شبكات ذكية بالذكاء الاصطناعي: دروس من اسكتلندا لعُمان

استثمار واحد بقيمة 12 مليار جنيه إسترليني (نحو 15.84 مليار دولار) لتحديث شبكة الكهرباء في وسط وجنوب اسكتلندا خلال خمس سنوات ليس خبرًا “تقنيًا” فقط—بل رسالة واضحة: من دون شبكة حديثة ومرنة، لا توجد طاقة نظيفة مستقرة ولا كهربة واسعة للاقتصاد. هذا بالضبط ما أعلنت عنه ScottishPower (ذراع Iberdrola في المملكة المتحدة) في 02/04/2026، مع خطة تشمل 12 محطة تحويل رئيسية جديدة وترقية أو استبدال أكثر من 570 كم من الخطوط، وخلق 1,400 وظيفة مباشرة ودعم أكثر من 11,000 وظيفة في سلاسل الإمداد.

لكن الجزء الذي يهمّنا في عُمان—ضمن سلسلة “كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان”—هو ما وراء الأرقام: لماذا أصبحت تحديثات الشبكات اليوم مرتبطة بالذكاء الاصطناعي بقدر ارتباطها بالخرسانة والنحاس؟ لأن التحدّي الحقيقي لم يعد “بناء الشبكة”، بل تشغيلها بذكاء: تقليل اختناقات النقل، دمج الطاقة المتجددة، رفع الاعتمادية، وتخفيض كلفة القيود (Constraint Costs) التي تدفعها الأنظمة عندما لا تستطيع نقل الكهرباء من حيث تُنتج إلى حيث تُستهلك.

الواقع؟ كثير من المؤسسات تتعامل مع الشبكة وكأنها مشروع هندسي فقط. بينما الشبكة الحديثة هي مشروع بيانات + تشغيل + أصول. والذكاء الاصطناعي هو الحلقة التي تربطها.

لماذا تُنفق اسكتلندا 16 مليار دولار على الشبكة؟ وما علاقة ذلك بالذكاء الاصطناعي؟

السبب المباشر: البنية التحتية الكهربائية المتقادمة لا تتحمل التحول نحو اقتصاد أكثر كهربة، ولا تستوعب الزيادة في الطاقات المتجددة وما يصاحبها من تقلبات. ScottishPower قالت إن مشروعها سيُسهم في تقليل كلفة القيود ودعم انتقال المنازل والأعمال نحو مستقبل كهربائي بالكامل.

وهنا يدخل الذكاء الاصطناعي من الباب الواسع. فكل كيلومتر خط يتم تحديثه وكل محطة تحويل جديدة تصبح “أكثر قيمة” عندما تُدار على أساس:

• تنبؤ الأحمال بدقة أعلى (Demand Forecasting)
• التشغيل الأمثل للشبكة لحظة بلحظة (Optimal Power Flow)
• إدارة قيود النقل وتقليل الاختناقات
• صيانة تنبؤية بدل الصيانة الدورية الثابتة

بمعنى آخر: الاستثمار في النحاس والمحطات يرفع السعة، لكن الاستثمار في الذكاء الاصطناعي يرفع الاستفادة من السعة ويقلل الهدر والتوقفات.

“تخفيض كلفة القيود” هدف اقتصادي قبل أن يكون بيئيًا

كلفة القيود تظهر عندما يكون لديك إنتاج كهربائي (غالبًا متجدد) لا تستطيع الشبكة تمريره، فيتم خفض الإنتاج أو إعادة توجيهه بتكاليف إضافية. هذا ليس تفصيلًا محاسبيًا؛ إنه بند يتضخم كلما زادت المشاريع المتجددة.

الذكاء الاصطناعي يساعد عبر نماذج تتنبأ مبكرًا بمناطق الاختناق، وتقترح قرارات تشغيل مثل:

• إعادة توزيع الأحمال
• التحكم الذكي في المحولات
• توجيه التخزين (BESS) للشحن/التفريغ في الوقت والمكان المناسبين

ما الذي يمكن لعُمان تعلّمه؟ الشبكة ليست منفصلة عن النفط والغاز

في عُمان، الحديث عن الذكاء الاصطناعي في النفط والغاز غالبًا يذهب مباشرة إلى الاستكشاف أو تحسين الإنتاج. وهذا مهم. لكن هناك زاوية عملية جدًا أقل صخبًا وأكثر تأثيرًا: الكهربة الصناعية وربطها بشبكة أكثر مرونة.

عندما تنتقل منشآت—من مضخات إلى ضواغط إلى بعض عمليات المعالجة—نحو الكهرباء بدل الوقود، تتغيّر معادلة التشغيل:

• ترتفع أهمية جودة الطاقة (Power Quality)
• يصبح الانقطاع أو الهبوط المفاجئ أكثر كلفة على سلامة العمليات
• تزيد الحاجة إلى التحكم المتقدم والإدارة الفورية للأحمال

وهنا يتلاقى قطاع النفط والغاز مع “الشبكة الذكية”: الذكاء الاصطناعي لا يخدم الشبكة فقط، بل يخدم استمرارية الإنتاج والسلامة وخفض الانبعاثات من خلال تشغيل أكثر كفاءة.

من تحديث الشبكات إلى تحديث طريقة التفكير

الاستثمار الاسكتلندي أعلن أيضًا عن إطار توريد استراتيجي يضم Kirby Group Engineering و18 مورّدًا من المملكة المتحدة وأيرلندا، مع إمكانية عقود تصل إلى 5.4 مليار جنيه إسترليني خلال 10 سنوات. هذا يوضح نقطة إدارية مهمّة: التحول ليس مشروعًا واحدًا. إنه برنامج متعدد السنوات يتطلب منظومة موردين، معايير، بيانات، وقياس أداء.

في عُمان، هذا يعني أن الذكاء الاصطناعي للشبكات والطاقة لا يجب أن يبدأ بـ“شراء منصة”، بل بـ:

1. توحيد مصادر البيانات (SCADA, AMI, PMU, EAM)
2. حوكمة بيانات واضحة (Data Governance)
3. حالات استخدام محددة قابلة للقياس
4. شراكات تنفيذية طويلة المدى

أين “يربح” الذكاء الاصطناعي فعليًا داخل الشبكات؟ (حالات استخدام قابلة للتطبيق)

الإجابة المباشرة: الذكاء الاصطناعي يربح عندما يحوّل التشغيل من ردّ فعل إلى تنبؤ + قرار.

1) الصيانة التنبؤية للمحطات والخطوط

بدل انتظار الأعطال أو الاعتماد على جداول ثابتة، تُستخدم نماذج تتعلم من:

• درجات الحرارة والاهتزازات
• سجلات الأعطال
• صور الطائرات المسيّرة (Drones) للخطوط والعوازل
• بيانات جودة الطاقة والتحميل

النتيجة المتوقعة: تقليل الأعطال المفاجئة، وإطالة عمر الأصول، وتوجيه فرق الصيانة إلى “المكان الصحيح أولًا”.

2) إدارة الأحمال والطلب بذكاء (Demand Response)

عندما يصبح الطلب مرنًا (خصوصًا في الصناعة)، يمكن للذكاء الاصطناعي:

• توقّع الذروة قبل حدوثها
• اقتراح تخفيضات حمل قصيرة ومحددة
• تنسيق تشغيل المولدات الاحتياطية/التخزين

بالنسبة للنفط والغاز في عُمان، هذا يُترجم إلى فرص مثل: جدولة الأحمال غير الحرجة خارج الذروة، وتحسين استهلاك الطاقة في وحدات الضخ والمعالجة.

3) دمج الطاقة المتجددة وتقليل التذبذب

التحدّي مع الشمس والرياح ليس أنها “غير مفيدة”، بل أنها متغيرة. الذكاء الاصطناعي يرفع الدقة في:

• التنبؤ بالإنتاج المتجدد (Weather-to-Power)
• تحسين قرارات التخزين
• تقليل الحاجة لهوامش تشغيلية مكلفة

ومع توسع مشاريع المتجددة في المنطقة، يصبح هذا مطلبًا تشغيليًا وليس خيارًا.

4) تقليل الفاقد وتحسين تدفق القدرة (Optimal Power Flow)

تدفق القدرة الأمثل يعني نقل الكهرباء بأقل فاقد وبأعلى اعتمادية مع احترام القيود. نماذج التعلم الآلي مع خوارزميات التحسين تساعد على:

• اقتراح إعدادات محولات ومكثفات
• إعادة توزيع الأحمال بين المغذيات
• تخفيف اختناقات معروفة قبل أن تتحول لأزمة

جملة قابلة للاقتباس: الشبكة الحديثة لا تحتاج سعة أكبر فقط؛ تحتاج قرارات أسرع وأدق.

خارطة طريق عملية لعُمان: كيف نبدأ دون تعقيد زائد؟

الخطأ الشائع هو محاولة بناء “شبكة ذكية كاملة” دفعة واحدة. الأفضل هو البدء بما يثبت العائد ثم التوسع.

الخطوة 1: اختر 3 مؤشرات أداء تُدار بالبيانات

أقترح مؤشرات واضحة تُفهم من التشغيل والإدارة:

• معدل الانقطاعات ومدة الانقطاع (SAIDI/SAIFI على مستوى مناسب)
• كلفة القيود/الاختناقات حيثما تنطبق
• توافر الأصول الحرجة (محولات رئيسية، قواطع، خطوط)

الخطوة 2: ابدأ بحالتين استخدام “سريعتين”

• صيانة تنبؤية لمحطات/محولات مختارة
• تنبؤ أحمال على مستوى مناطق/مغذيات مع توصيات تشغيل

خلال 12–16 أسبوعًا يمكن بناء نموذج أولي إذا كانت البيانات الأساسية متاحة.

الخطوة 3: اعمل على طبقة البيانات قبل طبقة الذكاء

إذا كانت البيانات غير موثوقة، سيصبح الذكاء الاصطناعي “آلة لإنتاج أخطاء بسرعة”. ما يلزم:

• قاموس بيانات موحد
• تنظيف البيانات والربط بين الأنظمة
• سياسة صلاحيات ووصول (خصوصًا للأصول الحرجة)

الخطوة 4: دمج الأمن السيبراني منذ اليوم الأول

الشبكات الذكية تعني نقاط اتصال أكثر. هذا يزيد سطح الهجوم. لذلك يجب التعامل مع الأمن السيبراني كجزء من التصميم وليس ملحقًا لاحقًا.

لماذا هذا مهم لقادة الطاقة في عُمان الآن (02/04/2026)؟

عام 2026 يشهد تسارعًا عالميًا في تحديث الشبكات لأن الطلب يتغير: كهربة، مراكز بيانات، وشحن مركبات، إلى جانب توسع المتجددة. المثال الاسكتلندي يوضح أن الدول والشركات لا تنتظر “اكتمال التحول” كي تبدأ؛ هي تُحدّث البنية وتُحدّث طريقة التشغيل بالتوازي.

ومن تجربتي في مشاريع التحول الرقمي، أفضل النتائج تتحقق عندما نعامل الذكاء الاصطناعي كقدرة تشغيلية مستمرة، لا كمنتج نشتريه. في قطاع النفط والغاز بعُمان، هذا يعني ربط مبادرات الذكاء الاصطناعي ليس فقط بالإنتاج، بل أيضًا بـ:

• إدارة الطاقة داخل المواقع الصناعية
• تحسين الاعتمادية والسلامة التشغيلية
• خفض الانبعاثات عبر الكفاءة والكهربة

أسئلة شائعة يطرحها التنفيذيون قبل اعتماد الذكاء الاصطناعي للشبكات

هل نحتاج عدادات ذكية للجميع كي نبدأ؟

لا. يمكن البدء ببيانات SCADA وبيانات الأصول وقياسات فرعية في مواقع محددة، ثم التوسع تدريجيًا.

هل الذكاء الاصطناعي بديل للمهندسين؟

لا. القيمة تأتي عندما يدعم قرارات المهندسين بتنبؤات وتوصيات قابلة للتفسير، مع بقاء القرار والمسؤولية داخل التشغيل.

أين العائد الأسرع؟

غالبًا في الصيانة التنبؤية للأصول الحرجة وتقليل الانقطاعات، ثم في إدارة الأحمال وتقليل الاختناقات.

الخطوة التالية: من “مشروع شبكة” إلى “برنامج ذكاء تشغيلي”

ما فعلته Iberdrola/ScottishPower يثبت أن تحديث الشبكة أصبح استثمارًا وطنيًا ضخمًا—وظائف، توريد، وتنافسية اقتصادية—قبل أن يكون مجرد ترقية فنية. بالنسبة لعُمان، الدرس الأهم هو أن الذكاء الاصطناعي هو ما يجعل هذا الاستثمار مستدام الأثر: تشغيل أدق، توقفات أقل، ودمج أسلس للمتجددة مع متطلبات الصناعة.

إذا كنت تقود مبادرة في الطاقة أو النفط والغاز، اسأل فريقك سؤالًا واحدًا هذا الأسبوع: أي قرار تشغيلي نأخذه يوميًا يمكن أن يصبح “تنبؤًا + توصية” خلال 90 يومًا؟ عندما تجد الإجابة، ستعرف من أين تبدأ.