Otonom Enerji Sistemleri (Autonomous Energy Systems), üretken yapay zekâ, etmenli yapay zekâ (agentic AI), dijital ikizler ve dağıtık siber-fiziksel enerji altyapılarını sınırlandırılmış ve denetlenebilir bir karar yapısı içinde birleştirmeyi amaçlayan bir sistem mimarisi yaklaşımıdır. Nikolay Hinov tarafından geliştirilen çalışma, modern elektrik sistemlerinde tahmin, kontrol, simülasyon ve enerji piyasası koordinasyonunu birbirinden bağımsız araştırma alanları olarak ele almak yerine ortak bir referans mimaride düzenlemektedir. Çalışma deneysel bir saha testi sunmamakta; mevcut araştırma alanlarını tematik olarak sentezlemekte, bunların sistem içindeki işlevlerini ayırmakta ve gelecekte daha yüksek düzeyde otonomiye geçiş için teknik bir araştırma gündemi önermektedir.

Önerilen mimaride üretken yapay zekânın temel görevi elektrik şebekesini doğrudan kontrol etmek değildir. Üretken modeller; sentetik veri oluşturma, olasılıksal tahmin, nadir olay senaryoları üretme, belirsizlikleri temsil etme ve dayanıklılık stres testlerini destekleme amacıyla bir senaryo zekâsı katmanı olarak konumlandırılmaktadır. Agentic AI ise algılama, bağlamsal akıl yürütme, çok adımlı planlama, diğer ajanlarla koordinasyon ve aday kontrol eylemleri üretme görevlerini üstlenen sınırlandırılmış karar katmanı olarak tanımlanmaktadır. Ancak bu aday kararların fiziksel sisteme uygulanabilmesi için gerilim, frekans, termal yük, anahtarlama uygulanabilirliği ve koruma koordinasyonu gibi enerji sistemi kısıtlarından geçmesi gerekir.

Çalışmanın temel sonucu, geleceğin otonom enerji altyapısının tek bir yapay zekâ modeliyle kurulamayacağıdır. Makine öğrenmesi tahmin ve durum farkındalığı sağlar; üretken yapay zekâ olası gelecekleri ve nadir koşulları üretir; pekiştirmeli öğrenme uyarlanabilir kontrolü destekler; çok etmenli yapılar dağıtık koordinasyonu mümkün kılar; dijital ikizler güvenli eğitim ve doğrulama ortamı oluşturur; geleneksel SCADA, EMS ve DMS altyapıları ise denetim ve operasyonel güvenliğin önemli bir parçası olmaya devam eder. Çalışmanın önemli yorum sınırı da burada ortaya çıkmaktadır: önerilen yapı, tam ve sınırsız yapay zekâ kontrolünün bugün uygulanabilir olduğunu göstermemekte; aşamalı, doğrulanmış, geri alınabilir ve insan denetimli bir otonomi yolunu tarif etmektedir.

Modern enerji sistemlerinde neden yeni bir mimariye ihtiyaç duyuluyor?

Elektrik sistemleri giderek daha fazla yenilenebilir enerji kaynağı, dağıtık enerji kaynağı, batarya depolama sistemi, elektrikli araç, mikroşebeke ve esnek tüketici yükü içermektedir. Bunun sonucunda enerji akışı yalnız büyük santrallerden tüketiciye doğru ilerleyen tek yönlü bir yapı olmaktan çıkmakta; üretim, depolama ve tüketimin farklı noktalarda sürekli değiştiği dağıtık bir siber-fiziksel sisteme dönüşmektedir.

Güneş ve rüzgâr üretimindeki değişkenlik, talebin kısa zaman ölçeklerinde değişmesi, çift yönlü güç akışları, piyasa koşulları ve aşırı hava olayları gibi unsurlar merkezi kontrol sistemlerinin yönetmesi gereken durum uzayını büyütmektedir. Geleneksel enerji yönetim sistemi (EMS), SCADA tabanlı denetim ve kural tabanlı otomasyon hâlâ kritik işlevlere sahiptir; ancak kaynak çalışma, yalnız merkezi ve önceden tanımlanmış kontrol mantığının yüksek sayıda heterojen enerji varlığını ölçeklenebilir biçimde yönetmekte giderek zorlanabileceğini vurgulamaktadır.

Yapay zekâ bileşenlerinin her biri farklı bir sorunu çözüyor

Çalışma, otonom enerji sistemlerine katkıda bulunan teknolojileri birbirinin yerine geçen çözümler olarak değil, birbirini tamamlayan bileşenler olarak değerlendirmektedir. Geleneksel makine öğrenmesi yük tahmini, yenilenebilir üretim tahmini, anomali belirleme, kararlılık değerlendirmesi ve durum izleme gibi görevlerde güçlüdür. Ancak bu modeller çoğunlukla bir tahmin veya sınıflandırma üretir; güvenli kapalı çevrim kontrolü kendiliğinden sağlamaz.

Pekiştirmeli öğrenme, bir eylemin sonraki sistem durumlarını da etkilediği ardışık karar problemlerinde daha ileri bir rol üstlenebilir. Depolama yönetimi, mikroşebeke enerji yönetimi, talep tarafı katılımı ve şebeke yeniden yapılandırması bunun örnekleridir. Buna rağmen güvenli keşif, ödül fonksiyonunun tasarımı, eğitim kararlılığı, gerçek zamanlı uygulanabilirlik ve fiziksel sınırların korunması önemli problemlerdir.

Çok etmenli sistemler ise elektrik şebekesinin dağıtık yapısına daha doğal biçimde uyum sağlar. Bir ajan bir bataryayı, başka bir ajan bir mikroşebekeyi, dağıtık üretim kaynağını, elektrikli aracı veya piyasa katılımcısını temsil edebilir. Ancak çok büyük ajan topluluklarında iletişim yükü, kararsız öğrenme, yerel ve sistem genelindeki hedeflerin çatışması ve ölçeklenebilirlik yeni sorunlar oluşturur.

Üretken yapay zekâ ile agentic AI bu mimaride neden farklı roller üstleniyor?

Üretken yapay zekâ olası sistem durumlarını, belirsizlikleri ve sentetik senaryoları üretirken; agentic AI bu bilgiler ile mevcut şebeke durumunu birleştirerek hedefe yönelik aday kararlar üretir. Başka bir ifadeyle üretken katman ağırlıklı olarak “neler olabilir?” sorusunun bilgi alanını genişletirken, agentic katman “bu koşullarda hangi koordineli eylem önerilmeli?” sorusuna yanıt arar; hiçbirinin çıktısı fiziksel doğrulama yapılmadan doğrudan şebekeye uygulanmaz.

Üretken yapay zekânın senaryo zekâsı rolü

Enerji sistemlerinde kritik olayların önemli bir bölümü tarihsel veri kümelerinde az sayıda temsil edilir. Büyük kesintiler, zincirleme arızalar, siyah başlangıç koşulları, olağandışı hava olayları veya sıra dışı şebeke topolojileri buna örnektir. Bu nedenle yalnız geçmiş verilerle eğitilen modeller, operasyon açısından en kritik olabilecek bazı koşulları yeterince görmeyebilir.

Üretken modeller bu boşluğu sentetik durumlar ve alternatif gelecek yörüngeleri oluşturarak azaltabilir. Kaynak çalışma bu işlevi özellikle sentetik veri oluşturma, olasılıksal tahmin, senaryo kümeleri, nadir olay simülasyonu ve stres testi bağlamında değerlendirmektedir. Ancak istatistiksel olarak gerçekçi görünen sentetik bir senaryonun elektrik sisteminin fiziksel yasalarına uygun olması garanti değildir. Bu nedenle üretilen senaryoların güç dengesi, gerilim sınırları, frekans kararlılığı, termal yüklenme, anahtarlama uygulanabilirliği ve koruma koordinasyonu açısından ayrıca doğrulanması gerekir.

Agentic AI'ın sınırlandırılmış karar rolü

Çalışmada agentic AI, yalnız birbirinden bağımsız çalışan çok sayıda kontrol ajanının başka bir adı değildir. Agentic yaklaşım; sistem durumunun algılanmasını, bağlamın yorumlanmasını, hedeflerin değerlendirilmesini, alternatiflerin planlanmasını, araç veya model kullanımını, diğer ajanlarla koordinasyonu ve aday eylem üretimini ortak bir karar döngüsünde birleştirmektedir.

Bir dağıtık enerji kaynağı ajanı yerel üretim ve tüketimi değerlendirebilir; bir depolama ajanı bataryanın şarj durumunu ve gelecekteki ihtiyacı dikkate alabilir; bir mikroşebeke koordinatörü birden fazla yerel ajanın kararlarını bir araya getirebilir; daha üst düzey bir denetim katmanı ise bu yerel kararların bölgesel veya şebeke genelindeki güvenlik sınırlarıyla uyumlu olup olmadığını değerlendirebilir.

Dijital ikizler neden kritik?

Dijital ikiz, fiziksel enerji sisteminin ilgili davranışlarını kontrollü bir sanal ortamda temsil ederek eğitim, doğrulama ve stres testi yapılmasına olanak sağlayan bir altyapıdır. Kaynak çalışmada dijital ikizler yalnız görselleştirme veya sıradan simülasyon araçları olarak değil, otonominin güvenli biçimde sınanmasını sağlayan doğrulama altyapıları olarak ele alınmaktadır.

Gerçek elektrik şebekesinde bir yapay zekâ ajanının tehlikeli durumları deneme-yanılma yoluyla öğrenmesine izin verilemez. Dijital ikiz ortamı, nadir arızaların, iletişim gecikmelerinin, sensör gürültüsünün, hatalı verilerin ve farklı şebeke koşullarının kontrollü biçimde uygulanmasına imkân verir. Bununla birlikte dijital ikizin gerçek sistemi ne kadar doğru temsil ettiği belirleyicidir. Simülasyonda görülmeyen iletişim gecikmesi, cihaz doğrusal olmayanlığı veya zamanlama etkisi gerçek sahada başarısızlığa yol açabilir. Bu problem simülasyondan gerçeğe aktarım, yani sim-to-real transfer sorununun merkezindedir.

Otonom Enerji Sistemleri için dört katmanlı karar mimarisi

Fiziksel tutarlılık doğrulaması neden ayrı bir katman olmalı?

Üretken veya öğrenilmiş bir model tarafından önerilen bir durum, istatistiksel açıdan olası görünmesine rağmen elektrik mühendisliği açısından geçersiz olabilir. Örneğin enerji dengesi sağlanmayabilir, bir hat termal sınırını aşabilir veya önerilen anahtarlama koruma koordinasyonuyla çelişebilir. Kaynak çalışma bu nedenle yapay zekâ çıktılarının fiziksel doğrulamasını mimarinin yardımcı bir özelliği değil, temel güvenlik bariyerlerinden biri olarak konumlandırmaktadır.

Doğrulamanın yalnız sonradan yapılan bir filtre olması da yeterli görülmemektedir. Fizik bilgili kayıp fonksiyonları, kısıt farkındalıklı eğitim, güvenlik katmanları veya fizik bilgili sinir ağları gibi yöntemlerle fiziksel sınırların öğrenme sürecinin içine alınması; daha sonra da aday eylemlerin bağımsız denetim mekanizmaları tarafından sınanması önerilmektedir.

İnsan denetimi ve mevcut enerji altyapıları ortadan kaldırılmıyor

Önerilen sistem, yapay zekânın SCADA, EMS ve DMS gibi yerleşik operasyon altyapılarının yerine aniden geçtiği bir model değildir. Aksine bu sistemlerin otonom karar katmanlarıyla birlikte çalışması, kararların kaydedilmesi, gerektiğinde insan operatör tarafından geçersiz kılınabilmesi ve sistemin önceki güvenli çalışma moduna döndürülebilmesi mimarinin önemli parçalarıdır.

Koruma röleleri, kesici kilitlemeleri, acil yük atma mantığı ve benzeri kritik koruma mekanizmalarının da yapay zekâ ajanlarının takdirine bırakılmaması gerektiği özellikle vurgulanmaktadır. Bu mekanizmalar gerektiğinde yapay zekâyı devre dışı bırakarak fiziksel sistemi doğrudan koruyabilmelidir.

Çalışmanın Yöntemi ve Bulguları

Çalışmanın bilimsel yöntemi

Bu çalışma deney, saha denemesi veya tek bir makine öğrenmesi modelinin performans değerlendirmesi değildir. Yazar, literatürü tematik ve çerçeve odaklı bir kavramsal sentez için kullanmaktadır. Kaynak, kendisini salt bibliyografik bir derleme olarak da tanımlamamaktadır. Amaç mevcut araştırmaları eksiksiz kataloglamak yerine otonom enerji sistemleri için gerekli teknolojik yapı taşlarını belirlemek, bunların sınırlarını göstermek, aralarındaki ilişkileri mimari düzeyde düzenlemek ve açık araştırma problemlerini ortaya koymaktır.

Çerçeve altı kısmen örtüşen araştırma alanından beslenmektedir:

1. Elektrik sistemi işletimi, tahmin ve anomali belirleme için makine öğrenmesi.
2. Sentetik veri, olasılıksal tahmin ve senaryo modelleme için üretken yapay zekâ.
3. Uyarlanabilir enerji kontrolü için pekiştirmeli öğrenme.
4. Dağıtık koordinasyon için çok etmenli sistemler ve çok etmenli pekiştirmeli öğrenme.
5. Simülasyon, doğrulama ve eğitim için dijital ikizler.
6. Blokzincir destekli enerji ticareti dahil dağıtık piyasa ve işlem altyapıları.

Kaynak çalışmanın temel yöntemsel sınırlılığı, bu literatür sentezinin sistematik ve eksiksiz bir tarama protokolü olarak tasarlanmamış olmasıdır. Dolayısıyla çalışma belirli teknolojilerin üstünlüğünü nicel bir meta-analizle kanıtlamamakta; parçalı araştırma alanlarını ortak bir sistem mimarisinde konumlandırmaktadır.

Dört temel işlevsel katman

Karar döngüsü nasıl işliyor?

Kaynak mimari karar sürecini kapalı çevrimli bir yapı olarak açıklamaktadır. İlk olarak fiziksel sistem sensörler, telemetri, piyasa sinyalleri, bakım verileri ve hava durumu kaynakları üzerinden gözlenir. Bu veriler koordinasyon ve kontrol katmanında bir araya getirilir ve sistem durumu oluşturulur.

İkinci aşamada üretken yapay zekâ geleceğe ilişkin olasılıksal senaryolar veya nadir olay örnekleri oluştururken agentic katman mevcut durum ve operasyonel hedefleri değerlendirir. Üretken modelin çıktısı burada bir kontrol komutu değildir; karar vericinin dikkate alabileceği olası gelecek koşullarını genişleten bilgi girdisidir.

Üçüncü aşamada ajanlar mevcut sistem durumu, senaryo bilgisi, yerel hedefler ve diğer ajanlardan gelen koordinasyon sinyallerini birleştirerek aday eylemler oluşturur. Bunlar depolama dağıtımı, anahtarlama önerileri, restorasyon sırası, piyasa teklifleri veya talep tarafı eylemleri olabilir.

Dördüncü aşamada aday kararlar koordinasyon ve kontrol katmanına geri gönderilir. Fiziksel kısıtlar, sistem genelindeki kontrol kuralları ve denetim mekanizmaları burada uygulanır. Yalnız bu doğrulamadan geçen eylemler fiziksel enerji katmanına aktarılır. Uygulamanın sonucu yeniden sensörlerden ölçülerek döngü devam eder.

Üretken yapay zekânın temel kullanım alanları

Agentic AI'ın operasyonel karar döngüsü

Agentic AI için önerilen karar mantığında ajan önce fiziksel ve dijital kaynaklardan gelen bilgileri algılar. Ardından sistem durumunu yerel hedefler ve güvenlik koşulları bağlamında yorumlar. Planlama aşamasında farklı eylem seçeneklerini karşılaştırır; gerekli olduğunda komşu ajanlarla veya üst düzey koordinatörlerle bilgi alışverişi yapar. Sonuçta doğrudan uygulanmış bir komut yerine doğrulama katmanına gönderilecek bir aday eylem üretir.

Ölçeklenebilirlik açısından çalışma, milyonlarca dağıtık varlığın bulunduğu bir enerji sisteminde her ajanın diğer tüm ajanlarla eş düzeyde iletişim kurduğu düz bir topolojinin gerçekçi olmadığını belirtmektedir. Bunun yerine yerel ajanların mikroşebeke veya bölgesel koordinatörlerle bağlandığı hiyerarşik yapılar, seyrek koordinasyon grafikleri ve yalnız gerekli durumlarda haberleşme yapan olay tetiklemeli iletişim mekanizmaları araştırılması gereken yönler arasındadır.

Temsilî uygulama 1: Kendini iyileştiren elektrik şebekeleri

Kendini iyileştiren şebeke iş akışında girişler; arıza alarmları, kesici durumları, hat ve fider ölçümleri, bara gerilimleri, akım akışları, topoloji bilgisi, dağıtık enerji kaynağı kullanılabilirliği, depolama durumu ve gerektiğinde hava veya bozulma bağlamını içerebilir.

Üretken yapay zekâ, özellikle eksik bilgi veya nadir arıza koşullarında olası arıza gelişimlerini ve restorasyon senaryolarını üretir. Yerel şebeke, anahtarlama ve dağıtık enerji kaynağı ajanları bu senaryoları kullanarak arızanın izole edilmesi, fiderlerin yeniden yapılandırılması, geçici yük aktarımı ve DER destekli toparlanma seçeneklerini değerlendirir.

Ancak önerilen sistem tüm kesicilerin yapay zekâ tarafından denetimsiz biçimde açılıp kapatılmasını öngörmemektedir. Gerilim ve frekans sınırları, fider kapasitesi, termal yük, anahtarlama uygulanabilirliği, koruma koordinasyonu, olası adalanma ve yeniden bağlanma koşulları doğrulanmadan restorasyon eylemi uygulanmamalıdır.

Temsilî uygulama 2: Otonom enerji piyasaları

Çalışmanın ikinci önemli uygulaması dağıtık enerji piyasalarıdır. Prosumers, depolama operatörleri, toplayıcılar, mikroşebekeler ve diğer yerel aktörlerin piyasa ajanları aracılığıyla teklif ürettiği bir ortamda ekonomik kararlar fiziksel şebeke koşullarından bağımsız düşünülemez.

Bir ajan ekonomik açıdan kârlı bir enerji alışverişi bulsa bile bu işlem yerel fiderde aşırı yük, gerilim problemi veya başka bir fiziksel kısıt oluşturabilir. Bu nedenle piyasa ajanlarının fiyat, teklif ve depolama durumuna ek olarak şebeke kapasitesi ve yerel sıkışıklık sinyallerini de dikkate alması gerekir.

Blokzincir ve akıllı sözleşmeler bu yapı içinde işlem bütünlüğü, izlenebilirlik ve uzlaştırma sağlayabilir; ancak kaynak çalışma bunları karar zekâsının kendisi olarak görmemektedir. Asıl karar yeteneği agentic katmanda bulunurken, blokzincir daha çok güvenilir işlem ve kayıt altyapısı işlevi görür.

Temsilî uygulama 3: Dijital ikiz üzerinde eğitim ve aşamalı dağıtım

Kaynak çalışma, agentic sistemlerin doğrudan gerçek şebekede eğitilmesi yerine önce dijital ikiz ortamlarında sınanmasını önerir. Üretken yapay zekâ tarafından oluşturulan normal ve nadir senaryolar dijital ikize uygulanabilir; ajanların kararları, fiziksel sınırlar ve denetim mekanizmaları altında değerlendirilebilir.

Başarılı simülasyon sonucu tek başına saha kullanımına geçmek için yeterli değildir. Dijital ikiz ile gerçek sistem arasındaki model farkları, haberleşme gecikmeleri, sensör gürültüsü, bozuk veri, eşzamansız güncellemeler ve cihaz dinamikleri dikkate alınmalıdır. Kaynak bu nedenle sim-to-real aktarımını ikincil bir mühendislik ayrıntısı değil, otonom enerji sistemlerinin başlıca araştırma engellerinden biri olarak değerlendirmektedir.

Otonom enerji sistemlerinde “otonomi” neden sınırsız değildir?

Enerji altyapısı güvenlik açısından kritik olduğundan çalışma, güvenilir otonomiyi yapay zekânın tüm kararları tek başına verdiği sınırsız bir kontrol biçimi olarak değil; önceden doğrulanmış eylem sınıfları, fiziksel güvenlik sınırları, insan denetimi, geri alma mekanizmaları ve yapay zekâdan bağımsız fail-safe korumalar içinde çalışan koşullu bir otonomi biçimi olarak tanımlamaktadır.

Açık teknik ve yönetişim problemleri

Üç aşamalı araştırma ve dağıtım yol haritası

Bu yol haritasının temel özelliği, otonominin bir anda ortaya çıkacak tek bir teknolojik sıçrama olarak görülmemesidir. Yakın dönemde yapay zekânın çoğunlukla operatörü desteklemesi; orta dönemde açıkça sınırlandırılmış düşük riskli eylemlerin denetim altında otomatikleştirilmesi; daha uzun dönemde ise yalnız yeterli doğrulama kanıtı bulunan alanlarda daha geniş fakat yine koşullu otonomiye geçilmesi öngörülmektedir.

Dolayısıyla çalışmanın araştırma gündemi yalnız daha yüksek yapay zekâ performansına odaklanmamaktadır. Güç sistemi mühendisliği, kontrol teorisi, siber güvenlik, iletişim altyapısı, dijital ikiz teknolojileri, enerji ekonomisi, piyasa tasarımı, düzenleme ve insan-makine etkileşiminin birlikte geliştirilmesi gerekmektedir.

Çalışmanın genel bilimsel çıkarımı

Kaynak çalışmanın en önemli kavramsal katkısı, “otonom enerji sistemi” kavramını tek bir yapay zekâ algoritmasıyla eşitlememesidir. Otonomi; tahmin, senaryo üretimi, dağıtık akıl yürütme, fiziksel doğrulama, dijital ikiz temelli test, mevcut kontrol altyapıları, insan denetimi ve fail-safe mekanizmalarının birlikte çalıştığı katmanlı bir siber-fiziksel mimarinin sonucu olarak ele alınmaktadır.

Bu bakış açısıyla üretken yapay zekâ gelecekte karşılaşılabilecek koşulların çeşitliliğini genişletir; agentic AI bu koşullar altında koordineli aday kararlar oluşturur; dijital ikizler bu kararların güvenli biçimde sınanmasını sağlar; fiziksel ve denetleyici katmanlar ise hangi kararların gerçekten uygulanabileceğini belirler. Kaynak çalışma açısından geleceğin enerji otonomisi, yapay zekâya sınırsız yetki verilmesi değil; yapay zekâ yeteneğinin güvenilir mühendislik sınırları içine yerleştirilmesidir.

Kaynak ve Yöntem Notu

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

Yazar: Nikolay Hinov

Kurumlar: CoE “National Center of Mechatronics and Clean Technologies”, Sofya, Bulgaristan; Department of Computer Systems, Faculty of Computer Systems and Technologies, Technical University of Sofia, Sofya, Bulgaristan.

Dergi: AI

Yayınevi: MDPI, Basel, Switzerland

Bibliyografik kayıt: AI 2026, 7, 176

DOI: 10.3390/ai7050176

Gönderim tarihi: 14 Mart 2026

Revizyon tarihi: 8 Mayıs 2026

Kabul tarihi: 18 Mayıs 2026

Yayın tarihi: 20 Mayıs 2026

Kaynak türü: Review. Çalışma deneysel bir saha doğrulaması veya sistematik meta-analiz değildir; literatürü seçici ve çerçeve odaklı biçimde kullanarak referans mimari, açık teknik problemler ve araştırma yol haritası geliştirmektedir.

Lisans: Kaynak makale Creative Commons Attribution (CC BY) lisansı altında açık erişim olarak yayımlanmıştır. Bu Verianla metni kaynak makalenin mekanik çevirisi veya paragraf-paragraf yeniden yazımı değildir; bilimsel içerik kaynakla sınırlandırılarak bağımsız Türkçe açıklama yapısı içinde yeniden oluşturulmuştur. HTML içindeki bilimsel şema da kaynak görselin raster kopyası veya stil aktarımı değildir.

Finansman: Çalışma, “Research, Innovation and Digitalisation for Smart Transformation 2021–2027” Operasyonel Programı kapsamında NoBG16RFPR002-1.014-0006 numaralı “National center of excellence for mechatronics and clean technologies” projesi tarafından desteklenmiştir. Makale işlem ücretinin de aynı proje tarafından karşılandığı belirtilmektedir.

Etik kurul ve bilgilendirilmiş onam: Kaynak makalede her ikisi de “uygulanamaz” olarak bildirilmiştir.

Veri erişilebilirliği: Çalışmanın özgün katkılarının makale içinde yer aldığı, ek soruların yazara yöneltilebileceği belirtilmiştir.

Çıkar çatışması: Yazar çıkar çatışması olmadığını bildirmiştir.

Temel yöntemsel sınırlılık: Kaynak, otonom enerji sistemi mimarisinin gerçek bir ulusal veya bölgesel şebekede uçtan uca uygulanıp başarıyla doğrulandığını göstermemektedir. Çalışmanın katkısı algoritmik performans kıyaslamasından çok teknolojik bileşenleri ortak bir referans mimariye yerleştirmesi ve araştırılması gereken güvenlik, ölçeklenebilirlik, siber güvenlik, sim-to-real aktarım, birlikte çalışabilirlik, piyasa tasarımı ve yönetişim sorunlarını sistematik bir mimari bağlamda bir araya getirmesidir.