«Павлодар ЖЭО-1 генерациялайтын жабдық құрамын оңтайлы жоспарлау үшін модельдеу және машиналық оқыту әдістерін қолдану» ЖТН AP09563335
Жобаның мақсаты
— Телеметрия деректерін, жұмыс режимдерінің диапазондарын, ауа райы деректерін жинау және өңдеу, процестерді, схемалар мен сызбаларды цифрландыру.
— ЖЭО-ны модельдеу және жабдыққа қысқа мерзімді және ұзақ мерзімді техникалық қызмет көрсету мен жөндеуді жоспарлауға арналған машиналық оқыту алгоритмін әзірлеу.
— Decision Tree әдісі негізінде ЖЭО-ның энергия тиімділігін арттыру және сенімділігін басқару бойынша ұсынымдар әзірлеу.
— ЖЭО-ны модельдеу және жабдыққа қысқа мерзімді және ұзақ мерзімді техникалық қызмет көрсету мен жөндеуді жоспарлауға арналған машиналық оқыту алгоритмін әзірлеу.
— Decision Tree әдісі негізінде ЖЭО-ның энергия тиімділігін арттыру және сенімділігін басқару бойынша ұсынымдар әзірлеу.
Зерттеудің мақсаты – ЖЭО-ның энергия тиімділігін арттыру әлеуетін, парниктік газдар шығарындыларын азайтуды зерттеу, сондай-ақ Қазақстанның Павлодар қаласындағы ЖЭО-ның генерациялайтын жабдық құрамын оңтайлы жоспарлау үшін модельдеу және машиналық оқыту әдістерін қолдану.
Жобаның өзектілігі:
Бұл зерттеу электр энергиясын, жылуды және өндірістік буды өндіретін өнеркәсіптік нысаннан түсетін үлкен деректерді машиналық оқыту әдістерімен өңдеудің қолданбалы апробациясы үшін маңызды. Павлодар ЖЭО-ның ерекшелігі – оның Қазақстанның солтүстік аймағында орналасуы және екі түрлі тұтынушыға: алюминий зауыты мен халыққа қызмет көрсетуі. Тұтыну профилінің өзгермелілігі тәулікке, аптаға және жылға алдын ала генерациялайтын жабдық құрамын жоспарлау үшін заманауи болжамдық әдістерді қолдануды талап етеді. Агрегаттардың ұзақ пайдалану мерзімі мен жинақталған жұмыс сағаттары жөндеу жұмыстарының жылдық жоспарын үнемі түзетіп отыруды қажет етеді. Ауа райы жағдайына байланысты жылу мен электр энергиясына сұраныстың динамикалық қисығын болжау әдістерімен ескеру қажет, ал жылу мен электр энергиясын тұтынудың өзгермелілігі халықтың тарихи тұтыну деректері негізінде ықтималдық заңдылықтарымен сипатталады.
Бұл зерттеу электр энергиясын, жылуды және өндірістік буды өндіретін өнеркәсіптік нысаннан түсетін үлкен деректерді машиналық оқыту әдістерімен өңдеудің қолданбалы апробациясы үшін маңызды. Павлодар ЖЭО-ның ерекшелігі – оның Қазақстанның солтүстік аймағында орналасуы және екі түрлі тұтынушыға: алюминий зауыты мен халыққа қызмет көрсетуі. Тұтыну профилінің өзгермелілігі тәулікке, аптаға және жылға алдын ала генерациялайтын жабдық құрамын жоспарлау үшін заманауи болжамдық әдістерді қолдануды талап етеді. Агрегаттардың ұзақ пайдалану мерзімі мен жинақталған жұмыс сағаттары жөндеу жұмыстарының жылдық жоспарын үнемі түзетіп отыруды қажет етеді. Ауа райы жағдайына байланысты жылу мен электр энергиясына сұраныстың динамикалық қисығын болжау әдістерімен ескеру қажет, ал жылу мен электр энергиясын тұтынудың өзгермелілігі халықтың тарихи тұтыну деректері негізінде ықтималдық заңдылықтарымен сипатталады.
Алынған нәтижелер
Ғылыми жоба аясындағы жұмыс барысында «Қазақстан Алюминийі» АҚ-ның ЖЭО-1 деректеріне сандық талдау жүргізілді. Агрегаттардың әртүрлі жүктеме деңгейлері талданып, деректерді кластерлеу орындалды. Генерациялайтын жабдық құрамын тәулік бұрынғы оңтайлы орта мерзімді жоспарлауға арналған ЖЭО моделі GAMS ортасында әзірленді. ARIMA және Decision Tree модельдерінің сандық нәтижелері ұсынылған тәсілдің тиімділігі сұраныс жоғары деңгейде белгісіз болған жағдайда айқын көрінетінін көрсетті, мұндай кезде генерацияның жоспардан тыс өзгерістеріне байланысты жүйенің пайдалану шығындары мен отын шығыны артады. Ұсынылған модельдің артықшылығы — генерациялайтын агрегаттардың құрамын таңдаудың стохастикалық ұзақ мерзімді міндетін шешу барысында белгісіздіктерді модельдеу мүмкіндігінде. Әзірленген алгоритмдер басқа ұқсас ЖЭО-лар үшін де қолданылуы мүмкін.
Ғылыми жоба аясындағы жұмыс барысында «Қазақстан Алюминийі» АҚ-ның ЖЭО-1 деректеріне сандық талдау жүргізілді. Агрегаттардың әртүрлі жүктеме деңгейлері талданып, деректерді кластерлеу орындалды. Генерациялайтын жабдық құрамын тәулік бұрынғы оңтайлы орта мерзімді жоспарлауға арналған ЖЭО моделі GAMS ортасында әзірленді. ARIMA және Decision Tree модельдерінің сандық нәтижелері ұсынылған тәсілдің тиімділігі сұраныс жоғары деңгейде белгісіз болған жағдайда айқын көрінетінін көрсетті, мұндай кезде генерацияның жоспардан тыс өзгерістеріне байланысты жүйенің пайдалану шығындары мен отын шығыны артады. Ұсынылған модельдің артықшылығы — генерациялайтын агрегаттардың құрамын таңдаудың стохастикалық ұзақ мерзімді міндетін шешу барысында белгісіздіктерді модельдеу мүмкіндігінде. Әзірленген алгоритмдер басқа ұқсас ЖЭО-лар үшін де қолданылуы мүмкін.
Жоба жетістіктері
Жобаның басталу және аяқталу күні: 2021 жылғы маусым – 2021 жылғы 31 желтоқсан.
Жобаны іске асыру мерзімі: 7 ай.
Жобаның бекітілген күнтізбелік жоспарына сәйкес Web of Science және Scopus дерекқорларында индекстелетін бір ғылыми мақала жарияланды, бір мақала АУЭС хабаршысына ұсынылды, сондай-ақ жоба орындаушылары халықаралық ғылыми конференцияға (Киев, Украина) және жас ғалымдар форумына (Алматы, Қазақстан) қатысты:
1. Omirgaliyev, R., Salkenov, A., Bapiyev, I., Zhakiyev, N. (2021, December). Industrial Application of Machine Learning Clustering for a Combined Heat and Power Plant: A Pavlodar Case Study. In 2021 IEEE 5th International Conference on Information and Telecommunication Technologies and Radio Electronics (UkrMiCo).
2. Социал Ж., Жакиев Н., Омиргалиев Р. ЖЭО генерациялайтын жабдық құрамын оңтайлы жоспарлау үшін модельдеу және машиналық оқыту әдістерін қолдану. Жас ғалымдар форумы материалдарының жинағы, «Цифрлық Қазақстан» секциясы (қыркүйек, 2021).
3. Архипкин О.О., Кибарин А.А., Жакиев Н.К. Қазақстандағы көмірмен жұмыс істейтін электр станцияларында отынды жағуды оңтайландырудың кешенді тәсілі. АУЭС хабаршысы, №4, 2021 (ұсынылған, ҚР КОКСОН базасында индекстеледі).
4. Zhakiyev N., Sotsial Zh., Salkenov A., Omirgaliyev R. Set of the Data for Modeling Large-Scale Coal-Fired Combined Heat and Power Plant in Kazakhstan. Data in Brief (ұсынылған, CiteScore > 35, Q3).
Жобаны іске асыру мерзімі: 7 ай.
Жобаның бекітілген күнтізбелік жоспарына сәйкес Web of Science және Scopus дерекқорларында индекстелетін бір ғылыми мақала жарияланды, бір мақала АУЭС хабаршысына ұсынылды, сондай-ақ жоба орындаушылары халықаралық ғылыми конференцияға (Киев, Украина) және жас ғалымдар форумына (Алматы, Қазақстан) қатысты:
1. Omirgaliyev, R., Salkenov, A., Bapiyev, I., Zhakiyev, N. (2021, December). Industrial Application of Machine Learning Clustering for a Combined Heat and Power Plant: A Pavlodar Case Study. In 2021 IEEE 5th International Conference on Information and Telecommunication Technologies and Radio Electronics (UkrMiCo).
2. Социал Ж., Жакиев Н., Омиргалиев Р. ЖЭО генерациялайтын жабдық құрамын оңтайлы жоспарлау үшін модельдеу және машиналық оқыту әдістерін қолдану. Жас ғалымдар форумы материалдарының жинағы, «Цифрлық Қазақстан» секциясы (қыркүйек, 2021).
3. Архипкин О.О., Кибарин А.А., Жакиев Н.К. Қазақстандағы көмірмен жұмыс істейтін электр станцияларында отынды жағуды оңтайландырудың кешенді тәсілі. АУЭС хабаршысы, №4, 2021 (ұсынылған, ҚР КОКСОН базасында индекстеледі).
4. Zhakiyev N., Sotsial Zh., Salkenov A., Omirgaliyev R. Set of the Data for Modeling Large-Scale Coal-Fired Combined Heat and Power Plant in Kazakhstan. Data in Brief (ұсынылған, CiteScore > 35, Q3).
1-сурет – Жылу электр орталығының (ЖЭО) принциптік сызбасы
2-сурет – ЖЭО жұмысын машиналық оқыту және болжау үшін үлкен деректерді талдау
Зерттеу тобының мүшелері
Нурхат Жакиев, жобаның ғылыми жетекшісі, аға ғылыми қызметкер, физика ғылымдарының PhD, h-индекс – 4 (Scopus)
https://www.scopus.com/authid/detail.uri?authorId=56043145000)
https://www.mendeley.com/authors/56043145000/
https://orcid.org/0000-0002-4904-2047
https://publons.com/researcher/D-6159-2017/
Ғылыми қызығушылықтары: энергия модельдеу, жылу-электр орталықтары, физика. 15 ғылыми еңбектің авторы. 2021 жылы гранттық жобаның ғылыми жетекшісі.
Жоба бағытына қатысты негізгі жарияланымдар:
[1] Kopanos G., Murele O.C., Silvente J., Zhakiyev N., Akhmetbekov Y., Tutkushev D. (2018). Efficient planning of energy production and maintenance of large-scale combined heat and power plants. Energy Conversion and Management,169,390-403 (Q1) https://doi.org/10.1016/j.enconman.2018.05.022
[2] Zhakiyev, N., Akhmetbekov, Y., Silvente, J., & Kopanos, G. M. (2017). Optimal energy dispatch and maintenance of an industrial coal-fired combined heat and power plant in Kazakhstan. Energy Procedia, 142, 2485-2490. https://doi.org/10.1016/j.egypro.2017.12.187
[3] Zhakiyev, N., & Otarov, R. (2017). Scheduling and planning for optimal operations of power plants using a unit commitment approach. In Sustainable Energy in Kazakhstan: Moving to Cleaner Energy in a Resource-Rich Country (pp. 109-115). Taylor and Francis. https://doi.org/10.4324/9781315267302
[4] Omirgaliyev, R., Salkenov, A, Bapiyev, I, Zhakiyev N. (2021, December). Industrial Application of Machine Learning Clustering for a Combined Heat and Power Plant: A Pavlodar Case Study. In 2021 IEEE 5th International Conference on Information and Telecommunication Technologies and Radio Electronics (UkrMiCo).
[5] Социал Ж., Жакив Н., Омиргалиев Р., Применение методов моделирования и машинного обучения для оптимального планирования состава генерирующего оборудования ТЭЦ, Сборник тезисов Форума молодых ученых в секции Цифровой Казахстан (сентябрь, 2021)
[6] Zhakiyev N., Sotsial Zh., Salkenov A., Omirgaliyev R. Set of the Data for Modeling large-scale Coal-Fired Combined Heat and Power Plant in Kazakhstan
Data in Brief, (Submitted, Dec, 2021, CiteScore>35, Q3)
https://www.scopus.com/authid/detail.uri?authorId=56043145000)
https://www.mendeley.com/authors/56043145000/
https://orcid.org/0000-0002-4904-2047
https://publons.com/researcher/D-6159-2017/
Ғылыми қызығушылықтары: энергия модельдеу, жылу-электр орталықтары, физика. 15 ғылыми еңбектің авторы. 2021 жылы гранттық жобаның ғылыми жетекшісі.
Жоба бағытына қатысты негізгі жарияланымдар:
[1] Kopanos G., Murele O.C., Silvente J., Zhakiyev N., Akhmetbekov Y., Tutkushev D. (2018). Efficient planning of energy production and maintenance of large-scale combined heat and power plants. Energy Conversion and Management,169,390-403 (Q1) https://doi.org/10.1016/j.enconman.2018.05.022
[2] Zhakiyev, N., Akhmetbekov, Y., Silvente, J., & Kopanos, G. M. (2017). Optimal energy dispatch and maintenance of an industrial coal-fired combined heat and power plant in Kazakhstan. Energy Procedia, 142, 2485-2490. https://doi.org/10.1016/j.egypro.2017.12.187
[3] Zhakiyev, N., & Otarov, R. (2017). Scheduling and planning for optimal operations of power plants using a unit commitment approach. In Sustainable Energy in Kazakhstan: Moving to Cleaner Energy in a Resource-Rich Country (pp. 109-115). Taylor and Francis. https://doi.org/10.4324/9781315267302
[4] Omirgaliyev, R., Salkenov, A, Bapiyev, I, Zhakiyev N. (2021, December). Industrial Application of Machine Learning Clustering for a Combined Heat and Power Plant: A Pavlodar Case Study. In 2021 IEEE 5th International Conference on Information and Telecommunication Technologies and Radio Electronics (UkrMiCo).
[5] Социал Ж., Жакив Н., Омиргалиев Р., Применение методов моделирования и машинного обучения для оптимального планирования состава генерирующего оборудования ТЭЦ, Сборник тезисов Форума молодых ученых в секции Цифровой Казахстан (сентябрь, 2021)
[6] Zhakiyev N., Sotsial Zh., Salkenov A., Omirgaliyev R. Set of the Data for Modeling large-scale Coal-Fired Combined Heat and Power Plant in Kazakhstan
Data in Brief, (Submitted, Dec, 2021, CiteScore>35, Q3)
Руслан Омирғалиев, кіші ғылыми қызметкер, электротехника мамандығы бойынша магистр.
Ғылыми қызығушылықтары: физика, математика, бағдарламалау, деректерді талдау.
Жоба бағытына қатысты негізгі жарияланымдар:
1. Omirgaliyev, R., Salkenov, A., Bapiyev, I., Zhakiyev, N. (2021, желтоқсан). Павлодар ТЭЦ үшін машиналық оқытуды қолдана отырып өндірістік кластерлеу. 2021 IEEE 5th International Conference on Information and Telecommunication Technologies and Radio Electronics (UkrMiCo).
2. Социал Ж., Жакив Н., Омирғалиев Р., ТЭЦ генерациялық жабдық құрамын оңтайлы жоспарлау үшін модельдеу және машиналық оқыту әдістерін қолдану. Digital Kazakhstan секциясының Жас ғалымдар форумы, тезистер жинағы (қыркүйек, 2021).
Ғылыми қызығушылықтары: физика, математика, бағдарламалау, деректерді талдау.
Жоба бағытына қатысты негізгі жарияланымдар:
1. Omirgaliyev, R., Salkenov, A., Bapiyev, I., Zhakiyev, N. (2021, желтоқсан). Павлодар ТЭЦ үшін машиналық оқытуды қолдана отырып өндірістік кластерлеу. 2021 IEEE 5th International Conference on Information and Telecommunication Technologies and Radio Electronics (UkrMiCo).
2. Социал Ж., Жакив Н., Омирғалиев Р., ТЭЦ генерациялық жабдық құрамын оңтайлы жоспарлау үшін модельдеу және машиналық оқыту әдістерін қолдану. Digital Kazakhstan секциясының Жас ғалымдар форумы, тезистер жинағы (қыркүйек, 2021).
Салкенов Алдияр Қанатович, кіші ғылыми қызметкер, ақпараттық технологиялар мамандығы бойынша магистр.
Ғылыми қызығушылық саласы: веб-әзірлеу, деректерді талдау.
Жоба бағытына қатысты негізгі жарияланымдар:
1. Omirgaliyev, R., Salkenov, A., Bapiyev, I., Zhakiyev, N. (2021, желтоқсан). Павлодар ТЭЦ үшін машиналық оқытуды қолдана отырып өндірістік кластерлеу. 2021 IEEE 5th International Conference on Information and Telecommunication Technologies and Radio Electronics (UkrMiCo, 29.11–03.12, 2021). (Ұсынылған, IEEE/Scopus/WoS деректер базаларында индекстелген).
Ғылыми қызығушылық саласы: веб-әзірлеу, деректерді талдау.
Жоба бағытына қатысты негізгі жарияланымдар:
1. Omirgaliyev, R., Salkenov, A., Bapiyev, I., Zhakiyev, N. (2021, желтоқсан). Павлодар ТЭЦ үшін машиналық оқытуды қолдана отырып өндірістік кластерлеу. 2021 IEEE 5th International Conference on Information and Telecommunication Technologies and Radio Electronics (UkrMiCo, 29.11–03.12, 2021). (Ұсынылған, IEEE/Scopus/WoS деректер базаларында индекстелген).
Социал Жұлдыз Жеңісқызы, кіші ғылыми қызметкер, механикалық және аэроғарыштық инженерия мамандығы бойынша магистр.
Ғылыми қызығушылық саласы: математика, бағдарламалау.
Жоба бағытына қатысты негізгі жарияланымдар:
1. Социал Ж., Жакиев Н., Омиргалиев Р. ЖЭО генерациялайтын жабдық құрамын оңтайлы жоспарлау үшін модельдеу және машиналық оқыту әдістерін қолдану. Жас ғалымдар форумы материалдарының жинағы, «Цифрлық Қазақстан» секциясы (қыркүйек, 2021).
2. Zhakiyev N., Sotsial Zh., Salkenov A., Omirgaliyev R. Set of the Data for Modeling Large-Scale Coal-Fired Combined Heat and Power Plant in Kazakhstan.
Data in Brief (ұсынылған, 2021 жылғы желтоқсан, CiteScore > 35, Q3).
Ғылыми қызығушылық саласы: математика, бағдарламалау.
Жоба бағытына қатысты негізгі жарияланымдар:
1. Социал Ж., Жакиев Н., Омиргалиев Р. ЖЭО генерациялайтын жабдық құрамын оңтайлы жоспарлау үшін модельдеу және машиналық оқыту әдістерін қолдану. Жас ғалымдар форумы материалдарының жинағы, «Цифрлық Қазақстан» секциясы (қыркүйек, 2021).
2. Zhakiyev N., Sotsial Zh., Salkenov A., Omirgaliyev R. Set of the Data for Modeling Large-Scale Coal-Fired Combined Heat and Power Plant in Kazakhstan.
Data in Brief (ұсынылған, 2021 жылғы желтоқсан, CiteScore > 35, Q3).