط اتصال بالقوه را ارزیابی کرده و سناریوهای متعدد پروژه را بهسرعت تست کنند. با انتقال قدرت تحلیلی از دفاتر پشتیبانی شرکتهای برق به انگشتان توسعهدهندگان، Piq چرخه تکراری «ارسال و انتظار» را کاهش داده و اجازه میدهد فرآیند برنامهریزی تعاملیتر و کارآمدتر شود.
هسته نوآوری Piq در توسعه یک پلتفرم برنامهریزی عاملمحور (Agentic) نهفته است. در بافت هوش مصنوعی، یک سیستم عاملمحور سیستمی است که فقط به پرامپتها پاسخ نمیدهد، بلکه میتواند بهطور مستقل جریانهای کاری پیچیده را برای دستیابی به یک هدف خاص اجرا کند. این رویکرد مشابه مدلهای پیشرفتهای است که در بهینهسازی لایههای سختافزاری و کاهش تأخیر در موتورهای استنتاجی به کار میروند تا کارایی سیستم را به حداکثر برسانند. Piq در حال ترکیب مدلهای سیستم قدرت، مجموعهدادههای عظیم، ابزارهای مهندسی سنتی و جریانهای کاری مبتنی بر AI در یک محیط واحد است. این امر به نرمافزار اجازه میدهد تا مانند یک «مهندس دیجیتال» عمل کند و در پیچیدگیهای مدلهای شبکه انتقال برای یافتن بهینهترین مسیر برای یک پروژه جدید پیمایش کند.
کاربردهای این فناوری بسیار گسترده است و از تأسیسات خورشیدی و بادی گرفته تا سیستمهای ذخیرهساز انرژی باتری (BESS) و تقاضای رو به رشد مراکز داده هوش مصنوعی را شامل میشود. مراکز داده بهطور خاص چالش جدیدی برای شبکه ایجاد میکنند؛ برخلاف یک مزرعه خورشیدی که ممکن است برق را بهصورت متناوب تزریق کند، یک مرکز داده یک بار (Load) عظیم و ثابت است که میتواند ظرفیت انتقال محلی را به گونهای تحت فشار قرار دهد که شبکه در ابتدا برای مدیریت آن طراحی نشده بود. فناوری Piq به برنامهریزان اجازه میدهد این بارها را با دقت بالا شبیهسازی کنند و تضمین کنند که شبکه در حین پذیرش رشد اقتصاد دیجیتال، پایدار میماند.
مقیاس تأثیر Piq در حال حاضر مشهود است. این شرکت گزارش میدهد که فناوریاش بیش از ۱۰۰۰ مدل شبکه انتقال را مدیریت کرده و برای تکمیل بیش از ۱۰,۰۰۰ جریان کاری مهندسی مورد استفاده قرار گرفته است. این اعداد نشاندهنده تغییری قابلتوجه در نحوه تحلیل ظرفیت شبکه است. Piq با دیجیتالی کردن دانشی که پیش از این تنها در ذهن چند مهندس ارشد یا در گزارشهای PDF ایستا بود، در حال خلق یک نقشه زنده و پویا از قابلیتهای شبکه است. این دموکراتیزه کردن دادهها ضروری است، زیرا گذار انرژی دیگر تنها درباره ساخت پنلها یا توربینهای بهتر نیست، بلکه درباره «لولهکشی» سیستم انرژی است. بدون روشی مدرن برای برنامهریزی و اجرای اتصالات، پیشرفتهترین فناوریهای تجدیدپذیر جهان معلق خواهند ماند و قادر نخواهند بود الکترونهای خود را به افرادی که به آنها نیاز دارند برسانند.
چشمانداز نودل برای Piq Energy عمیقاً با مفهوم یادگیری ماشین مبتنی بر فیزیک (Physics-informed Machine Learning) گره خورده است. در حالی که AI سنتی اغلب بر شناسایی الگوها از دادهها متکی است، سیستمهای قدرت توسط قوانین تغییرناپذیر فیزیک — مانند قوانین کیرشهف، قانون اهم و دینامیک جریان متناوب (AC) — اداره میشوند. یک AI صرفاً دادهمحور ممکن است راهکاری پیشنهاد دهد که از نظر آماری محتمل باشد اما از نظر فیزیکی غیرممکن یا خطرناک باشد. Piq با ادغام فیزیک در مدلهای یادگیری ماشین، تضمین میکند که جریانهای کاری مبتنی بر AI آن در واقعیت مهندسی برق ریشه دارند.
این رویکرد ترکیبی به پلتفرم اجازه میدهد تا «موارد خاص» (Edge Cases) برنامهریزی شبکه — یعنی حالتهای شکست نادر اما فاجعهبار — را مدیریت کند؛ مواردی که یک AI استاندارد آنها را نادیده میگیرد. این امر قابلیت اطمینانی را فراهم میکند که برای شرکتهای برق، که بهطور طبیعی ریسکگریز هستند و پایداری شبکه را بالاتر از هر چیز دیگری قرار میدهند، ضروری است. این تمرکز بر دقت در محیطهای حساس، یادآور استراتژیهایی است که عاملهای هوش مصنوعی در بخشهای رگولاتوری مانند امور بانکی برای کاهش خطا و افزایش قابلیت اطمینان به کار میبرند.
علاوه بر این، تغییر به سمت منابع انرژی غیرمتمرکز (DERs) لایه دیگری از پیچیدگی را اضافه میکند. با ورود بیشتر پنلهای خورشیدی پشتبام، باتریهای خانگی و خودروهای برقی به سیستم، شبکه از یک خیابان یکطرفه (از نیروگاه به مصرفکننده) به یک وب چندجهتی تبدیل میشود. این گذار نیازمند سطحی از چابکی تحلیلی است که برنامهریزی دستی بهسادگی نمیتواند ارائه دهد. پلتفرم Piq برای مدیریت این پیچیدگی طراحی شده و اجازه شبیهسازی داراییهای توزیعشده و اثر تجمعی آنها بر شبکه انتقال را میدهد. این موضوع برای توسعه میکروگریدها و اجرای کنترل تراکنشی، جایی که انرژی بهصورت محلی برای کاهش فشار بر شبکه اصلی معامله میشود — موضوعی که نودل در دوران حضورش در MIT بهطور گسترده بررسی کرد — حیاتی است.
در نگاه به آینده، چالش Piq Energy و کل صنعت، تنها فنی نیست، بلکه رگولاتوری (قانونگذاری) است. قوانینی که نحوه مدیریت صفهای اتصال توسط شرکتهای برق را تعیین میکنند، اغلب قدیمی هستند و برای دنیایی با نیروگاههای متمرکز زغالسنگ و گاز طراحی شدهاند. با این حال، با افزایش فوریت بحران اقلیمی و تقاضا برای محاسبات هوش مصنوعی، فشار سیاسی و اقتصادی برای سادهسازی این فرآیندها در حال افزایش است. Piq خود را به عنوان پل فنی معرفی میکند که این تغییر رگولاتوری را ممکن میسازد. آنها با ارائه روشی شفاف، قابل تأیید و خودکار برای انجام مطالعات شبکه، به رگولاتورها اعتماد میدهند تا بدون به خطر انداختن ایمنی، سرعت تأییدیهها را افزایش دهند.
در نتیجه، مسیر شغلی تام نودل — از اعماق تئوریک MIT و دانشگاه ایالتی کارولینای شمالی تا کاربرد عملی تحلیلهای شبکه در Smart Wires — به سرمایهگذاریای منجر شده است که یکی از مبرمترین گلوگاههای قرن بیست و یکم را هدف قرار میدهد. Piq Energy تنها در حال ساخت نرمافزار نیست، بلکه در حال ساخت زیرساخت دیجیتالی است که زیرساختهای فیزیکی آینده را ممکن میسازد. با ترکیب دقت مهندسی سیستمهای قدرت با کارایی AI عاملمحور، Piq فرآیند اتصال به شبکه را از یک عذاب چندساله به یک جریان کاری مهندسی بهینه تبدیل میکند. در حالی که جهان به الکتریکی شدن ادامه میدهد، توانایی ادغام سریع و ایمن منابع و بارهای جدید انرژی، عامل تعیینکننده در موفقیت یا توقف گذار انرژی خواهد بود. از طریق رهبری نودل و نوآوری پلتفرم Piq، مسیر رسیدن به یک شبکه برق تابآورتر، منعطفتر و پایدارتر، روشنتر و سریعتر شده است.
گام بعدی شما
- اگر در حوزه توسعه زیرساختهای انرژی یا مراکز داده فعال هستید، مدلهای شبیهسازی عاملمحور را جایگزین مطالعات استاتیک کنید.
- روی ابزارهای یادگیری ماشین مبتنی بر فیزیک سرمایهگذاری کنید تا از توهمات مدلهای صرفاً دادهمحور در محیطهای صنعتی جلوگیری شود.
- تغییرات رگولاتوری در مدیریت صفهای اتصال برق را دنبال کنید، زیرا این نقطه تعیینکننده سرعت استقرار پروژههای شماست.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell و نیاز انرژی آنها مراجعه کنید.
گفتگو