প্রিডিকটিভ মেইনটেন্যান্স থেকে প্রিডিকটিভ জেনারেশন: কীভাবে এআই ভারতে সোলার অপারেশনে পরিবর্তন আনছে

কয়েক বছর আগে, আপনি যদি একটি ইউটিলিটি-স্কেল সোলার প্ল্যান্টে যেতেন এবং ওঅ্যান্ডএম (O&M) টিমকে জিজ্ঞাসা করতেন যে তারা কীভাবে প্যানেল পরিষ্কারের সময় নির্ধারণ করে, তবে উত্তরটি সাধারণত সহজ হতো: "প্রতি ৭ দিনে একবার।" অথবা হয়তো: "গ্রীষ্মকালে প্রতি ১৫ দিনে একবার এবং বর্ষাকালে মাসে একবার।" কেউ এটি নিয়ে খুব একটা প্রশ্ন তুলত না, কারণ সৌরবিদ্যুৎ কেন্দ্রের রক্ষণাবেক্ষণ বরাবরই এভাবেই হয়ে এসেছে।

কিন্তু সমস্যাটি এখানেই। ধুলোবালি ক্যালেন্ডার মেনে চলে না।

রাজস্থানের একটি সোলার প্ল্যান্ট কর্ণাটকের একটি প্ল্যান্টের তুলনায় অনেক দ্রুত বিদ্যুৎ উৎপাদন ক্ষমতা হারাতে পারে। একটি ধূলিঝড় রাতারাতি পুরো পরিষ্কারের চক্রকে অকার্যকর করে দিতে পারে। আবার অপ্রত্যাশিত বৃষ্টির একটি সপ্তাহ নির্ধারিত পরিষ্কারের কাজকে অপ্রয়োজনীয় করে তুলতে পারে। তবুও অনেক প্ল্যান্ট এখনও সেই নির্দিষ্ট সময়সূচী অনুযায়ী কাজ করে, যা কয়েক মাস বা কখনও কখনও কয়েক বছর আগে নির্ধারণ করা হয়েছিল।

ভারতে সৌরবিদ্যুতের সক্ষমতা বাড়ার সাথে সাথে, প্ল্যান্টের রক্ষণাবেক্ষণ পদ্ধতি এবং তাদের প্রকৃত আচরণের মধ্যে এই ব্যবধানটিকে এড়িয়ে চলা অসম্ভব হয়ে পড়ছে।

শিল্পটি ধীরে ধীরে একটি সাধারণ প্রশ্ন থেকে সরে আসছে - "প্ল্যান্টটি সর্বশেষ কবে পরিষ্কার করা হয়েছে?" - এবং একটি অনেক বেশি গুরুত্বপূর্ণ প্রশ্নের দিকে এগিয়ে যাচ্ছে: "আমরা এখন ঠিক কতটা বিদ্যুৎ উৎপাদন হারাচ্ছি?" এই পরিবর্তনটিই হলো যেখানে কৃত্রিম বুদ্ধিমত্তা (AI) গেমটি পরিবর্তন করতে শুরু করেছে।

পরিষ্কারের প্রকৃত খরচ যা বেশিরভাগ মানুষ মনে করেন তার চেয়ে আলাদা

মানুষ যখন ম্যানুয়াল বা হাতে পরিষ্কার করা এবং রোবোটিক পরিষ্কারের মধ্যে তুলনা করে, তখন আলোচনাটি সাধারণত শ্রম খরচের চারপাশে ঘোরে। কিন্তু শ্রম খরচের সমীকরণের মাত্র একটি অংশ।

যিনি একটি বড় সোলার প্ল্যান্ট পরিচালনা করেছেন, তিনি জানেন লুকানো চ্যালেঞ্জগুলো কী:

• শত শত একর এলাকা জুড়ে পরিচ্ছন্নতা কর্মীদের ব্যবস্থা করা
• প্রত্যন্ত অঞ্চলে জলের ট্যাঙ্কার পরিচালনা করা
• গ্রীষ্মের তীব্র মাসগুলোতে পরিষ্কারের সময়সূচী সমন্বয় করা
• পরিষ্কারের গুণমান সামঞ্জস্যপূর্ণ রাখা
• পরিষ্কার করার ফলে বিদ্যুৎ উৎপাদন সত্যিই বেড়েছে তা প্রমাণ করা

শেষের বিষয়টি আশ্চর্যজনকভাবে গুরুত্বপূর্ণ। অনেক প্ল্যান্ট প্রতি বছর পরিষ্কারের কাজে লক্ষ লক্ষ টাকা ব্যয় করে, কিন্তু প্রতিটি চক্রের পরে ঠিক কতটা উৎপাদন পুনরুদ্ধার হয়েছে, তার খুব সামান্য ডেটা থাকে।

পরিষ্কারের কাজ হয়। ইনভয়েসের পেমেন্ট করা হয়। এবং সবাই ধরে নেয় যে এটি সাহায্য করেছে। কিন্তু মেগাওয়াট-ঘণ্টায় পরিমাপ করা ব্যবসায় এমন অনুমান ব্যয়বহুল হতে পারে।

রোবট গল্পের অর্ধেক মাত্র

বেশিরভাগ মানুষ যখন রোবোটিক ক্লিনিং সিস্টেমের কথা শোনেন, তখন তারা হার্ডওয়্যারের দিকেই বেশি মনোযোগ দেন। রোবট চলে। ব্রাশ ঘোরে। প্যানেল পরিষ্কার হয়। এটি বোঝা সহজ।

যা প্রায়শই উপেক্ষিত হয় তা হলো, প্রতিবার রোবটটি যখন সারির ওপর দিয়ে যায়, তখন তৈরি হওয়া ডেটা। প্রতিটি পরিষ্কারের চক্র তথ্য তৈরি করে:

• কোন সারিগুলো পরিষ্কার করা হয়েছে
• কাজটি সম্পন্ন করতে কত সময় লেগেছে
• কখন পরিষ্কার করা হয়েছে
• চক্র চলাকালীন পরিবেশগত অবস্থা
• সরঞ্জামের কার্যক্ষমতা
• সাইট-স্তরের অপারেশনাল ট্রেন্ড

ব্যক্তিগতভাবে, এই ডেটা পয়েন্টগুলো খুব একটা আকর্ষণীয় নয়। কিন্তু সম্মিলিতভাবে, শত শত সাইট এবং হাজার হাজার ক্লিনিং সাইকেল জুড়ে, এগুলো অত্যন্ত মূল্যবান হয়ে ওঠে। এখানেই এআই (AI) ছবির মধ্যে আসতে শুরু করে।

সোলার প্ল্যান্টকে প্যাটার্ন চিনতে শেখানো

মেশিন লার্নিংয়ের অন্যতম বড় শক্তি হলো এর প্যাটার্ন বা ধরন শনাক্ত করার ক্ষমতা, যা মানুষ ধারাবাহিকভাবে শনাক্ত করতে হিমশিম খায়।

উদাহরণস্বরূপ, ময়লা জমার কথা ধরা যাক। রাজস্থানের একটি প্ল্যান্ট তেলেঙ্গানার একটি প্ল্যান্টের তুলনায় ভিন্ন আচরণ করে। সিমেন্ট কারখানার কাছাকাছি একটি সাইটে কৃষি জমির পার্শ্ববর্তী সাইটের চেয়ে ভিন্নভাবে ধুলো জমা হয়। বর্ষা পরবর্তী পুনরুদ্ধারের ধরনও অঞ্চলভেদে ভিন্ন হয়।

সময়ের সাথে সাথে, এআই মডেলগুলো এই পার্থক্যগুলো চিনতে শুরু করে। প্রতিটি সোলার প্ল্যান্টের সাথে একইভাবে আচরণ করার পরিবর্তে, তারা নির্দিষ্ট পরিস্থিতিতে নির্দিষ্ট সাইট কীভাবে কাজ করে তা শেখে। তখনই রক্ষণাবেক্ষণ বুদ্ধিমান হয়ে ওঠে।

নির্ধারিত পরিষ্কার থেকে স্মার্ট পরিষ্কারে রূপান্তর

ঐতিহ্যগত রক্ষণাবেক্ষণ তারিখের ওপর নির্ভর করে। এআই নির্ভর করে পরিস্থিতির ওপর। এটি একটি মৌলিক পার্থক্য।

একটি নির্দিষ্ট সময়সূচী হয়তো বলবে: "প্রতি সাত দিনে ব্লক এ পরিষ্কার করুন।" একটি এআই-চালিত সিস্টেম হয়তো বলবে: "ব্লক এ আরও তিন দিন অপেক্ষা করতে পারে, কিন্তু ব্লক সি ইতিমধ্যে উল্লেখযোগ্য পরিমাণ বিদ্যুৎ উৎপাদন হারাচ্ছে এবং এটি আজ রাতেই পরিষ্কার করা উচিত।"

উদ্দেশ্য এখন আর কেবল পরিষ্কারের কাজ শেষ করা নয়। লক্ষ্য হলো শক্তি উৎপাদনকে সর্বোচ্চ করা। এটি শুনতে ছোট পার্থক্য মনে হতে পারে, কিন্তু আর্থিকভাবে এটি সবকিছু বদলে দেয়। ইতিমধ্যে পরিষ্কার থাকা একটি প্যানেল পরিষ্কার করা খরচ বাড়ায়। এমন একটি প্যানেল পরিষ্কার করা যা সক্রিয়ভাবে উৎপাদন কমিয়ে দিচ্ছে, সেটি মূল্য তৈরি করে। এআই এই পার্থক্যটি শনাক্ত করতে সাহায্য করে।

সোলার প্ল্যান্টকে চোখ দেওয়া

আরেকটি ক্ষেত্র যেখানে এআই বড় প্রভাব ফেলছে তা হলো কম্পিউটার ভিশন।

ভাবুন তো, কীভাবে পরিদর্শন বা ইন্সপেকশন ঐতিহ্যগতভাবে করা হয়। একজন প্রকৌশলী সাইটে হেঁটে যান, প্যানেলগুলো চোখে দেখেন, দৃশ্যমান সমস্যাগুলো নোট করেন এবং এগিয়ে যান। এই প্রক্রিয়াটি অভিজ্ঞতার ওপর এবং মানুষের পর্যবেক্ষণের ওপর অনেকাংশে নির্ভরশীল।

কম্পিউটার ভিশন সম্পূর্ণ ভিন্ন একটি পদ্ধতির সূচনা করে। রোবট এবং ইন্সপেকশন সিস্টেমে লাগানো ক্যামেরাগুলো ক্রমাগত প্যানেলের অবস্থা পর্যবেক্ষণ করতে পারে এবং শনাক্ত করতে পারে:

• ধুলো জমার পরিমাণ
• হটস্পট
• মাইক্রো-ক্র্যাক
• ডেল্যামিনেশন
• পৃষ্ঠতলের ক্ষতি
• পরিষ্কারের ক্ষেত্রে ফাঁক

পর্যায়ক্রমিক পরিদর্শনের ওপর কেবল নির্ভর করার পরিবর্তে, প্ল্যান্টটি একটি অবিচ্ছিন্ন ভিজ্যুয়াল ফিডব্যাক সিস্টেম পায়। অনেক দিক থেকে, কম্পিউটার ভিশন সোলার প্ল্যান্টকে এমন কিছু দেয় যা আগে তার ছিল না: চোখ।

বৃহত্তর লক্ষ্য রক্ষণাবেক্ষণ নয়

এখানেই সৌরবিদ্যুতে এআই সংক্রান্ত অনেক আলোচনা খুব সংকীর্ণ হয়ে যায়। উদ্দেশ্য কেবল ভালো রক্ষণাবেক্ষণ নয়। উদ্দেশ্য হলো উন্নত বিদ্যুৎ উৎপাদন। রক্ষণাবেক্ষণ হলো এটি অর্জনের জন্য ব্যবহৃত একটি মাধ্যম মাত্র।

ঐতিহাসিকভাবে, ওঅ্যান্ডএম টিমগুলো ব্যর্থতা রোধের দিকে মনোনিবেশ করেছে। এআই একটি ভিন্ন মানসিকতা নিয়ে আসে। "কী ভেঙে গেছে?" এই প্রশ্নটির পরিবর্তে প্রশ্ন হয়ে ওঠে, "কী উৎপাদন কমিয়ে দিতে চলেছে, এবং ঘটার আগেই আমরা কীভাবে তা থামাব?" প্রতিক্রিয়াশীল চিন্তা থেকে ভবিষ্যদ্বাণীমূলক চিন্তায় এই পরিবর্তনটিই হয়তো বর্তমান শিল্পের সবচেয়ে বড় রূপান্তর।

ভারত কেন উপযুক্ত পরীক্ষার মাঠ

যদি এআই ভারতীয় সৌর পরিস্থিতিতে কাজ করতে পারে, তবে এটি সম্ভবত যেকোনো জায়গায় কাজ করতে পারবে। ভারত কল্পনাযোগ্য প্রায় প্রতিটি চ্যালেঞ্জ উপস্থাপন করে: ধুলোবালি পূর্ণ পরিবেশ, পানির সংকট, চরম তাপমাত্রা, বিশাল ইউটিলিটি-স্কেল ইনস্টলেশন এবং দ্রুত বর্ধমান সক্ষমতা।

ভারতে সোলার প্ল্যান্ট পরিচালনার জটিলতা উদ্ভাবনকে বাধ্য করে। এটি অন্যতম কারণ যে কেন বিশ্বের সবচেয়ে উন্নত রোবোটিক ক্লিনিং এবং সোলার ইন্টেলিজেন্স সমাধানগুলোর অনেকগুলোই এখানে তৈরি এবং পরীক্ষা করা হচ্ছে। সমস্যাগুলো বাস্তব। স্কেল বা পরিধি বিশাল। এবং সেই সমস্যাগুলো সমাধানের আর্থিক প্রভাব অত্যন্ত তাৎপর্যপূর্ণ।

ভবিষ্যতের দিকে তাকালে

সৌরবিদ্যুৎ কার্যক্রমের ভবিষ্যৎ কেবল রোবট দ্বারা নির্ধারিত হবে না। এটি কেবল সফটওয়্যারের মাধ্যমেও নির্ধারিত হবে না। সবচেয়ে বড় সুবিধাগুলো আসবে রোবোটিক্স, মেশিন লার্নিং, কম্পিউটার ভিশন, আবহাওয়া সংক্রান্ত বুদ্ধিমত্তা এবং জেনারেশন অ্যানালিটিক্সকে একটি একক সিদ্ধান্ত গ্রহণকারী সিস্টেমে একত্রিত করার মাধ্যমে - এমন একটি সিস্টেম যা কেবল কাল কী ঘটেছিল তা বোঝে না, বরং আগামীকাল কী ঘটতে পারে তাও অনুমান করতে পারে।

কারণ দিনশেষে, সোলার অপারেটররা প্যানেল পরিষ্কারের জন্য পারিশ্রমিক পান না। তারা বিদ্যুৎ উৎপাদনের জন্য পারিশ্রমিক পান। আর যে কোম্পানিগুলো উৎপাদন হ্রাসের ঘটনা ঘটার আগেই তা অনুমান করতে পারবে, তারা তাদের চেয়ে উল্লেখযোগ্য সুবিধায় থাকবে যারা কেবল এটি ঘটার পর প্রতিক্রিয়া দেখায়।

এ কারণেই শিল্পটি ভবিষ্যদ্বাণীমূলক রক্ষণাবেক্ষণের বাইরে চলে যাচ্ছে। পরবর্তী অধ্যায়টি হলো ভবিষ্যদ্বাণীমূলক উৎপাদন।