مقدمة

في ظل التحول المتسارع نحو الطاقة النظيفة، أصبحت الطاقة الشمسية أحد أعمدة التكنولوجيا الأساسية بالنسبة للمرافق وشركات التطوير في جميع أنحاء العالم، لكن مع انتشار استخدام الطاقة الشمسية، برز تحدٍ رئيسي وهو التقلب في الإنتاج، حيث يمكن أن يتغير إنتاج الطاقة بشكل كبير نتيجة تغيرات في الغطاء السحابي وزاوية سقوط أشعة الشمس والظروف البيئية المحيطة^[1].

في هذا المشهد المتطور^[A1] ، دقة التنبؤ بإنتاج الطاقة الشمسية لم تعد مجرد ميزة إضافية، بل أصبحت ضرورة حتمية، فهي تؤثر بشكل مباشر على استقرار الشبكة الكهربائية والقدرة على المشاركة في الأسواق والتخطيط التشغيلي، وكذلك على الجدوى المالية لمشروعات الطاقة الشمسية ^[2].

أجرَت شركة أرض لهذا السبب تحليلًا داخليًا شاملًا لقياس كفاءة نموذجها الخاص بالتنبؤ بإنتاج الطاقة الشمسية كما قارنته بأحد أبرز النماذج المنافسة، وجاءت النتيجة بأن أظهر نموذج أرض أداءً أفضل باستمرار مع معدلات خطأ أقل ودقة تنبؤية أعلى، وذلك تحت مجموعة متنوعة من الظروف التي خضعت للاختبار.

سنستعرض تلك النتائج في هذه المقالة ونوضح ما تم اختباره تحديدًا، كما سنناقش دلالات هذه النتائج بالنسبة لمستقبل انتاج الطاقة الشمسية.

لماذا أصبحت دقة التنبؤ أمرًا بالغ الأهمية في قطاع الطاقة الشمسية

التنبؤات الدقيقة تلعب دورًا محوريًا في اتخاذ القرارات الحاسمة، سواء تعلق الأمر بكمية الطاقة التي يجب عرضها في السوق أو توقيت إجراء أعمال الصيانة أو كيفية موازنة العرض والطلب عبر الشبكة، فإن جودة التنبؤ بإنتاج الطاقة الشمسية تؤثر بشكل مباشر على التكاليف والإيرادات^[1].

أما التنبؤات غير الدقيقة، فقد تؤدي إلى:

• اختلالات في الشبكة الكهربائية وغرامات
• ضياع فرص مربحة في السوق
• ضعف كفاءة التخزين وآليات التوزيع
• انخفاض ثقة المستثمرين
  
  ومع تزايد اشتراطات الدقة العالية في توقعات مصادر الطاقة المتجددة في الأسواق العالمية، أصبح تحقيق أداء متفوق في دقة التنبؤ بالطاقة الشمسية يشكّل ميزة تنافسية حقيقية^[2].

كيف يعمل نموذج أرض للتنبؤ بالطاقة الشمسية

يعتمد نهج أرض في التنبؤ على النمذجة الفيزيائية مدعومًا بعملية معايرة محلية دقيقة، ويتبع هذا النموذج عملية منهجية من ثلاث مراحل:

• نمذجة الإشعاع الشمسي في السماء الصافية: حساب الإشعاع الشمسي النظري في ظل ظروف خالية من الغيوم.
• تعديل الغطاء السحابي:  تعديل خط الأساس السابق باستخدام بيانات التنبؤ بالغطاء السحابي، والذي يُعد العامل الأكثر تأثيرًا على تقلب الإنتاج^[1].
• تحويل القدرة إلى التيار المتناوب: تحويل الإشعاع المعدَّل إلى مخرج كهربائي متناوب مناسب للموقع، وذلك باستخدام معلمات الإدخال مثل زاوية الميل والاتجاه الجغرافي (السمت) وكفاءة النظام.

هذا النهج المكون من طبقات عدة يُتيح للنموذج أن يرصد السلوك الشمسي العام وفي الوقت ذاته يأخذ في الاعتبار التفاصيل الدقيقة الخاصة بكل موقع.

سيناريوهات التنبؤ الشمسي التي خضعت للاختبار

لفهم أداء نماذج التنبؤ بالطاقة الشمسية، من الضروري اختباره في مجموعة متنوعة من الظروف الواقعية، وقد تناول التحليل الداخلي الذي أجرته أرض فئتين من السيناريوهات الواقعية التي تعكس التحديات المختلفة التي يواجهها مشغلو محطات الطاقة الشمسية:

دقة التنبؤ الشمسي بشكل عام:

تقيس هذه السيناريوهات مدى دقة النموذج في التنبؤ بإنتاج الطاقة الشمسية ضمن ظروف التشغيل الاعتيادية:

• جميع البيانات: تقييم أداء النموذج على مدار ساعات التشغيل اليومية الكاملة (من 5:00 صباحًا إلى 19:00 مساءً) في جميع المواقع، وهذا هو الاختبار الأشمل لقياس موثوقية النموذج اليومية في ظل ظروف التشغيل الواقعية.

  بيانات السماء الصافية: قياس دقة النموذج في الأيام التي تشهد غطاءً سحابيًا ضئيلًا أو معدومًا، مما يلغي الأخطاء الناتجة عن التنبؤات السحابية غير الدقيقة؛ هذا الأمر يساعد على إزالة عنصر عدم اليقين المرتبط بتوقعات الغيوم، كما يُظهر بدقة مدى كفاءة منطق النموذج الأساسي نفسه.

• ساعات الذروة في السماء الصافية: يركّز على أداء النموذج خلال ساعات الإنتاج القصوى (من 10:00 صباحًا إلى 14:00 ظهرًا) في أيام السماء الصافية، حيث أن هذه الفترة الزمنية هي الأهم من حيث إنتاج الطاقة والعائد المالي المحتمل، لذا فإن الدقة فيها بالغة الأهمية بالنسبة للمتداولين والمشغلين.

تهدف هذه الاختبارات إلى تقييم قدرة النموذج العامة على التنبؤ بكميات الطاقة المنتَجة، سواء في الظروف الطبيعية أو المثالية.

رصد انخفاضات الإنتاج الفجائية:

تركّز هذه السيناريوهات تحديدًا على اللحظات التي ينخفض فيها الإنتاج الفعلي للطاقة بشكل ملحوظ بهدف اختبار ما إذا كان النموذج قد تنبأ بهذه الانخفاضات بشكل صحيح:

• جميع الانخفاضات المرصودة: تشمل جميع الانخفاضات المفاجئة في الطاقة (والتي غالبًا ما تنتج عن تحركات السُحُب)، بغضّ النظر عن حالة الطقس أو التوقيت، ورغم أن هذه الأحداث يصعب التنبؤ بها، إلا أنها شديدة التأثير على العمليات واستقرار الشبكة.

• انخفاضات مرصودة في السماء الصافية: تستبعد تأثيرات الغيوم لاختبار ما إذا كان النموذج يستطيع رصد الانخفاضات التي لا ترتبط بالأحوال الجوية، حيث يساعد هذا في التحقق من قدرة النموذج على رصد أو تفسير الانخفاضات الناتجة عن أعطال في النظام أو الظلال المؤقتة، بعيدًا عن الطقس.

• انخفاضات مرصودة في ساعات الذروة: تركّز على الانخفاضات غير المتوقعة في الإنتاج خلال ساعات الذروة الشمسية، وهي أحد أكثر الحالات أهمية من الناحيتين التجارية والتشغيلية، مما يجعل رصدها بدقة أمرًا بالغ الأهمية.

• انخفاضات مرصودة في ساعات الذروة تحت سماء صافية: وهذه هي الحالة المثالية تمامًا: بدون غيوم وبدون تحديات في زاوية الميل، مما يتيح اختبار قدرة النموذج الخالصة على اكتشاف الانخفاضات غير المتوقعة في الإنتاج خلال أكثر الفترات حساسية من الناحية التجارية في اليوم.

من خلال التركيز على انخفاضات الإنتاج الفجائية، نحن نختبر ما إذا كان النموذج يتنبأ فعليًا بالتغيرات المفاجئة في الإنتاج، حيث نقيم عدد المرات التي كان فيها النموذج دقيقًا وعدد الإنذارات الكاذبة وعدد الانخفاضات التي لم يرصدها على الإطلاق؛ هذا القياس سيساعدنا في فهم مدى قدرة النموذج على التعامل مع الظروف الصعبة أو غير المتوقعة.

ومن خلال اختبار الأداء في هذه السيناريوهات المتنوعة، تستطيع شركة أرض إثبات ليس فقط الدقة العامة للنموذج، بل أيضًا قدرته على الأداء في اللحظات الحساسة عالية المخاطر أو شديدة التقلب، وهي بالضبط اللحظات التي تكون فيها التنبؤات بالغة الأهمية.^[4]

مقاييس الأداء المستخدمة في تقييم التنبؤ بالطاقة الشمسية

ما تُظهره النتائج

جميع البيانات

أظهر نموذج أرض النتائج التالية عبر ساعات التشغيل اليومية الكاملة وفي جميع المحطات:

• قيمة أقل لمقاييس MAE وMAPE وRMSE مقارنة بالنموذج المرجعي

• قيمة أعلى لمعامل التحديد R²، مما يشير إلى تطابق أقوى بين التنبؤات والإنتاج الفعلي

تشير هذه النتائج إلى أن التنبؤ الأساسي الذي يقدمه نموذج أرض أكثر دقة وموثوقية في ظل ظروف التشغيل العامة.

بيانات السماء الصافية

عند استبعاد تأثير تقلبات الغيوم، واصل نموذج أرض تفوّقه على النموذج الخارجي، حيث أظهرت القيم المنخفضة لـ MAPE وRMSE قوة
 خوارزميات أرض بغض النظر عن جودة بيانات الغطاء السحابي

ساعات الذروة في السماء الصافية

خلال أكثر الفترات أهمية من الناحية التجارية (من الساعة 10:00 صباحًا حتى 14:00 ظهرًا)، أظهرت دقة تنبؤات نموذج أرض تفوقًا ملحوظًا، وهذا ما يُؤكّد القيمة الفعلية للنموذج خلال ساعات الإنتاج المرتفع والعائدات القصوى.

كل الانخفاضات المرصودة

التنبؤ بالانخفاضات الحادة في الإنتاج هو أحد أصعب التحديات في نماذج التنبؤ، وقد أظهر نموذج أرض ما يلي:

• معدلات أعلى من "الإيجابيات الحقيقية" (أي انخفاضات رصدها النموذج بنجاح)
• معدلات أقل من "السلبيات الكاذبة"  (أي انخفاضات لم يتمكن النموذج من رصدها)
  
  تشير هذه النتائج إلى أن نموذج أرض أكثر موثوقية في التعرف على التغيرات السريعة في إنتاج الطاقة الشمسية والتنبؤ بها.^[4]

انخفاضات مرصودة في السماء الصافية

حتى في غياب الأخطاء المرتبطة بالغيوم، حافظ نموذج أرض على تفوقه في الأداء، وهذا يعزز من قوة النموذج الأساسية في اكتشاف الانحرافات في الإنتاج.

انخفاضات مرصودة في ساعات الذروة

تمثل هذه السيناريوهات أكثر الأحداث أهمية من الناحية التشغيلية: الانخفاضات غير المتوقعة خلال فترات الإنتاج العالي.

حافظ نموذج أرض على معدلات خطأ أقل وقدرة أفضل على الرصد، مما يدعم استخدامه للتخفيف من المخاطر في الزمن الحقيقي.
تمكن نموذج أرض من رصد عدد أكبر من الانخفاضات الحقيقية خلال هذه الفترات الحرجة، لكنه أصدر أيضًا عددًا أكبر من الإنذارات الكاذبة، وهذا يعني أنه كان أكثر تحفّظًا، أي أنه فضل الإنذار الزائد على أن يُفوّت انخفاضًا فعليًا، وفي ساعات الذروة التجارية، يُعد هذا توازنًا مقبولًا ومجديًا.

انخفاضات مرصودة في ساعات الذروة تحت سماء صافية

هذا هو السيناريو الأكثر مثالية، حيث تُستبعد فيه كليًا تأثيرات الغطاء السحابي وزوايا الميل، حيث يُركّز الاختبار هنا على أداء النموذج خلال أفضل فترات الإنتاج الممكنة. حافظ نموذج أرض على دقة عالية في هذه الظروف المثالية، مما يُثبت قوته التشغيلية حتى في ظل غياب التحديات البيئية.
عند إزالة عنصر عدم اليقين المرتبط بتوقعات السحب، يتضح جليًا أن نموذج أرض يتفوق بشكل واضح على المنافسين، حيث تنبأ بدقة بموعد حدوث الانخفاضات ومتى لن تحدث.

النتائج والاستنتاجات الرئيسية لصناعة الطاقة الشمسية

ما الخطوة التالية لنموذج أرض للتنبؤ بالطاقة الشمسية؟

رغم أن النتائج الحالية تؤكد صحة نهج أرض، إلا أن الفريق يركّز على التحسين المستمر في المحاور التالية:

1- التنبؤ الفوري بالاعتماد على الذكاء الاصطناعي

ترجع معظم الأخطاء المتبقية في التنبؤات إلى مدخلات غير دقيقة حول الغطاء السحابي^[1]، وتستثمر أرض لمعالجة هذا التحدي في تقنيات متقدمة للتنبؤ الفوري (أو ما نسميه نحن Nowcasting) تعتمد على الذكاء الاصطناعي، وذلك بهدف تحسين التنبؤ قصير الأجل بظروف السماء، ومن المتوقع أن تساهم هذه التحسينات في تعزيز دقة التنبؤات قريبة المدى ودعم تخطيط الطاقة بشكل أكثر مرونة.
بالإضافة إلى الغطاء السحابي، يمكن أن يؤثر الغبار المحمول جوًا بشكل كبير على إنتاج الطاقة الشمسية، وخاصة في مناطق مثل الشرق الأوسط وشمال إفريقيا، وتعمل أرض حاليًا على تطوير نموذج فوري للتنبؤ بالغبار يعتمد على الذكاء الاصطناعي، وسيتم دمجه في منصة التنبؤ الشمسي الخاصة بنا، حيث يهدف هذا النموذج إلى قياس تأثير الغبار على أداء الأنظمة الشمسية بدقة أعلى، مما يساعد على تحسين موثوقية التنبؤات وتخطيط الطاقة في المناطق المعرضة للعواصف الغبارية.

2- معايرة زاوية الميل

تسعى أرض أيضًا إلى تحقيق مزيد من الدقة من خلال تحسين زاوية الميل والسمت (الاتجاه الجغرافي)، بما يعزز من أداء النموذج خلال ساعات الشروق والغروب عندما تكون زوايا أشعة الشمس أكثر تعقيدًا.
تشكل هذه المبادرات امتدادًا للبنية القوية لنموذج أرض، مما يوفر مستويات إضافية من الرؤية البيئية الدقيقة في النقاط التي تُحدث فيها الفروقات الأكبر أثرًا.

الخلاصة

أظهر نموذج أرض للتنبؤ بالطاقة الشمسية تفوقًا ملحوظًا وقابلًا للقياس على أحد أبرز مزوّدي النماذج التنبؤية في السوق، وذلك عبر مجموعة واسعة من ظروف التشغيل، سواء في الإنتاج العام أو في الانخفاضات النادرة أو خلال ساعات الذروة وبدايات اليوم، وقد برهن النموذج على أنه قادر على تقديم تنبؤات موثوقة على نطاق واسع، وتُترجم التحسينات في التنبؤ الشمسي إلى قرارات مالية أفضل وغرامات أقل وعمليات أكثر مرونة ومتانة في مشاريع الطاقة الشمسية.^[2[،[4]

المراجع:

1. ACP - Evaluating solar radiation forecast uncertainty – Minttu Tuononen, et al. 2019
2. Technology trends in forecasting renewable energy generation - REGlobal - Tech Talk – 2nd May 2022
3. Metrics for Evaluating the Accuracy of Solar Power Forecasting: Preprint – J. Zhang et al. 2013
4. Short term forecasting of solar radiation and power output of 89.6kWp solar PV power plant - ScienceDirect – S. Das, 2021
5. Ard Solar Power Forecasting Method Final Results (internal document, 2025)