DOI: https://doi.org/10.1038/s41598-026-36906-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41571748
تاريخ النشر: 2026-01-22
المؤلف: Mugisho Mugaruka Josue وآخرون
الموضوع الرئيسي: الطاقة المتجددة وأنظمة الطاقة المستدامة
نظرة عامة
تدرس هذه الدراسة ديناميات كفاءة محطة الطاقة الكهرومائية رويزيزي I (29.8 ميغاوات) من عام 2000 إلى 2023، مع التركيز على العلاقة بين العوامل الهيدرولوجية والقيود التشغيلية. تسلط الأبحاث الضوء على أنه بينما التأثيرات المناخية على إنتاج الطاقة الكهرومائية مفهومة جيدًا، فإن الكفاءة – التي تُعرف بأنها نسبة الطاقة الكهربائية المولدة إلى الطاقة الهيدروليكية المدخلة – لم تُستكشف بشكل كافٍ، خاصة في المناطق التي تفتقر إلى البيانات. باستخدام تقنيات التعلم الآلي (الانحدار الخطي المتعدد، الغابة العشوائية، تعزيز التدرج)، وجدت الدراسة أن كفاءة المحطة قد زادت بشكل ملحوظ بمقدار 3.6 نقاط مئوية لكل عقد، مدفوعة بشكل أساسي بتدفق المياه (معامل الارتباط $r = 0.998$). تشير التحليلات إلى أن الرأس والموسمية لهما تأثير ضئيل على الكفاءة، مما يوحي بأن المكاسب تعتمد بشكل أساسي على التدفق وقد تخفي الآثار السلبية لفقدان الرأس.
تكشف النتائج أن كفاءة المحطة تظل مستقرة خلال ظروف الجفاف ولكنها تزيد بنسبة 17-18% خلال السنوات الرطبة، ويرجع ذلك إلى تأثير التخفيف من بحيرة كيفو. تم تحديد نطاق عامل الحمل الأمثل بين 78-82%، والذي يمكن أن يعزز الكفاءة بحوالي 4 نقاط مئوية مقارنة بالعمليات التاريخية. ومع ذلك، فإن الانخفاض المقلق في عامل السعة المتاحة بمعدل -5.5% لكل عقد يشير إلى ظهور قيود غير هيدرولوجية. تختتم الدراسة بأن ضمان الاستدامة على المدى الطويل لمحطة رويزيزي I يتطلب معالجة فقدان الرأس الناتج عن الرواسب وتحسين الاستراتيجيات التشغيلية لتعظيم الكفاءة، وبالتالي حماية إمكانات تحويل الطاقة في المحطة ضد الثغرات المحددة.
الطرق
تركز قسم المنهجية في الدراسة على حوض نهر رويزيزي (RRB)، وهو منطقة حيوية للطاقة الكهرومائية في وسط إفريقيا، وخاصة محطة الطاقة الكهرومائية رويزيزي I. يمتد حوض RRB على 12,802 كيلومتر مربع عبر رواندا وبوروندي وجمهورية الكونغو الديمقراطية، حيث تعتبر رويزيزي I المنشأة الأطول خدمة منذ بدء تشغيلها في عام 1959. تسلط الدراسة الضوء على التأثيرات الجيولوجية لنظام صدع شرق إفريقيا وأهمية الطاقة الكهرومائية في مشهد الطاقة في المنطقة. من المتوقع أن تعزز التوسعات المستقبلية، بما في ذلك رويزيزي III ورويزيزي IV، من قدرة الطاقة الكهرومائية وأمن الطاقة.
لتحليل ديناميات الكفاءة على المدى الطويل لمحطة رويزيزي I، استخدمت الدراسة إطار عمل منظم يتضمن جمع البيانات، والتحليل الاستكشافي، وتحليل الاتجاهات، ونهج التعلم الآلي متعدد النماذج. استخدم تحليل الاتجاهات شذوذات الكفاءة الشهرية، المحسوبة كانحرافات عن متوسط الكفاءة على المدى الطويل، وطبق اختبار مان-كيندال غير المعلمي لاكتشاف الاتجاهات الأحادية. تم استخدام مُقدّر ثايل-سين لتحديد حجم الاتجاهات المهمة، مما يوفر رؤى حول التغيرات طويلة الأجل في الكفاءة. تم تصور النتائج من خلال مخططات الشذوذات الشهرية والمتوسطات المتحركة، مما يسهل فهمًا شاملاً لأنماط الكفاءة ومحركاتها تحت ظروف هيدرولوجية ومناخية متغيرة.
النتائج
تكشف نتائج الدراسة عن وجود ارتباط قوي بين الكفاءة (Efficiency_pct_z) والتدفق (Discharge_m3s_z)، مع معامل ارتباط قدره $r = 0.998$. تم تأكيد هذه العلاقة من خلال الشذوذات غير الموجهة، مما أسفر عن ارتباط يقارب $r \approx 0.97$، مما يشير إلى وجود ارتباط مادي حقيقي بدلاً من كونه مجرد أثر رياضي. بالمقابل، فإن الارتباط بين الكفاءة والرأس الإجمالي (Gross_Head_m_z) ضعيف وسلبي ($r = -0.099$)، بينما العلاقة مع السعة المتاحة (Available_Capacity_MW_z) إيجابية بشكل معتدل ($r = 0.316$). تشير التحليلات إلى أن التدفق هو العامل السائد الذي يؤثر على الكفاءة، يليه السعة المتاحة، مع مساهمة ضئيلة من الرأس الإجمالي.
يدعم تحليل الانحدار الخطي المتعدد هذه النتائج، مع معامل موحد للتدفق قدره 0.950، وهو أعلى بكثير من تلك الخاصة بالرأس الإجمالي (-0.010) والسعة المتاحة (0.004). حقق النموذج $R^2 = 0.999$ على مجموعة الاختبار، مما يشير إلى أن تقريبًا جميع التباينات القابلة للتفسير في درجات الكفاءة z يتم حسابها بواسطة المتنبئين، وخاصة التدفق. تؤكد النماذج المعتمدة على الأشجار، بما في ذلك الغابة العشوائية وتعزيز التدرج، هذا الترتيب، حيث تعزى 99.8% و99.7% من الأهمية للتدفق، على التوالي، مع مساهمات ضئيلة من الرأس الإجمالي والسعة المتاحة ومؤشرات الموسم. بشكل عام، تختتم الدراسة بأن التدفق هو المحرك الرئيسي لتقلبات الكفاءة الشهرية، مع مساهمة ضئيلة من العوامل الأخرى.
المناقشة
تسلط المناقشة الضوء على الدور الحاسم للطاقة الكهرومائية في مشهد الطاقة المتجددة في إفريقيا، خاصة في سياق التخفيف من آثار تغير المناخ والتنمية المستدامة. بينما وثقت الأبحاث الحالية بشكل موسع حساسية إنتاج الطاقة الكهرومائية تجاه المتغيرات المناخية، فإن كفاءة محطات الطاقة الكهرومائية – التي تُعرف بأنها نسبة الطاقة الكهربائية المولدة إلى الطاقة الهيدروليكية المدخلة – لم تحظَ بالاهتمام الكافي. تؤكد هذه الدراسة على أهمية كفاءة المحطة كمقياس رئيسي لفهم الصحة التشغيلية والأداء، خاصة في مواجهة تقلبات المناخ وبنية تحتية قديمة.
استخدمت التحليلات مجموعة بيانات شاملة من محطة الطاقة الكهرومائية رويزيزي I، تمتد من يناير 2000 إلى ديسمبر 2023، لاستكشاف اتجاهات الكفاءة ومحركاتها. تم تحديد اتجاه إيجابي كبير في شذوذات الكفاءة، مع زيادة متوسطة قدرها 0.030%-نقطة شهريًا، مما يشير إلى تحسينات تشغيلية مستدامة. كشفت التحليلات الموسمية والسنوية أن شذوذات الكفاءة لم تختلف بشكل كبير بين المواسم الجافة والرطبة، مما يشير إلى أن الإدارة التشغيلية تخفف من تأثير تقلبات الأمطار. ومع ذلك، كانت الكفاءة أعلى بشكل ملحوظ خلال السنوات الرطبة مقارنة بالسنوات الجافة والعادية، مما يبرز حساسية المحطة تجاه الظروف الهيدرولوجية.
علاوة على ذلك، تم استخدام إطار عمل متعدد النماذج للتعلم الآلي لتحديد المحركات الرئيسية للكفاءة، حيث ظهر التدفق كعامل سائد يؤثر على الأداء. تشير نتائج الدراسة إلى أن الاستراتيجيات التشغيلية، خاصة فيما يتعلق بإدارة الحمل وتوافر التوربينات، يمكن تحسينها لتعزيز الكفاءة. إن تحديد نطاق عامل الحمل الأمثل (78-82%) لتعظيم الكفاءة يقدم رؤى قابلة للتنفيذ لتحسين الممارسات التشغيلية في محطة رويزيزي I، مما يسهم في إدارة الطاقة بشكل أكثر فعالية في المنطقة.
القيود
تسلط القيود المفروضة على دراسة أداء رويزيزي I الضوء على تفاعل معقد من العوامل التي تؤثر على إنتاج الطاقة. بينما كان هناك زيادة مفيدة في حجم المياه، فإن هذا يقابله انخفاض في الرأس الهيدروليكي وتحديات تتعلق بالبنية التحتية القديمة ودمج الشبكة. على الرغم من أن الإنتاج الكلي للطاقة قد ارتفع، إلا أن هذا التحسن يعتمد بشكل متزايد على ظروف التدفق العالي، مما يثير القلق بشأن الكفاءة بسبب فقدان الرأس المستمر ومشكلات التوافر الفني.
تُعتبر الاعتماد على البيانات التشغيلية قيدًا كبيرًا، مما يحد من القدرة على تحديد أسباب فقدان الرأس بدقة مثل تغير المناخ، وترسب الرواسب، أو التدخلات البشرية. لمعالجة ذلك، يجب على الأبحاث المستقبلية تنفيذ نموذج شامل للهيدرولوجيا والهيدروديناميكا ونقل الرواسب لنظام بحيرة كيفو-رويزيزي لتحديد هذه العوامل المساهمة بشكل أفضل. بالإضافة إلى ذلك، تقترح الدراسة أنه يجب التحقق من نطاق عامل الحمل الأمثل المحدد من خلال محاكاة تحسين في الوقت الحقيقي لتقييم المكاسب المحتملة في الطاقة بشكل أكثر فعالية.
DOI: https://doi.org/10.1038/s41598-026-36906-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41571748
Publication Date: 2026-01-22
Author(s): Mugisho Mugaruka Josue et al.
Primary Topic: Renewable energy and sustainable power systems
Overview
This study investigates the efficiency dynamics of the Ruzizi I hydropower plant (29.8 MW) from 2000 to 2023, focusing on the relationship between hydrological factors and operational constraints. The research highlights that while climate impacts on hydropower output are well understood, the efficiency—defined as the ratio of electrical energy generated to hydraulic energy input—has been less explored, particularly in data-limited regions. Utilizing machine learning techniques (Multiple Linear Regression, Random Forest, Gradient Boosting), the study finds that plant efficiency has increased significantly by 3.6 percentage points per decade, predominantly driven by discharge (correlation coefficient $r = 0.998$). The analysis indicates that head and seasonality have a negligible impact on efficiency, suggesting that gains are primarily flow-dependent and may obscure the adverse effects of head loss.
The findings reveal that the plant’s efficiency remains stable during drought conditions but increases by 17-18% during wet years, largely due to the buffering effect of Lake Kivu. An optimal load factor range of 78-82% was identified, which could enhance efficiency by approximately 4 percentage points compared to historical operations. However, a concerning decline in the available capacity factor at a rate of -5.5% per decade points to emerging non-hydrological constraints. The study concludes that ensuring the long-term sustainability of the Ruzizi I plant necessitates addressing sediment-induced head loss and optimizing operational strategies to maximize efficiency, thereby safeguarding the plant’s energy conversion potential against identified vulnerabilities.
Methods
The methodology section of the study focuses on the Ruzizi River Basin (RRB), a critical hydropower region in Central Africa, particularly the Ruzizi I hydropower plant. The RRB spans 12,802 km² across Rwanda, Burundi, and the Democratic Republic of Congo, with Ruzizi I being the longest-serving facility since its commissioning in 1959. The study highlights the geological influences of the East African Rift System and the significance of hydropower in the region’s energy landscape. Future expansions, including Ruzizi III and Ruzizi IV, are anticipated to enhance hydropower capacity and energy security.
To analyze the long-term efficiency dynamics of the Ruzizi I plant, the study employed a structured framework comprising data acquisition, exploratory analysis, trend analysis, and a multi-model machine learning approach. The trend analysis utilized monthly efficiency anomalies, calculated as deviations from the long-term mean efficiency, and applied the non-parametric Mann-Kendall test to detect monotonic trends. The Theil-Sen estimator was used to quantify the magnitude of significant trends, providing insights into long-term changes in efficiency. The results were visualized through plots of monthly anomalies and moving averages, facilitating a comprehensive understanding of efficiency patterns and their drivers under varying hydro-climatic conditions.
Results
The results of the study reveal a strong correlation between efficiency (Efficiency_pct_z) and discharge (Discharge_m3s_z), with a correlation coefficient of $r = 0.998$. This relationship was confirmed through de-trended anomalies, yielding a correlation of approximately $r \approx 0.97$, indicating a genuine physical connection rather than a mathematical artifact. In contrast, the correlation of efficiency with gross head (Gross_Head_m_z) is weak and negative ($r = -0.099$), while the association with available capacity (Available_Capacity_MW_z) is modestly positive ($r = 0.316$). The analysis suggests that discharge is the dominant factor influencing efficiency, followed by available capacity, with gross head contributing minimally.
Multiple linear regression analysis supports these findings, with a standardized coefficient for discharge of 0.950, significantly higher than those for gross head (-0.010) and available capacity (0.004). The model achieved an impressive $R^2 = 0.999$ on the test set, indicating that nearly all explainable variance in efficiency z-scores is accounted for by the predictors, primarily discharge. Tree-based models, including Random Forest and Gradient Boosting, corroborate this ranking, attributing 99.8% and 99.7% of importance to discharge, respectively, with negligible contributions from gross head, available capacity, and seasonal indicators. Overall, the study concludes that discharge is the primary driver of monthly efficiency variability, with other factors contributing minimally.
Discussion
The discussion highlights the critical role of hydropower in Africa’s renewable energy landscape, particularly in the context of climate change mitigation and sustainable development. While existing research has extensively documented the sensitivity of hydropower output to climate variables, the efficiency of hydropower plants—defined as the ratio of electrical energy generated to hydraulic energy input—has received less attention. This study emphasizes the importance of plant efficiency as a key metric for understanding operational health and performance, particularly in the face of climate variability and aging infrastructure.
The analysis utilized a comprehensive dataset from the Ruzizi I hydropower plant, spanning from January 2000 to December 2023, to explore efficiency trends and drivers. A significant positive trend in efficiency anomalies was identified, with an average increase of 0.030%-points per month, indicating sustained operational improvements. Seasonal and interannual analyses revealed that efficiency anomalies did not significantly differ between dry and wet seasons, suggesting that operational management mitigates the impact of rainfall variability. However, efficiency was notably higher during wet years compared to drought and normal years, underscoring the plant’s sensitivity to hydrological conditions.
Furthermore, a multi-model machine learning framework was employed to identify key drivers of efficiency, with discharge emerging as the dominant factor influencing performance. The study’s findings suggest that operational strategies, particularly concerning load management and turbine availability, could be optimized to enhance efficiency. The identification of an optimal load factor range (78-82%) for maximizing efficiency presents actionable insights for improving operational practices at the Ruzizi I plant, ultimately contributing to more effective energy management in the region.
Limitations
The limitations of the study on Ruzizi I’s performance highlight a complex interplay of factors influencing energy output. While there has been a beneficial increase in water volume, this is countered by a decline in hydraulic head and challenges related to aging infrastructure and grid integration. Although the overall energy output has risen, this improvement is increasingly dependent on high-flow conditions, raising concerns about efficiency due to persistent head loss and technical availability issues.
A significant limitation noted is the reliance on operational data, which restricts the ability to accurately attribute head loss to specific causes such as climate change, sediment deposition, or human interventions. To address this, future research should implement a comprehensive hydrological-hydrodynamic-sediment transport model for the Lake Kivu-Ruzizi system to better delineate these contributing factors. Additionally, the study suggests that the identified optimal load factor range should be validated through real-time optimization simulations to assess potential energy gains more effectively.