MODEL PREDICTIVE CONTROL USULINING MEUT (AC) QURILMALARI BILAN BIRGALIKDAGI QO‘LLANILISHI

Аннотация

В данной статье рассматриваются технологические преимущества автоматизации в интеллектуальных энергетических системах на основе алгоритмов искусственного интеллекта. Особое внимание уделено алгоритму опорных векторов (SVM), его применению для оценки состояния системы, обнаружения и классификации неисправностей, прогнозного технического обслуживания и оптимального размещения устройств компенсации реактивной мощности (MEUT(AC)). Приводятся практические примеры интеграции SVM с SCADA-системами и подчеркивается его роль в обеспечении устойчивости и надежности энергосистем. Ключевые слова: интеллектуальные энергетические системы, автоматизация, алгоритм опорных векторов (SVM), SCADA, MEUT(AC), классификация, обнаружение неисправностей, прогнозное техническое обслуживание, оптимальное размещение, реактивная мощность. Annotation: This article examines the technological advantages of automation in smart energy systems based on artificial intelligence algorithms such as Support Vector Machines (SVM). The integration of SVM into SCADA and FACTS (Flexible AC Transmission Systems) devices enables effective system status evaluation, early fault detection, predictive maintenance, and optimal equipment placement. The use of SVM improves power grid stability and enhances automated control efficiency. https://scientific-jl.com/wsrj 1 6 6 Volume-39_Issue-1_May-2025 World scientific research journal Keywords: smart energy systems, automation, Support Vector Machine (SVM) algorithm, SCADA, FACTS (Flexible AC Transmission Systems), classification, fault detection, predictive maintenance, optimal placement, reactive power. Kirish. Bugungi kunda qayta tiklanuvchi energiya manbalarining energiya ishlab chiqarishdagi umumiy ulushi, ayniqsa 1-rasmda ko’rsatilganidek quyosh va shamol energiyasining ulushi keskin oshmoqda. Tabiatan o’zgaruvchan xarakterga ega ushbu manbalar aqlli energiya tizimlari bilangina samarali bo’la oladi. Aqlli energiya tizimlari yuqori darajadagi avtomatlashtirish va ishonchlilikni ta’minlash uchun sun’iy intellekt algoritmlariga tayanadi. Ayniqsa, elektr tarmoqlari xavfsizligi va samaradorligini oshirishda SCADA tizimi bilan bog‘langan MEUT(AC) qurilmalari muhim rol o‘ynaydi. SVM algoritmi bu jarayonlarda tizim holatini aniqlash, bashorat qilish, texnik xizmatni rejalashtirish kabi ko‘plab vazifalarni bajarishga imkon beradi. 1-rasm. Qayta tiklanuvchi energiya manbalarining umumiy ulushi SVM Algoritmi haqida qisqacha : SVM (Support Vector Machine) — bu nazoratli o‘rganishga asoslangan mashinaviy o‘rganish algoritmi bo‘lib, klassifikatsiya va regressiya muammolarini hal etishda ishlatiladi [1]. 2-rasmda tasvirlanganidek u sinflar orasidagi maksimal marginni saqlovchi gipertekislikni aniqlashga intiladi. https://scientific-jl.com/wsrj 1 6 7 Volume-39_Issue-1_May-2025 World scientific research journal 2-rasm. SVM illustratsiyasi. Matematik formulasi: f(x) = wᵀx + b (1) Bu yerda: w — vaznlar vektori; x — kirish vektori; b — offset (bias) [2]. SVM va SCADA tizimi integratsiyasi: SCADA tizimi real vaqtli monitoring va nazoratni amalga oshiradi. SVM modelini yaratish: SVM turlari: 1.Ikki sinfli klassifikatsiya (normal va nosoz holat) 2. Ko‘p sinfli klassifikatsiya (hodisa turlari) 3.SVM regressiyasi(SVR) (prognozlash yoki aniqlash uchun) Kernel tanlash: 1.Chiziqli kernel – sodda holatlar uchun 2.RBF (gauss) kernel – murakkab, chiziqli bo‘lmagan holatlar uchun 3.Polinom yoki sigmoidal kernel – maxsus hollarda SVM esa quyidagi yo‘nalishlarda integratsiya qilinadi: 1. Tizim holatini aniqlash SCADA orqali tok, kuchlanish, quvvat faktor, va chastota doimiy kuzatib boriladi.SVM ushbu ma’lumotlarga asoslanib tarmoqdagi reaktiv yuklamani aniqlaydi va kompensatsiyani amalga oshiradi. Misol: Quyoshli kunlarda quyosh elektr stansiyasi maksimal ishlab chiqarishga chiqadi. SCADA tizimi momental kuchlanish va tok o‘zgarishlarini qayd etadi. SVM: Tizimdagi ortiqcha reaktiv quvvatni aniqlab, uni yutish orqali kuchlanishning haddan oshib ketishining oldini oladi. 2. Anomaliyalarni aniqlash SCADA real vaqtli signal tahlili orqali odatiy holatdan chetga chiqqan parametrlarni aniqlaydi.SVM anomaliyalarga tezkor javob berib, reaktiv quvvatni moslashtiradi. Misol: Bulutli ob-havo tufayli quyosh nurlanishi birdan pasayadi va kuchlanishda keskin tushish kuzatiladi. https://scientific-jl.com/wsrj 1 6 8 Volume-39_Issue-1_May-2025 World scientific research journal SCADA: Kuchlanish pasayganini aniqlaydi va signal yuboradi. SVM: Zudlik bilan reaktiv quvvatni injektsiya qilib kuchlanishni normallashtiradi. 3. Nosozliklarni tasniflash SCADA nosozliklarni avtomatik aniqlaydi (masalan, kuchlanish sathi pasayishi).SVM ushbu holatlarda o‘zini himoya rejimiga o‘tkazadi yoki zarur kompensatsiyani ta’minlaydi. Misol: Transformatorga yaqin joyda qisqa tutashuv ro‘y beradi va kuchlanish keskin pasayadi. SCADA: Bu hodisani aniqlaydi va uni "qisqa tutashuv" sifatida tasniflaydi. SVM: O‘zini muhofaza rejimiga o‘tkazadi yoki kuchlanish tiklanganidan so‘ng r