Қазақстан энергетикасына арналған жасанды интеллект
Энергетикада ЖИ төрт класс міндетті шешеді: теңгерімдеуші нарықта жұмыс істеу үшін жүктеме мен теңгерімсіздікті болжау, тарату желілеріндегі коммерциялық шығындарды анықтау, ХАРГ (DGA) деректері бойынша қосалқы станция жабдығының болжамды диагностикасы және ЖЭО қазандық агрегаттарының режимдерін оңтайландыру. KEGOC дәлдігі 97%-ға дейінгі ЖИ-тұтыну болжамын қазірдің өзінде қолданады — өңірлік компанияларға сол кластағы шешімдер қолжетімді.
Саланың міндеттері және біздің шешімдер
Мәселе
Тарату желілеріндегі шығындар нормативтік 6–7%-ға қарсы 8–15%; айырмасы желі компаниясына залал болып түседі
Шешім
Фидерлер мен трансформаторлық қосалқы станциялар (ТҚС) бойынша баланстық талдау + абоненттердің ұрлау ықтималдығын ML-скорингілеу + бақылаушылар рейдтерін маршруттау
Рейдтердің расталуы <10%-дан 40–60%-ға өседі, коммерциялық шығындардың 20–30%-ы қайтарылады
Мәселе
Тұтыну болжамының 3–5% қателігі — теңгерімдеуші нарықтағы теңгерімсіздік үшін тікелей айыппұлдар
Шешім
Жүктеме мен ЖЭК генерациясының ML-болжамы (бір күн бұрын және күн ішінде) теңгерімсіздік тәуекелінің ықтималдық бағасымен
Қателік 1,5–2,5%-ға дейін төмендейді, теңгерімсіздік шығындары −40–60%
Мәселе
Ескіріп жатқан күштік трансформаторлар: істен шығу — $1–3 млн ауыстыру құны және зауыттарда 12–24 ай кезек; диагностика 6–12 айда бір рет май сынамасы бойынша
Шешім
ХАРГ тарихы мен жүктеме режимдері бойынша парктің health-index-і: тәуекел бойынша саралау, инвестбағдарламаны деректермен негіздеу
Ірі істен шығулардың алдын алу, реконструкция бюджетінің 10–15%-ын тиімді қайта бөлу
Мәселе
Көмір ЖЭО-да жану режимін қолмен жүргізу: отынның 1–3% артық шығыны, шығарындылар бойынша асып кету
Шешім
Отын/ауа оңтайлы арақатынасы мен оттықтар бойынша бөлу кеңесшісі, шлактану болжамы
Қазандықтың ПӘК-і +0,5–1,5%, экологиялық төлемдердің төмендеуі
Шешімнің типтік архитектурасы
- Дереккөздер: АСКУЭ, SCADA/телеметрия, ХАРГ журналдары, ауа райы деректері, теңгерімдеуші нарық деректері
- Желінің баланстық моделі бар on-premise деректер витринасы
- ML-платформа: болжамдық модельдер, шығындар скорингі, жабдықтың health-index-і
- Интерфейстер: шығындар картасы, бақылаушының мобильді қосымшасы, бас инженер дашбордтары
Неліктен Қазақстан энергетикасы — ЖИ үшін терезесі ең айқын сала
KEGOC магистральдық желілерінің тозуы — 62,8%, өңірлік электр желісі компанияларында — 70% және одан жоғары. 2025/26 күз-қыс кезеңіндегі жүктеме шыңы 17,7 ГВт-қа жетті, күтілетін тапшылық 1 ГВт-қа дейін. 2035 жылға дейін 7 000 км жаңа ЭБЖ салу және 10 500 км-ді реконструкциялау керек — және инвестицияларды «жасы бойынша» емес, активтердің нақты жағдайы бойынша бөлу қажет.
Жүйелік оператор қазірдің өзінде ілгері: тұтыну мен шығындардың ЖИ-болжамы бар SCADA/EMS (дәлдігі 97%-ға дейін). Ал өңірлік электр желісі компаниялары (ӨЭК) мен энергиямен жабдықтаушы ұйымдар жылдарға артта қалып отыр: нормативтік 6–7%-ға қарсы 8–15% шығын, Excel-де «кешегідей» болжау, трансформаторларды 6–12 айда бір рет май сынамасы бойынша диагностикалау. Нақты және нормативтік шығындар арасындағы айырма желі компаниясына тікелей залал болып түседі — және дәл осы жерде ЖИ айларда өтеледі.
ЖИ электр энергиясының ұрлануын қалай табады
ӨЭК-тердің көпшілігінде трансформаторлық қосалқы станциялардағы және ішінара абоненттердегі АСКУЭ деректері бар. Баланстық талдау энергия «жоғалатын» желі учаскелерін локализациялайды; ML-модель абоненттерді бұзушылық ықтималдығы бойынша саралайды — тұтыну паттерндері, фидер бойынша көршілермен салыстыру, маусымдылық және актілер тарихы бойынша. Бақылаушылар «көзсіз» аралау жоспарын емес, фототіркеуі бар мобильді қосымшадағы сараланған тапсырмаларды алады.
Әсер айқын өлшенеді — қосымша есептеулер мен теңгерімсіздіктің төмендеуі, — сондықтан жоба success fee моделінде мүмкін. Желі компанияларында цифрландыруды қаржыландыру көзі де бар — «Инвестицияларға айырбасталатын тариф» бағдарламасы.
Онлайн-датчиктерсіз трансформаторлардың күйі қалай болжанады
Әр желі компаниясында бағаланбай жүрген актив бар — еріген газдарды хроматографиялық талдаудың (ХАРГ/DGA) ондаған жылдық зертханалық журналдары. ML-модель газ трендтерін интерпретациялайды (Дюваль әдісі + деградация траекториясының болжамы), оларды SCADA-дағы жүктеме режимдерімен салыстырады және әр бірліктің health-index-ін құрады. Парк тәуекел бойынша сараланады; онлайн ХАРГ-мониторлар нүктелік түрде — тек расталған топ-тәуекелдерге ғана орнатылады.
Бұл инвестбағдарламаның логикасын төңкереді: «жасы бойынша» ауыстырудың орнына — нақты жағдайы бойынша ауыстыру, реттеушіге сараптамалық пікірмен емес, деректермен негіздей отырып.
Өңірлік желі компаниясына арналған жол картасы
- Экспресс-талдау (2 апта): 10 фидердің баланстары + АСКУЭ жүктемесі — аномалды ТҚС картасы және коммерциялық шығындар ауқымын теңгемен бағалау
- Шығындар бойынша пилот (3–4 ай): желінің бір ауданы — абоненттерді скорингілеу, бақылаушыларға сараланған тапсырмалар, рейдтердің расталуы мен қосымша есептеулерді базалық сызыққа қарсы өлшеу
- Қатар — трансформаторлар бойынша ретроспектива (8–12 апта): ХАРГ журналдарын цифрландыру, парктің health-index-і, инвестбағдарлама мен тарифтік өтінімге материал
- Масштабтау: желінің барлық аудандары, биллинг және ГАЖ-бен интеграция, жүктеме болжамы, SLA-сүйемелдеу
FAQ
Жиі қойылатын сұрақтар
Бас инженерлер, АҚ қызметтері мен сатып алу бөлімдері әдетте не сұрайды — тікелей жауаптарымен.
Келесі қадам
Фидерлер баланстарының талдауына сұраныс беру
Міндет туралы айтыңыз — екі жұмыс күні ішінде деректер аудитінің жоспарымен ораламыз.
- 130 минуттық қоңырау: міндет, деректер, АҚ-ны кім келіседі
- 2Деректер аудиті немесе иесіздендірілген деректерде ретроспективті талдау
- 3Стартқа дейін бекітілген success-критерийлері бар 8–12 апталық пилот
Алғашқы байланыстан бастап NDA
Бір жұмыс күні ішінде жауап