Ilmiy maqola
O'zbekcha
Open Access
Zaryadlash qurilmalarida chiqish tokini prognozlash dolzarbliligi
Annotatsiyalar
Annotatsiya o'zbek tilida mavjud emas.
This article discusses the growing demand for electric vehicles in our country and how this situation necessitates the development of charging infrastructure. It is particularly noted that the need to accurately forecast the output current in charging devices is closely related to charging speed, battery reliability, and service life. In addressing this issue, artificial neural networks working with time series, specifically the LSTM model, have been used to justify the possibility of high-accuracy forecasting.
Maqola Mazmuni
Kirish. Hozirgi kunda elektr transport vositalarining ommalashuvi nafaqat rivojlangan davlatlarda, balki rivojlanayotgan mamlakatlarda ham jadal sur’atlar bilan kechmoqda. Ayniqsa, global miqyosda ekologik barqarorlikni ta’minlash, karbonat angidrid chiqindilarini kamaytirish va neft mahsulotlari tanqisligini kamaytirish maqsadida elektromobillarga bo‘lgan talab ortib bormoqda [1–2]. O‘zbekiston Respublikasi Prezidentining 2023-yil 10-apreldagi PQ–110-sonli qarorida 2030-yilgacha bo‘lgan davrda elektr transportini rivojlantirish bo‘yicha aniq maqsadlar belgilangan. Unga ko‘ra, mamlakatda 2030-yilga kelib kamida 300 ming elektromobil harakatda bo‘lishi, ularni zaryadlash uchun esa 6 mingdan ortiq zamonaviy zaryadlash stansiyalari tashkil etilishi ko‘zda tutilgan. Bu esa elektr transport vositalarini tez, xavfsiz va samarali zaryadlash imkonini beruvchi texnologiyalarni ishlab chiqish va ularni ilmiy asosda optimallashtirish zaruratini yuzaga keltirmoqda [3]. Ayniqsa, zaryadlash qurilmalari tomonidan ta’minlanadigan chiqish toki, ya’ni zaryadlash vaqtida elektromobil akkumulyatoriga uzatilayotgan elektr toki miqdori, zaryadlash jarayonining samaradorligi va tezligining asosiy ko‘rsatkichlaridan biri sifatida alohida ahamiyat kasb etadi. Chiqish tokining qiymati qancha yuqori bo‘lsa, akkumulyator shuncha tez zaryadlanadi, bu esa foydalanuvchiga vaqt tejalishini ta’minlaydi va elektromobillarning kundalik foydalanishda qulayligini oshiradi [4–5]. Yechiladigan muammo va masalasing qo‘yilishi. Zaryadlash qurilmalarini samarali boshqarish, monitoring qilish va optimallashtirish uchun prognozlash mumkin bo‘lgan asosiy parametrlari quyidagi 1-rasmda keltirilgan. 1-rasm. Zaryadlash qurilmalarining prognozlash imkoniyati mavjud bo‘lgan asosiy parametrlari.
“Развитие науки и технологий” Научно–технический журнал №3/2025 190
Машинасозлик ва энергетика
Yuqori tokda zaryadlash har doim ham ijobiy natijalar bermasligi mumkin. Qiymat jihatidan juda katta toklar akkumulyatorning haddan tashqari qizib ketishiga, ichki komponentlarning yemirilishiga va umumiy ishlash muddatining qisqarishiga olib keladi. Shu sababli, zaryadlash tezligi va akkumulyatorning uzoq muddatli ishonchli ishlashi o‘rtasida optimal balansni saqlash zarur hisoblanadi. Bu esa zaryadlash qurilmalarida chiqish tokini aniqlik bilan boshqarish va sun’iy intellektga asoslangan prognozlash tizimlarini joriy etish zaruratini keltirib chiqaradi [6-7]. Eksperiment va olingan natijalarning tahlili. Yuqoridagi rasmda zaryadlash stansiyalarining umumiy parametrlari keltirilgan bo‘lib, ularning zaryadlash stansiyalari hamda akkumulyatorning ishlash davomiyligiga ta’sir etuvchi parametrlarning ulushi quyidagi 2-rasmda keltirilgan.
2-rasm. Prognozlash imkoniyati mavjud bo‘lgan parametrlarning ulushi Yuqoridagi 2-rasmdan ko‘rinib turibdiki zaryadlash stansiyalarida chiqish tokining nominal qiymatdan o‘gishi akkumulyatorning zaryadlash sikllariga salbiy ta’sir qilar ekan [8]. Zaryadlash qurilmasining parametrlarini prognozlash zaryadlash qurilmasi va akkumulyatorning ishlash muddatiga sezilarli ta’sir qiladi. Bunda tok va kuchlanishning qiymatlari yuqori bo‘lsa, akkumulyatorning ichki komponentlarini qizitib, ularning ishlash davomiyligini qisqartirishi mumkin. Tez zaryadlash esa akkumulyatorda yuklama hosil qilib, uning zaryadlash sikllari sonini kamaytiradi. Agarda yuqoridagi parametrlarni prognazlaydigan bo‘lsak, elektr transport vositasini zaryadlash boshlanishidan oldin xavfsiz tok va kuchlanish qiymati aniqlanib, prognozlash orqali zaryad tezligi muvozanatli ravishda tanlanadi. Bunda tanlangan zaryad tezligi tez va xavfsiz bo‘ladi. Chiqish tokini o‘zgarishini fizik-matematik tomondan izohlanadigan bo‘lsa uni quyidagicha tushinish mumkin: (1) Bu yerda – - o‘rtacha tok; - tok qiymatining o‘zgarish amplitudasi; - chastota Bunday sinusoidal yoki impulslik toklar doimiy o‘zgarmas tokka nisbatan ko‘proq issiqlik ta’sirini keltirib chiqaradi. O‘zgaruvchan chiqish toki akkumulyatorning kimyoviy strukturasi buzilishiga, zaryadlash sikllari sonini kamayishiga va akkumulyatorning qizib ketish xavfiga olib keladi. Natijada, akkumulyatorning ishonchliliga va umrining gacha qisqarishiga olib kelishi mumkin [9]. Agarda chiqish tokini akkumulyator harorati yoki ishlash davomiyligiga ta’sirini ko‘radigan bo‘lsak, uni quyidagi 3-rasmdagidek tasvirlash mumkin.
“Фан ва технологиялар тараққиёти” Илмий–техникавий журнал №3/2025 191
Машиностроение и энергетика
3-rasm. Chiqish tokini akkumulyator harorati yoki ishlash davomiyligiga ta’siri Zaryadlash qurilmalarida chiqish tokini prognozlashda sun’iy neyron tarmoqlaridan foydalanish bizga bir qator qulayliklar taqdim etadi. Sun’iy neyron tarmoqlari bir qancha kuubxonaga ega bo‘lib, uning quyidagicha turlari mavjud [10] Olingan natijalarning qo‘llanilishi. Yuqoridagi grafikdan ko‘rinib turibdiki, o‘zgaruvchan tokda harorat doimiy ravishda tebranadi, bu esa ichki qizishni oshiradi. Doimiy tok esa barqarorlikni oshiradi. O‘zgaruvchan tokda akkumulyatorning nisbiy ishlash muddati 80 % gacha tushadi, o‘zgarmas tokda esa 100 % ga yaqin akkumulyatorning umri saqlanadi. Sun’iy neyron tarmoqlari biologik neyron tizimi prinsipiga asoslangan hisoblash tizimidir. Bunda har bir neyron kirish signalini qabul qilib, uni vazn (og‘irlik) ga ko‘paytiradi, so‘ngra aktivatsiya funksiyasi orqali chiqish signali orqali hosil qilinadi. Chiqish esa prognozlangan chiqish toki bo‘ladi. Ushbu kirish-chiqish bog‘lanishini o‘rganish uchun neyron tarmoq o‘zini-o‘zi o‘qitadi. Quyida sun’iy neyron tarmog‘ining hisoblashda foydalanadigan formulalari keltirilgan. Elektr transport vositalari zaryadlash tizimida SNT lardan foydalanib quyidagi afzalliklarga erishish mumkin bo‘ladi: 1. Vaqt bo‘yicha o‘zgarvchan yuklamalarni tahlil qilish; 2. Real vaqt rejimidagi prognoz va moslashuvni; 3. Akkumulyator batareyalarini ortiqcha yuklanishdan himoyalash; 4. Energiya samaradorligini oshirish. SNT modellarini SCADA tizimlari, aqlli zaryadlash stansiyalari va mobil ilovalar bilan integratsiya qilish mumkin. Bundan tashqari qayta tiklanuvchan energiya manbalari (quyosh paneli, shamol generatori) bilan birgalikda ishlatilganda maksimal samaradorlikka erishiladi. Sun’iy intellektga asoslangan sun’iy neyron tarmoqlari neyronlarning mantiqiy asoslari bilan tanlangan. Prognozlash modellari eksperimental va ishlab chiqarish ma’lumotlari asosida qurilgan
“Развитие науки и технологий” Научно–технический журнал №3/2025 192
Машинасозлик ва энергетика
bo‘lsa, sun’iy neyron tarmoqlar ko‘plab klassik modellardan ustundir. Elektromobillarni zaryadlash tizimlarida prognozlash aniqligini yuqoriligi va samaradorligini ko‘rsatadi. Neyronning mavjud modeli quyidagilardan tashkil topgan X1 ... Xn, - kiritish elementlaridan, W1 ...Wn - nerv, funksiyani amalga oshiruvchi S neyrondan va chiquvchi Y dan iborat. Neyronni formatlash quyidagicha ifodalanadi:
yoki (2) Y=f(S), (3) bu yerda, Wj vazn koeffitsienti (j = 1 ... n); b - ofset qiymati; S - yig‘indi natijasi; Хj - kirish signali (j= 1 ... n); n - neyronlarning kirish soni; Y - chiqish signali, f - faollashtirish funksiyasi. Kirish qatlami: (4) Yangi kiruvchi ma’lumotlar asosida yangilash: (5) Chiqish signali: (6) (7) Bu yerda sigmoid aktivatsiya funksiyasi; - giperbologik tangens funksiyasi; – modellning vaznlari va boshlang‘ich parametrlari; yashirin qatlam chiqishi.
4-rasm. Neyron tarmog‘ining strukturasi Chiqish tokini sun’iy neyron tarmog‘ining LSTM (Long Short-Term Memory) kutubxonasidan foydalangan holda topish samaraliroq hisoblanar ekan. Zamonaviy prognozlashda vaqt ketma-ketligi bilan ishlash imkonini beruvchi bu kutubxonada quyidagi asosiy bloklar mavjud: 1. O‘tgan xotirani saqlash yoki bekor qilish (forget gate). 2. Yangi signalni qabul qilish (input gate). 3. Keyingi qatlamga chiqariladigan signal (output gate). Xulosa. Yuqorida bayon etilgan tahlillar va ilmiy asoslar asosida quyidagi xulosalarni chiqarish mumkin: elektr transport vositalarini zaryadlash tizimlarida chiqish tokini yuqori aniqlikda prognozlash — zaryadlash jarayonining samaradorligini oshirish, energiya tizimining barqarorligini ta'minlash hamda akkumulyator batareyalarining ishonchli va uzoq muddatli ishlashini ta'minlashda hal qiluvchi ahamiyatga ega. Chiqish tokini oldindan aniqlash orqali zaryadlash qurilmasi elektromobil akkumulyatorining joriy holatiga mos ravishda tokni sozlashi, ortiqcha yuklanishlarning oldini olishi va optimal zaryadlash strategiyasini tanlashi mumkin. Bu esa nafaqat akkumulyatorning ishonchli ishlashini ta'minlaydi, balki uning ishlash muddati davomida unumdorligini ham saqlab qoladi. Shuningdek, yuqori aniqlikdagi prognozlash texnologiyalari tarmoq yuklamalarini boshqarishda, zaryadlash vaqtlarini muvofiqlashtirishda va elektr energiyasining samarali taqsimotida ham muhim rol o‘ynaydi. Mazkur yo‘nalishda sun’iy neyron tarmoqlar (SNT), xususan, vaqt ketma-ketliklari bilan ishlashda yuqori samaradorlik ko‘rsatgan Long Short-Term Memory (LSTM) modelining qo‘llanilishi ayniqsa dolzarb hisoblanadi. LSTM modellarining murakkab, noregulyar va noaniq xatti-harakatlarga ega bo‘lgan elektr yuklamalarini tahlil qilish va prognozlashdagi samaradorligi amaliy tadqiqotlar orqali asoslab berilgan. Ushbu model orqali zaryadlash toki dinamikasini aniq
“Фан ва технологиялар тараққиёти” Илмий–техникавий журнал №3/2025 193
Машиностроение и энергетика
bashorat qilish, tokning o‘zgaruvchanligini oldindan ko‘rish va xavfsiz chegaralar doirasida ishlashni ta'minlar ekan
Adabiyotlar (10)
- 1. I.U.Rakhmonov, N.Ch.Uzakov. Analysis of existing methods for increasing the efficiency of electric vehicles // Republican scientific and practical conference on the topic "Problems and prospects of innovative development of energy industry". – Navoi: October 21-22, 2024. pp.239241.
- 2. I.U.Rakhmonov, N.Ch.Uzakov. Analysis of existing methods for increasing the efficiency of electric vehicles // Republican scientific and practical conference on the topic "Problems and prospects of innovative development of energy industry". – Navoi: October 21-22, 2024. pp 239241.
- 3. N.Ch.Uzakov. Prospects for the development of electric vehicles in Uzbekistan // Materials of the republican scientific and technical conference dedicated to the 75th anniversary of “Almalyk KMK” JSC on the topic “Prospects for the extraction and processing of mineral raw materials from the perspective of young people”. - Almalyk, May 15, 2024. pp. 234-236.
- 4. Eshquvvatovich, I. S., & Abdukarimovich, U. B. (2022). Influence of car ergonomics on traffic safety. Journal of Academic Research and Trends in Educational Sciences, 1(5), 22-29.
- 5. Zhang Y, Hua Y, Kang A, et al. Optimal an defficient planning of chaarging stations for electric vehicles in urban areas: formulation complexity and solutions. Exp Sys. With Energy storage. 2023;230:120442. https:/doi: 10.1109/APEC43580.2023.10131300
- 6. S. Bouktif, A. Fiaz, A. Ouni, M. Serhani Optimal deep learning LSTM model for electric load forecasting using feature selection and genetic algorithm: Comparison with machine learning approaches. Energies 2018, 11, 1636.
- 7. J. Zhu, Z. Yang, Y. Guo, J. Zhang, Yang, H. Short-Term Load Forecasting for Electric Vehicle Charging Stations Based on Deep Learning Approaches. 2019, 9, 1723.
- 8. Опре В. М., Дозоров С. А. Сравнительный анализ электромагнитных процессов в однофазных индуктивно-емкостных преобразователях // Силовая электроника. 2013. № 3.
- 9. Zhang Y, Hua Y, Kang A, et al. Optimal an defficient planning of chaarging stations for electric vehicles in urban areas: formulation complexity and solutions. Exp Sys. With Energy storage. 2023;230:120442. https:/doi: 10.1109/APEC43580.2023.10131300
- 10. Dillon R, Donnie B, Rean M. A techno-economic quantification of carbon reduction strategies in the Trinidan and Tobago power generatiion sector using carbon emission pinch analysis (cepal). Carbon Manage. 2023;14(1). https:/doi:10.1080/17583004.2023.2227159 Raxmonov Ikromjon Usmonovich – DsC, Islom Karimov nomidagi Toshkent davlat texnika universiteti “Elektr ta’minoti” kafedrasi mudiri, Tel:+998909458700 (c) E-mail: lider1987@yandex.ru Uzaqov Navruz Choriyor o‘g‘li – “Elektr ta’minoti” kafedrasi tayanch doktoranti, Islom Karimov nomidagi Toshkent davlat texnika universiteti, Tel.: +998931199599 (с), E-mail: uzaqonavruz81gmail.com Nematov Laziz Alisherovich – PhD, Buxoro davlat texnika universiteti “Elektr va energetika muhandisligi” kafedrasi dotsenti, Tel.: +998907323731 (с), E-mail: laziznemat@gmail.com “Развитие науки и технологий” Научно–технический журнал №3/2025 194