Ushbu tadqiqot elektr taqsimlash tarmogʻi izlanishlarida ishlatiladigan simulyatsiya ssenariylarini tabiiy til buyruqlari orqali yaratishga imkon beruvchi GridSage platformasini taklif etadi. Foydalanuvchi tarmoq modeli, fotovoltaik ishlab chiqarish, shamol energiyasi, yuk darajasi, energiya saqlash, elektr transport vositalari, ish soatlari va ishlatiladigan mustahkamlovchi oʻrganish algoritmi kabi shartlarni kundalik tilda belgilaydi. GridSage bu soʻrovni bevosita fizik simulyatsiyaga yuborish oʻrniga mos Scenario Skill shablonini tanlaydi, faqat soʻralgan maydonlarni bosqichma-bosqich oʻzgartiradi va hosil boʻlgan ScenarioConfig obyektini topologiya, parametr chegaralari, quvvat oqimi hamda ishlatish cheklovlari boʻyicha tekshiradi.

Usul Scenario Skill ga kirish, bosqichma-bosqich semantik tahrirlash, ikki qatlamli xavfsizlik nazorati, V2G xususiyatli faol taqsimlash tarmogʻi modeli, chiziqli DistFlow yechimi, OpenDSS asosidagi nochiziqli AC quvvat oqimi tekshiruvi va Gymnasium bilan mos mustahkamlovchi oʻrganish muhitidan iborat. Platforma fotovoltaik va shamol ishlab chiqarishi, energiya saqlash tizimlari, elektr transport vositalarini zaryadlash va tarmoqqa energiya berish, yumshoq ochiq nuqtalar hamda oldindan tasdiqlangan tarmoqni qayta konfiguratsiyalash rejalarini bitta tajriba muhitida birlashtiradi.

Tabiiy til konfiguratsiyasi uchun tayyorlangan 200 namunali taqqoslashda toʻliq GridSage ish jarayoni %96,0 buyruq aniqligi, %96,12 maydon aniqligi, %98,0 yaroqlilik va %96,0 bajarishga tayyorlikka erishgan. Toʻliq konfiguratsiyani bevosita ishlab chiqaradigan asosiy usul atigi %52,5 buyruq aniqligi va %44,5 bajarishga tayyorlik bergan. 76 ssenariyli xavfsizlik sinovida umumiy tekshiruvchi barcha 40 ta aniq xato konfiguratsiyani ishga tushirishdan oldin toʻxtatgan; Scenario Skill tekshiruvi bajarish mumkin boʻlgan, ammo xavfli ssenariylarning %80 iga ogohlantirish yoki rad etish orqali aralashgan.

IEEE 33 tugunli, fotovoltaik ishlab chiqarishi yuqori va yuki past ssenariyda SAC, TD3, DDPG va PPO algoritmlari 200.000 qadam davomida oʻqitilgan. Gurobi asosidagi optimallashtirish etaloni 96.091,90 bilan eng past jami maqsad qiymati, %99,18 kuchlanish muvofiqligi va %100 qayta tiklanuvchi energiyadan foydalanishga erishgan. Oʻrganilgan boshqaruvchilar orasida SAC 98.476,50 jami maqsad qiymati bilan eng yaxshi umumiy natijani bergan; biroq kuchlanish muvofiqligi %93,62 va qayta tiklanuvchi energiyadan foydalanish %94,59 darajasida qolgan. Topilmalar haqiqiy taqsimlash tarmogʻi amaliyotiga emas, bitta asosiy RL ssenariysi, uchta tasodifiy urugʻ va taqrizdan oʻtmagan dasturiy prototipga asoslanadi.

Tadqiqot qanday muammoni hal qilishga urinadi?

Taqsimlash tarmoqlarida mustahkamlovchi oʻrganish boʻyicha tadqiqot faqat algoritm tanlashdan iborat emas. Tadqiqotchi tarmoq topologiyasi, yuk va qayta tiklanuvchi energiya profillari, qurilma quvvatlari, elektr transport vositalari xatti-harakati, saqlash chegaralari, ish davomiyligi, quvvat oqimi yechuvchisi, mukofot funksiyasi va tajriba urugʻlarini izchil belgilashi kerak.

Bu sozlamalarni qoʻlda bajarish uchta asosiy muammoni tugʻdiradi:

• Ssenariy yaratish va konfiguratsiya xarajati oshadi.
• Bir-biriga zid yoki fizik jihatdan bajarib boʻlmaydigan parametrlar oson yaratiladi.
• Tajribalar orasidagi kichik va qayd etilmagan konfiguratsiya farqlari natijalarni takrorlash va algoritmlarni adolatli taqqoslash imkonini susaytiradi.

Katta til modellari tabiiy til soʻrovlarini tuzilgan ma’lumotlarga aylantira oladi. Ammo elektr tarmogʻi ssenariysi oddiy matn yaratish vazifasi emas. Til modeli mavjud boʻlmagan tugunga qurilma qoʻshishi, qoʻllab-quvvatlanmaydigan tarmoq modelini soʻrashi, vaqt oraligʻini teskari belgilashi yoki ortiqcha ishlab chiqarish bilan kuchlanish chegaralarini xavf ostiga qoʻyishi mumkin. Shuning uchun asosiy savol quyidagicha: tabiiy til moslashuvchanligini fizik tarmoq qoidalaridan voz kechmasdan xavfsiz va takrorlanadigan tajriba konfiguratsiyasi vositasiga aylantirish mumkinmi?

GridSage ning umumiy ish jarayoni

Grafik xulosada foydalanuvchidan boshlanadigan jarayon besh asosiy bosqichda koʻrsatiladi:

1. Foydalanuvchi oʻrganmoqchi boʻlgan taqsimlash tarmogʻi ssenariysini tabiiy tilda bayon qiladi.
2. Platforma IEEE 33, 69 yoki 123 tugunli tizim kabi asosiy ssenariylardan mos Scenario Skill yozuvini oladi.
3. Mavjud konfiguratsiya butunlay qayta yozilmaydi; faqat foydalanuvchi soʻragan parametrlar oʻzgartiriladi.
4. Topologiya, quvvatning bajarilish imkoniyati, kuchlanish chegaralari va ishlatish cheklovlari tekshiriladi.
5. Yaroqli ssenariy mustahkamlovchi oʻrganish muhitida ishga tushirilib, xarajat, kuchlanish muvofiqligi, qayta tiklanuvchi energiyadan foydalanish va elektr transport vositalari zaryadidan qoniqish hisobot qilinadi.

Bu arxitekturada katta til modeli fizik simulyatsiya qatlamiga bevosita kira olmaydi. Til modeli faqat konfiguratsiya qatlamida buyruq yaratadi. Haqiqiy tarmoq holati, quvvat oqimi va qurilma harakatlari deterministik dasturiy komponentlar orqali hosil qilinadi. Bu ajratish til modelining erkin matn yaratishdagi noaniqliklari bevosita tarmoq hisoblariga oʻtishining oldini olishni koʻzlaydi.

Scenario Skill nima?

Scenario Skill odatiy taqsimlash tarmogʻi ish holatini ifodalovchi qayta foydalaniladigan bilim birligidir. Masalan, yuqori fotovoltaik ishlab chiqarish, past yuk, zich elektr transport vositasi zaryadi yoki cheklangan moslashuvchan resurs sharti alohida koʻnikma yozuvi sifatida belgilanishi mumkin.

Har bir koʻnikma quyidagi komponentlardan iborat:

\[ S_k=(id_k,z_k,T_k,R_k,D_k,P_k,N_k,A_k,M_k,V_k) \]

Bu yerda \(id_k\) koʻnikma identifikatorini, \(z_k\) semantik tavsifni, \(T_k\) ishga tushiruvchi iboralarni, \(R_k\) namunaviy foydalanuvchi soʻrovlarini, \(D_k\) qurilma va ish shartlari ta’riflarini, \(P_k\) tavsiya etilgan parametrlarni, \(N_k\) tugun darajasidagi oʻzgartirish qoidalarini, \(A_k\) mustahkamlovchi oʻrganish sozlamalarini, \(M_k\) baholash mezonlarini va \(V_k\) tekshirish qoidalarini bildiradi.

Bu tuzilma tadqiqotchilar tajribasini erkin matnli qaydlar oʻrniga qidiriladigan va nazorat qilinadigan ssenariy bilimiga aylantiradi. Koʻnikmalar kutubxonasi ochiq shaklda tuzilgan; yangi tarmoq shartlari va tekshirish qoidalarini keyin qoʻshish mumkin.

Mos koʻnikma qanday tanlanadi?

Foydalanuvchi soʻrovi \(U_{in}\) va mavjud ssenariy holati \(C_{cur}\) uchun har bir koʻnikmaga moslik balli beriladi:

\[ \operatorname{Score}(S_k|U_{in},C_{cur})=\omega_1I_T(U_{in},T_k)+\omega_2I_R(U_{in},R_k)+\omega_3I_D(U_{in},D_k)+\omega_4I_S(U_{in},S_k) \]

\(I_T\) foydalanuvchi buyrugʻining ishga tushiruvchi iboralarga oʻxshashligini; \(I_R\) namunaviy soʻrovlarga mosligini; \(I_D\) tilga olingan qurilma va energiya manbalarining koʻnikma bilan aloqasini; \(I_S\) mavjud ssenariy holatiga moslikni oʻlchaydi. \(\omega_1\)–\(\omega_4\) koeffitsiyentlari toʻrt mezonning nisbiy vaznlarini belgilaydi.

1-algoritmda balli muayyan chegaradan oshgan koʻnikmalar nomzodlar toʻplamiga olinadi va eng yuqori balli koʻnikma tanlanadi. Hech bir koʻnikma chegaradan oʻtmasa, tizim mos koʻnikma topilmaganini qaytaradi. Tanlangan koʻnikmaning parametrlari, tugun qoidalari, algoritm sozlamalari, unumdorlik mezonlari va xavfsizlik qoidalari keyingi tahrirlash bosqichiga kontekst sifatida uzatiladi.

Tadqiqotda moslashtirish komponentlarining tuzilishi tushuntirilgan boʻlsa-da, vazn koeffitsiyentlari va kirish chegarasining sonli qiymatlari asosiy matnda berilmagan. Bu koʻnikmaga kirish mexanizmini ayni sozlamalar bilan mustaqil takrorlashni cheklaydi.

Nega bosqichma-bosqich semantik tahrirlash muhim?

Foydalanuvchi mavjud ssenariyda faqat fotovoltaik ishlab chiqarishni oʻzgartirmoqchi boʻlsa, butun ScenarioConfig obyektini qayta yaratish keraksiz xavf tugʻdiradi. Til modeli avval toʻgʻri belgilangan maydonlarni tasodifan oʻzgartirishi yoki unutishi mumkin.

GridSage buning oʻrniga faqat zarur oʻzgarishlarni oʻz ichiga oluvchi Delta Command toʻplamini yaratadi:

\[ \Delta=\operatorname{Generate\_Delta}(U_{in},C_{cur},\mathcal{H}) \]

Har bir oʻzgartirish buyrugʻi quyidagi uchlik bilan ifodalanadi:

\[ d_i=(a_i,q_i,v_i) \]

\(a_i\) yangilash yoki faollashtirish kabi amal turini; \(q_i\) maqsad konfiguratsiya maydonini; \(v_i\) yangi qiymatni bildiradi. Bitta foydalanuvchi soʻrovidan hosil boʻlgan barcha oʻzgarishlar esa quyidagicha:

\[ \Delta=(d_1,d_2,\ldots,d_m) \]

Bu yondashuv mavjud holatni saqlash, oʻzgarishlar tarixini kuzatish va xato maydonlarni bittalab tuzatishni osonlashtiradi.

Tabiiy til buyrugʻi tuzilgan ssenariyga qanday aylantirilgan?

Tadqiqotdagi namunaviy buyruqda foydalanuvchi quyidagi shartlarni soʻraydi:

• IEEE 33 tugunli taqsimlash tarmogʻi,
• 10.00–14.00 oraligʻida fotovoltaik ishlab chiqarishni 2,0 baravar oshirish,
• Ayni davrda yukni 0,7 baravarga tushirish,
• b18 tuguniga 300 kW fotovoltaik quvvat qoʻshish,
• b18 tuguniga 500 kWh energiya saqlash qoʻshish,
• Baholashda SAC algoritmidan foydalanish,
• Natijalarni Gurobi asosidagi optimallashtirish etaloni bilan taqqoslash.

Platforma bu murakkab soʻrovni toʻrtta konfiguratsiya guruhiga ajratgan: ssenariy maqsadi, global ish parametrlari, tugun va qurilma oʻzgarishlari hamda algoritm va bajarish sozlamalari. Shunday qilib, bitta paragrafdagi vaqt, qurilma, quvvat va algoritm talablari alohida maydonlarga yozilgan.

Ikki qatlamli xavfsizlik tekshiruvi

Nomzod ssenariy bevosita quvvat oqimi yechuvchisiga yuborilmaydi. Tekshirish qoidalari umumiy va koʻnikmaga xos nazoratlarning birikmasi sifatida belgilanadi:

\[ V(C_{prop},S)=V_g(C_{prop})\oplus V_k(C_{prop},S) \]

\(V_g\) barcha ssenariylarga tatbiq etiladigan umumiy tekshiruvlarni; \(V_k\) tanlangan Scenario Skill uchun belgilangan semantik nazoratlarni bildiradi.

Umumiy qat’iy cheklovlar

Birinchi bosqichda konfiguratsiyani ishga tushirish mumkinligi tekshiriladi. Koʻrib chiqilgan asosiy masalalar:

• Soʻralgan tarmoq modeli qoʻllab-quvvatlanishi,
• Boshlanish va tugash vaqtlarining mantiqiy tartibi,
• Vaqt qadamining yaroqliligi,
• Algoritm va bajarish rejimining qoʻllab-quvvatlanishi,
• Koʻrsatilgan tugunning tarmoqda mavjudligi,
• Qurilmalarning tegishli tugun va ssenariyga mosligi,
• Fotovoltaik, yuk va boshqa koʻpaytirgichlarning ruxsat etilgan chegaralarda qolishi,
• Topologik ulanish, quvvat oqimi bajarilishi va ishlatish chegaralari.

Masalan, 23.00 da boshlanib 22.00 da tugaydigan simulyatsiya rad etilgan. Qoʻllab-quvvatlanmaydigan «ieee999» modeli ham ishga tushirilishidan oldin toʻxtatilgan va foydalanuvchiga mavjud IEEE 33, 69 va 123 tugunli variantlar bildirilgan.

Scenario Skill semantik nazorati

Konfiguratsiyani texnik jihatdan ishga tushirish mumkin boʻlsa ham, u tadqiqot maqsadi uchun xavfli boʻlishi mumkin. Masalan, fotovoltaik ishlab chiqarish 2,8 baravar oshirilgan, yuk 0,7 baravarga tushirilgan va energiya saqlash hamda SOP koʻmagi oʻchirilgan ssenariyni yechuvchi ishga tushira oladi. Ammo yuqori ishlab chiqarish, past iste’mol va cheklangan moslashuvchanlik birlashganda ortiqcha kuchlanish va qayta tiklanuvchi energiyani cheklash xavfi paydo boʻlishi mumkin.

GridSage bunday ssenariylarni majburan rad etish oʻrniga «ogohlantirish» holatiga oʻtkazishi mumkin. Shunday qilib, qat’iy fizik yoki sxema xatolari tadqiqotchi ongli ravishda oʻrganishi mumkin boʻlgan zoʻriqish shartlaridan ajratiladi.

Taqsimlash tarmogʻining fizik modeli

Tasdiqlangan ScenarioConfig matn boʻlishdan chiqib, vaqt boʻyicha indekslangan fizik tarmoq holatiga aylantiriladi. Har bir vaqt qadamida yuklar, qayta tiklanuvchi ishlab chiqarish, elektr transport vositalari, saqlash, SOP va tanlangan topologiya birga hosil qilinadi.

Yuk modeli

Tugundagi faol yuk asosiy profil, global yuk koʻpaytirgichi, vaqtga bogʻliq koeffitsiyent va tugun darajasidagi qoʻshimcha yukdan iborat:

\[ P^L_{i,t}=\alpha^L\rho^L_t\bar{P}^L_{i,t}+\Delta P^L_i \]

Reaktiv yuk asosiy quvvat koeffitsiyenti burchagi saqlangan holda hisoblanadi:

\[ Q^L_{i,t}=P^L_{i,t}\tan\phi_i \]

\(\alpha^L\) umumiy yuk koʻpaytirgichini; \(\rho^L_t\) vaqt profili koeffitsiyentini; \(\Delta P^L_i\) tegishli tugunga qoʻshilgan yukni; \(\phi_i\) asosiy quvvat koeffitsiyenti burchagini bildiradi.

Qayta tiklanuvchi energiya va saqlash

Fotovoltaik ishlab chiqarish global ishlab chiqarish koʻpaytirgichi, vaqt profili va tugun darajasidagi quvvat qoʻshimchalari bilan masshtablanadi. Shamol ishlab chiqarishi ham asosiy mavjudlik profili va qoʻshimcha quvvatlarga bogʻliq. Profillar doimiy tasodifiy urugʻlar bilan oʻzgartirilib, ayni tajribani takrorlash koʻzlangan.

Energiya saqlash tizimlari zaryadlash va zaryadsizlash quvvat chegaralari, samaradorlik hamda minimal–maksimal toʻliqlik holati orqali vaqtlararo bogʻlangan resurslar sifatida modellashtirilgan.

Elektr transport vositasi va V2G modeli

Elektr transport vositasi batareyasining keyingi vaqt qadamidagi energiyasi quyidagi tenglama bilan yangilanadi:

\[ E_{v,t+1}=\operatorname{clip}\left(E_{v,t}+\eta_c[P^{EV}_{v,t}]^+\Delta t-\frac{[-P^{EV}_{v,t}]^+}{\eta_d}\Delta t,\ 0,\ E^{max}_v\right) \]

Musbat \(P^{EV}_{v,t}\) zaryadlashni, manfiy qiymat tarmoqqa energiya berishni bildiradi. \(\eta_c\) va \(\eta_d\) zaryadlash hamda zaryadsizlash samaradorliklaridir. Stansiyadagi jami elektr transport vositasi quvvati ulangan vositalar quvvatlari yigʻindisidir:

\[ P^{EV}_{s,t}=\sum_{v\in V_{s,t}}P^{EV}_{v,t} \]

Kelish va ketish vaqtlari, dastlabki toʻliqlik, maqsad energiya va zaryad talabi doimiy urugʻlar bilan yaratilgan. Shu orqali V2G koʻmagi va zaryadlashdan qoniqish ayni ssenariyda baholanadi.

SOP va NOP asosidagi topologik moslashuvchanlik

Ikki tugunni bogʻlovchi yumshoq ochiq nuqtadagi faol quvvat muvozanati quyidagicha quriladi:

\[ P^{SOP}_{i,t}+P^{SOP}_{j,t}+P^{loss}_{k,t}=0 \]

Har bir oʻzgartirgich uchida koʻrinma quvvat chegarasi qoʻllanadi:

\[ (P^{SOP}_{i,t})^2+(Q^{SOP}_{i,t})^2\leq(S^{max}_k)^2 \]

SOP ikki uch orasida faol quvvat uzatar ekan, har bir uchda mustaqil reaktiv quvvat koʻmagini bera oladi.

NOP asosidagi qayta konfiguratsiyada boshqaruvchiga tasodifiy liniyalarni ochib-yopishga ruxsat berilmagan. Buning oʻrniga radial tuzilma va ulanishni saqlashi oldindan tasdiqlangan qonuniy topologiya rejalaridan biri ScenarioConfig bosqichida tanlanadi. Bu dizayn orollanish yoki halqali topologiya kabi yechuvchiga mos boʻlmagan tuzilmalar paydo boʻlishining oldini oladi.

Boshqaruvchi harakatlari fizik chegaralarga qanday moslashtirilgan?

Mustahkamlovchi oʻrganish algoritmi ishlab chiqargan xom harakat bevosita qurilmalarga qoʻllanmaydi. Harakat mavjud tarmoq va qurilma holatiga bogʻliq ish sohasiga proyeksiyalanadi:

\[ a_t=\Pi_{\Omega(x^{sc}_t)}(u_t) \]

\(u_t\) xom algoritm chiqishini; \(a_t\) bajariladigan fizik buyruqni; \(\Omega(x^{sc}_t)\) shu paytda amal qiladigan qurilma ish sohasini bildiradi.

Bu bosqichda:

• Tarmoqqa ulanmagan elektr transport vositalari harakatlari niqoblanadi.
• Zaryadlash va V2G quvvatlari batareya va stansiya chegaralariga kesiladi.
• Saqlash harakatlari toʻliqlik holatiga koʻra cheklanadi.
• Faol boʻlmagan SOP uchlari nolga tushiriladi.
• SOP buyruqlari oʻzgartirgichning koʻrinma quvvat chegarasiga proyeksiyalanadi.

Tugun darajasidagi sof quvvat kiritilishi

Musbat qiymat tarmoqqa sof ishlab chiqarish deb qabul qilinganda, tugundagi faol quvvat kiritilishi quyidagicha:

\[ P^{net}_{i,t}=P^G_{i,t}+P^{PV}_{i,t}+P^W_{i,t}+\sum_{e\in E_i}(P^{dis}_{e,t}-P^{ch}_{e,t})-P^L_{i,t}-\sum_{s\in S_i}P^{EV}_{s,t}+P^{SOP}_{i,t} \]

Tenglama an’anaviy ishlab chiqarish, fotovoltaik, shamol, saqlash, yuk, elektr transport vositasi va SOP ta’sirlarini ayni tugun muvozanatida jamlaydi.

Ikki bosqichli quvvat oqimi tekshiruvi

Birinchi bosqich: chiziqli DistFlow

Radial tarmoqda faol va reaktiv tarmoq oqimlari quyidagi muvozanatlar bilan hisoblanadi:

\[ P_{ij,t}-\sum_{h:(j,h)\in\mathcal{L}^{act}_t}P_{jh,t}=-P^{net}_{j,t} \]

\[ Q_{ij,t}-\sum_{h:(j,h)\in\mathcal{L}^{act}_t}Q_{jh,t}=-Q^{net}_{j,t} \]

Chiziqlashtirilgan kuchlanish tushishi esa:

\[ v_{j,t}=v_{i,t}-2(r_{ij}P_{ij,t}+x_{ij}Q_{ij,t}) \]

\(v_i\) va \(v_j\) kuchlanish kattaliklari kvadratlarini; \(r_{ij}\) va \(x_{ij}\) liniya qarshiligi va reaktansini bildiradi.

Ish nuqtasi tarmoqdan energiya olish xarajati, ishlab chiqarish xarajati, saqlash xarajati, SOP yoʻqotishi va sonli bajarilish uchun ishlatiladigan jarima hadlari orqali belgilanadi:

\[ \min\ C^{grid}_t+C^{gen}_t+C^{ESS}_t+C^{SOP}_t+\lambda_s\phi^{slack}_t+\lambda_{sop}\phi^{sop}_t+\lambda_{nop}\phi^{nop}_t \]

Boʻshashish oʻzgaruvchilari ortiqcha yoki izlanish maqsadidagi harakatlarda yechim topish imkonini saqlash uchun ishlatiladi. Shu sababli chiziqli yechim topilishi har bir ish holati jarimasiz yoki toʻliq fizik jihatdan ideal ekanini anglatmaydi.

Ikkinchi bosqich: OpenDSS AC tekshiruvi

DistFlow bilan topilgan ish holati keyin OpenDSS yordamida nochiziqli AC quvvat oqimida baholangan. Bu bosqich kuchlanishlar, tarmoq oqimlari, tarmoq yoʻqotishlari va yechuvchi yaqinlashuvini yangilaydi.

OpenDSS natijalari mukofot funksiyasi va tajriba yozuvlariga uzatiladi. Joriy vaqt qadamining harakatdan keyin paydo boʻlgan kuchlanish va tarmoq oqimlari harakat tanlanishidan oldin kuzatuvga qoʻshilmagan. Shu orqali boshqaruvchining hali yuz bermagan quvvat oqimi natijasini koʻrishidan keladigan sababiyatga zid axborot sizishi oldini olingan.

Mustahkamlovchi oʻrganish kuzatuv maydoni

Boshqaruvchi harakatdan oldin koʻradigan holat vektori quyidagicha:

\[ o_t=[\tau_t,\pi_t,P^L_t,Q^L_t,P^{RW,av}_t,SOC^{ESS}_t,m^{EV}_t,SOC^{EV}_t,\delta^{dep}_t,d^{EV}_t] \]

Vektor vaqt, mavjud boʻlsa elektr narxi, faol va reaktiv yuklar, mavjud fotovoltaik va shamol quvvati, saqlash toʻliqligi, elektr transport vositasi ulanish holati, batareya darajasi, ketishgacha qolgan vaqt va qondirilmagan zaryad ehtiyojini oʻz ichiga oladi.

Harakat maydoni

Faol qurilmalarga moslashtirilgan birlashgan harakat vektori quyidagicha:

\[ a_t=[a^{EV}_t,a^{ESS}_t,a^{PVW}_t,a^{SOP,P}_t,a^{SOP,Q1}_t,a^{SOP,Q2}_t] \]

Harakatlar mos ravishda elektr transport vositasini zaryadlash va V2G quvvati, saqlashni zaryadlash-zaryadsizlash, qayta tiklanuvchi energiyani cheklash, SOP faol quvvat uzatishi va ikki uchdagi reaktiv quvvat buyruqlarini boshqaradi. NOP topologiyasi onlayn RL harakati emas; tajriba boshlanishidan oldin yaroqli rejalardan biri tanlanadi.

Mukofot funksiyasi

Standart mukofot iqtisodiy ishlatish, kuchlanish xavfsizligi, elektr transport vositasi xizmati va yechuvchi yaqinlashuvini birlashtiradi:

\[ r_t=-\lambda_cC_t-\lambda_vV^{vio}_t-\lambda_eE^{short}_t-\lambda_uU^{EV}_t-\lambda_oI^{fail}_t \]

\(C_t\) ishlatish xarajatini; \(V^{vio}_t\) kuchlanish buzilishini; \(E^{short}_t\) transport vositasi ketayotganda qondirilmagan energiyani; \(U^{EV}_t\) qolgan toʻxtash vaqtiga koʻra zaryad kamomadini; \(I^{fail}_t\) OpenDSS yaqinlashmasligini jazolaydi.

Qayta tiklanuvchi energiyani cheklash va tarmoq oqimlari qayd etilsa-da, standart mukofotda alohida va ochiq hadlar sifatida yoʻq. Bu tanlov algoritm oʻqitish mukofotida yaxshi koʻrinsa ham, qayta tiklanuvchi energiyadan foydalanish, tarmoq yoʻqotishi yoki boshqa fizik mezonda zaifroq qolishi mumkinligining sabablaridan biridir.

Tabiiy til konfiguratsiyasi tajribasi

Tabiiy til sinovi sakkiz toifada, har toifaga 25 tadan jami 200 buyruqdan iborat:

• Global ishlab chiqarish yoki yuk koʻpaytirgichlari,
• Tugun darajasidagi oʻzgarishlar,
• Qurilma mavjudligi,
• Vaqtga bogʻliq profilni ajratish,
• Oʻqitish yoki baholash rejimi,
• Scenario Skill maqsadini aniqlash,
• Bir nechta algoritmni taqqoslash,
• Bir nechta soʻrovni birlashtirgan murakkab konfiguratsiyalar.

LLM qoʻllangan barcha tajribalarda tabiiy til orqa uchi sifatida DeepSeek-V4-Flash ishlatilgan. Uchta ish jarayoni taqqoslangan:

• A1: Tabiiy tildan butun ScenarioConfig obyektini bevosita yaratish.
• A2: Bosqichma-bosqich Delta Command dan foydalanish.
• A3: Delta Command ga qoʻshimcha ravishda Scenario Skill ga kirish, holatdan xabardor birlashtirish, umumiy tekshiruv, koʻnikma tekshiruvi va tajriba qaydi.

A1 ning maydon aniqligi yuqori koʻrinsa ham, buyruq aniqligi va bajarilish imkoniyati past. Bu alohida maydonlarda maqbul qiymat yaratish butun konfiguratsiya toʻliq va izchil ekanini anglatmasligini koʻrsatadi.

A2 buyruq aniqligini %52,5 dan %91,0 ga oshirib, bosqichma-bosqich tahrirlash foydasini koʻrsatgan. A3 esa murakkab va kontekstga bogʻliq vazifalarda muvozanatliroq natija bergan. A3 ning yaroqlilik darajasi A2 dan 1,5 foiz punkt past boʻlsa-da, buning sababi yumshoqroq emas, balki qattiqroq toʻliq ish jarayoni nazoratidir.

Vazifa toifalari boʻyicha aniqlik

Issiqlik xaritasida A1 oddiy tugun va qurilma vazifalarida %100 ga yetgan; ammo koʻp algoritmli taqqoslashda %0, Scenario Skill maqsadini aniqlashda %24, oʻqitish-baholash tanlovi va murakkab konfiguratsiyada %32 da qolgan.

A2 vaqt profili va oʻqitish rejimi kabi maydonlarda %100 ga yetgan, biroq koʻp algoritmli taqqoslashda %64 va murakkab konfiguratsiyada %80 natija bergan.

A3 quyidagi natijalarni bergan:

• Tugun oʻzgarishi: %100,
• Qurilma mavjudligi: %100,
• Oʻqitish yoki baholash rejimi: %100,
• Murakkab konfiguratsiya: %100,
• Vaqt profilini ajratish: %96,
• Koʻp algoritmli taqqoslash: %96,
• Scenario Skill maqsadini aniqlash: %88,
• Global koʻpaytirgich sozlamasi: %88.

GridSage ning asosiy hissasi oddiy raqam toʻldirish vazifalaridan koʻra, bir nechta maydon va yashirin ssenariy maqsadini birga talqin qilish zarur boʻlgan buyruqlarda namoyon boʻlgan.

Xavfsizlikni tekshirish tajribasi

Xavfsizlik sinovi 76 konfiguratsiyadan iborat. Ularning 40 tasi aniq xato, 36 tasi bajariladigan, xavfli yoki odatiy ssenariylardir. Aniq xato toifalari:

• Qoʻllab-quvvatlanmaydigan tarmoq modeli,
• Yaroqsiz simulyatsiya davomiyligi,
• Yaroqsiz vaqt qadami,
• Qoʻllab-quvvatlanmaydigan algoritm rejimi,
• Chegaradan tashqari global koʻpaytirgich,
• Mavjud boʻlmagan tugun,
• Haddan tashqari tugun darajasidagi oʻzgarish.

B1 barcha aniq xatolarni qabul qilgan. B2 barcha aniq xatolarni ishga tushirishdan oldin toʻxtatib, yettita xato sinfining barchasini qamragan. B3 ayni qat’iy xavfsizlik natijasini saqlab, bajarish mumkin boʻlgan, ammo ssenariy maqsadi uchun xavfli namunalarning %80 iga aralashgan. Odatiy ssenariylarda notoʻgʻri ogohlantirish kuzatilmagan.

Bu sinov til modeli ishonchliligini faqat toʻgʻri buyruq yaratish darajasi bilan oʻlchamaslik kerakligini koʻrsatadi. Xato buyruqlarning fizik yechuvchiga yetmasdan toʻxtatilishi va ongli stress sinovlarini haqiqiy xatolardan ajratish ham alohida baholanishi kerak.

Yuqori fotovoltaik ishlab chiqarish va past yuk ssenariysi

Mustahkamlovchi oʻrganish tajribasi IEEE 33 tugunli tarmoqda oʻtkazilgan. Asosiy sozlamalar:

• Fotovoltaik ishlab chiqarish koʻpaytirgichi: 2,0,
• Yuk koʻpaytirgichi: 0,7,
• Elektr transport vositasi koʻpaytirgichi: 1,0,
• Simulyatsiya davomiyligi: 24 soat,
• Vaqt qadami: 60 daqiqa,
• Oʻqitish davomiyligi: 200.000 qadam,
• Algoritmlar: SAC, TD3, DDPG va PPO,
• Baholash urugʻi: uchta tasodifiy urugʻ,
• Optimallashtirish etaloni: Gurobi asosidagi boshqaruvchi.

Barcha boshqaruvchilar bir xil ScenarioConfig, qurilma holati, vaqt ufqi, mukofot vaznlari, normallashtirish, tasodifiy urugʻlar va ikki bosqichli quvvat oqimi tekshiruvi ostida taqqoslangan.

Oʻqitish egri chiziqlari nimani koʻrsatgan?

Oʻqitish grafigida SAC taxminan 70.000–100.000 qadam oraligʻida tez yaxshilanib, oʻqitish oxirida oʻrganilgan algoritmlar orasida eng yuqori oʻrtacha epizod mukofotiga erishgan. TD3 dastlab tez ilgarilab, keyin asta-sekinroq rivojlangan. DDPG sekinroq, ammo uzluksiz yaxshilangan. PPO esa boshlangʻich darajadan ozgina uzoqlashib, boshqa algoritmlarga qaraganda ancha past mukofotda qolgan.

Bu natijalar faqat ishlatilgan holat, harakat, mukofot vaznlari, giperparametrlar va yuqori-PV, past-yuk ssenariysi uchun amal qiladi. Oʻqitish egri chizigʻining yuqoriligi algoritm barcha tarmoq shartlarida ustun ekanini koʻrsatmaydi.

Fizik ishlatish natijalari

Jami maqsad faqat pul xarajati emas; u ishlatish xarajatlari va jarima komponentlarini birlashtiradi. Shu sababli kichik qiymat yaxshiroq umumiy unumdorlikni anglatadi.

Gurobi asosidagi etalon barcha oʻrganilgan boshqaruvchilardan yaxshiroq natija bergan. SAC ning jami maqsad qiymati etalondan taxminan %2,5 yuqori boʻlsa-da, oʻrganilgan algoritmlar orasida eng pastdir. Shu sababli SAC xarajat va jarima komponentlarini eng muvozanatli birlashtirgan RL boshqaruvchisi deb baholangan.

TD3 RL usullari orasida eng yuqori kuchlanish muvofiqligi va eng past qayta tiklanuvchi energiya cheklanishiga erishgan; biroq jami maqsad qiymati SAC va DDPG dan yuqori. Bu elektr transport vositasi xizmati va boshqa jarima komponentlari ham umumiy natijaga ta’sir qilishini koʻrsatadi.

DDPG ning jami maqsad qiymati TD3 dan past, kuchlanish muvofiqligi esa TD3 dan pastroq. 7-shaklda DDPG oʻrganilgan boshqaruvchilar orasida elektr transport vositasi zaryadidan eng yuqori qoniqishni koʻrsatadi.

PPO qayta tiklanuvchi energiyadan foydalanishning pastligi, yuqori cheklanish va past kuchlanish muvofiqligi tufayli boshqa boshqaruvchilardan ancha yomon natija bergan. Ammo bu natija PPO umuman taqsimlash tarmoqlari uchun mos emasligini isbotlamaydi; u faqat ushbu amaliyot, sozlamalar va oʻqitish byudjeti ostida zaif moslashganini koʻrsatadi.

Zaryadlashdan qoniqish, xarajat va tarmoq yoʻqotishi grafiklari

Uch urugʻdan olingan quti grafiklari boshqaruvchilarning oʻrtachalari va urugʻlar orasidagi taqsimotni koʻrsatadi. Gurobi asosidagi etalon elektr transport vositasi zaryadidan eng yuqori qoniqish va eng past tarmoq yoʻqotishiga ega. Oʻrganilgan boshqaruvchilar orasida:

• DDPG elektr transport vositasi zaryadidan eng yuqori qoniqishni,
• TD3 eng past tarmoq yoʻqotishini,
• SAC xarajat, yoʻqotish va zaryadlash xizmati orasida muvozanatliroq natijani,
• PPO eng past zaryadlash qoniqishi va eng yuqori xarajatni koʻrsatgan.

Tadqiqotda bu quti grafiklari uchun gipoteza sinovi, ishonch oraligʻi yoki algoritmlar orasidagi farqlarning statistik ahamiyati hisobot qilinmagan. Uchta tasodifiy urugʻ tendensiyalarni koʻrsatishi mumkin, ammo algoritmlarning qat’iy reytingi uchun cheklangan namuna hajmidir.

Tadqiqot qoʻllab-quvvatlaydigan natijalar

• Tabiiy til buyruqlarini bosqichma-bosqich va tuzilgan oʻzgarishlarga aylantirish butun konfiguratsiyani birdaniga yaratishdan ishonchliroq natija bergan.
• Scenario Skill ga kirish va holatdan xabardor tekshiruv, ayniqsa, koʻp maydonli va murakkab buyruqlarda aniqlikni oshirgan.
• Qat’iy cheklov tekshiruvi qoʻllab-quvvatlanmaydigan yoki fizik chegaralardan oshadigan ssenariylarning simulyatsiyaga yetishini toʻxtata olgan.
• Semantik tekshiruv texnik jihatdan bajariladigan, ammo xavfi yuqori ssenariylarni alohida belgilay olgan.
• Tasdiqlangan ScenarioConfig yopiq konturli mustahkamlovchi oʻrganish tajribasi va fizik mezonlar asosidagi algoritm taqqoslashiga aylantirilgan.
• Bitta oʻqitish mukofoti tarmoq boshqaruvchisining kuchlanish, qayta tiklanuvchi foydalanish, EV xizmati va yoʻqotish xatti-harakatlarini toʻliq tushuntirmagan.

Tadqiqot isbotlamaydigan jihatlar

• GridSage haqiqiy taqsimlash tarmogʻida onlayn qoʻllanmagan.
• Til modelining tarmoqni ishlatish qarorlarini mustaqil va bevosita berishi xavfsiz deb topilmagan; LLM faqat konfiguratsiya qatlamida ishlatilgan.
• %96 buyruq aniqligi barcha tabiiy til shakllari, tillar yoki tarmoq ssenariylari uchun umumiy muvaffaqiyat darajasi emas.
• Xavfsizlik sinovi mumkin boʻlgan barcha fizik va kiber xato turlarini qamramaydi.
• IEEE 33 tugunli yagona RL tajribasi platforma kattaroq haqiqiy tarmoqlarda ayni muvaffaqiyat bilan masshtablanishini isbotlamaydi.
• SAC ning bu tajribada eng yaxshi RL jami maqsadini berishi barcha faol taqsimlash tarmogʻi muammolarida eng yaxshi algoritm ekanini koʻrsatmaydi.
• Gurobi etaloni natijalarini haqiqiy ishlatish optimumi deb talqin qilmaslik kerak; natijalar ishlatilgan model, boʻshashish oʻzgaruvchilari, maqsad funksiyasi va yechuvchi farazlariga bogʻliq.
• Uchta tasodifiy urugʻ algoritmni keng umumlashtirish uchun yetarli emas.

Tadqiqotning kuchli jihatlari

• Til modeli bilan fizik simulyatsiya orasida aniq xavfsizlik chegarasi oʻrnatilgan.
• Ssenariy oʻzgarishlari bosqichma-bosqich va kuzatiladigan buyruqlar shaklida saqlangan.
• Tabiiy til aniqligi, fizik xavfsizlik va RL unumdorligi alohida tajribalarda baholangan.
• 200 namunali konfiguratsiya sinovi oddiy va murakkab vazifalarni birga oʻz ichiga oladi.
• Xavfsizlik sinovida aniq xatolar bilan bajariladigan xavflar ajratilgan.
• Chiziqli DistFlow va OpenDSS AC yechimi ikki bosqichli fizika darvozasi sifatida ishlatilgan.
• Joriy vaqt qadamining harakatdan keyingi tarmoq natijalari kuzatuvdan chiqarilib, sababiyatga zid axborot sizishi oldini olingan.
• RL algoritmlari ayni ScenarioConfig va urugʻ protokolida taqqoslangan.
• Dasturiy kod va namunaviy konfiguratsiyalar ochiq GitHub omborida ulashilgan.

Tadqiqot cheklovlari

• Tadqiqot taqrizdan oʻtmagan.
• Scenario Skill kutubxonasi qoʻlda tayyorlangan va cheklangan sonli ssenariy turini qamrab oladi.
• Asosiy RL tajribasi faqat IEEE 33 tugunli bitta yuqori-PV, past-yuk ssenariysida bajarilgan.
• RL baholashi uchta tasodifiy urugʻ bilan cheklangan.
• Giperparametr sezgirligi va teng hisoblash byudjeti tafsilotlari cheklangan berilgan.
• Scenario Skill ball vaznlari va kirish chegarasi tushuntirilmagan.
• Mukofot vaznlarining sonli qiymatlari asosiy natijalarni talqin qilishni qiyinlashtiradi.
• Qayta tiklanuvchi energiyani cheklash standart mukofotda ochiq had emas.
• Boʻshashish oʻzgaruvchilari haddan tashqari sharoitlarda yechim topishni saqlasa-da, fizik buzilishlarning bir qismini jarima hadiga aylantirishi mumkin.
• NOP topologiyasi onlayn RL tomonidan tanlanmaydi, balki oldindan belgilangan reja sifatida qoʻllanadi.
• Haqiqiy vaqt apparati, dala ma’lumoti, operator tajribasi yoki taqsimlash kompaniyasi amaliyoti yoʻq.
• Tabiiy til benchmarki buyruqlari, belgilash usuli va til xilma-xilligi mustaqil ma’lumotlar toʻplami sifatida batafsil taqdim etilmagan.
• Ma’lumotlar soʻrov asosida ulashilishi aytilgan; barcha tajriba natijalari doimiy ma’lumotlar arxivida taqdim etilmagan.

Nega bu Turkiya uchun muhim?

Turkiya da tom va yer usti quyosh elektr stansiyalari, elektr transport vositasi zaryad stansiyalari, energiya saqlash tizimlari va ikki yoʻnalishli quvvat oqimlari taqsimlash tarmogʻini rejalashtirishni tobora murakkablashtirmoqda. Turli ishlab chiqarish, yuk, saqlash va transport ssenariylarini tez yaratish taqsimlash kompaniyalari, universitetlar va energiya texnologiyasi ishlab chiquvchilari uchun muhim tadqiqot ehtiyojidir.

GridSage ning Turkiya ga bevosita koʻchirish mumkin boʻlgan tomoni muayyan Xitoy tarmogʻi natijalaridan koʻra ssenariyni konfiguratsiyalash va tekshirish arxitekturasidir. Oʻxshash tizim Turkiya uchun ishlab chiqilganda:

• Turkiya da ishlatiladigan taqsimlash tarmogʻi modellari va kuchlanish darajalari Scenario Skill kutubxonasiga qoʻshilishi mumkin.
• EPDK va taqsimlash kompaniyalarining texnik sifat chegaralari tekshirish qoidalariga aylantirilishi mumkin.
• Quyosh ishlab chiqarishi, elektr transport vositasini zaryadlash, saqlash va hududiy yuk profillari tabiiy til buyruqlari bilan belgilanishi mumkin.
• Yuqori quyosh ishlab chiqarishi, kunduzgi past yuk, teskari quvvat oqimi va ortiqcha kuchlanish ssenariylari avtomatik yaratilishi mumkin.
• Turli boshqaruv algoritmlarini ayni konfiguratsiya barmoq izi va urugʻlar bilan adolatli taqqoslash mumkin.
• Operatorning tabiiy tildagi koʻrsatmasi qaysi parametrlarni oʻzgartirgani va qaysi xavfsizlik tekshiruvlaridan oʻtgani qayd etilishi mumkin.

Bunday amaliyot haqiqiy tarmoq ishlashiga ulanmasdan oldin mahalliy quvvat oqimi modellari, himoya tizimi cheklovlari, ma’lumot xavfsizligi, foydalanuvchini vakolatlash, kiberxavfsizlik, inson tasdigʻi va apparat konturli sinovlar bilan tekshirilishi kerak. Tadqiqot avtonom tarmoq ishlatish tizimini emas, xavfsiz va takrorlanadigan tadqiqot ssenariylarini yaratishga qaratilgan prototipni taqdim etadi.

Tadqiqot usuli va topilmalari

Tadqiqot dizayni xulosasi

Tabiiy til sinovining asosiy topilmalari

• Toʻliq GridSage usuli %96,0 buyruq aniqligiga erishgan.
• Maydon aniqligi %96,12, yaroqlilik %98,0 va bajarishga tayyorlik %96,0.
• Oʻrtacha tuzatish bosqichi bevosita yaratishda 2,70 boʻlgan boʻlsa, GridSage da 0,35 gacha tushgan.
• Toʻliq konfiguratsiyani bevosita yaratish yakka maydonlarda muvaffaqiyatli boʻlsa-da, murakkab buyruqlarda aniq muvaffaqiyatsizlik koʻrsatgan.
• Faqat bosqichma-bosqich buyruq ifodasi buyruq aniqligini %52,5 dan %91,0 ga oshirgan.
• Scenario Skill va toʻliq tekshiruv qoʻshilganda koʻp algoritmli taqqoslash aniqligi %64 dan %96 ga, murakkab konfiguratsiya %80 dan %100 ga koʻtarilgan.

Xavfsizlik sinovining asosiy topilmalari

• Tekshiruvsiz usul barcha aniq xatolarni notoʻgʻri qabul qilgan.
• Umumiy tekshiruvchi 40 ta aniq xatoning barchasini toʻxtatgan.
• Notoʻgʻri qabul darajasi %100 dan %0 ga tushgan.
• Yettita aniq xato toifasining barchasi qamrab olingan.
• Scenario Skill tekshiruvi xavfli, ammo bajariladigan namunalarning %80 iga aralashgan.
• Semantik jihatdan odatiy namunalarda notoʻgʻri ogohlantirish bildirilmagan.

RL tajribasining asosiy topilmalari

• Gurobi asosidagi etalon 96.091,90 bilan eng past jami maqsad qiymatini bergan.
• SAC 98.476,50 bilan RL algoritmlari orasida eng yaxshi jami maqsadga erishgan.
• TD3 RL usullari orasida %96,59 bilan eng yuqori kuchlanish muvofiqligini bergan.
• TD3 ning qayta tiklanuvchi energiyadan foydalanishi %94,66, cheklanishi 4.726,24 kWh boʻlgan.
• DDPG quti grafiklarida oʻrganilgan boshqaruvchilar orasida EV zaryadidan eng yuqori qoniqishni koʻrsatgan.
• PPO ning qayta tiklanuvchi energiyadan foydalanishi %59,77 gacha tushib, cheklanish 35.799,07 kWh gacha koʻtarilgan.
• Hech bir RL boshqaruvchisi Gurobi etalonining %100 qayta tiklanuvchi foydalanish va nol cheklanish natijasiga yetmagan.

Shakl va jadval bahosi

Takrorlanuvchanlikni baholash

Tadqiqotning ijobiy tomoni foydalanuvchi buyrugʻi, tanlangan koʻnikma, bosqichma-bosqich oʻzgarishlar, ScenarioConfig holati, tekshiruv chiqishlari, tasodifiy urugʻlar va simulyatsiya natijalarini qayd etishni koʻzlashidir. Gymnasium bilan mos interfeys tashqi algoritmlarni ayni fizik muhitda ishga tushirish imkonini beradi.

Mualliflar GridSage manba kodini GitHub orqali ulashgan. Omborda old va orqa uch ilovasi, konfiguratsiya sxemalari, tekshirish kodi, Scenario Skill namunalari va simulyatsiya interfeysi bor. Biroq maqola tajribalarida ishlatilgan barcha buyruq benchmarklari, oʻqitilgan modellar, natija jurnallari va xom baholash ma’lumotlari doimiy ma’lumotlar paketi sifatida taqdim etilmagan. Ma’lumotlarga kirish «soʻrov asosida» deb koʻrsatilgan.

Scenario Skill moslashtirish vaznlari, kirish chegarasi, mukofot vaznlari va ayrim algoritm giperparametrlarining yoʻqligi ham toʻliq sonli takrorlashni qiyinlashtiradi. Ochiq kod bu kamchilikni qisman kamaytirishi mumkin, ammo nashr etilgan maqolaning oʻzi barcha tajriba sozlamalarini tiklash uchun yetarli ekani koʻrsatilmagan.

Manba va usul qaydi

• Tadqiqotning toʻliq asl nomi: GridSage: A Skill-Grounded LLM Platform for Scenario-Oriented Reinforcement Learning Evaluation in Distribution Networks
• Mualliflar va tartibi: Yilin Ge; Tao Qian; Hao Li; Qinran Hu; Zhenya Ji
• Teng hissa yoki teng huquqli birinchi mualliflik: Koʻrsatilmagan.
• Mas’ul muallif: Tao Qian
• Mas’ul muallif elektron pochtasi: Tadqiqotda koʻrsatilmagan.
• 1-muassasa: NARI School of Electrical and Automation Engineering, Nanjing Normal University, Nanjing, Xitoy
• 2-muassasa: School of Electrical Engineering, Southeast University, Nanjing, Xitoy
• DOI: 10.2139/ssrn.6944964
• Nashr platformasi: SSRN
• Platforma operatori: Elsevier
• Taqrizli jurnal: Qabul qilingan yoki nashr etilgan taqrizli jurnal nomi koʻrsatilmagan.
• Nashr sanasi: 15-iyun 2026
• Manba turi: Dasturiy platforma, quvvat tizimi simulyatsiyasi va mustahkamlovchi oʻrganish tajribalarini oʻz ichiga olgan preprint
• Taqriz holati: Tadqiqot taqrizdan oʻtmagan.
• Rasmiy tadqiqot havolasi:SSRN tadqiqot sahifasi
• DOI havolasi:10.2139/ssrn.6944964
• Rasmiy dasturiy ombor:GridSage GitHub ombori

Muallif hissalari tadqiqotda quyidagicha berilgan: Yilin Ge — asl qoralama, usul va formal tahlil; Tao Qian — koʻrib chiqish, tahrirlash va maslahat; Hao Li — koʻrib chiqish, usul va konseptuallashtirish; Qinran Hu — koʻrib chiqish va tahrirlash; Zhenya Ji — koʻrib chiqish, tahrirlash va tekshirish.

Tadqiqot National Natural Science Foundation of China tomonidan U24B2081 raqamli grant asosida qisman moliyalashtirilgan. Mualliflar ma’lum moliyaviy manfaatlar toʻqnashuvi yoki ishga ta’sir qilishi mumkin boʻlgan shaxsiy munosabat yoʻqligini bildirgan. Ma’lumotlar asosli soʻrov bilan ulashilishi aytilgan.

Ushbu oʻzbekcha izoh tadqiqot matni, formulalari, algoritm ifodalari, tizim arxitekturasi, tabiiy til namunalari, xavfsizlik tekshiruvi oqimlari, oʻqitish egri chiziqlari, quti grafiklari va natija jadvallari oʻrganilib tayyorlangan. Tadqiqotda boʻlmagan yangi tarmoq natijasi, sun’iy intellekt muvaffaqiyati yoki haqiqiy dala amaliyoti qoʻshilmagan. Tashqi manbalar faqat tadqiqot shaxsi, DOI, nashr platformasi, taqriz holati va dasturiy omborni tekshirish uchun ishlatilgan.

Tadqiqotning miqdoriy topilmalari 200 buyruqli tabiiy til benchmarki, 76 konfiguratsiyali xavfsizlik sinovi va IEEE 33 tugunli yagona asosiy mustahkamlovchi oʻrganish ssenariysiga asoslanadi. Natijalarni bevosita haqiqiy taqsimlash tarmogʻi ishlash unumdorligi deb talqin qilmaslik kerak. Platformani amalda qoʻllash uchun turli tarmoq miqyoslari, Turkiya ga xos texnik chegaralar, haqiqiy yuk va ishlab chiqarish profillari, koʻproq tasodifiy urugʻlar, operator sinovlari, kiberxavfsizlik nazoratlari va apparat konturli tekshiruv zarur.