Otonom Enerji Sistemləri (Autonomous Energy Systems) generativ süni intellekti, agentli süni intellekti (agentic AI), rəqəmsal əkizləri və paylanmış kiber-fiziki enerji infrastrukturunu məhdudlaşdırılmış və nəzarət edilə bilən qərar strukturu daxilində birləşdirməyi hədəfləyən sistem memarlığı yanaşmasıdır. Nikolay Hinov tərəfindən hazırlanmış tədqiqat müasir elektrik sistemlərində proqnozlaşdırma, idarəetmə, simulyasiya və enerji bazarı koordinasiyasını bir-birindən müstəqil tədqiqat sahələri kimi nəzərdən keçirmək əvəzinə vahid istinad memarlığında təşkil edir. Tədqiqat eksperimental sahə sınağı təqdim etmir; mövcud tədqiqat sahələrini tematik şəkildə sintez edir, onların sistem daxilindəki funksiyalarını ayırır və gələcəkdə daha yüksək səviyyəli avtonomiyaya keçid üçün texniki tədqiqat gündəliyi təklif edir.

Təklif olunan memarlıqda generativ süni intellektin əsas vəzifəsi elektrik şəbəkəsini birbaşa idarə etmək deyil. Generativ modellər sintetik məlumat yaratmaq, ehtimallı proqnozlaşdırma, nadir hadisə ssenariləri yaratmaq, qeyri-müəyyənlikləri təmsil etmək və dayanıqlılıq üzrə stress sınaqlarını dəstəkləmək məqsədilə bir ssenari intellekti təbəqəsi kimi yerləşdirilir. Agentic AI isə qavrama, kontekstual mühakimə, çoxaddımlı planlaşdırma, digər agentlərlə koordinasiya və namizəd idarəetmə hərəkətləri yaratmaq vəzifələrini üzərinə götürən məhdudlaşdırılmış qərar təbəqəsi kimi müəyyən edilir. Lakin bu namizəd qərarların fiziki sistemə tətbiq oluna bilməsi üçün gərginlik, tezlik, istilik yükü, kommutasiyanın tətbiq oluna bilməsi və mühafizə koordinasiyası kimi enerji sistemi məhdudiyyətlərindən keçməsi lazımdır.

Tədqiqatın əsas nəticəsi odur ki, gələcəyin avtonom enerji infrastrukturu tək bir süni intellekt modeli ilə qurula bilməz. Maşın öyrənməsi proqnozlaşdırma və vəziyyət barədə məlumatlılıq təmin edir; generativ süni intellekt mümkün gələcəkləri və nadir şəraitləri yaradır; gücləndirici öyrənmə adaptiv idarəetməni dəstəkləyir; çoxagentli strukturlar paylanmış koordinasiyanı mümkün edir; rəqəmsal əkizlər təhlükəsiz təlim və doğrulama mühiti yaradır; ənənəvi SCADA, EMS və DMS infrastrukturları isə nəzarətin və əməliyyat təhlükəsizliyinin mühüm hissəsi olaraq qalır. Tədqiqatın mühüm şərh sərhədi də burada ortaya çıxır: təklif olunan struktur tam və məhdudiyyətsiz süni intellekt idarəetməsinin bu gün tətbiq oluna bildiyini göstərmir; mərhələli, doğrulanmış, geri alına bilən və insan nəzarətli avtonomiya yolunu təsvir edir.

Müasir enerji sistemlərində niyə yeni memarlığa ehtiyac var?

Elektrik sistemləri getdikcə daha çox bərpa olunan enerji mənbəyi, paylanmış enerji mənbəyi, batareya saxlama sistemi, elektrik nəqliyyat vasitəsi, mikroşəbəkə və çevik istehlakçı yükü ehtiva edir. Nəticədə enerji axını yalnız böyük elektrik stansiyalarından istehlakçıya doğru hərəkət edən birtərəfli struktur olmaqdan çıxır; istehsalın, saxlamanın və istehlakın müxtəlif nöqtələrdə daim dəyişdiyi paylanmış kiber-fiziki sistemə çevrilir.

Günəş və külək istehsalındakı dəyişkənlik, tələbin qısa zaman miqyaslarında dəyişməsi, ikitərəfli güc axınları, bazar şəraiti və ekstremal hava hadisələri kimi amillər mərkəzləşdirilmiş idarəetmə sistemlərinin idarə etməli olduğu vəziyyət fəzasını genişləndirir. Ənənəvi enerji idarəetmə sistemi (EMS), SCADA əsaslı nəzarət və qayda əsaslı avtomatlaşdırma hələ də kritik funksiyalara malikdir; lakin mənbə tədqiqat vurğulayır ki, yalnız mərkəzləşdirilmiş və əvvəlcədən müəyyən edilmiş idarəetmə məntiqi çox sayda heterogen enerji aktivini miqyaslana bilən şəkildə idarə etməkdə getdikcə çətinlik çəkə bilər.

Süni intellekt komponentlərinin hər biri fərqli problemi həll edir

Tədqiqat avtonom enerji sistemlərinə töhfə verən texnologiyaları bir-birini əvəz edən həllər kimi deyil, bir-birini tamamlayan komponentlər kimi qiymətləndirir. Ənənəvi maşın öyrənməsi yük proqnozlaşdırılması, bərpa olunan enerji istehsalının proqnozlaşdırılması, anomaliyaların aşkarlanması, dayanıqlılığın qiymətləndirilməsi və vəziyyət monitorinqi kimi tapşırıqlarda güclüdür. Lakin bu modellər əsasən proqnoz və ya təsnifat yaradır; təhlükəsiz qapalı dövrə idarəetməni öz-özünə təmin etmir.

Gücləndirici öyrənmə bir hərəkətin sonrakı sistem vəziyyətlərinə də təsir etdiyi ardıcıl qərar problemlərində daha irəli rol oynaya bilər. Saxlama idarəetməsi, mikroşəbəkə enerji idarəetməsi, tələb tərəfinin iştirakı və şəbəkənin yenidən konfiqurasiyası buna nümunədir. Buna baxmayaraq, təhlükəsiz kəşf, mükafat funksiyasının dizaynı, təlim sabitliyi, real vaxtda tətbiq oluna bilmə və fiziki sərhədlərin qorunması mühüm problemlərdir.

Çoxagentli sistemlər isə elektrik şəbəkəsinin paylanmış quruluşuna daha təbii uyğunlaşır. Bir agent batareyanı, başqa bir agent mikroşəbəkəni, paylanmış istehsal mənbəyini, elektrik nəqliyyat vasitəsini və ya bazar iştirakçısını təmsil edə bilər. Lakin çox böyük agent icmalarında rabitə yükü, qeyri-sabit öyrənmə, yerli və sistem miqyaslı hədəflərin toqquşması və miqyaslana bilmə yeni problemlər yaradır.

Generativ süni intellekt və agentic AI bu memarlıqda niyə fərqli rollar üzərinə götürür?

Generativ süni intellekt mümkün sistem vəziyyətlərini, qeyri-müəyyənlikləri və sintetik ssenariləri yaradarkən, agentic AI bu məlumatları mövcud şəbəkə vəziyyəti ilə birləşdirərək məqsədyönlü namizəd qərarlar yaradır. Başqa sözlə, generativ təbəqə əsasən “nələr baş verə bilər?” sualının informasiya sahəsini genişləndirərkən, agentic təbəqə “bu şəraitdə hansı koordinasiyalı hərəkət təklif edilməlidir?” sualına cavab axtarır; onların heç birinin çıxışı fiziki doğrulama aparılmadan birbaşa şəbəkəyə tətbiq edilmir.

Generativ süni intellektin ssenari intellekti rolu

Enerji sistemlərində kritik hadisələrin mühüm hissəsi tarixi məlumat dəstlərində az sayda təmsil olunur. Böyük kəsintilər, zəncirvari nasazlıqlar, qara başlanğıc şərtləri, qeyri-adi hava hadisələri və ya qeyri-adi şəbəkə topologiyaları buna nümunədir. Buna görə yalnız keçmiş məlumatlarla təlim verilmiş modellər əməliyyat baxımından ən kritik ola biləcək bəzi şərtləri kifayət qədər görməyə bilər.

Generativ modellər sintetik vəziyyətlər və alternativ gələcək trayektoriyaları yaradaraq bu boşluğu azalda bilər. Mənbə tədqiqat bu funksiyanı xüsusilə sintetik məlumat yaratma, ehtimallı proqnozlaşdırma, ssenari qrupları, nadir hadisə simulyasiyası və stress sınağı kontekstində qiymətləndirir. Lakin statistik baxımdan real görünən sintetik ssenarinin elektrik sisteminin fiziki qanunlarına uyğun olmasına zəmanət yoxdur. Buna görə yaradılan ssenarilər güc balansı, gərginlik sərhədləri, tezlik dayanıqlılığı, istilik yüklənməsi, kommutasiyanın tətbiq oluna bilməsi və mühafizə koordinasiyası baxımından ayrıca doğrulanmalıdır.

Agentic AI-nin məhdudlaşdırılmış qərar rolu

Tədqiqatda agentic AI yalnız bir-birindən müstəqil işləyən çoxlu sayda idarəetmə agentinin başqa adı deyil. Agentic yanaşma sistem vəziyyətinin qavranmasını, kontekstin şərhini, hədəflərin qiymətləndirilməsini, alternativlərin planlaşdırılmasını, alət və ya model istifadəsini, digər agentlərlə koordinasiyanı və namizəd hərəkətlərin yaradılmasını vahid qərar dövrəsində birləşdirir.

Paylanmış enerji mənbəyi agenti yerli istehsal və istehlakı qiymətləndirə bilər; saxlama agenti batareyanın doldurulma vəziyyətini və gələcək ehtiyacı nəzərə ala bilər; mikroşəbəkə koordinatoru bir neçə yerli agentin qərarlarını birləşdirə bilər; daha yuxarı səviyyəli nəzarət təbəqəsi isə bu yerli qərarların regional və ya şəbəkə miqyaslı təhlükəsizlik sərhədlərinə uyğun olub-olmadığını qiymətləndirə bilər.

Rəqəmsal əkizlər niyə kritikdir?

Rəqəmsal əkiz fiziki enerji sisteminin müvafiq davranışlarını idarə olunan virtual mühitdə təmsil edərək təlim, doğrulama və stress sınağı aparmağa imkan verən infrastrukturdur. Mənbə tədqiqatda rəqəmsal əkizlər yalnız vizuallaşdırma və ya adi simulyasiya vasitələri kimi deyil, avtonomiyanın təhlükəsiz şəkildə sınaqdan keçirilməsini təmin edən doğrulama infrastrukturları kimi nəzərdən keçirilir.

Real elektrik şəbəkəsində süni intellekt agentinin təhlükəli vəziyyətləri sınaq-səhv yolu ilə öyrənməsinə icazə verilə bilməz. Rəqəmsal əkiz mühiti nadir nasazlıqların, rabitə gecikmələrinin, sensor səs-küyünün, səhv məlumatların və müxtəlif şəbəkə şəraitinin idarə olunan şəkildə tətbiqinə imkan verir. Bununla belə, rəqəmsal əkizin real sistemi nə dərəcədə düzgün təmsil etməsi həlledicidir. Simulyasiyada görünməyən rabitə gecikməsi, cihaz qeyri-xəttiliyi və ya zamanlama təsiri real sahədə uğursuzluğa səbəb ola bilər. Bu problem simulyasiyadan reallığa ötürmənin, yəni sim-to-real transfer probleminin mərkəzindədir.

Otonom Enerji Sistemləri üçün dördqatlı qərar memarlığı

Fiziki uyğunluğun doğrulanması niyə ayrıca təbəqə olmalıdır?

Generativ və ya öyrənilmiş model tərəfindən təklif olunan vəziyyət statistik baxımdan mümkün görünsə də, elektrik mühəndisliyi baxımından etibarsız ola bilər. Məsələn, enerji balansı təmin olunmaya bilər, xətt istilik sərhədini aşa bilər və ya təklif olunan kommutasiya mühafizə koordinasiyası ilə ziddiyyət təşkil edə bilər. Mənbə tədqiqat buna görə süni intellekt çıxışlarının fiziki doğrulanmasını memarlığın köməkçi xüsusiyyəti deyil, əsas təhlükəsizlik baryerlərindən biri kimi yerləşdirir.

Doğrulamanın yalnız sonradan tətbiq edilən filtr olması da kifayət hesab edilmir. Fizika məlumatlı itki funksiyaları, məhdudiyyət məlumatlı təlim, təhlükəsizlik təbəqələri və ya fizika məlumatlı neyron şəbəkələri kimi üsullarla fiziki sərhədlərin öyrənmə prosesinə daxil edilməsi; daha sonra isə namizəd hərəkətlərin müstəqil nəzarət mexanizmləri tərəfindən sınanması təklif olunur.

İnsan nəzarəti və mövcud enerji infrastrukturları aradan qaldırılmır

Təklif olunan sistem süni intellektin SCADA, EMS və DMS kimi oturuşmuş əməliyyat infrastrukturlarını birdən-birə əvəz etdiyi model deyil. Əksinə, bu sistemlərin avtonom qərar təbəqələri ilə birlikdə işləməsi, qərarların qeydə alınması, lazım olduqda insan operator tərəfindən ləğv edilə bilməsi və sistemin əvvəlki təhlükəsiz iş rejiminə qaytarıla bilməsi memarlığın mühüm hissələridir.

Mühafizə releləri, açar kilidləmələri, fövqəladə yük atma məntiqi və oxşar kritik mühafizə mexanizmlərinin də süni intellekt agentlərinin ixtiyarına buraxılmaması xüsusi vurğulanır. Bu mexanizmlər lazım gəldikdə süni intellekti dövrədən çıxararaq fiziki sistemi birbaşa qoruya bilməlidir.

Tədqiqatın Metodu və Nəticələri

Tədqiqatın elmi metodu

Bu tədqiqat eksperiment, sahə sınağı və ya tək bir maşın öyrənməsi modelinin performans qiymətləndirilməsi deyil. Müəllif ədəbiyyatdan tematik və çərçivə yönümlü konseptual sintez üçün istifadə edir. Mənbə özünü sırf biblioqrafik icmal kimi də təqdim etmir. Məqsəd mövcud tədqiqatları tam şəkildə kataloqlaşdırmaq əvəzinə avtonom enerji sistemləri üçün zəruri texnoloji tikinti bloklarını müəyyənləşdirmək, onların sərhədlərini göstərmək, aralarındakı əlaqələri memarlıq səviyyəsində təşkil etmək və açıq tədqiqat problemlərini ortaya qoymaqdır.

Çərçivə qismən üst-üstə düşən altı tədqiqat sahəsindən qidalanır:

1. Elektrik sisteminin istismarı, proqnozlaşdırma və anomaliya aşkarlanması üçün maşın öyrənməsi.
2. Sintetik məlumat, ehtimallı proqnozlaşdırma və ssenari modelləşdirməsi üçün generativ süni intellekt.
3. Adaptiv enerji idarəetməsi üçün gücləndirici öyrənmə.
4. Paylanmış koordinasiya üçün çoxagentli sistemlər və çoxagentli gücləndirici öyrənmə.
5. Simulyasiya, doğrulama və təlim üçün rəqəmsal əkizlər.
6. Blokçeyn dəstəkli enerji ticarəti daxil olmaqla paylanmış bazar və əməliyyat infrastrukturları.

Mənbə tədqiqatın əsas metodoloji məhdudiyyəti bu ədəbiyyat sintezinin sistematik və tam axtarış protokolu kimi hazırlanmayıb olmasıdır. Buna görə tədqiqat müəyyən texnologiyaların üstünlüyünü kəmiyyət meta-analizi ilə sübut etmir; parçalanmış tədqiqat sahələrini ortaq sistem memarlığında yerləşdirir.

Dörd əsas funksional təbəqə

Qərar dövrəsi necə işləyir?

Mənbə memarlıq qərar prosesini qapalı dövrəli struktur kimi izah edir. Əvvəlcə fiziki sistem sensorlar, telemetriya, bazar siqnalları, texniki xidmət məlumatları və hava məlumatı mənbələri vasitəsilə müşahidə olunur. Bu məlumatlar koordinasiya və idarəetmə təbəqəsində birləşdirilir və sistem vəziyyəti formalaşdırılır.

İkinci mərhələdə generativ süni intellekt gələcəyə dair ehtimallı ssenarilər və ya nadir hadisə nümunələri yaradır, agentic təbəqə isə mövcud vəziyyəti və əməliyyat hədəflərini qiymətləndirir. Generativ modelin çıxışı burada idarəetmə əmri deyil; qərar verənin nəzərə ala biləcəyi mümkün gələcək şəraitlərin dairəsini genişləndirən informasiya girişidir.

Üçüncü mərhələdə agentlər mövcud sistem vəziyyətini, ssenari məlumatını, yerli hədəfləri və digər agentlərdən gələn koordinasiya siqnallarını birləşdirərək namizəd hərəkətlər yaradır. Bunlar saxlamanın paylanması, kommutasiya təklifləri, bərpa ardıcıllığı, bazar təklifləri və ya tələb tərəfi hərəkətləri ola bilər.

Dördüncü mərhələdə namizəd qərarlar koordinasiya və idarəetmə təbəqəsinə geri göndərilir. Fiziki məhdudiyyətlər, sistem miqyaslı idarəetmə qaydaları və nəzarət mexanizmləri burada tətbiq olunur. Yalnız bu doğrulamadan keçən hərəkətlər fiziki enerji təbəqəsinə ötürülür. Tətbiqin nəticəsi yenidən sensorlardan ölçülür və dövrə davam edir.

Generativ süni intellektin əsas istifadə sahələri

Agentic AI-nin əməliyyat qərar dövrəsi

Agentic AI üçün təklif olunan qərar məntiqində agent əvvəlcə fiziki və rəqəmsal mənbələrdən gələn məlumatları qavrayır. Sonra sistem vəziyyətini yerli hədəflər və təhlükəsizlik şərtləri kontekstində şərh edir. Planlaşdırma mərhələsində müxtəlif hərəkət seçimlərini müqayisə edir; lazım olduqda qonşu agentlərlə və ya daha yüksək səviyyəli koordinatorlarla məlumat mübadiləsi aparır. Nəticədə birbaşa tətbiq edilmiş əmr əvəzinə doğrulama təbəqəsinə göndəriləcək namizəd hərəkət yaradır.

Miqyaslana bilmə baxımından tədqiqat bildirir ki, milyonlarla paylanmış aktivin olduğu enerji sistemində hər agentin bütün digər agentlərlə eyni səviyyədə rabitə qurduğu düz topologiya real deyil. Bunun əvəzinə yerli agentlərin mikroşəbəkə və ya regional koordinatorlarla bağlandığı iyerarxik strukturlar, seyrək koordinasiya qrafları və yalnız zəruri hallarda rabitə quran hadisə-tetiklənən kommunikasiya mexanizmləri tədqiq edilməli istiqamətlər sırasındadır.

Təmsili tətbiq 1: Özünü bərpa edən elektrik şəbəkələri

Özünü bərpa edən şəbəkə iş axınında girişlər nasazlıq siqnallarını, açar vəziyyətlərini, xətt və fider ölçmələrini, şin gərginliklərini, cərəyan axınlarını, topologiya məlumatını, paylanmış enerji mənbəyinin əlçatanlığını, saxlama vəziyyətini və lazım olduqda hava və ya pozuntu kontekstini əhatə edə bilər.

Generativ süni intellekt, xüsusilə məlumat natamam olduqda və ya nadir nasazlıq şəraitində mümkün nasazlıq inkişaflarını və bərpa ssenarilərini yaradır. Yerli şəbəkə, kommutasiya və paylanmış enerji mənbəyi agentləri bu ssenarilərdən istifadə edərək nasazlığın təcrid olunmasını, fiderlərin yenidən konfiqurasiyasını, müvəqqəti yük ötürülməsini və DER dəstəkli bərpa variantlarını qiymətləndirirlər.

Lakin təklif olunan sistem bütün açarların süni intellekt tərəfindən nəzarətsiz şəkildə açılıb-bağlanmasını nəzərdə tutmur. Gərginlik və tezlik sərhədləri, fider tutumu, istilik yükü, kommutasiyanın tətbiq oluna bilməsi, mühafizə koordinasiyası, mümkün adalanma və yenidən qoşulma şərtləri doğrulanmadan bərpa hərəkəti tətbiq edilməməlidir.

Təmsili tətbiq 2: Avtonom enerji bazarları

Tədqiqatın ikinci mühüm tətbiqi paylanmış enerji bazarlarıdır. Prosumerlərin, saxlama operatorlarının, aqreqatorların, mikroşəbəkələrin və digər yerli aktorların bazar agentləri vasitəsilə təklif verdiyi mühitdə iqtisadi qərarlar fiziki şəbəkə şərtlərindən asılı olmadan nəzərdən keçirilə bilməz.

Agent iqtisadi baxımdan sərfəli enerji mübadiləsi tapsa belə, bu əməliyyat yerli fiderdə həddindən artıq yüklənmə, gərginlik problemi və ya başqa fiziki məhdudiyyət yarada bilər. Buna görə bazar agentləri qiymət, təklif və saxlama vəziyyəti ilə yanaşı şəbəkə tutumunu və yerli sıxlıq siqnallarını da nəzərə almalıdır.

Blokçeyn və ağıllı müqavilələr bu strukturda əməliyyat bütövlüyünü, izlənə bilməni və hesablaşmanı təmin edə bilər; lakin mənbə tədqiqat bunları qərar intellektinin özü kimi görmür. Əsas qərar qabiliyyəti agentic təbəqədə yerləşdiyi halda, blokçeyn daha çox etibarlı əməliyyat və qeyd infrastrukturu funksiyasını yerinə yetirir.

Təmsili tətbiq 3: Rəqəmsal əkiz üzərində təlim və mərhələli yerləşdirmə

Mənbə tədqiqat agentic sistemlərin birbaşa real şəbəkədə təlimi əvəzinə əvvəlcə rəqəmsal əkiz mühitlərində sınaqdan keçirilməsini təklif edir. Generativ süni intellekt tərəfindən yaradılmış normal və nadir ssenarilər rəqəmsal əkizə tətbiq oluna bilər; agentlərin qərarları fiziki sərhədlər və nəzarət mexanizmləri altında qiymətləndirilə bilər.

Uğurlu simulyasiya nəticəsi təkbaşına sahə istifadəsinə keçmək üçün kifayət deyil. Rəqəmsal əkizlə real sistem arasındakı model fərqləri, rabitə gecikmələri, sensor səs-küyü, korlanmış məlumat, asinxron yeniləmələr və cihaz dinamikası nəzərə alınmalıdır. Mənbə buna görə sim-to-real ötürülməsini ikinci dərəcəli mühəndislik detalı deyil, avtonom enerji sistemlərinin əsas tədqiqat maneələrindən biri kimi qiymətləndirir.

Avtonom enerji sistemlərində “avtonomiya” niyə məhdudiyyətsiz deyil?

Enerji infrastrukturu təhlükəsizlik baxımından kritik olduğuna görə tədqiqat etibarlı avtonomiyanı süni intellektin bütün qərarları təkbaşına verdiyi məhdudiyyətsiz idarəetmə forması kimi deyil; əvvəlcədən doğrulanmış hərəkət sinifləri, fiziki təhlükəsizlik sərhədləri, insan nəzarəti, geri qaytarma mexanizmləri və süni intellektdən müstəqil fail-safe mühafizələr daxilində işləyən şərti avtonomiya forması kimi müəyyən edir.

Açıq texniki və idarəetmə problemləri

Üçmərhələli tədqiqat və yerləşdirmə yol xəritəsi

Bu yol xəritəsinin əsas xüsusiyyəti avtonomiyanın bir anda baş verəcək tək bir texnoloji sıçrayış kimi görülməməsidir. Yaxın dövrdə süni intellektin əsasən operatoru dəstəkləməsi; orta dövrdə açıq şəkildə məhdudlaşdırılmış aşağı riskli hərəkətlərin nəzarət altında avtomatlaşdırılması; daha uzun dövrdə isə yalnız kifayət qədər doğrulama sübutu olan sahələrdə daha geniş, lakin yenə şərti avtonomiyaya keçilməsi nəzərdə tutulur.

Buna görə tədqiqatın araşdırma gündəliyi yalnız daha yüksək süni intellekt performansına yönəlmir. Güc sistemi mühəndisliyi, idarəetmə nəzəriyyəsi, kibertəhlükəsizlik, rabitə infrastrukturu, rəqəmsal əkiz texnologiyaları, enerji iqtisadiyyatı, bazar dizaynı, tənzimləmə və insan-maşın qarşılıqlı əlaqəsi birlikdə inkişaf etdirilməlidir.

Tədqiqatın ümumi elmi nəticəsi

Mənbə tədqiqatın ən mühüm konseptual töhfəsi “avtonom enerji sistemi” anlayışını tək bir süni intellekt alqoritmi ilə eyniləşdirməməsidir. Avtonomiya proqnozlaşdırma, ssenari yaradılması, paylanmış mühakimə, fiziki doğrulama, rəqəmsal əkiz əsaslı sınaq, mövcud idarəetmə infrastrukturları, insan nəzarəti və fail-safe mexanizmlərinin birlikdə işlədiyi təbəqəli kiber-fiziki memarlığın nəticəsi kimi nəzərdən keçirilir.

Bu baxımdan generativ süni intellekt gələcəkdə qarşılaşa biləcək şəraitlərin müxtəlifliyini genişləndirir; agentic AI bu şəraitdə koordinasiyalı namizəd qərarlar yaradır; rəqəmsal əkizlər bu qərarların təhlükəsiz şəkildə sınanmasını təmin edir; fiziki və nəzarət təbəqələri isə hansı qərarların həqiqətən tətbiq edilə biləcəyini müəyyən edir. Mənbə tədqiqata görə gələcəyin enerji avtonomiyası süni intellektə məhdudiyyətsiz səlahiyyət vermək deyil; süni intellekt qabiliyyətini etibarlı mühəndislik sərhədləri daxilində yerləşdirməkdir.

Mənbə və Metod Qeydi

Orijinal tədqiqatın başlığı: Agentic and Generative AI for Autonomous Energy Systems: Reference Architecture, Open Challenges, and Research Agenda

Müəllif: Nikolay Hinov

Qurumlar: CoE “National Center of Mechatronics and Clean Technologies”, Sofiya, Bolqarıstan; Department of Computer Systems, Faculty of Computer Systems and Technologies, Technical University of Sofia, Sofiya, Bolqarıstan.

Jurnal: AI

Nəşriyyat: MDPI, Basel, Switzerland

Biblioqrafik qeyd: AI 2026, 7, 176

DOI: 10.3390/ai7050176

Göndərilmə tarixi: 14 mart 2026

Reviziya tarixi: 8 may 2026

Qəbul tarixi: 18 may 2026

Nəşr tarixi: 20 may 2026

Mənbə növü: Review. Tədqiqat eksperimental sahə doğrulaması və ya sistematik meta-analiz deyil; ədəbiyyatdan seçici və çərçivə yönümlü şəkildə istifadə edərək istinad memarlığı, açıq texniki problemlər və tədqiqat yol xəritəsi hazırlayır.

Lisenziya: Mənbə məqalə Creative Commons Attribution (CC BY) lisenziyası altında açıq girişlə yayımlanıb. Bu Verianla mətni mənbə məqalənin mexaniki tərcüməsi və ya paraqraf-paraqraf yenidən yazılması deyil; elmi məzmun mənbə ilə məhdudlaşdırılaraq müstəqil türkcə izah strukturu daxilində yenidən yaradılıb. HTML daxilindəki elmi sxem də mənbə vizualının raster surəti və ya stil transferi deyil.

Maliyyələşdirmə: Tədqiqat “Research, Innovation and Digitalisation for Smart Transformation 2021–2027” Əməliyyat Proqramı çərçivəsində NoBG16RFPR002-1.014-0006 nömrəli “National center of excellence for mechatronics and clean technologies” layihəsi tərəfindən dəstəklənib. Məqalə emalı haqqının da eyni layihə tərəfindən ödənildiyi bildirilir.

Etika komitəsi və məlumatlandırılmış razılıq: Mənbə məqalədə hər ikisi “tətbiq olunmur” kimi bildirilib.

Məlumatların əlçatanlığı: Tədqiqatın orijinal töhfələrinin məqalədə yer aldığı, əlavə sualların müəllifə yönəldilə biləcəyi bildirilir.

Maraqların toqquşması: Müəllif maraqların toqquşmasının olmadığını bildirib.

Əsas metodoloji məhdudiyyət: Mənbə avtonom enerji sistemi memarlığının real milli və ya regional şəbəkədə başdan sona tətbiq olunaraq uğurla doğrulandığını göstərmir. Tədqiqatın töhfəsi alqoritmik performans müqayisəsindən daha çox texnoloji komponentləri ortaq istinad memarlığına yerləşdirməsi və araşdırılmalı olan təhlükəsizlik, miqyaslana bilmə, kibertəhlükəsizlik, sim-to-real ötürülməsi, qarşılıqlı işləyə bilmə, bazar dizaynı və idarəetmə problemlərini sistematik memarlıq kontekstində bir araya gətirməsidir.