شهرهای جهان در حال ورود به عصر تازهای از مصرف برق هستند. در واقع، افزایش تقاضا برای انرژی تنها محدود به رشد جمعیت نیست؛ بلکه وابستگی فزاینده خانهها، سامانههای حملونقل، کسبوکارها، تجهیزات سرمایشی و زیرساختهای دیجیتال به برق، این روند را تشدید کرده است. در سال ۲۰۲۶، خود هوش مصنوعی به یکی از مهمترین عوامل ایجاد تقاضای جدید تبدیل شده است؛ بهویژه مراکز دادهای که برای آموزش و اجرای سامانههای پیشرفته دیجیتال به کار گرفته میشوند. بر اساس دادههای اداره اطلاعات انرژی آمریکا، مصرف برق این کشور از ۴.۱۹۵ میلیارد کیلوواتساعت در سال ۲۰۲۵ به ۴۲۷۰ میلیارد کیلوواتساعت در سال ۲۰۲۶ رسیده و پیشبینی میشود این رقم در سال ۲۰۲۷ به ۴.۳۴۹ میلیارد کیلوواتساعت افزایش یابد. این رشد، تا حد زیادی به مراکز داده وابسته به هوش مصنوعی و تا اندازهای به برقیشدن ساختمانها، صنعت و حملونقل مربوط است. همچنین انتظار میرود با افزایش سهم انرژیهای تجدیدپذیر در تولید برق، سهم زغالسنگ کاهش یابد. این تحولات برای شهرها اهمیت حیاتی دارد، زیرا بخش عمدهای از تقاضای برق در مناطق شهری متمرکز است. اگرچه ممکن است مراکز داده در خارج از مرکز شهر ساخته شوند، اما نیاز انرژی آنها بر شبکههای منطقهای، برنامهریزی خطوط انتقال، کاربری زمین، مصرف آب و قیمت برق اثرگذار است. چالش انرژی صرفاً تولید برق بیشتر نیست، بلکه شهرها باید برای زمان مصرف برق، منبع تأمین آن و نحوه محافظت از خانوادهها در برابر افزایش هزینهها و اختلال در عرضه، تصمیمگیری کنند.
چگونه میتوان عرضه و تقاضای برق شهرها را با هم هماهنگ کرد؟ دهلی نو نمونه مهمی در این زمینه است. نتایج یک مطالعه در سال ۲۰۲۶ نشان میدهد که نیاز برق دهلی در سال مالی ۲۰۲۶ به ۳۸.۴۸۲ میلیون واحد رسیده و مصرفکنندگان خانگی بیش از نیمی از کل مصرف را به خود اختصاص دادهاند. طبق این بررسی، استفاده از انرژی خورشیدی پشتبامی، ذخیرهسازی باتری، افزایش بهرهوری انرژی و برنامهریزی بهتر برای خرید برق در بلندمدت، از مهمترین فرصتها برای کاهش فشار بر سامانه برق محسوب میشوند. این موضوع ازآنجهت حائز اهمیت است که مصرف برق در طول روز یکنواخت نیست. تولید برق خورشیدی در ساعات روشنایی به اوج میرسد، اما خانوادهها معمولاً عصرها برای سرمایش، روشنایی، آشپزی و استفاده از وسایل برقی به انرژی بیشتری نیاز دارند؛ بنابراین بدون وجود باتری یا مدیریت انعطافپذیر مصرف، ممکن است یک شهر در ظهر با مازاد انرژی خورشیدی مواجه باشد، اما پس از غروب با کمبود انرژی روبرو شود. به همین دلیل، برنامهریزی انرژی از سؤال ساده «چه مقدار برق تولید کنیم؟» به پرسش پیچیدهتری تغییر یافته است: «چگونه عرضه و تقاضا را با هم هماهنگ کنیم؟»
در ماه اوت ۲۰۲۶، تقاضای برق هندوستان به رکورد ۱۶۹ میلیارد واحد رسید و تقاضای اوج نیز تا ۲۵۸ گیگاوات افزایش یافت. همچنین نیاز به سیستمهای سرمایشی در دورهای تشدید شد که با کمبود بارش مرتبط با النینو همراه بود؛ النینو یکی از چرخههای مشهور آب و هوایی جهان است که هر دو تا هفت سال یکبار، باعث ایجاد ناهنجاریهای بزرگی در آب و هوای سراسر سیاره زمین از جمله خشکسالی، قحطی و سیلابهای ناگهانی میشود. در این شرایط، قیمت برق در ساعات خورشیدی نسبتاً پایین باقی ماند، اما در ساعات غیرخورشیدی بهشدت افزایش یافت که نشاندهنده فشار مالی ناشی از رشد مصرف خارج از ساعات روز است. از سوی دیگر، بهرهوری انرژی برای شهرها به نوعی زیرساخت تبدیل شده است. عایقکاری بهتر ساختمانها، سقفهای بازتابنده، کولرهای کممصرف، کنتورهای هوشمند و برنامههای مدیریت تقاضا میتوانند نیاز به نیروگاههای گرانقیمت و تولید اضطراری را کاهش دهند.
چرا شهرها در عصر هوش مصنوعی به راهبردهای هوشمندانهتر برق نیاز دارند؟ رشد مراکز داده هوش مصنوعی، مدیریت مصرف برق در شهرها را ضروری کرده است. مدلسازی جدیدی که در استرالیا انجام شده، نشان میدهد تقاضای اوج مراکز داده ممکن است تا سال ۲۰۳۵ به ۳.۵ گیگاوات برسد که تقریباً دو برابر پیشبینیهای قبلی است. با گسترش خدمات هوش مصنوعی، مصرف برق مراکز داده نیز بهشدت افزایش مییابد. این روند پرسشهای مهمی ایجاد میکند؛ از جمله اینکه آیا مراکز داده باید هزینه کامل زیرساخت انتقال جدید را بپردازند؟ آیا آنها باید ملزم به استفاده از انرژیهای تجدیدپذیر شوند؟ آیا میتوان آنها را نزدیک منابع برق موجود یا سایتهای صنعتی متروکه ساخت؟ همچنین شهرها باید به مصرف آب نیز توجه کنند، زیرا بسیاری از مراکز داده به سامانههای سرمایشی وابستهاند که بهویژه در مناطق گرم، آب مصرف میکنند؛ بنابراین ممکن است راهکاری که از نظر برق کارآمد به نظر میرسد، در بخش دیگری فشار زیستمحیطی ایجاد کند. برنامهریزی انرژی شهری باید برق، آب، زمین و سیاست اقلیمی را بهصورت یکپارچه در نظر بگیرد.
راهبردهای هوشمند انرژی شهری در سال ۲۰۲۶ دارای چند لایه است: نخست، شهرها به ابزارهای دقیق پیشبینی نیاز دارند تا تقاضا را بر اساس محله، فصل و ساعت روز تخمین بزنند. دوم، باید تولید پراکنده مانند انرژی خورشیدی پشتبامی را همراه با باتری و مصرف انعطافپذیر گسترش دهند. سوم، سیاستهایی لازم است که شهروندان را به کاهش مصرف در ساعات اوج تشویق کند. چهارم، برای مصرفکنندگان زیاد برق مانند مراکز داده، کارخانهها و شبکههای حملونقل باید قوانین شفاف تدوین شود. در این زمینه فناوری میتواند کمککننده باشد، اما بهتنهایی کافی نیست. کنتورهای هوشمند و مدلهای هوش مصنوعی زمانی مؤثرند که مردم به آنها اعتماد داشته باشند و از مزایای آن بهرهمند شوند. اگر امکانات صرفهجویی انرژی فقط در اختیار خانوادههای ثروتمند باشد، نابرابری انرژی بیشتر خواهد شد؛ بنابراین شهرها باید نوآوری را با سیاستهای اجتماعی، حمایت از خانوادههای کمدرآمد، مسکن عمومی کارآمد و جلوگیری از افزایش ناگهانی قیمتها همراه کنند. نتیجه این کار روشن است؛ آینده برق شهری فقط با ساخت ظرفیت تولید بیشتر تعیین نمیشود، بلکه به طراحی سامانههایی انعطافپذیر بستگی دارد که انرژی پاک، ذخیرهسازی، بهرهوری، قیمتگذاری عادلانه و برنامهریزی دقیق برای رشد تقاضای ناشی از هوش مصنوعی را با هم ترکیب کنند.




