Entek Bilgi Teknolojileri ve Dijital Dönüşüm Direktörü Ömer Yatkın, AA muhabirine yaptığı değerlendirmede, projenin temel amacının suyun enerjiye dönüşüm sürecini daha verimli hale getirmek olduğunu belirtti.

Aynı miktardaki suyla daha fazla enerji üretebilmek için su akış tahminlerinde yapay zekadan yararlanarak, üretim planlamasını tamamen bilimsel veriye ve öngörüye dayalı hale getirdiklerini aktaran Yatkın, böylece, kaynak kullanımında sürdürülebilirliği güvence altına alırken üretim süreçlerinin verimliliğini de önemli ölçüde artırdıklarının altını çizdi.

Yatkın, hidroelektrik üretiminin doğa koşullarına son derece duyarlı olduğuna dikkati çekerek, "Yağış, sıcaklık, kar miktarı ve yeraltı su seviyeleri gibi değişkenler üretim planlarını doğrudan etkiliyor. Bu değişkenlerin sayısı ve birbirleriyle etkileşimi o kadar fazla ki, klasik istatistiksel yöntemlerle doğru tahmin yapmak zor. Bu nedenle makine öğrenmesi ve derin öğrenme algoritmalarını devreye aldık." diye konuştu.

Sistemin, karmaşık değişkenleri çok boyutlu analiz ederek geçmiş verilerden öğrendiğini ve su akış tahminlerini daha isabetli hale getirdiğini vurgulayan Yatkın, "Artık üretim kararlarımızı öngörüye değil, güçlü verilere dayandırabiliyoruz." ifadelerini kullandı.

Model 56 farklı parametre analiz ediyor

Yatkın, yapay zeka modelinin 25 yıllık geçmiş veriyi kullanarak öğrendiğini ve şu anda 56 farklı parametreyi analiz ettiğini belirterek şunları kaydetti:

"Model, meteorolojik veriler (yağış, sıcaklık, nem, kar derinliği), hidrolojik veriler (baraj su seviyesi, akış hacmi) ve operasyonel veriler (üretim planı, komşu tesislerin kararları) gibi geniş bir setten besleniyor. Sistem, bu değişkenler arasındaki ilişkileri öğreniyor ve farklı periyotlar için su akış tahminleri üretiyor. Böylece geçmiş eğilimler ve mevcut veriler üzerinden ileriye dönük, yüksek doğrulukta sonuçlar elde ediyoruz."

Projeyle birlikte su akış tahmin doğruluğunun yüzde 90'a yükseldiğini aktaran Yatkın, bunun operasyonel planlamada önemli bir dönüşüm yarattığını ve üretim süreçlerinin güvenilirliğini artırdığını vurguladı.

Yatkın, söz konusu projeyle enerji üretim verimliliğinde yüzde 2,5 seviyesine varan artış sağladıkları bilgisini paylaşarak, "Bu oran ilk bakışta küçük gibi görünse de HES'ler gibi yüksek kapasiteli tesislerde önemli bir maliyette üretim potansiyeline karşılık geliyor. Bu artışı, geçmiş yıllarda yapılan manuel tahmin oranlarıyla yapay zeka modelinin ürettiği sonuçları karşılaştırarak net şekilde gözlemleyebiliyoruz." diye konuştu.

Sistemin, hatalı tahmin riskine karşı çok katmanlı bir kontrol mekanizmasıyla çalıştığını, modelin tahminleri gerçek zamanlı saha verileriyle sürekli karşılaştırarak tolerans dışına çıkan durumlarda otomatik uyarılar gönderdiğini ve düzenli olarak güncellenip yeniden eğitildiğini aktaran Yatkın, "Sistem, kendi doğruluğunu sürekli iyileştiren dinamik bir öğrenme yapısına sahip. Karar vericilere en doğru tabloyu sunarak hızlı ve güvenilir karar almalarını sağlıyor." ifadelerini kullandı.

Yapay zeka sisteminin diğer enerji kaynaklarına da uyarlanması planlanıyor

Yapay zeka destekli tahminlerin yalnızca başlangıç olduğunu belirten Yatkın, "Bu modeli rüzgar ve güneş gibi diğer yenilenebilir enerji kaynaklarına da uyarlayarak üretim tahmin doğruluğunu artırmayı hedefliyoruz. Güneş santrallerinde halihazırda benzer bir tahmin sistemi geliştirme sürecindeyiz." dedi.

Yatkın, orta vadede tüm enerji portföyünü tek bir dijital beyinle yönetmeyi hedeflediklerini ifade ederek, sözlerini şöyle tamamladı:

"Bu dönüşümün, enerji yönetiminde verimlilik kadar sürdürülebilirlik açısından da önemli kazanımlar sağlayacağına inanıyoruz. Uzun vadede bu çözümü, diğer hidroelektrik santral işletmecilerinin de kullanabileceği bir hizmet platformuna dönüştürerek, ülkemizin yenilenebilir enerji üretim stratejisine veri temelli bir katkı sunmayı ve enerji verimliliğinde ulusal ölçekte fark yaratmayı hedefliyoruz."