Ushbu tadqiqot yuklamani majburiy o‘chirish (load-shedding) vaqtida elektr tarmog‘i topologiyasi sanoqli daqiqalarda o‘zgarayotganda ishlab chiqarish quvvatlarini qayta taqsimlash (economic dispatch) uchun qarorga yo‘naltirilgan, moslashuvchan sun’iy intellekt tizimini taklif etadi. Model 2015–2021-yillar o‘qitish ma’lumotlari, 2022–2025-yillarga tegishli 904 kunlik baholash paneli, variatsion avtokodlovchi (VAE) asosidagi anomaliyalarni aniqlash, parametrlar fazosidagi Yakobian ahamiyat bali (Jacobian importance score) hamda bioenergiya va batareyani birgalikda optimallashtirishni (co-optimization) o‘zida jamlaydi. Tadqiqot taklif etilgan usul model prognozlovchi boshqaruvga (MPC) nisbatan umumiy dispetcherlik xarajatlarini 23,4 foizga kamaytirganini, to‘liq qayta o‘qitishga yaqin natijalarni 4,2 daqiqalik moslashish vaqti bilan ta’minlaganini hamda kutilayotgan avariyalarni o‘rtacha 41,5 daqiqa oldin 91,7 foiz aniqlikda payqaganini bildiradi. Shunga qaramay, tadqiqot taqrizdan o‘tmagan preprint hisoblanadi; asosiy SCADA ma’lumotlari ochiq emas, natijalarning noaniqlik oraliqlari berilmagan hamda ayrim iqtisodiy, arifmetik va o‘lchovli xulosalarni PDF dagi ma’lumotlar bilan mustaqil ravishda qayta hisoblash imkoni cheklangan.

Tizimning asosiy g‘oyasi shundaki, tarmoqda noodatiy holat yuzaga kelganda sun’iy intellekt modelining barcha parametrlarini soatlab qayta o‘qitish o‘rniga, faqatgina dispetcherlik xatosiga eng ko‘p sabab bo‘lgan kichik parametrlar guruhini yangilashdir. Normal ish rejimida parametrlarning 3 foizi, asosiy ogohlantirish holatida taxminan 6 foizi va tez yomonlashuvchi jarayonlarda ko‘pi bilan 15 foizi yangilanadi. Shu tariqa tizimning o‘zgarmas qismlariga oid o‘rganilgan bilimlar saqlab qolingan holda, yuklamani o‘chirish tufayli o‘zgargan topologiyaga tezroq moslashish maqsad qilinadi.

Tadqiqot, shuningdek, quyosh, biogaz, issiqlik zaxira ishlab chiqarishi va batareyada saqlashni yagona xarajat funksiyasi doirasida tartibga soladi. Biogazning mavsumiy mavjudligi Beta taqsimoti bilan, batareya eskirishi razryad chuqurligiga (DoD) bog‘liq jarima funksiyasi bilan va chiqindi poligoni gazi daromadi uglerod krediti modeli bilan ifodalangan. Muallif ushbu kengaytma qayta tiklanuvchi energiya ulushi yuqori bo‘lgan tarmoq qismlarida qo‘shimcha 19,1 foizlik xarajat qisqarishini va batareyaning kalendar xizmat muddatida 2,3 yillik uzayishni ta’minlaganini bildiradi. Ushbu qiymatlar tayangan batafsil hisob-kitoblar va xom tajriba natijalari PDF faylida to‘liq keltirilmagan.

Tadqiqotning asosiy muammosi nima?

Iqtisodiy quvvat taqsimoti (economic dispatch) — elektr energiyasiga bo‘lgan talabni qondirish uchun qaysi ishlab chiqarish bloki qaysi lahzada qancha quvvat yetkazib berishini belgilash masalasidir. Maqsad shunchaki talab bilan taklifni tenglashtirish emas. Ishlab chiqarish xarajatlari, generator chegaralari, chastota va kuchlanish xavfsizligi, uzatishdagi yo‘qotishlar, yuklama oshirish tezligi (ramping rates), saqlash holati va ta’minlanmagan energiya kabi juda ko‘p shartlarni bir vaqtda hisobga olish talab etiladi.

Tadqiqot o‘rgangan o‘ziga xos holat Janubiy Afrikadagi yuklamani majburiy o‘chirish (load-shedding) amaliyotidir. Bu jarayon ishlab chiqarish talabni qondira olmaganida yoki tarmoq xavfsizligi xavf ostida qolganida muayyan hududlarni vaqtincha elektrdan uzishdir. Bu harakat tarmoq topologiyasini keskin o‘zgartiradi. Ilgari o‘rganilgan quvvat oqimlari, liniya ulanishlari va ishlab chiqarish-iste’mol muvozanati bir necha daqiqa ichida o‘z kuchini yo‘qotishi mumkin.

Muallifning ta’kidlashicha, an’anaviy sun’iy intellekt modellari o‘tmish ma’lumotlarining statistik tuzilishi kelajakda ham bir xil qoladi deb hisoblaydi (statsionarlik farazi). Biomassa namligi, biogaz ishlab chiqarilishi, ko‘mir stansiyalaridagi nosozliklar va yuklama o‘chirish bosqichlari bir vaqtda o‘zgarganda bu faraz buziladi. Modelni to‘liq qayta o‘qitish esa tadqiqotda 6,8 soat davom etib, avtomatik ishlab chiqarish nazoratining (AGC) 5 daqiqalik qaror qabul qilish sikliga ulgura olmaydi.

Qarorga yo‘naltirilgan maqsad funksiyasi nimani o‘zgartiradi?

An’anaviy AI modellari asosan talab yoki ishlab chiqarishni bashorat qilish xatosini kamaytirishga intiladi. Tadqiqot shuni ko‘rsatadiki, kichik bashorat xatosi har doim ham kam operatsion xarajat degani emas. Tarmoq topologiyasi o‘zgarganida bir xil kattalikdagi ikki bashorat xatosi butunlay boshqacha yoqilg‘i, kuchlanish yoki uzilish jarimalariga olib kelishi mumkin.

Shu sababli model to‘g‘ridan-to‘g‘ri umumiy ishlab chiqarish xarajatlarini va me’yoriy qoidabuzarliklarni minimallashtirish uchun o‘qitilgan:

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

• θ — sun’iy intellekt modelining parametrlari vektori.
• S — joriy tarmoq holati va SCADA o‘lchovlari.
• P(θ,S) — model generatorlarga beradigan MVt quvvat buyruqlari.
• C(P) — yoqilg‘i va ekspluatatsiya xarajatlari funksiyasi.
• R(P) — chastota, kuchlanish va uzilish qoidabuzarliklari vektori.
• λ — qoidabuzarliklar uchun jarima og‘irliklari (NERSA qoidalariga ko‘ra: chastota og‘ishi uchun 50 000 R/Hz, kuchlanish buzilishi uchun 20 000 R/%, uzilgan energiya uchun 1 000 000 R/MWh).

Siyrak gradient moslashuvi qanday ishlaydi?

Taklif etilgan modelning asosiy yangiligi — xato yuz berganda barcha neyron tarmoq parametrlarini yangilamasdan, faqatgina eng samarali qatlam yoki parametr bloklarini tanlab olishidir. Modelning parametr blokiga nisbatan Yakobian matritsasi quyidagicha aniqlanadi:

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

Har bir parametr blokining ahamiyat bali (importance score) ikki omilning ko‘paytmasidir:

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

• Birinchi had parametr blokining umumiy operatsion yo‘qotishga qanchalik ta’sir qilishini o‘lchaydi.
• Ikkinchi had ayni parametr blokining fizik quvvat taqsimoti chiqishlariga ta’sirchanligini (sezgirligini) o‘lchaydi.

Eng yuqori ballga ega bo‘lgan r ulushidagi bloklar tanlanadi va proksimal gradient qadami bilan yangilanadi:

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

L1 jarimasi parametrlar sakrashini cheklab, buyruqlarning tezkor tebranishini (salınım / chattering) to‘xtatadi.

Moslashish ulushi (Sparsity rate)

Yangilanadigan parametrlar ulushi anomaliya balining o‘zgarish tezligiga bog‘langan:

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

• \(r_{\min} = 0{,}03\): normal ishda 3 foiz yangilanish;
• \(r_0 = 0{,}06\): asosiy trevoga yangilanishi (6 foiz);
• \(r_{\max} = 0{,}15\): xotirani yo‘qotishni (katastrofik unutishni) oldini oluvchi yuqori chegara (15 foiz).

Variatsion anomaliya bali (VAS)

Tarmoqning o‘rganilgan normal holatdan og‘ganini aniqlash uchun variatsion avtokodlovchi (VAE) qo‘llanilgan (64 o‘lchamli yashirin fazo). Anomaliya bali salbiy ELBO ko‘rsatkichiga tayanadi:

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

Agar ball 95 foizlik chegaradan (\(\tau_{95}\)) oshsa, tizim anomaliya signalini beradi va siyrak yangilanishni ishga tushiradi.

Bioenergiya va batareya birgalikdagi modeli

Net elektr ishlab chiqarish:

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

Biogazning mavsumiyligi Beta taqsimoti orqali ifodalangan (aprel-noyabr oylari Janubiy Afrikada shakarqamish bagassi ezish mavsumidir). Batareya degradatsiyasi razryad chuqurligiga (DoD) bog‘liq jarima orqali modellashtirilgan:

\[ D(E)=\kappa_1\,DoD(E)^{\kappa_2},\qquad DoD(E)=\frac{E^{\max}-E}{E^{\max}} \]

Lityum-temir-fosfat (LFP) batareyalar uchun \(\kappa_1=0{,}0031\) va \(\kappa_2=1{,}53\) qo‘llanilgan. Zaryad darajasi 20 foizdan pastga tushganda jarima keskin oshadi va model chuqur razryadni cheklaydi.

Asosiy taqqoslash natijalari (904 kunlik Eskom paneli)

Taklif etilgan usul to‘liq qayta o‘qitish natijasiga deyarli teng (farq atigi 0,7 foiz band) tejamkorlikni 6,8 soat o‘rniga atigi 4,2 daqiqada ta’minlagan.

Anomaliyalarni aniqlash natijalari

• 12 ta kutilayotgan avariya holatidan 11 tasi muvaffaqiyatli aniqlangan (sezgirlik 91,7%).
• O‘rtacha erta ogohlantirish vaqti 8,3 intervalni (41,5 daqiqa) tashkil etgan.
• Soxta trevoga ulushi 3,7% deb qayd etilgan (9 618 interval).
• SCADA kanallarining 20%i yo‘qotilganda ham tejamkorlik ustunligi 19,8% darajasida saqlangan.

Tadqiqotning kuchli tomonlari

• Prognoz xatosi o‘rniga to‘g‘ridan-to‘g‘ri xarajatni kamaytiruvchi qarorga yo‘naltirilgan o‘qitishni joriy etgani;
• Anomaliyani aniqlash bilan parametrlar yangilanishini bir-biriga bog‘lagani;
• Parametrlarni Yakobian ahamiyat bali orqali saralab tanlagani;
• Bioenergiya mavsumiyligi va batareya eskirishini yagona modelda birlashtirgani;
• SHA-256 xesh zanjiri bilan audit yozuvlarini ta’minlagani.

Tadqiqotning cheklovlari

• Tadqiqot taqrizdan o‘tmagan preprintdir;
• Haqiqiy Eskom SCADA ma’lumotlari yopiq bo‘lib, qisman sintetik vekil ma’lumotlar ishlatilgan;
• Natijalar bitta tasodifiy to‘plamda olingan, ishonchlilik oraliqlari (CI) berilmagan;
• Avariyalar soni atigi 12 tani tashkil etadi (kichik tanlanma);
• Iqtisodiy tejamkorlik (R 3,1 milliard) hisob-kitobida tushuntirilmagan arifmetik nomutanosibliklar mavjud;
• Haqiqiy boshqaruv markazida jonli sinov o‘tkazilmagan.

Tadqiqotning metodologiyasi va natijalari

Manba va metodologiya eslatmasi

To‘liq asl nomi: Decision-Aware Adaptive Dispatch for Bioenergy-Integrated Power Systems Under Load-Shedding: A Sparse Gradient Framework with Variational Anomaly Detection and Adaptive Sparsity

Muallif: Ntebogang Dinah Moroke (North-West University, Janubiy Afrika).

DOI:10.2139/ssrn.6947519 (SSRN preprint).

Nashr yili: 2026.

Taqriz holati: Taqrizdan o‘tmagan preprint.

Rasmiy havola:SSRN maqola sahifasi

Ushbu Verianla maqolasi yuklangan PDF matni va matematik modellari asosida tayyorlangan. Iqtisodiy tejamkorlik va xarajat qisqarishi hisoblash modellashtirishiga asoslangan bo‘lib, real stansiyalarda bevosita tasdiqlangan fakt sifatida qabul qilinmasligi lozim.