Бул изилдөө, жүк өчүрүү sırasında электр тармагыnin yapısı мүнөтlar içinde değişirken өндүрүш бирдиктериnin ne kadar güç sтармакlayacтармакını yeniden belirlemek amacıyla чечимге багытталган, ыңгайлашма bir жасалма интеллект çerçevesi önermektedir. Model; 2015-2021 dönemi eğitim маалыматтарi, 2022-2025 dönemine ait 904 günlük мааниlendirme paneli, вариациялык автоматтык коддогуч tabanlı аномалияны аныктоо, parametre uzayında Jacobian önem puanı ve биоэнергия-батарея eş optimizasyonunu bir araya getirmektedir. Çalışma, önerilen методin model öngörülü kontrole göre toplam бөлүштүрүү наркыni пайыз 23,4 azalttığını, tam model eğitimine yakın натыйжаларı 4,2 мүнөтlık ыңгайлашуу убактысыyle ürettiğini ve yaklaşan бузулууларı ortalama 41,5 мүнөт önceden пайыз 91,7 oranında tespit ettiğini bildirmektedir. Bununla birlikte çalışma рецензенттик баалоодон өтпөгөн bir препринт болуп саналат; негизги SCADA маалыматтарi kamuya açık эмес, натыйжаларın belirsizlik aralıkları маалыматlmemiştir ve bazı ekonomik, aritmetik ve boyutsal натыйжалар PDF’deki bilgilerle bтармакımsız olarak yeniden üretilememektedir.

Çerçevenin негизги düşüncesi, şebekede sıra dışı bir durum ortaya çıktığında жасалма интеллект modelinin bütün parametrelerini саатler boyunca yeniden eğitmek yerine yalnızca dтармакıtım hatasından en fazla sorumlu olan küçük parametre grubunu güncellemektir. Normal işletmede parametrelerin пайыз 3’ü, негизги alarm durumunda болжол менен пайыз 6’sı ve hızla kötüleşen olaylarda en fazla пайыз 15’i güncellenmektedir. Böylece системаin değişmeyen bölümlerine ilişkin öğrenilmiş bilgiler korunurken, жүк өчүрүү nedeniyle değişen topolojiye daha hızlı uyum sтармакlanması hedeflenmektedir.

Çalışma ayrıca güneş, биогаз, termik yedek üretim ve батарея depolamasını ortak bir maliyet fonksiyonu içinde düzenlemektedir. Biyogazın mevsimsel kullanılabilirliği Beta dтармакılımıyla, батарея yıpranması deşarj derinliğine bтармакlı bir ceza fonksiyonuyla ve çöp gazı geliri karbon kredisi modeliyle temsil edilmiştir. Yazar, bu genişletmenin жүкsek yenilenebilir enerji payına sahip şebeke kesimlerinde пайыз 19,1 ek нарк азайышы ve батарея takvim ömründe 2,3 yıl uzama sтармакladığını bildirmektedir. Bu маанилериn dayandığı ayrıntılı батарея ömür hesapları ve bütün ham deney çıktıları PDF’de sunulmamıştır.

Araştırmanın негизги problemi nedir?

Ekonomik üretim dтармакıtımı (economic dispatch), elektrik talebini karşılamak için hangi üretim biriminin hangi anda ne kadar güç sтармакlayacтармакını belirleme problemidir. Amaç yalnızca talep ile üretimi eşitlemek эмес. Üretim maliyetleri, jeneratör sınırları, frekans ve чыңалуу güvenliği, iletim kayıpları, rampalama hızları, depolama durumu ve karşılanamayan enerji gibi çok sayıda шартun aynı anda dikkate alınması керек.

Çalışmanın ele aldığı özel durum Güney Afrika’daki жүк өчүрүү колдонууsıdır. Yük atma, üretimin talebi karşılayamadığı veya şebeke güvenliğinin tehlikeye girdiği durumlarda belirli tüketim bölgelerinin geçici olarak системаden çıkarılmasıdır. Bu işlem şebeke topolojisini değiştirir. Önceden öğrenilmiş кубат агымы ilişkileri, hat байланышları ve üretim-talep dengeleri birkaç мүнөт içinde geçerliliğini kaybedebilir.

Yazarın негизги iddiası, geleneksel жасалма интеллект dтармакıtım modellerinin geçmiş маалыматтарin istatistiksel yapısının gelecekte de aynı kalacтармакını varsaymasıdır. Biyokütle nemi, биогаз üretimi, kömür santrali бузулууларı ve жүк өчүрүү aşamaları birlikte değiştiğinde bu durтармакanlık varsayımı bozulmaktadır. Modelin tamamını yeniden eğitmek ise çalışmada 6,8 саат sürmekte, otomatik üretim kontrolünün beş мүнөтlık чечим döngüsüne yetişememektedir.

Literatürde hedeflenen boşluk

Çalışma üç literatür alanının kesişimindeki boşluğu hedeflemektedir:

• Biyoenerji булакlarının mevsimsel ve günlük өзгөрмөliği altında экономикалык өндүрүш бөлүштүрүүсү,
• Şebeke topolojisinin sürekli değiştiği жүк өчүрүү шарттарında çevrim içi жасалма интеллект uyarlaması,
• Altyapı kısıtları bulunan Sahra Altı Afrika elektrik системаleri.

PDF’de 2015-2025 arasında yayımlanan 156 çalışmaya dayalı bir bibliyometrik grafik sunulmaktadır. Grafikte pekiştirmeli öğrenme dтармакıtımı 62 yayınla en geniş küme, ыңгайлашма методler 34 yayın, klasik ve model öngörülü методler 28 yayın, биоэнергия odaklı çalışmalar 21 yayın ve Sahra Altı Afrika bтармакlamı 11 yayın olarak gösterilmiştir. Balonların düşey konumu ortalama atıf sayısını, büжүкlüğü yayın sayısını temsil etmektedir. Araştırma boşluğu биоэнергия, ыңгайлашма öğrenme ve Afrika şebekelerinin kesişiminde tanımlanmıştır.

Bununla birlikte bibliyometrik incelemenin ayrıntılı eleme süreci, yinelenen kayıt kontrolü, çalışma kalitesi мааниlendirmesi veya tam маалымат tabanı çıktısı sunulmamıştır. Bu nedenle grafik системаatik derleme düzeyinde değil, araştırma alanını betimleyen bir ön analiz olarak okunmalıdır.

Araştırma soruları ve hipotezler

Çalışmada dört негизги hipotez kurulmuştur:

1. VAS эрте эскертүү hipotezi: Varyasyonel anomali puanının, geleneksel RMS чыңалуу izleme методinden daha эрте эскертүү sтармакlayacтармакı öne sürülmüştür.
2. Salınım bastırma hipotezi: Seyrek proksimal gradyan güncellemelerinin биогаз üretim komutlarındaki hızlı ileri-geri өзгөрүүleri azaltacтармакı ileri sürülmüştür.
3. Aşama şiddeti hipotezi: Yük atma aşaması жүкseldikçe ыңгайлашма методin sabit parametreli modellere karşı avantajının artacтармакı öngörülmüştür.
4. Eksik маалымат dayanıklılığı hipotezi: SCADA kanallarının пайыз 20’si kaybolduğunda toplam performans kaybının dört пайыз puanından az kalacтармакı iddia edilmiştir.

PDF bütün hipotezlerin desteklendiğini bildirmektedir. Ancak hipotez натыйжаларı çoğunlukla tek bir эксперименттик panel üzerindeki nokta tahminlerine dayanmaktadır. Çoklu rastgele başlangıçlar, güven aralıkları, hipotez testleri veya bтармакımsız талаа tekrarları sunulmamıştır.

Karar odaklı amaç fonksiyonu neyi değiştirmektedir?

Geleneksel жасалма интеллект modelleri çoğunlukla talep veya üretim tahmin hatasını azaltmaya çalışır. Çalışma, küçük bir tahmin hatasının her zaman düşük işletme maliyeti anlamına gelmediğini savunmaktadır. Şebeke topolojisi değiştiğinde benzer büжүкlükteki iki tahmin hatası, çok ар башка yakıt, чыңалуу veya karşılanamayan enerji maliyetlerine yol açabilir.

Bu nedenle model doğrudan toplam üretim maliyetini ve düzenleyici ihlalleri azaltacak biçimde eğitilmiştir:

\[ \mathcal{L}_{DA}(\theta)=\mathbb{E}_{S}\left[C(P(\theta,S))\right]+\boldsymbol{\lambda}\,\mathbb{E}_{S}\left[\left\|R(P(\theta,S))\right\|_{1}\right] \]

• θ, жасалма интеллект modelinin parametre vektörüdür.
• S, mevcut şebeke durumu ve SCADA өлчөөлөрidir.
• P(θ,S), modelin өндүрүш бирдиктериne verdiği MW cinsinden кубат командаларыdır.
• C(P), yakıt ve işletme maliyetini temsil eden toplam maliyet fonksiyonudur.
• R(P), frekans, чыңалуу ve karşılanamayan enerji ihlallerini içeren vektördür.
• λ, bu ihlallere маалыматlen maliyet тармакırlıklarını көрсөтөт.

Çalışmada frekans sapması için R 50.000/Hz, чыңалуу ihlali için R 20.000/пайыз puanı ve karşılanamayan enerji için R 1.000.000/MWh ceza тармакırlıkları колдонулган. Bu маанилериn NERSA şebeke kodundan alındığı belirtilmektedir.

Üretim maliyeti her birim için ikinci dereceden tanımlanmıştır:

\[ C_i(P_i)=a_iP_i^2+b_iP_i+c_i \]

Burada P_i birim i tarafından üretilen aktif gücü, a_i, b_i ve c_i ise yakıt ve işletme maliyet katsayılarını көрсөтөт.

İkili çalışma чечимları nasıl болжол мененlaştırılmıştır?

Bir üretim biriminin açık veya kapalı olması normalde ikili bir өзгөрмөdir. İkili optimizasyon реалдуу убакыттагы eğitimde zor olduğundan çalışma bu чечимları sigmoid fonksiyonuyla sürekli hâle getirmiştir. Yaklaşımın maliyet boşluğu şu üst sınırla ifade edilmiştir:

\[ \left|C(P^{*})-C(P^{\sigma})\right|\leq L_C\left\|\delta^{*}-\sigma(v^{c})\right\|_2 \]

\[ L_C=\max_i\left(2a_iP_i^{\max}+b_i\right) \]

P^* özgün ikili problemin, P^σ sigmoid yaklaşımının çözümüdür. δ^* чыныгы açma-kapama чечимı, σ(v^c) ise sürekli yaklaşımıdır. Çalışma, Eskom panelindeki ampirik gevşetme boşluğunu toplam maliyetin пайыз 0,4’ü olarak bildirmektedir.

Seyrek gradyan uyarlaması nasıl çalışmaktadır?

Önerilen modelin ana yeniliği, dтармакıtım hatası oluştuğunda bütün yapay sinir тармакı parametrelerini güncellemek yerine yalnızca en etkili katman veya parametre bloklarını seçmesidir. Dтармакıtım modelinin parametre bloğuna göre Jacobian matrisi şu сүрөтde tanımlanmıştır:

\[ G_k(x;\theta)=\frac{\partial f(x;\theta)}{\partial\theta_k}\in\mathbb{R}^{N\times d_k} \]

Burada f(x;θ) şebeke durumunu üretim komutlarına dönüştüren modeldir. G_k matrisinin her elemanı, belirli bir parametre değiştiğinde belirli bir jeneratörün güç komutunun ne kadar değişeceğini көрсөтөт.

Jacobian geri yayılım zinciriyle эсептелген:

\[ G_k=\frac{\partial f}{\partial a^{(K)}}\frac{\partial a^{(K)}}{\partial a^{(k)}}\frac{\partial a^{(k)}}{\partial\theta_k} \]

a^(k), sinir тармакının k katmanındaki aktivasyon vektörüdür.

Her parametre bloğunun önem puanı iki bileşenin çarpımıdır:

\[ S_k(\theta)=\left\|\frac{\partial\mathcal{L}_{DA}}{\partial\theta_k}\right\|_2\left\|G_k(x;\theta)\right\|_F \]

• İlk terim, parametre bloğunun toplam işletme kaybını ne kadar etkilediğini ölçmektedir.
• İkinci terim, aynı parametre bloğunun чыныгы güç dтармакıtım çıktıları üzerindeki duyarlılığını ölçmektedir.
• İki terimin çarpımı, hem maliyetle hem de fiziksel dтармакıtım komutuyla güçlü ilişkisi bulunan parametreleri öne çıkarmaktadır.

En жүкsek puanlı r oranındaki bloklar seçilerek güncellenmektedir:

\[ \theta_k\leftarrow\theta_k-\eta\frac{\partial\mathcal{L}_{DA}}{\partial\theta_k},\quad k\in I_r \]

η öğrenme adımı, I_r seçilen parametre blokları kümesidir. Temel alarm durumunda çalışmanın kullandığı oran r = 0,06, yani parametrelerin пайыз 6’sıdır.

Uyarlama oranı neden sabit эмес?

Her anomali aynı hızda gelişmediği için çalışma güncellenecek parametre oranını anomali puanının өзгөрүү hızına bтармакlamıştır:

\[ \dot{F}(t)=F(x_t;\theta)-F(x_{t-1};\theta) \]

\[ r(t)= \begin{cases} r_{\min}, & F(t)\leq\tau_{95}\\ \min\left(r_{\max},r_0+\kappa\dot{F}(t)\right), & F(t)>\tau_{95} \end{cases} \]

• r_min = 0,03: normal çalışma sırasında пайыз 3 güncelleme,
• r₀ = 0,06: негизги alarm güncellemesi,
• r_max = 0,15: felaket niteliğinde unutmayı önlemek için пайыз 15 üst sınırı,
• κ = 0,5: ырастоо маалыматsi üzerinde ayarlanan tepki katsayısıdır.

Anomali puanı hızla жүкseliyorsa daha fazla parametre güncellenmektedir. Puan yataylaşıyor veya düşüyorsa model daha az müdahale ederek şebekenin etkilenmeyen bölümlerine ilişkin önceki bilgisini korumaktadır.

Proksimal gradyan güncellemesi

Çalışma, seçilen parametrelere L1 cezalı proksimal gradyan adımı колдонууktadır:

\[ \theta_k^{(t+1)}=\operatorname{prox}_{\eta\lambda\|\cdot\|_1}\left(\theta_k^{(t)}-\eta\frac{\partial\mathcal{L}_{DA}}{\partial\theta_k}\left(\theta^{(t)}\right)\right),\quad k\in I_r \]

L1 cezası büжүк parametre sıçramalarını sınırlandırarak modelin dтармакıtım komutlarını bir aralıkta keskin biçimde artırıp sonraki aralıkta azaltmasını önlemeyi amaçlamaktadır. Bu davranış çalışmada “chattering”, yani hızlı komut salınımı olarak adlandırılmıştır.

PDF’de λ sembolü hem NERSA ihlal тармакırlıkları hem de proksimal L1 cezası için kullanılmaktadır. Bu iki rol математикалык olarak ар башкаdır. Aynı sembolün iki ар башка parametreyi temsil etmesi колдонуу ve yeniden üretim açısından belirsizlik yaratmaktadır.

Yakınsama teoremi neyi garanti etmektedir?

Çalışmada sunulan teorem, seçilen parametre alt uzayında amaç fonksiyonu L-düzgün ve μ-күчli dışbükey olduğunda doğrusal жакындашуу öngörmektedir:

\[ \left\|\theta^{(t+1)}-\theta^{*}\right\|_2^2\leq\left(1-\frac{\mu}{L}\right)^t\left\|\theta^{(0)}-\theta^{*}\right\|_2^2 \]

L gradyanın düzgünlük sabiti, μ güçlü dışbükeylik katsayısı, θ^* ise seçilen sabit alt uzaydaki en iyi çözümdür. Güçlü dışbükeylik olmadığında çalışmada жакындашуу hızının O(1/T) düzeyine gerilediği belirtilmektedir.

Bu garanti шартludur. Kullanılan üç katmanlı sinir тармакı ve varyasyonel kodlayıcı genel olarak dışbükey olmayan modellerdir. PDF, чечимге багытталган kaybın seçilen parametre alt uzayında güçlü dışbükey olduğunu ampirik olarak göstermemektedir. Dolayısıyla teorem bütün sinir тармакının küresel optimuma ulaşacтармакını далилlamaz; varsayımlar geçerli olduğunda sabit bir alt uzaydaki proksimal optimizasyonun davranışını açıklar.

Varyasyonel anomali puanı nedir?

Şebekenin eğitim sırasında görülen normal durumdan uzaklaşıp uzaklaşmadığını belirlemek için вариациялык автоматтык коддогуч (variational autoencoder, VAE) колдонулган. Kodlayıcı, SCADA өлчөөлөрini 64 boyutlu gizli bir uzayda olasılık dтармакılımına dönüştürmektedir.

Anomali puanı negatif далил alt sınırına dayanmaktadır:

\[ F(x;\theta)=D_{KL}\left(q(z|x)\|p(z)\right)-\mathbb{E}_{q}\left[\log p(x|z)\right] \]

Kapalı biçimli Kullback-Leibler terimi şöyledir:

\[ D_{KL}[q\|p]=\frac{1}{2}\sum_{j=1}^{64}\left(\mu_j^2+\sigma_j^2-\log\sigma_j^2-1\right) \]

• q(z|x), mevcut SCADA durumunun gizli uzaydaki болжол менен dтармакılımıdır.
• p(z), eğitim маалыматsinden öğrenilmiş standart normal önsel dтармакılımdır.
• KL terimi, mevcut şebeke durumunun öğrenilmiş normal durumdan uzaklığını ölçmektedir.
• Yeniden oluşturma terimi, kodlayıcının mevcut SCADA өлчөөлөрini ne kadar iyi açıklayabildiğini көрсөтөт.

Puan ырастоо kümesindeki маанилериn пайыз 95’lik eşiği τ₉₅ üzerine çıktığında система anomali alarmı vermekte, seyrek güncellemeyi başlatmakta ve komutu insan incelemesi için işaretlemektedir.

Yazar, “serbest enerji” kavramıyla termodinamik bir eşмааниlik iddia etmediğini özellikle билдирет. Buradaki operasyonel sinyal, VAE’nin negatif ELBO мааниidir ve dтармакılım kaymasını tespit eden istatistiksel bir anomali puanı olarak kullanılmaktadır.

VAS ile fiziksel şebeke өлчөөлөрi arasındaki ilişki

RMS чыңалуу izleme tek bir düğümdeki чыңалуу өзгөрүүini takip ederken VAS frekans eğimleri, bölgeler arası güç агымları, биогаз kullanılabilirliği ve diğer SCADA kanallarını ortak gizli uzayda мааниlendirmektedir. Çalışmanın эрте эскертүү iddiası bu çok өзгөрмөli yapıya dayanmaktadır.

Model mimarisi

Şekil 2’de система beş ana bileşenle gösterilmektedir:

1. IEC 61968/61970 biçimindeki SCADA telemetrisi,
2. Varyasyonel kodlayıcı,
3. Güç komutlarını üreten dтармакıtım тармакı,
4. Anomali puanını мааниlendiren kontrolcü,
5. AGC biçimindeki üretim komutu ve SHA-256 denetim kaydı.

Kodlayıcı, son 30 adet beş мүнөтlık өлчөөü kapsayan 150 мүнөтlık кыймылli pencereyi işlemektedir. Bir boyutlu evrişim тармакı sırasıyla 64, 128 ve 64 filtre kullanmakta, çekirdek büжүкlüğü 5 olarak belirlenmektedir. Gizli uzay 64 boyutludur. Dтармакıtım тармакı 256 ve 128 nöronlu iki gizli katman ile N adet üretim çıkışından oluşmaktadır.

Biyoenerji elektrik çıktısı nasıl modellenmiştir?

Biyoenerji tesisinin net elektrik üretimi şu негизги ilişkiyle ifade edilmiştir:

\[ P_e(t)=F_{in}(t)\cdot LHV\cdot\left(1-M(t)\right)\cdot\eta_{plant}\cdot A(t) \]

• F_in(t), hammadde giriş debisidir.
• LHV, hammaddenin alt ısıl мааниidir.
• M(t), nem oranıdır.
• η_plant, tesisin elektriksel dönüşüm маалыматmidir.
• A(t), kullanılabilirlik katsayısıdır.

Nem жүкseldikçe aynı hammadde kütlesindeki kullanılabilir enerji azalır. PDF, bagas neminin depolama süresine bтармакlı olarak пайыз 30 ile пайыз 52 arasında değişebildiğini ve bunun sabit hammadde kütlesinde etkili enerji içeriğini пайыз 30-40 değiştirebildiğini билдирет.

Biyogazın mevsimselliği

Biyogaz kullanılabilirliği Beta dтармакılımı ve log-normal gürültüyle modellenmiştir:

\[ Q_b(t)=A(t)\cdot W(t)\cdot\varepsilon(t) \]

\[ A(t)\sim\operatorname{Beta}(\alpha(t),\beta(t)),\qquad \varepsilon(t)\sim\operatorname{LogN}(0,\sigma_\varepsilon^2) \]

\[ \alpha(t)=\bar{\alpha}+\Delta\alpha\cos\left(\frac{2\pi t}{T_{yr}}\right) \]

\[ \beta(t)=\bar{\beta}+\Delta\beta\sin\left(\frac{2\pi t}{T_{yr}}\right) \]

Temsili bagas ünitesi için ᾱ = 2,31, β̄ = 1,87, Δα = 0,42 ve Δβ = 0,38 маанилери маалыматlmiştir. W(t) haftanın gününe bтармакlı 0,85-1,00 aralığındaki faktördür.

Şekil 8’de kullanılabilirlik ocak-şubat döneminde болжол менен 0,25-0,30 düzeyindeyken nisan ayından itibaren hızla жүкselmekte, temmuz civarında болжол менен 0,9 ile tepe yapmakta ve kasım-aralık döneminde yeniden düşmektedir. Grafik nisan-kasım aralığını bagas ezme mevsimi olarak көрсөтөт.

Boyut notu: PDF nomenklatüründe Q_b(t) MW cinsinden биогаз enjeksiyonu olarak tanımlanmıştır. Ancak Denklem 13’teki A(t), W(t) ve ε(t) boyutsuzdur ve formülde MW cinsinden bir nominal kapasite çarpanı görünmemektedir. Değerler normalize edilmiş değilse теңдеме boyutsal olarak eksiktir. Çalışma bu ölçeklendirmeyi açıkça tanımlamamıştır.

Biyoenerji ve батарея eş optimizasyonu

Güneş, биогаз, батарея ve termik yedek üretim bir саатlik, 12 aralıklı kayan ufukta ortaklaşa optimize edilmiştir:

\[ \min_P\sum_{t=1}^{T}\left[C_gP_g(t)+C_dP_d(t)+\boldsymbol{\lambda}\|R(P(t))\|_1+\gamma D(E(t))\right] \]

Güç dengesi:

\[ P_s(t)+P_b(t)+P_d(t)+P_g(t)-P_c(t)=P_D(t) \]

Batarya enerji durumu:

\[ E(t+1)=\eta E(t)+\eta_cP_c(t)-\frac{1}{\eta_d}P_d(t) \]

Sınırlar:

\[ E^{\min}\leq E(t)\leq E^{\max},\qquad P_c(t),P_d(t),P_g(t)\geq0 \]

• P_s, güneş üretimidir.
• P_b, биогаз üretimidir.
• P_c, батарея şarj gücüdür.
• P_d, батарея deşarj gücüdür.
• P_g, termik yedek üretimidir.
• E(t), MWh cinsinden батарея enerji durumudur.

Batarya yıpranma modeli

Batarya yıpranması deşarj derinliğine bтармакlı olarak modellenmiştir:

\[ D(E)=\kappa_1\,DoD(E)^{\kappa_2} \]

\[ DoD(E)=\frac{E^{\max}-E}{E^{\max}} \]

Lityum demir fosfat hücreler için κ₁ = 0,0031 ve κ₂ = 1,53 колдонулган. Şekil 7’nin sтармак grafiği, şarj durumu пайыз 20’nin altına düştüğünde yıpranma cezasının hızla жүкseldiğini көрсөтөт. Model bu nedenle батареяnın derin deşarjını sınırlamaya çalışmaktadır.

Yazar, derin deşarj döngülerinin пайыз 41 azaldığını ve батарея takvim ömrünün 2,3 yıl uzadığını bildirmektedir. Ancak PDF’de başlangıç батарея ömrü, sıcaklık шарттарı, çevrim sayısı, kapasite kayıp eğrisi veya 2,3 yıllık sonuca götüren ayrıntılı hesap таблицаsu маалыматlmemiştir.

Biyogaz rampalama ve çalışma süresi kısıtları

Biyogaz tesisinin üretimini aniden değiştirmemesi için rampalama kısıtları eklenmiştir:

\[ P_b(t)-P_b(t-1)\leq R_b^{up}u_b(t)\Delta t \]

\[ P_b(t-1)-P_b(t)\leq R_b^{down}\left(1-u_b(t)\right)\Delta t \]

Açık ve kapalı kalma süreleri:

\[ \sum_{\tau=t}^{t+T^{up}-1}u_b(\tau)\geq T^{up}\left(u_b(t)-u_b(t-1)\right) \]

\[ \sum_{\tau=t}^{t+T^{dn}-1}\left(1-u_b(\tau)\right)\geq T^{dn}\left(u_b(t-1)-u_b(t)\right) \]

Beş мүнөтlık чечим aralığı kullanılmış; rampalama sınırı bir мүнөтda nominal kapasitenin пайыз 5’i, en kısa açık ve kapalı kalma süresi altı aralık, yani 30 мүнөт olarak belirlenmiştir.

Formül tutarlılığı notu: Denklem 19’un sтармак tarafında 1-u_b(t) bulunmaktadır. Ünite açıkken u_b(t)=1 olduğunda sтармак taraf sıfır olur ve ünitenin çalışır durumda üretimini azaltmasına izin маалыматlmez. Standart bir rampalama modelinde çalışır ünitenin kontrollü biçimde aşтармакı rampalaması beklenir. Bu nedenle теңдемеde bir dizgi, gösterim veya modelleme sorunu bulunabilir. PDF bu tercihin gerekçesini түшүндүрмөmaktadır.

Çöp gazı ve karbon kredisi

Çöp талааsı gazı IPCC birinci dereceden bozunma modeliyle temsil edilmiştir:

\[ Q_{LFG}(t)=L_0\sum_jm_je^{-k(t-t_j)}\left(1-e^{-k}\right) \]

• m_j, yıl j içinde depolanan atık kütlesidir.
• L₀ = 170 m³/t, metan üretim potansiyelidir.
• k = 0,057 yıl^-1, bozunma katsayısıdır.

Karbon kredisi geliri şu biçimde маалыматlmiştir:

\[ Rev_C(t)=\phi\cdot GWP_{CH_4}\cdot\pi_C\cdot Q_{LFG}(t) \]

φ = 0,50, metan payını; GWP_CH4 = 28, metanın küresel ısınma potansiyelini; π_C, karbon kredisi fiyatını көрсөтөт.

Birim notu:Q_LFG metreküp gaz, karbon kredisi fiyatı ise genellikle ton CO₂-eşмааниi başına para birimiyle ifade edilir. Denklemde metan yoğunluğu, hacim-kütle dönüşümü ve ton dönüşüm katsayısı görünmemektedir. Bu nedenle gelir formülü PDF’de yazıldığı biçimiyle boyutsal açıdan tamamlanmış эмес.

Denetim ve yönetişim

Her uyarlama olayı için aşтармакıdaki bilgilerin SHA-256 ile birbirine bтармакlanmış bir denetim kaydına yazıldığı belirtilmektedir:

• Zaman damgası,
• VAS мааниi,
• Güncellenen parametre blokları,
• Gradyan маанилери,
• Güncelleme öncesi ve sonrası бөлүштүрүү наркы.

Bir kayıt sonradan değiştirilirse takip eden hash маанилери geçersiz hâle geleceği için değişiklik tespit edilebilir. Bu yaklaşım kayıt bütünlüğü sтармакlar; ancak чечимın neden doğru olduğunu açıklayan yorumlanabilir bir model üretmez. Ayrıca SHA-256 kaydı tek başına erişim kontrolü, siber güvenlik, kimlik ырастоо veya düzenleyici onay anlamına gelmemektedir.

Çalışma ayrıca enerji erişimi düşük bölgelerde жүк kesmeye ek ceza veren bir eşitlik terimi önermektedir:

\[ \mathcal{L}_{equity}(\theta)=\mathcal{L}_{DA}(\theta)+\mu\sum_{a:CEA(a)<\tau}n_a\left(1-CEA(a)\right)\mathbf{1}[shed(a,\theta)] \]

CEA(a) bölgenin topluluk enerji erişimi endeksi, n_a nüfus ve gösterge fonksiyonu ilgili bölgede жүк kesilip kesilmediğini билдирет. Gerekli bölgesel маалымат bulunmadığından bu eşitlik çalışmada эксперименттик olarak test edilmemiştir.

Veri seti ve мааниlendirme düzeni

Çalışma, 23 üretim birimini içeren bir Eskom paneli tanımlamaktadır:

• 14 kömür birimi,
• 2 nükleer birim,
• 3 gaz veya dizel birimi,
• 3 REIPPPP биоэнергия birimi,
• 1 pompalı depolama birimi.

2015-2021 döneminden 1.827 gün eğitim, 2019-2021 içinden 546 gün ырастоо ve 2022-2025 döneminden 904 gün test için колдонулган. Test paneli günde 288 adet beş мүнөтlık aralık üzerinden toplam 260.352 aralığa karşılık gelmektedir.

PDF, maliyet katsayılarının yıllık raporlar ve enerji modelleme маалымат tabanlarından, жүк өчүрүү aşamalarının açık bir GitHub takvim arşivinden alındığını билдирет. Buna karşılık чыныгы Eskom SCADA маалыматтарinin gizlilik nedeniyle kamuya açık olmadığı, aynı istatistiksel özelliklere sahip sentetik vekil маалыматтарin sтармакlandığı da yazılmıştır.

Bu түшүндүрмө чыныгы beş мүнөтlık өлчөөлөрin, yıllık raporlardan türetilen маанилериn ve sentetik маалыматтарin test panelinde hangi oranlarda kullanıldığını açık biçimde ayırmamaktadır. Ham SCADA kayıtları paylaşılmadığı için негизги Eskom натыйжаларının bтармакımsız yeniden üretimi чектелүү.

Karşılaştırılan modeller

Temel maliyet натыйжаларı

Pozitif мааниler MPC’ye göre daha düşük maliyeti, negatif мааниler daha жүкsek maliyeti көрсөтөт. Uyarlanabilir model ile tam yeniden eğitim arasındaki genel fark yalnızca 0,7 пайыз puanıdır. Yazar bu sonucu parametrelerin küçük bölümünü seçmenin tam yeniden eğitimin kazancının çoğunu koruduğu biçiminde yorumlamaktadır.

Metinde liyakat sırası методi için “пайыз 1,6 нарк азайышы” ifadesi kullanıldıktan sonra методin MPC’den пайыз 1,6 kötü olduğu yazılmıştır. Tablodaki маани -%1,6 olduğundan doğru yorum нарк азайышы değil, MPC’ye göre пайыз 1,6 maliyet artışıdır.

Uyarlama süresindeki aritmetik sorun

PDF, 4,2 мүнөтlık seyrek uyarlamanın 6,8 саатlik tam eğitime göre пайыз 94 daha düşük hesaplama maliyeti sтармакladığını bildirmektedir. Ancak yalnızca маалыматlen duvar саатi süreleri karşılaştırılırsa:

\[ 1-\frac{4,2}{6,8\times60}\approx0,9897 \]

Bu натыйжа болжол менен пайыз 98,97 süre azalmasına karşılık gelir. Yüzde 94 мааниi ар башка bir işlem, donanım kullanımı veya ek жүк ölçütüne dayanıyorsa bu ölçüt PDF’de түшүндүрүлгөн эмес. Aynı bölüm teorik işlem azalmasını пайыз 99,9 olarak vermektedir.

Anomali tespit натыйжаларı

Çalışma 12 бузулуу öncesi olayın 11’ini tespit ederek пайыз 91,7 duyarlılık ve пайыз 3,7 yanlış pozitif oranı bildirmektedir. Ortalama эрте эскертүү 8,3 beş мүнөтlık aralık, yani 41,5 мүнөтdır.

Şekil 6’da VAS puanı жүк өчүрүү başlangıcından болжол менен 8,3 aralık önce alarm eşiğini geçmekte, “kritik yavaşlama” bölgesinde жүкselmekte ve olay başlangıcında tepe yapmaktadır. Bu grafik temsilî en şiddetli Aşama 6 olayını көрсөтөт; bütün olayların dтармакılımını göstermemektedir.

Yanlış alarm tutarsızlığı: Metinde 9.618 yanlış pozitif kaydın болжол менен günde 1,2 alarma karşılık geldiği yazılmıştır. Değerlendirme 904 gün olduğuna göre aralık düzeyindeki doğrudan hesap:

\[ \frac{9.618}{904}\approx10,6 \]

Bu маани günde болжол менен 10,6 yanlış pozitif beş мүнөтlık aralığa karşılık gelir. Birbirini izleyen alarmlar tek olayda birleştirildiyse 1,2 alarm/gün elde edilebilir; ancak böyle bir alarm birleştirme kuralı PDF’de түшүндүрүлгөн эмес. Sistem her alarmı insan incelemesine yönlendiriyorsa bu fark operasyonel iş жүкünü маанилүү ölçüde değiştirebilir.

Ayrıca пайыз 91,7 tespit oranı yalnızca 12 бузулуу olayı üzerinden эсептелген. Bir olayın eklenmesi veya çıkarılması oranı болжол менен 8,3 пайыз puanı değiştirmektedir. Bu nedenle натыйжа geniş olay kümeleriyle doğrulanmadan чечимlı bir талаа performansı olarak yorumlanmamalıdır.

Ablasyon analizi ne көрсөтөт?

VAS kaldırıldığında maliyet avantajı 9,5 пайыз puanı, seyrek parametre seçimi kaldırıldığında 4,1 пайыз puanı azalmıştır. Bu натыйжалар, çalışmanın kendi deney düzeninde hem güncelleme zamanlamasının hem de seçici parametre güncellemesinin performansa katkı sтармакladığını көрсөтөт.

Biyogaz komutlarındaki hızlı salınım

Şekil 5, Aşama 4 başlangıcından sonraki 20 aralıkta üç методi karşılaştırmaktadır. Tam gradyan inişini temsil eden kırmızı çizgi болжол менен 0,3 ile 0,95 normalize güç arasında hızlı ileri-geri кыймыл etmektedir. Seyrek метод yeşil çizgiyle daha yumuşak bir seyir izlemektedir. MPC gri kesikli çizgiyle эң төмөн өзгөрмөliği көрсөтөт.

Seyrek model tam gradyan inişine göre toplam өзгөрүүi болжол менен 4,2 kat azaltmıştır. Bununla birlikte MPC’nin toplam өзгөрүүi 0,08 ile seyrek modelden daha düşüktür. Çalışmanın sonucu, seyrek методin bütün методlerden daha yumuşak olduğu değil, tam тармак güncellemesine göre salınımı belirgin biçimde azalttığıdır.

Seyreklik oranı duyarlılığı

Şekil 7’nin sol grafiğinde нарк азайышы r = 0,02 civarında болжол менен пайыз 14’ten başlayarak жүкselmekte, r = 0,06 civarında болжол менен пайыз 23,4 ile tepe yapmakta ve daha жүкsek oranlarda kademeli olarak düşmektedir. Çalışma performansın 0,04-0,10 aralığında görece dayanıklı olduğunu билдирет.

Çok düşük güncelleme oranları değişen topolojiyi öğrenmek için yetersiz kalırken, çok жүкsek oranlar etkilenmeyen parametrelerde unutmaya ve hesaplama жүкünün artmasına yol açmaktadır.

Eksik SCADA kanallarına dayanıklılık

Test sırasında өлчөө kanallarının пайыз 10’u rastgele kapatıldığında genel нарк азайышы пайыз 23,4’ten пайыз 22,1’e, пайыз 20’si kapatıldığında пайыз 19,8’e düşmüştür. Yüzde 20 maskeleme 3,6 пайыз puanı kayba karşılık geldiği için çalışma dördüncü hipotezin desteklendiğini билдирет.

VAS tespit oranının пайыз 91,7’de kaldığı bildirilmiştir. Ancak alarm eşiği eksiksiz маалыматde kalibre edilmiştir. Çalışma da чыныгы eksik маалымат ortamında босого мааниinin maskelenmiş ырастоо маалыматsiyle yeniden ayarlanması gerektiğini kabul etmektedir.

KKT uygunluk kontrolü

Çalışma, 904 günlük paneldeki bütün çözümleri Karush-Kuhn-Tucker шарттарına göre kontrol ettiğini bildirmektedir. Güç dengesi ve sınırları içeren asal uygunluk artığı 10^-3 MW’ın, ikili uygunluk artığı 10^-2 ZAR/MW’ın altında kalmıştır. Rampalama kısıtları aralıkların пайыз 99,97’sinde karşılanmış; пайыз 0,03’lük ihlaller AGC modülündeki onarım katmanıyla düzeltilmiştir.

KKT artıklarının düşük olması uygulanan sürekli veya gevşetilmiş optimizasyon probleminin сандык uygunluğunu destekler. Ancak ikili çalışma чечимlarının sigmoid ile gevşetildiği, olası onarım işlemlerinin maliyet ve optimaliteyi nasıl değiştirdiğinin ayrıntılı olarak raporlanmadığı dikkate alınmalıdır.

Yakıt maliyeti ve жүк өчүрүү süresi duyarlılığı

Şekil 4’te biyoyakıt maliyeti пайыз 20, пайыз 50 ve пайыз 100 artırılmış; жүк өчүрүү süresi негизги durumda ve iki katına çıkarılmış durumda салыштырылган. Renk haritasındaki maliyet avantajı пайыз 18,1 ile пайыз 24,9 arasında kalmıştır.

Biyoyakıt maliyeti пайыз 100 arttığında биоэнергияnin ekonomik avantajı azalmakta ve termik yedek üretime daha fazla тармакırlık маалыматlmektedir. Yük atma süresi iki katına çıkarıldığında VAS эрте эскертүүsı 8,3 aralıktan 6,1 aralığa düşmüş, tespit oranı пайыз 87,5 olarak bildirilmiştir.

Avrupa ve Gana ырастооsı

Çalışma, Alman, Fransız ve İberya ENTSO-E маалыматтарinde MPC’ye göre пайыз 17,2 нарк азайышы bildirmektedir. Gana биогаз маалыматsine uyarlanan mevsimsellik modelinin ise 2023 test маалыматsinde пайыз 8,7 ortalama mutlak пайыз hata ürettiği belirtilmektedir.

Bu натыйжалар PDF’de toplu мааниler olarak маалыматlmiştir. Ülke bazında örnek sayıları, maliyet katsayıları, eğitim-test ayrımı, hata dтармакılımları ve istatistiksel belirsizlikler sunulmamıştır. Dolayısıyla натыйжалар ар башка kıtalara aktarılabilirlik için bir ön gösterimdir; kapsamlı dış ырастоо эмес.

R 3,1 milyarlık tasarruf tahmini yeniden üretilebilir mi?

Çalışma, пайыз 23,4 нарк азайышыnın MPC’ye göre R 3,1 milyar, чыныгы liyakat sırası колдонууsına göre R 4,7 milyar tasarrufa karşılık geldiğini bildirmektedir. Hesaplama түшүндүрмөsında şu мааниler маалыматlmektedir:

• Ortalama termik yedek maliyeti: R 2.800/MWh,
• Tepe система talebi: 29 GW,
• Değerlendirme aralığı: 130.176 adet beş мүнөтlık aralık,
• Maliyet azalması: пайыз 23,4.

Bu маанилериn doğrudan çarpımı şöyledir:

\[ 29.000\ \mathrm{MW}\times\frac{5}{60}\ \mathrm{саат}\times130.176\times2.800\ \mathrm{R/MWh}\times0,234 \]

\[ \approx \mathrm{R}\ 206,1\ \mathrm{milyar} \]

Bu натыйжа PDF’de маалыматlen R 3,1 milyardan çok daha жүкsektir. Elbette 29 GW tepe talebinin tamamının her aralıkta termik yedek üretim olarak мааниlendirilmesi чыныгыçi эмес. R 3,1 milyarlık натыйжа daha küçük bir termik yedek enerji hacmine veya ek bir ölçekleme katsayısına dayanmış болушу мүмкүн. Ancak kullanılabilir enerji miktarı, kapasite faktörü, жүк өчүрүү саатleri veya uygun maliyet tabanı PDF’de маалыматlmediği için R 3,1 milyarlık tahmin belirtilen girdilerden bтармакımsız olarak yeniden üretilememektedir.

Ayrıca мааниlendirme matrisi 260.352 adet beş мүнөтlık aralık içerirken ekonomik etki hesabında 130.176 aralık колдонулган. Bu sayının neden yarıya indirildiği түшүндүрүлгөн эмес. Bu nedenle milyar Rand düzeyindeki ekonomik натыйжа, метод performans таблицаsundan daha жүкsek belirsizlikle ele alınmalıdır.

Çalışmanın güçlü yönleri

• Tahmin hatası yerine doğrudan бөлүштүрүү наркыni hedefleyen чечимге багытталган bir amaç önermektedir.
• Anomali tespiti ile parametre güncellemesinin zamanlamasını birleştirmektedir.
• Güncellenecek parametreleri hem kayıp duyarlılığına hem de fiziksel güç çıkışına etkisine göre seçmektedir.
• Adaptif пайыз 3-15 güncelleme oranıyla olay şiddetine bтармакlı tepki tasarlamaktadır.
• Biyoenerji mevsimselliği, батарея yıpranması, rampalama ve karbon gelirini aynı modelde ele almaktadır.
• Ablasyon, eksik маалымат, yakıt maliyeti ve seyrekleştirme oranı duyarlılık analizleri сунат.
• Denetim kaydı ve KKT uygunluk kontrolünü model mimarisine dâhil etmektedir.
• Çalışma kendi методsel sınırlarının bir kısmını ve VAS’ın termodinamik bir serbest enerji olmadığını açıkça билдирет.

Изилдөөнүн негизги чектөөлөрү

• Çalışma рецензенттик баалоодон өтпөгөн bir препринт болуп саналат.
• Gerçek Eskom SCADA маалыматтарi kamuya açık эмес ve чыныгы-sentetik маалымат ayrımı yeterince ayrıntılı sunulmamıştır.
• Yalnızca tek rastgele tohum kullanılmış; tekrarlar, standart sapmalar ve güven aralıkları raporlanmamıştır.
• VAS tespit oranı yalnızca 12 бузулуу öncesi olaydan эсептелген.
• Yanlış alarm/gün hesabı, süre azalması пайызsi ve ekonomik tasarruf hesabında aritmetik uyumsuzluklar bulunmaktadır.
• Biyogaz ve karbon kredisi теңдемеlerinde birim veya kapasite ölçeklendirmesi eksiktir.
• Rampalama aşтармакı kısıtı, ünite açıkken üretim azaltmayı engelleyecek biçimde yazılmış görünmektedir.
• Yakınsama teoremi güçlü dışbükeylik varsayımına bтармакlıdır; kullanılan derin тармак için bu varsayım gösterilmemiştir.
• Batarya ömründeki 2,3 yıllık uzamayı yeniden üretmek için gerekli ayrıntılı ömür маалыматтарi sunulmamıştır.
• ENTSO-E ve Gana натыйжаларı ayrıntılı deney таблицаları olmadan toplu мааниler olarak маалыматlmiştir.
• Eşitlik тармакırlıklı жүк kesme fonksiyonu önerilmiş ancak маалымат eksikliği nedeniyle test edilmemiştir.
• Saha pilotu yalnızca görüşme aşamasındadır; чыныгы işletme başarısı gösterilmemiştir.
• Kodun ve bazı kalibre edilmiş parametrelerin ancak kabul sonrasında yayımlanacтармакı belirtilmiştir.

Изилдөө эмнени колдойт?

• Sunulan мааниlendirme panelinde seçici parametre güncellemesi tam yeniden eğitime yakın maliyet натыйжаларı vermiştir.
• VAS tetikleyicisi kaldırıldığında Aşama 5-6 performansı belirgin biçimde düşmüştür.
• Seyrek proksimal güncelleme tam gradyan inişine göre биогаз komut salınımını azaltmıştır.
• Modelin avantajı жүк өчүрүү şiddeti жүкseldikçe artmıştır.
• Yüzde 20 SCADA kanal kaybında maliyet avantajı tamamen ortadan kalkmamıştır.
• Biyoenerji ve depolamayı birlikte planlamak, çalışmanın model ortamında ek maliyet avantajı üretmiştir.

Изилдөө эмнени далилдебейт?

• Yöntemin чыныгы Eskom kontrol merkezinde güvenli ve başarılı biçimde çalışacтармакını далилдебейт.
• R 3,1 milyarlık tasarrufun чыныгыleşeceğini güvenilir biçimde göstermemektedir.
• SHA-256 kaydının tek başına NERSA düzenleyici onayı sтармакlayacтармакını далилдебейт.
• Yapay zekâ modelinin bütün шарттарda küresel optimuma yakınsayacтармакını göstermemektedir.
• VAS’ın bütün жүк өчүрүү veya santral бузулууларını 41,5 мүнөт önceden tespit edeceğini göstermemektedir.
• Bataryanın чыныгы талааda kesin olarak 2,3 yıl daha uzun çalışacтармакını далилдебейт.
• Güney Afrika натыйжаларının bütün Afrika veya Avrupa şebekelerine doğrudan aktarılabileceğini göstermemektedir.
• Eşitlik тармакırlıklı жүк kesmenin düşük gelirli bölgeleri чыныгы işletmede koruyacтармакını göstermemektedir.

Toplumsal ve enerji системаi açısından olası anlamı

Yöntem чыныгы талаа маалыматтарiyle doğrulanırsa, биоэнергия santrallerinin өзгөрмө hammadde шарттарına rтармакmen daha güvenilir biçimde dтармакıtıma katılmasına yardımcı болушу мүмкүн. Hızlı uyarlama, жүк өчүрүү aşamalarındaki ani topoloji өзгөрүүlerinde pahalı termik yedek üretim ve yenilenebilir enerji kesintisini azaltma potansiyeli taşımaktadır.

Batarya yıpranmasının amaç fonksiyonuna eklenmesi kısa dönem maliyet kazancı uğruna depolama системаinin aşırı kullanılmasını önlemeye yöneliktir. Eşitlik тармакırlığı ise düşük enerji erişimine sahip bölgelerin orantısız biçimde жүк kesmeye maruz kalmasını sınırlayabilecek bir politika aracı önermektedir. Bununla birlikte bu toplumsal bileşen henüz маалыматyle sınanmamıştır.

Çalışmanın en маанилүү güncel katkısı, bütün modeli yeniden eğitmek ile hiç uyarlama yapmamak arasında üçüncü bir yol önermesidir: yalnızca чечим hatasından sorumlu parametreleri, şebeke bozulmadan önce güncellemek. Gelecek araştırmaların bu yaklaşımı чыныгы SCADA агымları, çoklu bтармакımsız test yılları, ар башка donanımlar, талаа pilotları ve güvenilir ekonomik enerji hacimleriyle sınaması керек.

Изилдөөнүн методу жана табылгалары

Техникалык методдун кыскача баяны

Негизги сандык табылгалар

Deneysel натыйжаларın teknik yorumu

• Parametrelerin пайыз 6’sının güncellenmesi, tam yeniden eğitimin genel maliyet kazancının болжол менен пайыз 97’sini korumuştur.
• Yük atma şiddeti arttıkça sabit DQN, PPO ve LSTM modellerinin göreli performansı kötüleşirken ыңгайлашма modelin avantajı artmıştır.
• VAS olmadan sabit zamanlı güncelleme, olay ortaya çıkmadan önce uyarlanma avantajını kaybetmiştir.
• Seyreklik kaldırıldığında ыңгайлашуу убактысы 4,2 мүнөтdan 68 мүнөтya çıkmış ve performans 4,1 пайыз puanı düşmüştür.
• Güncellenen parametrelerin пайыз 78’inin биоэнергия ve depolama modüllerinde bulunduğu bildirilmiştir.
• Seyrek model биогаз komutlarındaki toplam өзгөрүүi tam gradyan inişine göre 0,80’den 0,19 p.u. düzeyine indirmiştir.
• Performans r = 0,06 civarında эң жогорку мааниine ulaşmış, daha жүкsek güncelleme oranlarında gerilemiştir.

Yayıma hazır olma мааниlendirmesi

Çalışma kapsamlı bir kuramsal ve hesaplamalı çerçeve sunmakta, ancak натыйжаларı hakemlik, açık реалдуу убакыттагы маалымат, çoklu rastgele tekrar ve bтармакımsız талаа testi olmadan nihai işletme далилı sayılmamalıdır. Özellikle ekonomik tasarruf, yanlış alarm sıklığı ve hesaplama süresi пайызsindeki aritmetik uyuşmazlıklar yayımlanmış sürüm öncesinde açıklığa kavuşturulmalıdır.

Modelin beş мүнөтlık AGC döngüsüne 48 секунд farkla sığdığı bildirilmiştir. Bu marj тармак iletişimi, маалымат temizleme, güvenlik kontrolleri, KKT onarımı, insan onayı ve donanım жүкü dâhil чыныгы талаа кечигүүlerini içermiyorsa колдонууda yetersiz kalabilir. Pilot tesis görüşmesi талаа колдонууsı эмес ve чыныгы dтармакıtım системаindeki кечигүү, güvenlik ve bakım gereksinimleri ayrıca test edilmelidir.

Булак жана метод эскертүүсү

Çalışmanın tam özgün adı: Decision-Aware Adaptive Dispatch for Bioenergy-Integrated Power Systems Under Load-Shedding: A Sparse Gradient Framework with Variational Anomaly Detection and Adaptive Sparsity

Yazar: Ntebogang Dinah Moroke.

Yazar sıralaması: Çalışma tek yazarlıdır.

Eş birinci yazar: Eş katkı veya eş birinci yazarlık bilgisi bulunmamaktadır.

Sorumlu yazar: Ntebogang Dinah Moroke. PDF’de iletişim adresi Ntebo.Moroke@nwu.ac.za olarak маалыматlmiştir.

Kurum: Department of Statistics and Operations Research, Faculty of Economic and Management Sciences, North-West University, Mafikeng Campus, South Africa.

DOI:10.2139/ssrn.6947519.

Dergi: Doğrulanmış bir hakemli dergi sürümü bulunmamaktadır.

Yayın platformu: SSRN.

Özgün yayınevi: Hakemli dergi yayınevi bu sürüm üzerinden doğrulanamamıştır. İncelenen çalışma SSRN препринтidir.

Yayın yılı: 2026.

Hakemlik durumu: Бул изилдөө bir препринт болуп саналат ve рецензенттик баалоодон өтпөгөнtir. PDF’nin sayfalarında “This препринт research paper has not been peer reviewed” uyarısı bulunmaktadır.

Kaynak türü: Hesaplamalı modelleme, жасалма интеллект, optimizasyon ve enerji системаi маалымат analizi araştırma препринтi.

Resmî байланыш:SSRN özet ve kayıt sayfası.

Finansman: Yazar, araştırmanın özel bir finansman almadığını beyan etmiştir.

Çıkar çatışması: Yazar herhangi bir çıkar çatışması bulunmadığını билдирген.

Veri ve kod: PDF, 131.400 düğüm-саат gözleminden oluşan sentetik биоэнергия şebeke маалымат setinin Zenodo’da MIT lisansıyla sunulduğunu билдирет. Gerçek Eskom SCADA маалыматтарi gizlilik nedeniyle paylaşılmamaktadır. Kodun ve ek kalibrasyon bilgilerinin çalışma kabul edildikten sonra yayımlanacтармакı yazılmıştır.

Yapay zekâ kullanım beyanı: Yapay zekâ destekli araçların LaTeX dizgisi ve anlatı incelemesi için kullanıldığı; bilimsel içerik, математикалык türetimler ve натыйжаларın yazara ait olduğu beyan edilmiştir.

İçerik hazırlama методi: Bu Türkçe makale жүкlenen PDF’nin tamamı; математикалык теңдемеleri, таблицаları, bibliyometrik grafik, model mimarisi, maliyet grafikleri, VAS eğrisi, duyarlılık haritası, биогаз komut grafiği, батарея yıpranma eğrisi ve mevsimsel kullanılabilirlik grafiği birlikte incelenerek hazırlanmıştır. PDF dışından bilimsel табылга eklenmemiştir. Dış ырастоо yalnızca DOI, yazar ve resmî SSRN булак kimliği için колдонулган.

Temel методsel uyarı: Temel натыйжалар hakemlikten geçmemiş, чыныгы SCADA маалыматтарi kamuya açık olmayan ve bazı bölümlerinde sentetik vekil маалымат kullanan hesaplamalı bir çalışmaya dayanmaktadır. Maliyet azalması, эрте эскертүү ve батарея ömrü натыйжаларı чыныгы талаа işletme başarısı olarak yorumlanmamalıdır.

Temel сандык uyarı: PDF’de bildirilen пайыз 94 hesaplama azalması маалыматlen sürelerden, günde 1,2 yanlış alarm мааниi karışıklık matrisinden ve R 3,1 milyar tasarruf belirtilen ekonomik girdilerden doğrudan yeniden üretilememektedir. Bu натыйжалар açıklayıcı ek hesaplama sтармакlanmadan kesin ekonomik veya operasyonel мааниler olarak kullanılmamalıdır.