Forskare vid University of Sharjah i Förenade arabemiraten har publicerat en omfattande översynsstudie av AI-baserade digitala tvillingar och deras användning inom olika förnybara energisystem – från vind och sol till geotermisk, vattenkraft och biomassa. Deras slutsats är att tekniken har tydliga fördelar, men att viktiga barriärer återstår innan den kan leverera enligt de stora förväntningarna.
Digitala tvillingar är virtuella kopior av fysiska system – i detta fall energisystem – som kan simulera och interagera med den verkliga anläggningen. Enligt forskarna har tekniken potential att förvandla generering, hantering och optimering av energi över olika plattformar och därmed snabba på övergången bort från fossila bränslen. Studien framhåller att digitala tvillingar redan blivit en hörnsten för innovation inom flera industrisegment.
Forskarna skriver i tidskriften Energy Nexus:
– “Digital twins are highly effective in optimising renewable energy systems. Yet, each energy source presents unique challenges … that can limit the performance of digital twin technologies, despite their considerable promise in improving energy generation and management.”
I sitt arbete genomförde de en omfattande genomgång av vetenskaplig litteratur kring digitala tvillingar inom förnybar energi: funktioner, livscykler, arkitekturer och användningskontext. Analysen baserades på textmining med artificiell intelligens, maskininlärning och naturlig språkbehandling för att identifiera trender, strukturer och kunskapsluckor.
Analys per energikälla
Forskarna fokuserade på fem huvudformer av förnybar energi och drog specifika slutsatser för varje område:
- Vindenergi: Tvillingar kan förutse okända parametrar och korrigera felaktiga mätningar, vilket förbättrar driftsäkerhet och effektivitet.
- Solenergi: Tekniken hjälper till att identifiera nyckelfaktorer som påverkar effekt och design – men har fortfarande svårigheter med långtidsprediktioner.
- Geotermisk energi: Digitala tvillingar kan simulera hela processer, särskilt borrning – vilket möjliggör kostnadsanalys och tidsreduktion.
- Vattenkraft: AI-drivna modeller simulerar systemdynamik och kan till exempel hantera äldre kraftverks produktivitet – men möter utmaningar vid modellering av vattenflöden och miljöpåverkan.
- Biomassa: Förbättrad drift och hantering genom insikter i process och konfiguration – men modeller saknar fortfarande precision för biologiska och kemiska processer.
Hinder och kunskapsluckor
Trots de många möjligheterna pekar studien på flera väsentliga begränsningar:
- Inom vindenergi är modelleringen av miljöförhållanden, bladerosion, växellådsnedsättning och elektriska system fortfarande bristfälligt modellerad.
- Inom solenergi är problemet ofta att simulera paneldegradering och miljöpåverkan över tid, vilket påverkar precisionen.
- Inom geotermisk energi brister högkvalitativ data, vilket gör att osäkerheter i berggrund och vätskesystem blir svåra att modellera.
- Inom vattenkraft har modeller svårigheter att hantera vattenflödesvariationer och ekologiska begränsningar – vilket begränsar optimeringsmöjligheter.
- Inom biomassa är kedjan från råmaterial till produktion komplex och svår att helt digitalt simulera – särskilt de kemiska och biologiska reaktionerna.
Forskarna varnar att dessa utmaningar bromsar tekniken och att utan bättre modeller, data och beräkningskapacitet riskerar digitala tvillingar att inte nå sin fulla potential. De föreslår därför en forskningsagenda med fokus på förbättrad datainsamling, avancerad modellering och större beräkningskapacitet.
University of Sharjah (UoS) är belägen i emiratet Sharjah i Förenade arabemiraten, i området University City, nära Sharjah International Airport.
Betydelsen för energisektorn och slutsatser
Studien är relevant för den globala debatten om hur förnybar energi ska byggas ut och optimeras. Digitala tvillingar ses som en viktig teknisk komponent – men forskarna visar att förväntningarna kanske ligger före vad tekniken ännu kan leverera. Det är särskilt relevant i sektorer som vind och sol, där mycket av expansionen sker, men där modellutmaningarna enligt studien är stora.
Det är också värt att notera att trots teknikoptimism bygger verklig utrullning av digitala tvillingar ofta på stabil datainfrastruktur, tillgång till resurser och investeringsvilja – faktorer som varierar stort mellan länder och regioner.
Källa: University of Sharjah – forskningsmaterial
