ශ්‍රී ලංකා තොරතුරු තාක්ෂණ ආයතනයේ (SLIIT) පර්යේෂකයින් කණ්ඩායමක් විසින් ජෛව ස්කන්ධ (Biomass) මගින් ක්‍රියාත්මක වන හුමාල ටර්බයිනවල (Steam turbines) විදුලිබල උත්පාදනය වඩාත් නිවැරදිව පුරෝකථනය කළ හැකි නවීන කෘතිම බුද්ධි පද්ධතියක් (AI framework) නිර්මාණය කිරීමට සමත්ව සිටිති. කාර්මික ක්ෂේත්‍රයේ බලශක්ති අපතේ යාම අවම කිරීම, මෙහෙයුම් පිරිවැය අඩු කිරීම සහ තිරසර බලශක්ති කළමනාකරණය ශක්තිමත් කිරීම සඳහා මෙම නවෝත්පාදනය මගින් ප්‍රායෝගික විසඳුමක් සපයයි. ලොව ප්‍රමුඛතම සියයට 2 අතරට ගැනෙන එල්සෙවියර් (Elsevier) ආයතනයේ 'Energy Conversion and Management' නමැති කීර්තිමත් විද්‍යාත්මක සඟරාවේ පළවූ මෙම පර්යේෂණයේදී විශේෂයෙන් අවධානය යොමුකර ඇත්තේ, පාම් ඔයිල් නිෂ්පාදන ක්‍රියාවලියේදී නිකුත් වන කෘෂිකාර්මික අතුරු නිෂ්පාදන පුනර්ජනනීය කාර්මික බලශක්තිය බවට පරිවර්තනය කිරීමේ තාක්ෂණය කෙරෙහිය.

පාම් ඔයිල් නිෂ්පාදන කර්මාන්තයේදී, එහි අතුරු නිෂ්පාදන වන කෙඳි, කටු සහ ලෙලි වැනි අපද්‍රව්‍ය හුමාල ටර්බයින බලගැන්වීමේ ජෛව ස්කන්ධ ඉන්ධන (Biomass fuel) ලෙස බහුලව භාවිත කෙරේ. කෙසේවෙතත්, කර්මාන්තශාලා මුහුණ දෙන ප්‍රධානතම අභියෝගයක් වන්නේ අවශ්‍යතාවට සරිලන පරිදි නියමිත වේලාවට නියමිත බලශක්ති ප්‍රමාණය උත්පාදනය කරගැනීමයි. බලශක්ති ඉල්ලුම අධිප්‍රමාණ කළහොත් (Overestimate) වටිනා ජෛව ස්කන්ධ ඉන්ධන අපතේ යන අතර, ඉල්ලුම අවප්‍රමාණ කළහොත් (Underestimate) ජාතික විදුලිබල පද්ධතියෙන් වැඩි විදුලි ප්‍රමාණයක් ලබා ගැනීමට සිදුවේ. මෙයින් මෙහෙයුම් පිරිවැය ඉහළ යන අතර පුනර්ජනනීය බලශක්ති භාවිතයේ සමස්ත කාර්යක්ෂමතාව ද පහත වැටේ.

මෙම ගැටලුවට සාර්ථක විසඳුමක් ලෙස, කාර්මික මෙහෙයුම් රටා අධ්‍යයනය කරමින් අනාගත බලශක්ති ඉල්ලුම ඉහළ නිවැරදිතාවකින් යුතුව පුරෝකථනය කළ හැකි AI පදනම් කරගත් පද්ධතියක් පර්යේෂණ කණ්ඩායම විසින් සංවර්ධනය කරන ලදී. වසර 8ක දීර්ඝ කාර්මික දත්ත සමුදායක් විශ්ලේෂණය කරමින් නිර්මාණය කළ මෙම මාදිලිය, පවතින සම්ප්‍රදායික ක්‍රමවේදවලට වඩා සියයට 25ක පමණ ඉහළ නිවැරදිතාවකින් යුතුව බලශක්ති ඉල්ලුම පුරෝකථනය කිරීමට සමත් වී ඇති අතර, සැබෑ කාර්මික මෙහෙයුම් කොන්දේසි යටතේ ඉහළ විශ්වසනීයත්වයක් පෙන්නුම් කර ඇත.

මෙම වැඩිදියුණු කළ පුරෝකථන පද්ධතිය මගින් කර්මාන්තශාලාවලට තම ජෛව ස්කන්ධ භාවිතය පූර්ව සැලසුම් කිරීමටත්, සැබෑ ඉල්ලුමට ගැලපෙන පරිදි හුමාල ටර්බයිනවල නිෂ්පාදනය සැසඳීමටත්, පවතින පුනර්ජනනීය සම්පත් උපරිම ලෙස ප්‍රයෝජනයට ගැනීමටත් අවස්ථාව හිමිවේ. අධික බලශක්ති පාරිභෝජනයක් සහිත කර්මාන්ත සඳහා මෙවැනි පුරෝකථන නිවැරදිතාවයේ සුළු හෝ වර්ධනයක් පවා ඉන්ධන කාර්යක්ෂමතාව ඉහළ නැංවීමට, පිරිවැය පාලනයට සහ වඩාත් නිවැරදි නිෂ්පාදන සැලසුම්කරණයට මහෝපකාරී වේ. එමෙන්ම, දිනපතා ගනු ලබන මෙහෙයුම් තීරණ සඳහා පැහැදිලි දත්ත පදනමක් සපයන බැවින්, ඵලදායිතාව සහ තිරසර පරමාර්ථ අතර මනා සමතුලිතතාවක් පවත්වා ගැනීමට කර්මාන්තශාලා කළමනාකරුවන්ට හැකියාව ලැබේ.

මෙම පර්යේෂණය සඳහා නායකත්වය ලබාදෙන ලද්දේ SLIIT හි විදුලි හා ඉලෙක්ට්‍රොනික ඉංජිනේරු උපාධිධාරිනියක මෙන්ම දැනට පූර්ණ ශිෂ්‍යත්වයක් සහිතව ඔස්ට්‍රේලියාවේ ලා ට්‍රෝබ් විශ්වවිද්‍යාලයේ (La Trobe University) ඉලෙක්ට්‍රොනික විද්‍යාව පිළිබඳ ඉංජිනේරු පශ්චාත් උපාධිය හදාරන හිමායා පෙරේරා මෙනෙවිය විසිනි. SLIIT හි විදුලි හා ඉලෙක්ට්‍රොනික ඉංජිනේරු අධ්‍යයනාංශයේ මහාචාර්ය එරංග විජේසිංහ මහතා සහ තොරතුරු තාක්ෂණ අධ්‍යයනාංශයේ මහාචාර්ය භාග්‍යා නතාලි සිල්වා මහත්මියගේ අධීක්ෂණය හා සහයෝගිතාව යටතේ මෙම අධ්‍යයනය සිදුකර ඇත.

මීට අමතරව, SLIIT හි විදුලි හා ඉලෙක්ට්‍රොනික ඉංජිනේරු උපාධිධාරියකු මෙන්ම දැනට පූර්ණ ශිෂ්‍යත්වයක් යටතේ දකුණු කොරියාවේ කියොන්ග්පූක් ජාතික විශ්වවිද්‍යාලයේ (Kyungpook National University) විදුලි ඉංජිනේරු විද්‍යාව පිළිබඳ ආචාර්ය උපාධිය හදාරන ශාලිත ජයසේකර මහතා සහ ඔහුගේ ආචාර්ය උපාධි උපදේශක මහාචාර්ය හොනියොන්ග් චා (Prof. Honnyong Cha) මහතා ද ජාත්‍යන්තර සහයකයන් ලෙස මෙයට දායක වී ඇත. ඉංජිනේරු, පරිගණක හා ජාත්‍යන්තර පර්යේෂණ ක්ෂේත්‍රයන්හි දැනුම එක්තැන් කරමින් ප්‍රායෝගික කාර්මික බලශක්ති අභියෝගයකට විසඳුම් සපයන මෙම අධ්‍යයනය, භාවිතික බලශක්ති නවෝත්පාදන (Applied energy innovation) උදෙසා ශ්‍රී ලාංකේය පර්යේෂකයන් දක්වන වර්ධනය වන දායකත්වය මැනවින් පිළිඹිබු කරයි.

මෙම පර්යේෂණයේ වැදගත්කම තනි කර්මාන්තශාලාවකට හෝ එක් ක්ෂේත්‍රයකට පමණක් සීමා නොවන්නකි. ශ්‍රී ලංකාව මේ වන විට කාර්මික බලශක්ති කාර්යක්ෂමතාව ඉහළ නැංවීමටත්, පුනර්ජනනීය සම්පත්හි පලදායි භාවිතය ප්‍රසාරණය කිරීමටත් දැඩි අවධානයක් යොමුකර ඇත. කෘෂිකාර්මික අපද්‍රව්‍ය වඩාත් විශ්වාසදායක හා කාර්යක්ෂම බලශක්ති ප්‍රභවයක් බවට පරිවර්තනය කිරීම මගින් මෙම පර්යේෂණය කාර්මික තරගකාරිත්වය මෙන්ම පාරිසරික තිරසාරත්වය ද ශක්තිමත් කරයි. එසේම බලශක්ති සුරක්ෂිතතාව, නිෂ්පාදන කාර්යක්ෂමතාව සහ සම්පත් කළමනාකරණයට සෘජුවම බලපාන ක්ෂේත්‍රයන්හි දේශීය පර්යේෂණ ධාරිතාව වැඩිදියුණු කිරීමේ ජාතික අවශ්‍යතාවට ද මෙය මනා ලෙස ගැලපේ.

තවද, සැබෑ ආර්ථික හා පාරිසරික අවශ්‍යතාවලට විසඳුම් සෙවීම සඳහා පර්යේෂණ පාදක කරගත් ප්‍රවේශයන්හි ඇති වැදගත්කම මෙම අධ්‍යයනය මගින් තහවුරු කරයි. කර්මාන්ත ක්ෂේත්‍රය වඩාත් ස්මාර්ට් (Smart) මෙහෙයුම් වෙත යොමු වන වර්තමානයේ, ජෛව ස්කන්ධය යනු හුදෙක් සම්ප්‍රදායික ඉන්ධන ප්‍රභවයක් පමණක් නොව, කෘතිම බුද්ධිය හරහා වඩාත් බුද්ධිමත් හා දත්ත මගින් මෙහෙයවනු ලබන අනාගත කාර්මික බලශක්ති සම්පතක් බවට පත්කළ හැකි ආකාරය SLIIT සහ එහි පර්යේෂණ හවුල්කරුවන්ගේ මෙම අද්විතීය කාර්යභාරය මගින් පෙන්වා දී තිබේ.