AI מנבא עמידות ערימות סולאריות לרוח

AI מנבא עמידות ערימות סולאריות לרוח

מודל AI מצליח לנבא את יכולת ההתנגדות של ערימות פאנלים סולאריים לרוח עם שגיאה של 7.6 %. המחקר האיראני החדש מראה איך רשת עצבית מלאכותית יכולה להעריך את העמידות של ערימות פלדה במתקני אנרגיה סולארית בעזרת ארבעה מדדים קלים למדידה.

הצוות בחן 130 ערימות פלדה ST52 (79 × IPE 140, 31 × IPE 160, 20 × IPE 180) במתחם סולארי ברפסנג'אן, מרכז איראן. כל ערימה נודעה עם מתקן הידראולי בקצב של תשעה‑עשר פטישים לשנייה, וקצב החדירה נמדד באמצעות וידאו, סימני ייחוס וזמן ההתקנה. מבחני משיכה הוגברו בקפיצות של 500 קגפ עד שהושגה תזוזה של 20 ממ, מה שהגדיר את קיבולת ההתנגדות. הרשת האינטליגנטית, שאומנה עם אימות צולב של 10‑קפלים והוגנה בעזרת dropout ו‑early stopping, השיגה R² של 0.78, RMSE של 0.787 טון, ו‑MAPE של 7.63 %.

למה עמידות הרוח חשובה למערכות סולאריות

הקונסטרוקציות של פאנלים סולרים חשופות לשטח גדול אך משקלן מתון, ולכן הרוח יכולה ליצור כוחות הרמה והפיכה משמעותיים. באדמות רכות, רופפות או רווחות – תכונה נפוצה באתרים מדבריים – ההתנגדות של ערימות מודחפות עלולה להיות בלתי מספיקה, מה שעלול לגרום לתיקונים יקרים או כשל במערכת. נוסחאות סטטיות מסורתיות נוטות להיות שמרניות מדי כי הן מתעלמות מהאינטראקציה הדינמית בין קצב ההדק, חיכוך האדמה וגיאומטריית הערימה. כאן ה‑ANN מציע קיצור דרך מבוסס נתונים שמכבד תנאי אתר ספציפיים ובו‑זמנית שומר על מרווחי בטיחות.

גורמים מרכזיים לפי ניתוח SHAP

הסבריות באמצעות Shapley additive explanations (SHAP) הראתה ש‑קצב החדירה (≈ 49.8 %) ו‑זווית חיכוך האדמה (≈ 47.1 %) הם המשפיעים העיקריים על תחזיות המודל, בעוד שהפרמטרים הגאומטריים – אורך ההטבעה והשטח הצדדי – תופסים תפקיד משני. תצפיות בשטח תומכות במסקנה: חדירה מהירה מדחיסה את החול סביב הערימה, מגבירה את ההתנגדות, וזוויות חיכוך גבוהות (אדמה גרגירית ויבשה) משפרות את היכולת לעמוד ברוח.

איך המודל משווה למחקרים אחרים

מחקר שדה מלא בגודלו באינדיה דיווח על R² של 0.94 עבור ערימות פלדה, אך השתמש במאגר נתונים רחב מרובה אתרים וסוגי אדמה שונים (מקור: Springer Nature). ה‑ANN האיראני מציג R² מעט נמוך יותר בשל המיקוד באתר חולני יחיד, אך ה‑MAPE של 7.6 % שלו תחרותי לכלי תכנון מוקדם שבו נדרשת החלטה מהירה.

טיפים מעשיים למהנדסים

1. אספו ארבעה מדדים פשוטים – קצב החדירה, אורך ההטבעה, זווית חיכוך האדמה, והשטח הצדדי של הערימה – במהלך ההדק.
2. הפעילו את הרשת (זמינה לפי בקשה) לקבלת תחזית קיבולת הרמה ב‑20 ממ.
3. אמתו עם כמה מבחני משיכה מוגבלים כדי לוודא שהמודל מתאים לתנאי האדמה המקומיים.

מה זה אומר לישראל

כמה חוות סולאריות בישראל מותקנות על אדמות חוליות ויבשות, ולכן הממצאים עשויים להיות רלוונטיים. אם נניח תעריף חשמל ממוצע של ₪0.48/kWh ועלות התקנה של ₪3,150/kWp, מערכת גג של 10 kWp תפיק כ‑17,000 kWh/שנה (תפוקה של 1,700 kWh/kWp באזורים מרכזיים). זה שווה ₪8,160 הכנסה שנתית, והחזר השקעה של ₪31,500 ייקח כ‑3.9 שנים. אם חוות יצרות גדולות יאמץ את תכנון ה‑ANN, הן יכולות לחסוך בחומרי ערימות ולתמוך במטרה של 30 % חשמל מתחדשת עד 2030.

מבט לעתיד

הכותבים מדגישים שהמודל צריך להיבדק בגאולוגיות מגוונות – חרס, סלע, גרגר – לפני שיהפוך לכלי אוניברסלי. בעבודה עתידית צפוי להוסיף פרמטרים כמו תכולת לחות, אנרגיית פטיש ההדק, ולהרחיב את מאגר הנתונים למספר אתרי סולאריים באיזור. למפתחים ישראליים, אימוץ מוקדם של תכנון ערימות מבוסס AI יכול לזרז לוחות זמנים, להפחית הוצאות הון, ולעזור לעמוד ביעדי האנרגיה המתחדשת של המדינה.

---

מקורות: PV Magazine, Springer Nature, EPCLand – Solar Pile Design Data

מקורות וקריאה נוספת

• AI מנבא עמידות ערימות סולאריות לרוח – pv magazine Global
• Short Piles for a Solar Power Plant in Western Rajasthan
• Amirkabir Journal of Civil Engineering - Author Index
• Effect of Installation Method on the Uplift Capacity of Single Driven Steel Piles: Full-Scale Field Study | Indian Geotechnical Journal | Springer Nature Link
• Essential Geotechnical Pile Design Data for Utility-Scale Solar Structures