செயற்கை நுண்ணறிவு திறன் மற்றும் புதுப்பிக்கத்தக்கவைகளை இயக்குவதன் மூலம் இந்தியாவின் எரிசக்தி துறையை மாற்றியமைக்க முடியும். ஆனால், பழைய உள்கட்டமைப்பு, நிதிப் பற்றாக்குறை மற்றும் நியாயமான பிரச்சினைகள் முதலில் தீர்க்கப்பட வேண்டும்.
இந்தியாவின் பொருளாதாரம் வேகமாக வளர்ந்து வருகிறது. மேலும் நகரங்கள் விரைவாக விரிவடைந்து வருகின்றன. இதன் காரணமாக, இந்தியாவில் எரிசக்திக்கான தேவை அதிகரித்து வருகிறது. இந்தியாவில் எரிசக்தி பயன்பாடு 2030-ம் ஆண்டுக்குள் இரட்டிப்பாகும் என்று சர்வதேச எரிசக்தி நிறுவனம் (International Energy Agency (IEA)) கூறுகிறது. நிலையான முறையில் இந்த அதிகரித்து வரும் தேவையை பூர்த்தி செய்ய, இந்திய அரசு ஒரு இலக்கை நிர்ணயித்துள்ளது. அதாவது, 2030-ம் ஆண்டுக்குள் 500 ஜிகாவாட் (GW) புதைபடிவ எரிபொருள் அல்லாத எரிசக்தி திறனை அவர்கள் விரும்புகிறார்கள். 2070-ம் ஆண்டுக்குள் நிகர-பூஜ்ஜிய கார்பன் உமிழ்வை அடைவதையும் அவர்கள் நோக்கமாகக் கொண்டுள்ளனர்.
இந்த இலக்குகள் பாரிஸ் ஒப்பந்தத்தின் கீழ் இந்தியாவின் வாக்குறுதிகளுடன் பொருந்துகின்றன. புதைபடிவ எரிபொருட்களை நம்பியிருப்பதைக் குறைக்க நாடு விரும்புகிறது. இது எரிசக்தி பாதுகாப்பை மேம்படுத்துவதையும் காற்று மாசுபாட்டைச் சமாளிப்பதையும் நோக்கமாகக் கொண்டுள்ளது. செயற்கை நுண்ணறிவு (AI) ஆற்றலை சிறப்பாக நிர்வகிப்பதற்கான ஒரு முக்கியமான கருவியாக மாறி வருகிறது. உபகரணங்களுக்கு பராமரிப்பு தேவைப்படும்போது கணிப்பது மற்றும் மின் கட்டத்தை சமநிலைப்படுத்துவது போன்ற பணிகளுக்கு AI உதவும். எரிசக்தி துறையில் AI-க்கு பெரும் ஆற்றல் உள்ளது. இருப்பினும், AI-ஐ திறம்பட பயன்படுத்துவதில் பெரிய சவால்களும் உள்ளன. மோசமான தரவு தரம் மற்றும் AI உள்கட்டமைப்பு இல்லாமை போன்ற சிக்கல்கள் தீர்க்கப்பட வேண்டும்.
இந்த சவால்களை நிவர்த்தி செய்வது AI-ஐ முழுமையாகப் பயன்படுத்துவது அவசியம். இது இந்தியா தனது எரிசக்தி இலக்குகளை அடையவும் புதுப்பிக்கத்தக்க எரிசக்தி ஆதாரங்களை மின் நிலையங்களுடன் (grid) சிறப்பாக ஒருங்கிணைக்கவும் உதவும்.
இந்தியாவில் உள்ள சவால்கள்
நம்பகத்தன்மை (reliability), மின்கட்டமைப்பின் நிலைத்தன்மை (grid stability) மற்றும் ஆற்றல் இழப்புகள் (energy losses) ஆகியவற்றில் இந்தியாவின் மின் துறை குறிப்பிடத்தக்க சவால்களை எதிர்கொள்கிறது. புதுப்பிக்கத்தக்க திறன் சேர்க்கைகள் இருந்தபோதிலும், பரிமாற்றம் மற்றும் விநியோக (transmission and distribution (T&D)) இழப்புகள் உற்பத்தி செய்யப்படும் மொத்த மின்சாரத்தில் 20%-30%-ஐ எட்டும். ஏறக்குறைய 75% மின்சாரம் நிலக்கரியில் இருந்து பெறப்படுவதால், மின் துறையானது பசுமை இல்ல வாயு வெளியேற்றத்தில் (greenhouse gas emissions) எதிர்பாராத விகிதத்தில் அதிக சதவீதத்திற்கு பங்களிக்கிறது. கார்பன் நீக்கம் செயல்முறைகள் (decarbonisation processes) மற்றும் அதிகரித்து வரும் தேவை (rising demand) ஆகிய இரண்டையும் ஆதரிப்பதற்காக, இந்தியாவின் மின் துறையானது அவற்றிற்கான செயல்திறனை மேம்படுத்துவதற்கும், கார்பன் உமிழ்வைக் குறைப்பதற்கும் மற்றும் புதுப்பிக்கத்தக்க எரிசக்தி இலக்குகளை அடைவதற்கும் சீர்மிகு தீர்வுகளை அதிகளவில் எதிர்பார்க்கிறது.
வலுவான மற்றும் குறைந்த கார்பன் எரிசக்தி அமைப்பை நோக்கிய இந்தியாவின் நகர்வில் AI மிகவும் முக்கியமானதாகி வருகிறது. புதுப்பிக்கத்தக்க எரிசக்தி ஆற்றலை கணிப்பதில் இது மிகவும் பயனுள்ளதாக இருக்கிறது. இயந்திர கற்றல் மாதிரிகள் (Machine learning models) எவ்வளவு புதுப்பிக்கத்தக்க ஆற்றல் உற்பத்தி செய்யப்படும் மற்றும் தேவை எவ்வாறு மாறும் என்பதை முன்னறிவிக்க முடியும். இது நிலையங்கள் ஆபரேட்டர்கள் (grid operators) எரிசக்தி விநியோகத்தை சமநிலைப்படுத்தவும் பற்றாக்குறையைத் தவிர்க்கவும் உதவுகிறது. AI-இயங்கும் ஸ்மார்ட் நிலையங்கள் (smart grids) தவறுகளைக் கண்டறிந்து பரிமாற்ற இழப்புகளைக் குறைப்பதன் மூலம் ஆற்றல் எவ்வாறு பாய்கிறது என்பதையும் மேம்படுத்துகின்றன. நிலையங்களில் அதிக புதுப்பிக்கத்தக்க ஆற்றலைச் சேர்ப்பதற்கு இந்த திறன் மிகவும் முக்கியமானது.
நுகர்வோர் எதிர்கொள்ளும் பயன்பாடுகளில், AI நிகழ்நேரத்தில் நுகர்வைக் கண்காணிப்பதன் மூலம் ஆற்றலை நிர்வகிக்க உதவுகிறது. இந்தத் தரவின் அடிப்படையில் தேவைக்கான தீர்வை இது சரிசெய்கிறது. AI-யால் இயக்கப்படும் அமைப்புகள் நிகழ்நேர பயன்பாட்டிற்கு ஏற்ப ஆற்றல் விநியோகத்தை மாற்றுகின்றன. இது வீணாவதைக் குறைக்கிறது மற்றும் செலவுகளைக் கணிசமாகக் குறைக்கிறது.
இந்த திறன் இந்தியாவிற்கு மிகவும் முக்கியமானது. இந்தியாவில் அதிக தேவை ஏற்ற இறக்கங்களைக் கொண்டுள்ளன. மேலும், உச்சபட்ச சுமைகள் (peak loads) மின் நிலையத்தின் (grid) மீது அதிக அழுத்தத்தை ஏற்படுத்தும். நுகர்வோர் தரப்பில் ஆற்றல் செயல்திறனை ஆதரிக்க AI நுகர்வு முறைகளை பகுப்பாய்வு செய்கிறது. இது உச்சபட்ச நேர தேவையைக் குறைக்கும் நடத்தைகளை ஊக்குவிக்கிறது மற்றும் அதிகபட்ச நேரமில்லாத நேரங்களில் ஆற்றலைப் பயன்படுத்துவதை ஊக்குவிக்கிறது.
AI ஏற்பு, களத்தில் உள்ள உண்மைகள்
நகர்ப்புற மின் துறை, குறிப்பாக அடுக்கு 2 மற்றும் அடுக்கு 3 நகரங்களில், ஒரு நியாயமான தாக்கத்தை ஏற்படுத்த AI-க்காக கவனிக்கப்பட வேண்டிய தனித்துவமான உண்மைகளின் தொகுப்பை எதிர்கொள்கிறது.
வாக்குறுதிகள் இருந்தபோதிலும், நடைமுறைச் சவால்கள் இன்னும் உள்ளன. இதில், குறிப்பாக அடுக்கு 2 மற்றும் அடுக்கு 3 நகரங்களில், அவற்றின் செயல்திறனைக் கட்டுப்படுத்துகிறது. குறிப்பாக, பழமையான உள்கட்டமைப்பு, அதிக மின்சாரத் திருட்டு மற்றும் அடிக்கடி செயலிழப்புகள் உள்ள பகுதிகளில் கட்டுப்படுத்துகின்றன. இந்தச் சிக்கல்கள், சிதறிய தரவு அமைப்புகளுடன் சேர்ந்து, எரிசக்தி முன்னறிவிப்பு மற்றும் மின்கட்ட நிலையம் மேம்படுத்துதலில் AI-ஐப் பயன்படுத்துவதைத் தடுக்கிறது. நிதித் தடைகள் AI-ஐ ஏற்றுக்கொள்வதை மேலும் சிக்கலாக்குகின்றன. குறிப்பாக சிறிய பயன்பாடுகளில் அதிக முன்செலவுகள் மற்றும் வரையறுக்கப்பட்ட அரசாங்கத்தின் ஆதரவை சந்திக்க போராடுகின்றன. கூடுதலாக, இதற்கு ஆதரவான கொள்கைக் கட்டமைப்புகள் மற்றும் வழிகாட்டுதல்கள் இல்லாதது AI தொழில்நுட்பங்களில் முதலீடுகளை குறைக்கிறது. கூடுதலாக, AI மற்றும் தரவு பகுப்பாய்வு நிபுணர்களின் பற்றாக்குறை, AI தீர்வுகளைப் பயன்படுத்துவதற்கான துறையின் திறனைக் கட்டுப்படுத்துகிறது. அதே நேரத்தில், வளர்ந்து வரும் இணைய பாதுகாப்பு அபாயங்கள் வலுவான பாதுகாப்புகளின் அவசியத்தை எடுத்துக்காட்டுகின்றன.
வெளிநாட்டுத் திட்டங்கள்
இந்தியாவின் எரிசக்தித் துறைக்கு வெற்றிகரமான எதிர்காலம் பல முக்கிய பகுதிகளைச் சார்ந்துள்ளது. இவற்றில் தொழில்நுட்ப முன்னேற்றங்கள், திறமையான மனித வளங்கள் மற்றும் வலுவான கொள்கை கட்டமைப்புகள் அடங்கும். ஸ்மார்ட் நிலையங்கள் (smart grids) மற்றும் ஸ்மார்ட் மீட்டர்களைப் பயன்படுத்துவது முக்கியம். இவற்றுடன், AI-இயக்கப்படும் மென்பொருள் மற்றும் தரவு சேமிப்பிற்கான நம்பகமான கிளவுட் தளங்கள் (cloud platforms) தேவை. இந்த தொழில்நுட்பங்கள் எரிசக்தி நிர்வாகத்தை மேம்படுத்தவும் நிகழ்நேர தரவை சேகரிக்கவும் உதவுகின்றன.
எடுத்துக்காட்டாக, பார்சிலோனாவின் ஸ்மார்ட் மீட்டர்களின் பயன்பாடு ஆற்றல் நிர்வாகத்தை மாற்றியுள்ளது. இது நிகழ்நேர நுண்ணறிவுகளை வழங்குகிறது. இதேபோல், லாஸ் ஏஞ்சல்ஸ் ஆற்றல் எவ்வாறு விநியோகிக்கப்பட வேண்டும் என்பதைக் கணிக்க கிளவுட் அடிப்படையிலான பகுப்பாய்வுகளைப் பயன்படுத்துகிறது.
எரிசக்தித் துறைக்கும் திறமையான பணியாளர்கள் தேவை. ஜெர்மனியின் சிறப்புப் பயிற்சி போன்ற திட்டங்கள் எரிசக்தி நிபுணர்களில் இயந்திரக் கற்றல் திறன்களை வளர்க்க உதவுகின்றன. AI எவ்வாறு வேலைகளை பாதிக்கிறது என்பதை மதிப்பிடுவதும் முக்கியம். ஆட்டோமேஷனால் வேலைகள் பாதிக்கப்படும் தொழிலாளர்களுக்கு UK மறுபயிற்சி திட்டங்களை நடத்துகிறது. இறுதியாக, மின்சாரத்தை உற்பத்தி செய்து பயன்படுத்துபவர்கள் (prosumers என்று அழைக்கப்படுபவர்கள்) உட்பட நுகர்வோருக்கு அதிகாரம் அளிப்பது அவசியம். இது மின்சாரத் தேவையை சிறப்பாக நிர்வகிக்க உதவுகிறது. கோபன்ஹேகனின் எரிசக்தி சேமிப்பு முயற்சிகள் (Copenhagen’s energy-saving initiatives) இது எவ்வாறு திறம்பட செயல்பட முடியும் என்பதைக் காட்டுகின்றன.
AI பயன்பாடுகளில் ஆராய்ச்சி மற்றும் மேம்பாட்டிற்கான ஆதரவின் அடிப்படையில் எரிசக்தித் துறையில் புதுமைகளை ஊக்குவிக்கும். சிங்கப்பூரின் முதலீடுகள் இதற்கு ஒரு சிறந்த எடுத்துக்காட்டு ஆகும். சாத்தியமான அச்சுறுத்தல்களிலிருந்து முக்கியமான தரவைப் பாதுகாக்க வலுவான இணைய பாதுகாப்பு நெறிமுறைகளும் அவசியம். நியூயார்க் அத்தகைய நெறிமுறைகளை திறம்பட செயல்படுத்தியுள்ளது. அதாவது, தகவல் மற்றும் தொடர்பு தொழில்நுட்ப (Information and Communication Technology (ICT)) நிறுவனங்களுடனான பலதரப்பு ஒத்துழைப்பு மற்றும் கூட்டாண்மைகள் மின்கட்டமைப்பு செயல்திறன் மற்றும் நம்பகத்தன்மையை மேம்படுத்தலாம். எடுத்துக்காட்டாக, டோக்கியோ மின்சார சக்தி நிறுவனம் புதுமையான AI தீர்வுகளை உருவாக்க மின்கட்டமைப்பு இயக்குபவர்களுடன் இணைந்து செயல்படுகிறது.
மாற்றத்தில் AI-ன் பங்கின் சமூக பரிமாணம்
இந்தியாவின் எரிசக்தித் துறையை மாற்றுவதற்கு AI பெரும் ஆற்றலைக் கொண்டுள்ளது. இது செயல்திறனை மேம்படுத்தலாம், கார்பன் உமிழ்வைக் குறைக்கலாம் மற்றும் புதுப்பிக்கத்தக்க ஆற்றலைச் சேர்க்க உதவும். இருப்பினும், இந்த துறையை இன்னும் சமாளிக்க வேண்டிய சவால்கள் உள்ளன. இவற்றில் பழைய உள்கட்டமைப்பு, நிதி மற்றும் கொள்கை தொடர்பான தடைகள், திறமையான தொழிலாளர்கள் பற்றாக்குறை மற்றும் நியாயத்தன்மை குறித்த கவலைகள் ஆகியவை அடங்கும். இந்தப் பிரச்சினைகளைத் தீர்க்க, வலுவான ஒத்துழைப்பு தேவை. இதன் பொருள் அரசாங்க ஆதரவு, தனியார் முதலீடுகள் மற்றும் செயலில் உள்ள சமூக ஈடுபாடு போன்றவைகளை உள்ளடக்கியது. இவற்றில் ஒன்றாக, அவர்கள் AI-ன் நன்மைகள் நீடித்து நகரங்கள் மற்றும் கிராமப்புறங்களைச் சென்றடைவதை உறுதிசெய்ய முடியும்.
AI-ஐ ஒருங்கிணைக்கும் நடவடிக்கை, குறிப்பாக சேவை பெறாத பகுதிகளில், ஏற்றத்தாழ்வுகளை அதிகரிக்கும் அபாயத்தையும் கொண்டுள்ளது. நகரங்களுக்கு வெளியே AI சிறப்பாக செயல்பட, அது குறிப்பிட்ட கிராமப்புற பிரச்சினைகளை கையாள வேண்டும். இந்த சிக்கல்களில் நம்பகத்தன்மையற்ற மின்சாரம் மற்றும் போதுமான தொழில்நுட்ப ஆதரவு இல்லாதது ஆகியவை அடங்கும். நியாயத்தன்மை மற்றும் வேலைகளில் ஏற்படும் தாக்கம் போன்ற நெறிமுறையான சிக்கல்களை நிவர்த்தி செய்வது முக்கியம். இதில், புதிய திறன்களைக் கொண்ட தொழிலாளர்களுக்கு சமூக ஈடுபாடு மற்றும் பயிற்சி அளிப்பதும் அவசியம். இந்தியா முழுவதும் நியாயமான எரிசக்தி மாற்றத்திற்கு இந்தப் படிகள் மிக முக்கியமானவை.
காட்வின் பால் ஆடம்ஸ் டிரான்சிஷன்ஸ் ரிசர்ச்சில் எனர்ஜி ஃபெலோவாக இருந்தார். இங்கு பகிரப்பட்ட கருத்துக்கள் டிரான்சிஷன்ஸ் ரிசர்ச்சில் அவர் செய்த பணியின் அடிப்படையில் அமைந்தவை.
ஏஞ்சலினா சாமுவா டிரான்சிஷன்ஸ் ரிசர்ச்சில் ஃபியூச்சர் ஃபோர்சைட் ஃபோரத்தின் திட்ட இயக்குநராக உள்ளார்.