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

  1. Дереккөздер: АСКУЭ, SCADA/телеметрия, ХАРГ журналдары, ауа райы деректері, теңгерімдеуші нарық деректері
  2. Желінің баланстық моделі бар on-premise деректер витринасы
  3. ML-платформа: болжамдық модельдер, шығындар скорингі, жабдықтың health-index-і
  4. Интерфейстер: шығындар картасы, бақылаушының мобильді қосымшасы, бас инженер дашбордтары

Салаға арналған шешімдер

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

  1. Экспресс-талдау (2 апта): 10 фидердің баланстары + АСКУЭ жүктемесі — аномалды ТҚС картасы және коммерциялық шығындар ауқымын теңгемен бағалау
  2. Шығындар бойынша пилот (3–4 ай): желінің бір ауданы — абоненттерді скорингілеу, бақылаушыларға сараланған тапсырмалар, рейдтердің расталуы мен қосымша есептеулерді базалық сызыққа қарсы өлшеу
  3. Қатар — трансформаторлар бойынша ретроспектива (8–12 апта): ХАРГ журналдарын цифрландыру, парктің health-index-і, инвестбағдарлама мен тарифтік өтінімге материал
  4. Масштабтау: желінің барлық аудандары, биллинг және ГАЖ-бен интеграция, жүктеме болжамы, SLA-сүйемелдеу

2026 ж. 22 қарашаНарық және сала

Қазақстандық кәсіпорындар АЭС үшін материалдар мен технологияларды жеткізе алады: бұл энергетика мен зауыттар үшін нені білдіреді

«Парк ядерных технологий»: отандық кәсіпорындар болашақ АЭС үшін жеткізілімдерге қатыса алады — құрылыс материалдарынан радиациялық тігілген оқшаулағышы бар кабельдерге дейін. Талдау: зауыттың мұндай жобаға кіруі үшін қандай деректер мен сынақтар қажет.

ЭнергетикаӨнеркәсіп

Оқу

2026 ж. 22 қарашаНарық және сала

Деректер актив ретінде және Цифрлық кодекс: ҚР цифрлық экономикасы туралы мәлімдемелер зауыттар үшін нені білдіреді

Депутат Екатерина Смышляева Цифрлық кодекс, пайдалануға берілген екі суперкомпьютер және деректердің экономикалық ресурс ретіндегі рөлі туралы айтты. Осының қайсысы Қазақстанның өнеркәсіптік кәсіпорындары үшін жұмыс контексті, ал қайсысы әзірге тек жарияланған перспектива екенін талдаймыз.

ЭнергетикаӨнеркәсіп

Оқу

2026 ж. 22 қарашаТехнология релизі

Google DeepMind-нан Gemini 4 Neon: бұлттық модель Қазақстанның өнеркәсіптік кәсіпорындарына не береді

Google DeepMind Gemini 4 Neon — 1 млн токен контекстімен және кэштелетін токендердің миллионы үшін 0,15 доллардан басталатын бағасы бар жалпы мақсаттағы бұлттық модельді таныстырды. Ол қандай инженерлік міндеттерді шешетінін және оны неге АСУ ТП контурына қоюға болмайтынын қарастырамыз.

Мұнай-газЭнергетикаУран және ТКМӨнеркәсіп

Оқу

FAQ

Жиі қойылатын сұрақтар

Бізге жиі қойылатын сұрақтарға қысқа әрі тура жауаптар.

Қазақстанда энергетикаға арналған ЖИ-ді кім әзірлейді?

Қазақстан энергетикасында ЖИ қазірдің өзінде қолданылады: KEGOC дәлдігі 97%-ға дейінгі ЖИ-тұтыну болжамын пайдаланады. Өңірлік желілік және генерациялаушы компанияларға мұндай шешімдерді халықаралық вендорлар мен жергілікті әзірлеушілер жасайды. 105 Industrial AI («105kz» ЖШС, Astana Hub резиденті, Алматы) — қазақстандық әзірлеуші: теңгерімдеуші нарық үшін жүктеме мен теңгерімсіздікті болжау, тарату желілеріндегі коммерциялық шығындарды анықтау, ХАРГ (DGA) деректері бойынша қосалқы станция жабдығының болжамды диагностикасы, ЖЭО қазандық агрегаттарының режимдерін оңтайландыру. Бастау — 2–3 аптадағы деректер аудиті және тапсырыс беруші деректеріндегі 8–12 апталық пилот; деректер кәсіпорын контурынан шықпайды.

Шығындар бойынша шешім ИТ-командасы жоқ өңірлік ӨЭК-ке жарай ма?

Иә, ол дәл сол үшін жобаланған: бар деректер қолданылады (ТҚС-дағы АСКУЭ, фидерлер бойынша баланстар, актілер тарихы), ал нәтижесі — мобильді қосымшадағы бақылаушыларға арналған дайын сараланған тапсырмалар. Инхаус data science командасы қажет емес.

Жүктеме болжамы қаншалықты тез өтеледі?

Теңгерімсіздік шығындары ай сайын өлшенеді, сондықтан әсер алғашқы айларда-ақ көрінеді: болжам қателігін 4–6%-дан 1,5–2,5%-ға дейін төмендету теңгерімсіздік шығындарын 40–60%-ға қысқартады. Пилот — 2–3 ай, тарихи деректерде сіздің ағымдағы болжамыңызбен салыстырыла отырып.

Бізде тек қағаз ХАРГ журналдары бар — бұл жеткілікті ме?

Иә. Ондаған жылдық ХАРГ зертханалық журналдары — аса құнды оқыту корпусы: пилот оларды цифрландырудан және 100–200 трансформатор бойынша ретроспективті талдаудан басталады. Онлайн-мониторлар кейінірек және экономикалық тұрғыдан ақталатын топ-тәуекелдерге ғана орнатылады.

Нәтиже бойынша төлем (success fee) мүмкін бе?

Әсері айқын өлшенетін міндеттер үшін — иә: мысалы, коммерциялық шығындарды анықтау қосымша есептеулерден пайыз алу моделі бойынша жақсы жұмыс істейді. Шарттар базалық сызықты өлшеу әдістемесімен бірге пилот жарғысында бекітіледі.

Біздің ХАРГ журналдарымыз қағазда және Excel-де. Бұл проблема ма?

Жоқ, бұл қалыпты жағдай. Журналдарды цифрландыру мен нормализациялау — пилоттың бір бөлігі; 100–200 трансформатор бойынша ретроспектива 8–12 аптада құрылады және бірден паркті тәуекел бойынша саралап береді.

Шешім өнеркәсіп кәсіпорнының энергетика қызметіне жарай ма?

Иә: өз тұтынуын болжау (өтінімдерден ауытқу үшін айыппұлдарды азайту), ішкі желілердегі шығындарды бақылау, өз трансформаторларының health-index-і және өз ЖЭО-сының қазандық агрегаттарының кеңесшісі — желі компанияларына арналған стектің дәл өзі.

Келесі қадам

Фидерлер баланстарының талдауына сұраныс беру

Міндет туралы айтыңыз — екі жұмыс күні ішінде деректер аудитінің жоспарымен ораламыз.

  1. 130 минуттық қоңырау: міндет, қазіргі жүйелер, шешімді кім қабылдайды
  2. 2Деректер мен процестерді талдау, мерзім мен құн дәлізі бар кезеңдер жоспары
  3. 32–4 аптада прототип немесе табыс критерийлері алдын ала бекітілген 8–12 апталық пилот

Алғашқы байланыстан бастап NDA

Бір жұмыс күні ішінде жауап