Xızı-Abşeron KES: AI ilə istismar daha ağıllı olur

240 MVt gücündə “Xızı-Abşeron” Külək Elektrik Stansiyası (KES) istismara yaxınlaşır. Nazir Pərviz Şahbazovun sahəyə baxışından sonra verilən mesaj sadə idi: son tikinti işləri tamamlanır və stansiya “yaxın vaxtlarda” işə hazır olacaq. Bu xəbər, açığı, təkcə yeni turbinlərin şəbəkəyə qoşulması demək deyil. Azərbaycanın enerji gündəliyində daha böyük bir dəyişiklik var: istehsalın “dəmir-beton” hissəsi hazır olanda, rəqabət “rəqəmsal istismar”da başlayır.

Bu yazı “Azərbaycanın Energetika və Neft-Qaz Sektorunu Süni İntellekt Necə Dəyişdirir” seriyasının bir hissəsidir və Xızı-Abşeron KES-i bir nümunə kimi götürüb əsas sualı cavablayır: stansiya istismara keçəndə AI və avtomatlaşdırma real olaraq nəyi yaxşılaşdıracaq—və bunu necə ölçmək olar?

Qısa fikir: Külək stansiyasının gəliri təkcə quraşdırılmış gücdən yox, dayanma müddətinin azlığından, proqnoz dəqiqliyindən və servisin planlı idarəsindən asılıdır. Bu üçlüyün mərkəzində isə süni intellekt dayanır.

“Yaxın vaxtlarda hazır olacaq” nə deməkdir?

Bu cümlə texniki dildə bir mərhələnin bitməsi deməkdir: tikinti, montaj, sınaqlar, rabitə-kanal testləri, dispetçer inteqrasiyası, təhlükəsizlik protokolları. KES-lərdə istismara hazırlıq çox vaxt “turbin fırlanır” səviyyəsində bitmir; əsas məsələ stansiyanın şəbəkə ilə stabil işləməsi və avadanlığın uzunmüddətli etibarlılığıdır.

Xızı-Abşeron kimi böyük güclü külək layihələrində iki mövzu hər şeyi müəyyən edir:

• Külək resursunun dəyişkənliyi (istehsal saatdan-saata dəyişir)
• İstismar xərcləri və dayanma riskləri (servis, ehtiyat hissəsi, logistika)

Bu iki riskin idarəsi isə klassik qaydalarla (sadəcə təqvimə görə servis etmək, təxmini proqnoz vermək) baha başa gəlir. Mənim təcrübəmdə enerji layihələrinin çoxu məhz burada “pul itirir”: aktiv işləyir, amma optimallaşdırılmayıb.

AI külək enerjisində ən çox harada işləyir?

AI tətbiqləri çox genişdir, amma Xızı-Abşeron kimi stansiya üçün ən real və ölçülə bilən fayda 4 istiqamətdə toplanır.

1) Proqnozlaşdırma: küləyi daha düzgün “görmək”

Əsas cavab: AI külək sürəti və güc çıxışını daha dəqiq proqnozlaşdırır, bu da şəbəkəyə planlama və balanslaşdırma xərclərini azaldır.

Külək enerjisi istehsalı dəyişkəndir. Şəbəkə operatoru üçün əsas sual budur: sabah saat 10:00-da nə qədər MW verəcəksən? Dəqiqlik aşağı olanda cərimələr, balanslaşdırma xərcləri və ehtiyat güc tələbi artır.

AI burada nə edir?

• Meteo məlumatları, yerli sensorlar, tarixi SCADA axınlarını birləşdirir
• Qısamüddətli (5 dəqiqə–6 saat) və orta müddətli (1–2 gün) proqnozları ayrı modellərlə verir
• “Səhv paylanmasını” ölçür: yəni təkcə orta səhvi yox, riskli saatları da göstərir

Praktik ölçü: proqnoz səhvinin (məsələn, MAE və ya MAPE) azalması + balanslaşdırma xərcinin MW-saat başına düşməsi.

2) Prediktiv texniki xidmət: turbin sıradan çıxmamış xəbər vermək

Əsas cavab: AI turbinin vibrasiya, temperatur və güc əyrilərindəki “xırda sapmaları” tapıb planlı servisə çevirir.

Külək turbinində dayanma, təkcə həmin gün enerji satmamaq deyil. Bu, adətən:

• brigadanın səfəri,
• kran/avadanlıq sifarişi,
• ehtiyat hissəsinin təchizatı,
• hava pəncərəsinin gözlənməsi

kimi xərcləri də gətirir. Xızı və Abşeron zonalarında hava şərtləri logistikanı birbaşa təsir edir.

AI tətbiqi tipik olaraq belə qurulur:

1. SCADA + CMS (condition monitoring) məlumatları toplanır
2. Normal iş rejimi üçün “sağlam davranış profili” yaradılır
3. Sapmalar üçün erkən xəbərdarlıq səviyyələri təyin olunur

Yaddaqalan cümlə: Turbini təqvimə görə yox, davranışına görə servis etmək lazımdır.

Praktik ölçü: availability (mövcudluq faizi), planlaşdırılmamış dayanma saatları, servisə görə enerji itkisi.

3) Aktiv performans optimallaşdırması: eyni küləkdən daha çox enerji

Əsas cavab: AI turbin parametrlərini və “wake” təsirlərini idarə edib stansiya səviyyəsində çıxışı yaxşılaşdırır.

Külək stansiyasında turbinlər bir-birinə təsir edir: ön turbinin yaratdığı turbulentlik arxadakı turbinin məhsuldarlığını azalda bilər. Bu, “wake effect” kimi tanınır. Burada optimallaşdırma “bir turbin maksimum versin” deyil, “park maksimum versin” yanaşmasıdır.

AI nəyi optimallaşdırır?

• yaw/pitch idarəetmə strategiyaları (icazə verilən çərçivədə)
• turbinlərarası yük balansı (bəzi turbinləri “yormamaq” üçün paylama)
• güc əyrisinin anomaliyalarını (deqradasiya, sensor səhvi) aşkar etmək

Praktik ölçü: park səviyyəsində AEP (illik enerji istehsalı) proqnozunun tutarlılığı, güc əyrisi üzrə sapmaların azalması.

4) Təhlükəsizlik və əməliyyat intizamı: insidentləri əvvəlcədən görmək

Əsas cavab: AI video analitika və iş icazəsi proseslərini birləşdirib riskli davranışları erkən aşkar edir.

Enerji obyektlərində ən bahalı hadisələr adətən avadanlıqdan yox, insan amilindən başlayır: yanlış prosedur, iş icazəsinin pozulması, qoruyucu vasitəsiz zona girişi. Xüsusən qış mövsümündə (dekabr–yanvar) külək, sürüşkən səth, görünüş zəifliyi kimi faktorlar artır.

Real tətbiqlər:

• CCTV üzərindən PPE (dəbilqə, jilet) aşkarlanması
• təhlükəli zona sərhədlərinin analitik nəzarəti
• rəqəmsal “permit-to-work” axınının anomaliya yoxlaması

Praktik ölçü: yaxın-insidentlərin sayı, təhlükəsizlik qaydası pozuntularının azalması, audit nəticələri.

Xızı-Abşeron KES üçün “rəqəmsal istismar” planı necə görünməlidir?

Əsas cavab: Ən doğru yol bir anda hər şeyi etmək deyil; 90 günlük pilot + 12 aylıq miqyaslandırma planı işləyir.

Mən bu tip layihələrdə ən çox bir səhvi görürəm: “AI alaq, hamısı düzələcək” yanaşması. Əslində isə əvvəlcə məlumat, proses, məsuliyyət xəritəsi qurulmalıdır.

90 günlük pilot: tez ölçülən nəticə verən sahələr

• Proqnozlaşdırma pilotu: 1 meteo məntəqəsi + SCADA axını + 3 ay model təlimi
• Anomaliya aşkarlanması: 10 turbin seçilib temperatur/vibrasiya sapmaları üçün erkən xəbərdarlıq
• Dashboard intizamı: dispetçer və O&M komandası üçün eyni “vahid həqiqət paneli”

Bu mərhələdə məqsəd “mükəmməl model” deyil; məqsəd düzgün KPI qurmaqdır.

12 aylıq miqyaslandırma: əməliyyatın dili dəyişir

• Data keyfiyyət nəzarəti (data validation) avtomatlaşdırılır
• Ehtiyat hissələri üçün demand forecasting qurulur
• Servis planı “hava pəncərəsi + risk balı” ilə optimallaşdırılır

KPI-lar (sadə və sərt):

1. Mövcudluq faizi (availability)
2. Planlaşdırılmamış dayanma saatları
3. Proqnoz səhvi (qısamüddətli/orta müddətli)
4. Servis xərci / MWh
5. Təhlükəsizlik pozuntuları və audit nəticələri

Neft-qaz sektoru ilə ortaq dərs: eyni AI, fərqli avadanlıq

Əsas cavab: Külək stansiyasında işləyən analitika məntiqi, neft-qazda da eyni problemləri həll edir: prediktiv servis, enerji səmərəliliyi, əməliyyat riskləri.

Bu seriyanın böyük xətti budur: Azərbaycanın enerji və neft-qaz şirkətləri artıq “daha çox istehsal”dan “daha ağıllı istehsal”a keçir. Xızı-Abşeron KES bu keçidi gözlə görünən edir.

• Neft-qazda kompressor, nasos, turbin monitorinqi necə qurulursa, küləkdə də turbin üçün eyni məntiq işləyir.
• Neft-qazda istehsal optimallaşdırması (setpoint-lər, yük paylanması) necə edilibsə, külək parkında da “park optimallaşdırması” elədir.
• Neft-qazda HSE rəqəmsallaşması necə önəmlidirsə, küləkdə də o qədər vacibdir.

Mənim fikrim qətidir: Azərbaycanda enerji keçidi təkcə yaşıl MW-larla ölçülməyəcək; rəqəmsal istismar intizamı ilə ölçüləcək.

“People also ask”: tez-tez verilən suallar

Xızı-Abşeron KES-də AI mütləq lazımdır?

Bəli, çünki 240 MVt kimi böyük gücdə istismar xərcləri və dayanma riskləri sürətlə böyüyür. AI burada “bəzək” yox, risk idarəetmə alətidir.

AI tətbiqi üçün hansı məlumatlar şərtdir?

Minimum: SCADA axını (güc, külək, temperatur), turbin alarm/jurnal məlumatları, meteo məlumatları. İdeal: vibrasiya/CMS, iş icazəsi axınları, servis tarixçəsi, ehtiyat hissə anbarı məlumatları.

İlk nəticələr nə vaxt görünür?

Proqnozlaşdırma və anomaliya aşkarlanmasında 8–12 həftə içində ilkin nəticə görmək olur. Prediktiv servis tam gücünü adətən 6–12 ayda göstərir, çünki nasazlıq nümunələri toplanmalıdır.

Növbəti addım: istismar başlayanda “AI check-list” hazır olsun

Xızı-Abşeron KES-in istismara keçidi Azərbaycanın yaşıl enerji portfelində mühüm hadisədir. Amma məni daha çox maraqlandıran budur: istismar günü gəlib çatanda stansiya necə idarə olunacaq—reaktiv, yoxsa analitik əsaslı? Fərq məhz burada pul, etibarlılıq və reputasiya kimi geri qayıdır.

Əgər siz enerji şirkətində, O&M komandasında, şəbəkə planlamasında və ya təchizat zəncirində çalışırsınızsa, bu sualları indi verməyə dəyər:

• Proqnozların dəqiqliyini hansı KPI ilə ölçürsünüz?
• Dayanmanın kök səbəbini neçə saata tapırsınız?
• Servis planınız hava və risklə optimallaşdırılır, yoxsa sadəcə “növbəti tarix”lə?

Bu seriyanın növbəti yazılarında məhz bu “rəqəmsal istismar” alətlərini — külək, günəş və neft-qaz obyektləri üçün — daha praktik çərçivədə açacağam. Sizcə Xızı-Abşeron kimi layihələrdə ən böyük risk texniki avadanlıqdır, yoxsa məlumat və proses intizamı?