الملخص:
في ظل التغيرات المناخية المتسارعة والزيادة المستمرة في الطلب على الطاقة الكهربائية، برزت الحاجة إلى أدوات تحليلية ذكية تمكن من التنبؤ بالاستهلاك الكهربائي بدقة وفعالية. يهدف هذا البحث إلى استكشاف مدى فعالية الشبكات العصبية الاصطناعية، وتحديدًا نماذج (Long Short-Term Memory (LSTM)) ، في التنبؤ باستهلاك الطاقة الكهربائية بالاعتماد على بيانات مناخية واستهلاك فعلية في محافظة السليمانية خلال الفترة 1-1-2023 الي 31-12-2023.
تمثل الشبكات العصبية الاصطناعية إحدى تقنيات الذكاء الاصطناعي التي تُستخدم بكفاءة في معالجة البيانات المعقدة واكتشاف الأنماط الزمنية. وقد تميز نموذج LSTM عن النماذج التقليدية بقدرته على الاحتفاظ بالمعلومات الزمنية لفترات طويلة، مما يجعله ملائمًا لتطبيقات التنبؤ الزمني كاستهلاك الكهرباء.
اعتمدت الدراسة على منهجية علمية شملت: جمع البيانات المناخية وبيانات استهلاك الكهرباء، معالجتها وتنظيفها، تحليلها، ثم تصميم نموذج LSTM باستخدام بيئات برمجية متخصصة. تم تدريب النموذج باستخدام خوارزميات حديثة وتقييم أدائه بمقاييس مثل RMSE وMAPE وR². وأظهرت النتائج دقة تنبؤية عالية، حيث بلغ متوسط نسبة الخطأ (0.006) و(0.006) و 0.96 بترتیب. توصلت الدراسة إلى أن اعتماد نماذج LSTM يُمثل خطوة محورية نحو تحقيق التحول الرقمي في إدارة الطاقة، إذ يوفر أداة متقدمة وفعّالة لدعم عملية اتخاذ القرار في مجالات توزيع الطاقة والتخطيط المستقبلي لها. كما توصي الدراسة بتوسيع نطاق البيانات ودمج نماذج هجينة مستقبلية لتحسين الدقة والمرونة في التنبؤ.
