Deep Learning ຊ່ວຍປັບປຸງປະສິດທິພາບພະລັງງານໄຟຟ້ານ້ຳຕົກແນວໃດ

ປະເທດລາວຂອງພວກເຮົາໄດ້ຮັບສະຫຍານາມວ່າເປັນ “ໝໍ້ໄຟຂອງອາຊຽນ” (Battery of ASEAN) ຍ້ອນຄວາມອຸດົມສົມບູນຂອງຊັບພະຍາກອນນໍ້າ ແລະ ການພັດທະນາໂຄງການເຂື່ອນໄຟຟ້ານ້ຳຕົກຫຼາຍແຫ່ງ. ພະລັງງານໄຟຟ້າແມ່ນໜຶ່ງໃນສິນຄ້າສົ່ງອອກຫຼັກທີ່ສຳຄັນທີ່ສຸດຂອງປະເທດ. ແຕ່ທ່ານເຄີຍສົງໄສບໍ່ວ່າ ຜູ້ບໍລິຫານເຂື່ອນເຊັ່ນ: ເຂື່ອນນ້ຳງື່ມ ຫຼື ເຂື່ອນໄຊຍະບູລີ ຮູ້ໄດ້ແນວໃດວ່າເວລາໃດຄວນປ່ອຍນ້ຳ ຫຼື ເວລາໃດຄວນກັກເກັບນ້ຳໄວ້ໃຫ້ພຽງພໍສຳລັບລະດູແລ້ງ?

ໄລຍະຜ່ານມາ, ການຕັດສິນໃຈເຫຼົ່ານີ້ແມ່ນອາໄສປະສົບການຂອງວິສະວະກອນ ແລະ ສູດຄິດໄລ່ແບບດັ້ງເດີມໂດຍອີງໃສ່ສະຖິຕິເກົ່າ. ແຕ່ໃນຍຸກທີ່ສະພາບອາກາດມີການປ່ຽນແປງ (Climate Change), ລະດູຝົນອາດຈະມາຊ້າ ຫຼື ຝົນຕົກໜັກຜິດປົກກະຕິ. ນີ້ຄືຈຸດທີ່ເຕັກໂນໂລຊີ Deep Learning (DL) ກ້າວເຂົ້າມາຊ່ວຍປ່ຽນແປງວິທີການບໍລິຫານຈັດການພະລັງງານນໍ້າໃຫ້ມີຄວາມສະຫຼາດ ແລະ ຊັດເຈນຍິ່ງຂຶ້ນ.

Deep Learning (ການຮຽນຮູ້ເລິກເຊິ່ງ) ແມ່ນຫຍັງ?

ສຳລັບຜູ້ທີ່ຍັງໃໝ່ກັບວົງການນີ້, ຂໍໃຫ້ຈິນຕະນາການວ່າ ປັນຍາປະດິດ ຫຼື AI (Artificial Intelligence) ແມ່ນຄັນຮົ່ມໃຫຍ່ທີ່ກວມເອົາເຕັກໂນໂລຊີທີ່ເຮັດໃຫ້ຄອມພິວເຕີມີຄວາມສະຫຼາດ. ພາຍໃຕ້ຄັນຮົ່ມນັ້ນ ມີສາຂາຍ່ອຍທີ່ເອີ້ນວ່າ Machine Learning (ການສອນໃຫ້ຄອມພິວເຕີຮຽນຮູ້ຈາກຂໍ້ມູນ), ແລະ ຍ່ອຍລົງໄປອີກກໍຄື Deep Learning (DL).

Deep Learning ຖືກອອກແບບມາເພື່ອເຮັດວຽກຮຽນແບບ “ເຄືອຂ່າຍເສັ້ນປະສາດໃນສະໝອງຂອງມະນຸດ” (Neural Networks). ມັນສາມາດປະມວນຜົນຂໍ້ມູນຈຳນວນມະຫາສານທີ່ຊັບຊ້ອນໄດ້ດ້ວຍຕົວມັນເອງ. ປຽບທຽບໃຫ້ເຫັນພາບງ່າຍໆ: ມັນຄືກັບການມີວິສະວະກອນອາວຸໂສທີ່ຈື່ຈຳສະຖິຕິປະລິມານນ້ຳຝົນ, ລະດັບນ້ຳຂອງ, ແລະ ອຸນຫະພູມທັງໝົດໃນຮອບ 50 ປີຍ້ອນຫຼັງ ແລ້ວສາມາດຄິດໄລ່ຫາຮູບແບບທີ່ອາດຈະເກີດຂຶ້ນໃນອະນາຄົດໄດ້ພາຍໃນເວລາພຽງບໍ່ເທົ່າໃດວິນາທີ.

ບົດບາດຂອງ Deep Learning ໃນການບໍລິຫານເຂື່ອນໄຟຟ້າ

ການນຳເອົາ Deep Learning ມາໃຊ້ໃນອຸດສາຫະກຳພະລັງງານນ້ຳມີຫຼາຍຮູບແບບທີ່ໜ້າສົນໃຈ ແລະ ມີຜົນກະທົບໂດຍກົງຕໍ່ເສດຖະກິດດັ່ງນີ້:

1. ການພະຍາກອນປະລິມານນ້ຳໄຫຼເຂົ້າເຂື່ອນທີ່ແມ່ນຢຳ (Inflow Forecasting)

ການຜະລິດໄຟຟ້າຕ້ອງອາໄສນ້ຳ, ແຕ່ປະລິມານນ້ຳຝົນໃນແຕ່ລະປີແມ່ນບໍ່ຄືກັນ. ຖ້າເກັບນ້ຳໄວ້ໜ້ອຍໂພດ ອາດຈະບໍ່ມີນ້ຳພໍປັ່ນໄຟໃນຍາມແລ້ງ; ແຕ່ຖ້າເກັບໄວ້ຫຼາຍໂພດ ກໍອາດສ່ຽງຕໍ່ນ້ຳລົ້ນເຂື່ອນໃນຍາມຝົນຕົກໜັກ.

Deep Learning ຊ່ວຍແກ້ບັນຫານີ້ ໂດຍການດຶງເອົາຂໍ້ມູນຈາກຫຼາກຫຼາຍແຫຼ່ງມາລວມກັນ ເຊັ່ນ:

• ຮູບພາບຈາກດາວທຽມສະພາບອາກາດ
• ລະດັບຄວາມຊຸ່ມຊື່ນຂອງດິນໃນປ່າສະຫງວນແຫ່ງຊາດ
• ປະລິມານນ້ຳຈາກແມ່ນ້ຳສາຂາທີ່ຊຶມລົງສູ່ອ່າງເກັບນ້ຳ

ລະບົບຈະຮຽນຮູ້ ແລະ ບອກໄດ້ລ່ວງໜ້າວ່າ ອີກ 7 ມື້ ຫຼື ໜຶ່ງເດືອນຂ້າງໜ້າ ຈະມີນ້ຳໄຫຼເຂົ້າເຂື່ອນເທົ່າໃດ ເພື່ອໃຫ້ຜູ້ບໍລິຫານເຂື່ອນສາມາດວາງແຜນປ່ອຍນ້ຳ ຫຼື ຜະລິດໄຟຟ້າໄດ້ຢ່າງເໝາະສົມທີ່ສຸດ.

2. ການຮັບຮູ້ບັນຫາລ່ວງໜ້າເພື່ອບຳລຸງຮັກສາ (Predictive Maintenance)

ເຄື່ອງປັ່ນໄຟ (Turbine) ຂະໜາດຍັກໃນເຂື່ອນ ຕ້ອງເຮັດວຽກຕະຫຼອດ 24 ຊົ່ວໂມງ. ຖ້າມີເຄື່ອງໃດໜຶ່ງເເພ ແລະ ຕ້ອງຢຸດເຮັດວຽກກະທັນຫັນ, ມັນອາດໝາຍເຖິງການສູນເສຍລາຍຮັບຫຼາຍລ້ານມູນຄ່າ.

ແທນທີ່ຈະລໍຖ້າໃຫ້ເຄື່ອງເພກ່ອນແລ້ວຈຶ່ງແປງ, ລະບົບ Deep Learning ສາມາດ “ຟັງ” ແລະ “ສັງເກດ” ການເຮັດວຽກຂອງເຄື່ອງຈັກໄດ້. ໂດຍອາໄສເຊັນເຊີທີ່ຕິດຢູ່ກັບເຄື່ອງປັ່ນໄຟ, ຮູບແບບການສັ່ນສະເທືອນທີ່ຜິດປົກກະຕິ ຫຼື ສຽງທີ່ປ່ຽນແປງໄປພຽງເລັກນ້ອຍ (ຊຶ່ງຫູຄົນເຮົາບໍ່ສາມາດແຍກແຍະໄດ້), ລະບົບ DL ຈະເຕືອນທັນທີວ່າ: “ລູກປືນໃນເຄື່ອງປັ່ນໄຟໜ່ວຍທີ 3 ໃກ້ຈະເສື່ອມສະພາບແລ້ວ, ຄວນເຂົ້າໄປກວດສອບພາຍໃນອາທິດໜ້າ.” ນີ້ເອີ້ນວ່າ ການບຳລຸງຮັກສາແບບຄາດການລ່ວງໜ້າ ເຊິ່ງຊ່ວຍປະຢັດຕົ້ນທຶນການສ້ອມແປງໄດ້ຢ່າງມະຫາສານ.

3. ການປັບປຸງຍອດການຜະລິດພະລັງງານໃຫ້ສູງສຸດ (Maximizing Output)

ການຜະລິດໄຟຟ້າຂາຍໃຫ້ປະເທດເພື່ອນບ້ານ ມີເງື່ອນໄຂເລື່ອງສັນຍາຊື້ຂາຍ ແລະ ລາຄາແຕກຕ່າງກັນໃນແຕ່ລະຊ່ວງເວລາຂອງວັນ. ລະບົບ AI ສາມາດວິເຄາະໄດ້ວ່າ ຄວນປ່ອຍນ້ຳປັ່ນໄຟໃນຊ່ວງເວລາໃດຈຶ່ງຈະໄດ້ລາຄາດີທີ່ສຸດ ບວກກັບການປະເມີນປະລິມານນ້ຳທີ່ເຫຼືອຢູ່ ເພື່ອໃຫ້ເກີດລາຍຮັບສູງສະໝ່ຳສະເໝີ ໂດຍບໍ່ກະທົບຕໍ່ລະດັບນ້ຳທີ່ຢູ່ໃຕ້ເຂື່ອນ (Downstream) ເພື່ອປົກປັກຮັກສາສິ່ງແວດລ້ອມ ແລະ ຊີວິດການເປັນຢູ່ຂອງປະຊາຊົນລຽບຕາມແຄມແມ່ນ້ຳ.

ຈຸດສຳຄັນທີ່ຄວນຈື່ (Key Takeaways)

• Deep Learning (DL): ເປັນເຕັກໂນໂລຊີຍ່ອຍຂອງ AI ທີ່ຮຽນແບບການເຮັດວຽກຂອງສະໝອງຄົນ ສາມາດປະມວນຜົນຂໍ້ມູນຊັບຊ້ອນໄດ້ດີເລີດ.
• ການວາງແຜນແບບອັດສະລິຍະ: DL ຊ່ວຍວິເຄາະສະພາບອາກາດ ແລະ ປະລິມານນ້ຳ ເຮັດໃຫ້ເຂື່ອນໃນປະເທດລາວສາມາດວາງແຜນກັກເກັບ ຫຼື ປ່ອຍນ້ຳໄດ້ຢ່າງຊັດເຈນ ກຽມພ້ອມຮັບມືກັບໄພແລ້ງ ຫຼື ນ້ຳຖ້ວມກະທັນຫັນ.
• ແກ້ໄຂກ່ອນເພ: ຊ່ວຍວິເຄາະ ແລະ ແຈ້ງເຕືອນລ່ວງໜ້າເມື່ອເຄື່ອງຈັກພາຍໃນເຂື່ອນເລີ່ມມີອາການຜິດປົກກະຕິ ຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍ ແລະ ເວລາໃນການສ້ອມແປງ.
• ເສດຖະກິດຍືນຍົງ: ເມື່ອການຜະລິດໄຟຟ້າມີປະສິດທິພາບ ຮູ້ຈັກຈັດສັນນໍ້າຢ່າງຖືກຕ້ອງ ມັນກໍ່ສົ່ງຜົນດີຕໍ່ລາຍຮັບຂອງປະເທດ ແລະ ຊ່ວຍຮັກສາຄວາມສົມດຸນຂອງທຳມະຊາດໄດ້ດີຂຶ້ນ.

ບົດສະຫຼຸບ

ໃນຂະນະທີ່ປະເທດລາວຍັງສືບຕໍ່ສົ່ງເສີມທ່າແຮງດ້ານພະລັງງານໄຟຟ້ານ້ຳຕົກ ເຕັກໂນໂລຊີລ້ຳສະໄໝຢ່າງ Deep Learning ບໍ່ແມ່ນພຽງແຕ່ເລື່ອງຂອງໜັງວິທະຍາສາດອີກຕໍ່ໄປ ແຕ່ມັນຄືເຄື່ອງມືຕົວຈິງທີ່ສາມາດເຂົ້າມາຊ່ວຍໃຫ້ການບໍລິຫານເຂື່ອນມີຄວາມປອດໄພຂຶ້ນ, ມີກຳໄລຫຼາຍຂຶ້ນ, ແລະ ເປັນມິດກັບສິ່ງແວດລ້ອມຫຼາຍຂຶ້ນ. ການປ່ຽນຜ່ານຈາກການຄາດເດົາແບບເດີມໆ ມາສູ່ການຕັດສິນໃຈໂດຍອີງໃສ່ຂໍ້ມູນຂະໜາດໃຫຍ່ (Data-driven) ຈະເປັນກຸນແຈສຳຄັນໃນການຮັກສາສະຖານະພາບ “ໝໍ້ໄຟຂອງອາຊຽນ” ໃຫ້ຍືນຍົງຕໍ່ໄປໃນອະນາຄົດ.