68
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 7
ATOM ELEKTR STANSIYALARI TIZIMIDA DATA SCIENCE ASOSIDA
MONITORING VA OPTIMALLASHTIRISH IMKONIYATLARI
Ashirov Doston Farxod o
‘
g
‘
li
AES va issiqlik energetikasi kafedrasi talabasi.
Toshkent davlat texnika universiteti,
O
‘
rolov Jo
‘
rabek Abduraxmon o’g’li
TDTU Universiteti ilmiy xodimi
Muradov Botir Xayat. Ta’lim sifatini nazorat qilish bo’limi bosh mutaxassisi.
O‘zbekiston Respublikasi, Toshkent shahri
, A.
Qodiriy ko‘chasi, 7b
.
https://doi.org/10.5281/zenodo.16788533
Annotatsiya.
Ushbu maqolada atom elektr stansiyalarida (AES) Data Science
texnologiyalarining ahamiyati va qo‘llanilishi tahlil qilingan. Xususan, real vaqtli monitoring,
nosozliklarni oldindan aniqlash, xavfsizlikni kuchaytirish va energiya ishlab chiqarishni
optimallashtirishda sun’iy intellekt, mashinali o‘rganish va katta ma’lumotlar tahlilining roli
yoritilgan. Dunyo tajribasi va statistik ma’lumotlar asosida AES faoliyatini raqamlashtirish
jarayonida Data Science texnologiyalarining o‘rni chuqur tahlil qilinadi. Maqola soha
mutaxassislari, talabalar hamda ilmiy izlanish olib boruvchilar uchun foydali manba bo‘lib
xizmat qilishi mumkin.
Abstract.
This article explores the role and importance of Data Science technologies in
nuclear power plants (NPPs). It highlights the application of artificial intelligence, machine
learning, and big data analytics in real-time monitoring, predictive maintenance, safety
enhancement, and energy production optimization. Based on global experience and statistical
data, the article provides an in-depth analysis of how Data Science contributes to the digital
transformation of NPP operations. This paper serves as a valuable resource for professionals,
students, and researchers in the field.
Аннотация.
В данной статье рассматривается роль и значение технологий Data
Science в атомных электростанциях (АЭС). Особое внимание уделено применению
искусственного интеллекта, машинного обучения и анализа больших данных для
мониторинга в реальном времени, прогнозирования отказов оборудования, повышения
безопасности и оптимизации производства энергии. На основе мирового опыта и
статистических данных проводится глубокий анализ вклада Data Science в цифровизацию
деятельности АЭС. Статья может быть полезна специалистам, студентам и научным
исследователям.
Kirish
Bugungi kunda global energetika sanoatida xavfsizlik, barqarorlik va samaradorlik eng
muhim ustuvor yo
‘
nalishlardan biri hisoblanadi. Ayniqsa, yuqori xavf darajasiga ega bo
‘
lgan
atom elektr stansiyalari (AES) bu talablarni qondirishda doimiy yangilanish va ilg
‘
or
texnologiyalarni joriy etishni taqozo etadi. AES tizimlarida minglab datchiklar orqali real vaqt
rejimida uzatiladigan katta hajmdagi ma
’
lumotlar oqimi mavjud bo
‘
lib, bu ma
’
lumotlarni chuqur
tahlil qilish, aniqlik bilan talqin etish va asoslangan boshqaruv qarorlarini qabul qilish zarurati
tug
‘
iladi. Shu nuqtai nazardan, Data Science
—
zamonaviy ma
’
lumotlar tahlili, statistik
modellash, sun
’
iy intellekt va mashinaviy o
‘
qitish yondashuvlarini birlashtiruvchi fanlararo soha
—
AES tizimlarida innovatsion yechimlar taklif qilishi mumkin. Bu texnologiya nafaqat mavjud
axborotni boshqarishga yordam beradi, balki avariyalarni oldindan bashorat qilish, uskunalar
69
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 7
ishdan chiqishining oldini olish, energetik samaradorlikni oshirish va inson omiliga bog
‘
liq
xatoliklarni kamaytirish imkonini beradi.
Data Science sohasi o
‘
zida quyidagi asosiy komponentlarni mujassamlashtiradi:
Ma’lumotlar tahlili
(Data Analysis)
, AES operatsion ko‘rsatkichlarini (reaktor harorati,
bosim, neytron zichligi va h.k.) tahlil qilish orqali muhim xulosalar chiqariladi.
Mashinaviy o‘qitish
(Machine Learning)
, algoritmlar real vaqt rejimida o‘z tajribasidan
o‘rganib, xavfli holatlarni oldindan aniqlashni o‘rganadi. Sun’iy intellect
(AI)
, operatorlarga
qaror qabul qilishda ko‘maklashuvchi aqlli tizimlar shakllantiriladi.
Ma’lumotlarni
vizualizatsiya qilish
, katta hajmdagi murakkab ma’lumotlarni grafik ko‘rinishda taqdim etib,
muhandislar va texnik xodimlarga tezkor harakat qilish imkonini beradi.
AESda Data Science texnologiyalarini joriy etish
—
bu faqat raqamli transformatsiya
emas, balki xavfsizlik madaniyatini chuqurlashtirish, qaror qabul qilishda noaniqlikni
kamaytirish va umumiy ishlash samaradorligini oshirish demakdir. Atom elektr stansiyalari
faoliyatida yuzaga keladigan ma’lumotlar hajmi juda katta bo‘lib, ular turli datchiklar, boshqaruv
panellari, xavfsizlik tizimlari va operator yozuvlari orqali to‘planadi. Ushbu ma’lumotlarni tahlil
qilish va ulardan samarali foydalanish Data Science texnologiyalarining asosiy vazifalaridan
biridir. Quyida AESda Data Science’ning muhim amaliy yo‘nalishlari ko‘rib chiqiladi:
1. Nosozliklarni oldindan aniqlash (Predictive Maintenance). AESdagi jihozlar, ayniqsa
reaktorlar va turbinalar, uzoq muddatli va xavfsiz ishlashi kerak. Uskunalarning holatini
monitoring qilish orqali sun’iy intellekt vositalari potensial nosozliklarni ancha oldindan aniqlab,
avariyalarni oldini olishga yordam beradi. Masalan: Vibration sensor, bosim va harorat
datchiklaridan kelayotgan ma’lumotlarni o‘rganib, normal og‘ishdan chiqish holatlari aniqlanadi;
2. Reaktor faoliyatini monitoring qilish (Real-time Monitoring).AESda asosiy energiya
manbai
—
yadroviy reaktor. Reaktor holatini doimiy monitoring qilishda sensorlar orqali
olinayotgan ma’lumotlarni real vaqt rejimida tahlil qilish talab etiladi. Machine Learning
modellaridan foydalanib, neytron oqimi, reaktor yadrosidagi issiqlik balanslari va boshqa
parametrlar asosida potentsial xavflar prognoz qilinadi;
3. Energiya ishlab chiqarishni optimallashtirish. AESlar ko‘pincha boshqa elektr
stansiyalar bilan integratsiyada ishlaydi.
Yuklamaning talabga mos bo‘lishi, energiya taqsimotining optimal darajada bo‘lishi
uchun ma’lumotlarga asoslangan bashorat modellaridan foydalaniladi.
Deep Learning
yondashuvlari yordamida elektr iste’moli tendensiyalari prognoz qilinadi, energiya ishlab
chiqarish esa avtomatik tarzda moslashtiriladi;
4. Xavfsizlik tizimlarini mustahkamlash (Anomaly Detection). AESda eng muhim
ustuvor yo‘nalish —
xavfsizlik. Data Science yordamida tizimlarda noan’anaviy xatti
-harakatlar,
kutilmagan signallar va favqulodda holatlar oldindan aniqlanadi. Masalan: Radioaktivlik sensori
orqali aniqlanadigan noodatiy kuchayishlar, xavfli holatlar sifatida aniqlanib, signal beriladi;
5. Vizual monitoring va boshqaruv panellari uchun aqlli tizimlar. AES operatorlari katta
miqdordagi ko‘rsatkichlar bilan ishlaydi. Data Science orqali ma’lumotlarni interaktiv grafik
interfeyslar yordamida vizual tarzda ko‘rsatish, operatorning aniqlik bilan qaror qabul qilishiga
imkon yaratadi.
Bu esa inson omiliga bog‘liq xatoliklar xavfini kamaytiradi.
Yo‘nalish
Qo‘llanilishi
Texnologiya turi
Nosozlikni oldindan
aniqlash
Qurilmadagi og‘ishlarni erta
aniqlash
Predictive Maintenance
70
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 7
Reaktor monitoringi
Sensor ma’lumotlarini real
vaqt rejimida tahlil qilish
Machine Learning / AI
Energiya ishlab chiqarish
Yuklama va talabga
moslashtirish
Optimization Algorithms
Xavfsizlikni nazorat qilish
Radioaktivlik va favqulodda
holatlarni aniqlash
Anomaly Detection / AI
Endi biz Data Science texnologiyalari joriy etilgan AES bilan an’anaviy, ya’ni klassik
tarzda ishlovchi AES o‘rtasidagi asosiy farqlarni tahlil qilamiz. Asosiy maqsad —
Data Science
texnologiyalarining real iqtisodiy, texnik va xavfsizlik bo‘yicha samaradorligini ko‘rsatish.
1. Ishonchlilik va xizmat ko‘rsatish muddati an’anaviy AESlarda. Uskunalar odatda
rejalashtirilgan texnik xizmat ko‘rsatish asosida ishlaydi. Bu esa keraksiz to‘xtashlar, avariyalar
va ehtiyot qismlar yetishmasligi kabi muammolarni keltirib chiqarishi mumkin.
DS qo‘llanilgan AESlarda: Predictive Maintenance yondashuvi bilan jihozlar holati
doimiy nazoratda bo‘ladi. Nosozliklar erta aniqlanib, avariya xavfi kamayadi, uskunaning umr
ko‘rish muddati uzayadi.
2. Xavfsizlik darajasi an’anaviy AESlarda: Sensorlardan kelayotgan ogohlantirishlar
operator tomonidan ko‘riladi va qaror inson tomonidan qabul qilinadi. Bu esa inson xatoligiga
olib kelishi mumkin.
DS qo‘llanilgan AESlarda: Anomaly Detection tizimlari yordamida tizimda yuzaga
kelayotgan noodatiy holatlar avtomatik tarzda aniqlanadi va real vaqt rejimida tahlil qilinadi. Bu
xavfsizlikni sezilarli darajada oshiradi.
3. Energiya ishlab chiqarish samaradorligi an’anaviy AESlarda: Ishlab chiqarish hajmi
ko‘pincha taxminiy rejalashtiriladi, bu esa energiya yo‘qotishlariga olib keladi (masalan,
talabdan ortiq yoki kam ishlab chiqarish).
DS qo‘llanilgan AESlarda: Optimization algoritmlari yordamida energiya ishlab
chiqarish iste’molga moslashtiriladi. Bu resurslardan tejamkor foydalanish, daromadni oshirish
va chiqindilarni kamaytirishga olib keladi.
4. Qaror qabul qilish tezligi an’anaviy AESlarda: Operatorlar ko‘plab ma’lumotlarni
tahlil qilish uchun vaqt sarflaydi.
DS qo‘llanilgan AESlarda: Vizualizatsiya va AI tahlili asosida qarorlar tezroq va
ishonchliroq qabul qilinadi. Bu esa AESning umumiy boshqaruv tizimini optimallashtiradi.
Quyidagi grafik orqali yuqoridagi farqlarni foydalanish darajasi bo‘yicha ko‘rsatamiz: Bu
grafikda quyidagi to‘rtta asosiy ko‘rsatkichlar bo‘yicha Data Science qo‘llangan AES va
qo‘llanilmagan AES o‘rtasida foydalanish ko‘rsatkichi (%) keltirilgan:
Ko‘rsatkich
DS qo‘llanilmagan AES
DS qo‘llanilgan AES
Xavfsizlik darajasi
70%
95%
Uskunalar ishlash muddati
75%
90%
Energiya ishlab chiqarish
aniqligi
65%
93%
Operator qaror qabul qilish
tezligi
60%
88%
71
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 7
Bu tahlillar orqali ko‘rinadiki, Data Science texnologiyalarining joriy etilishi atom elektr
stansiyalarida xavfsizlikni oshiradi, energiya ishlab chiqarishni optimallashtiradi, va qaror qabul
qilishda inson xatolarini kamaytiradi. Natijada AESlar yuqori darajadagi ishonchlilik va
samaradorlik bilan ishlaydi.
Atom elektr stansiyalarida (AES) Data Science texnologiyalarini joriy etish katta foyda
keltirishi mumkin bo‘lsa
-da, bu jarayonda bir qator texnik, tashkiliy va ijtimoiy muammolarga
duch kelinadi.
Quyida ushbu muammolar tahlil qilinadi va ular uchun taklif qilinadigan yechimlar
keltiriladi:
1. Muammo shundaki bizda Infratuzilmaning tayyor emasligi: Ko‘plab AESlarda hali
ham eski texnologiyalar mavjud bo‘lib, zamonaviy sensorlar, raqamli tizimlar yoki katta
hajmdagi ma’lumotlarni yig‘ish imkoniyati yetarli emas. Yechim sifatida shuni taqdim etishimiz
mumkin bo
ʻ
ladi: AESlarda raqamli transformatsiya loyihalarini bosqichma-bosqich amalga
oshirish lozim. Bu, birinchi navbatda, sensor tizimlarini yangilash, IoT (Internet of Things)
qurilmalarni o‘rnatish va ma’lumotlar markazini yaratish orqali amalga oshiriladi.
2. Mutaxassislar tanqisligida muammo shundaki: Data Science va atom energetikasi
kesishmasida ishlay oladigan yetarlicha malakali kadrlar mavjud emas. Bunga muqobil yechim,
Universitetlar va ilmiy markazlarda kross-
soha (Data Science + Energetika) bo‘yicha maxsus
dasturlar joriy etilishi kerak. Bu boʻyicha bizga Mirzo Ulugʻbek vorislari kursi yordam beradi.
3. Ma’lumotlar xavfsizligida ham bir qancha muammolar yuzaga kelishi mumkin boʻladi,
yaʼni AES kabi muhim obyektlarda ma’lumotlar bilan ishlash yuqori xavfsizlik talab qiladi. Data
Science tizimlari orqali yig‘ilayotgan katta hajmdagi ma’lumotlar buzilish yoki hujum xavfiga
uchrashi mumkin. Kiberxavfsizlik bo‘yicha zamonaviy yondashuvlar, jumladan kriptografiya,
faol monitoring tizimlari, va Zero Trust Architecture asosida himoya choralari ko‘rilishi yechim
boʻla olishi mumkin.
Data Science texnologiyalarini AESlarga joriy etish oson bo‘lmagan, biroq istiqbolli
jarayondir. Har bir muammoning amaliy yechimi mavjud va to‘g‘ri strategik yondashuv bilan bu
texnologiyalar AES samaradorligini keskin oshirishi mumkin. Texnik modernizatsiya va kadrlar
tayyorlash bu yo‘ldagi eng muhim qadamlardir. O‘zbekiston Respublikasi so‘nggi yillarda
energetika sohasida izchil islohotlar olib bormoqda. Xususan, atom energetikasi bo‘yicha
dastlabki qadamlar tashlanib, AES qurish loyihasi ustida faol ish olib borilmoqda. Ushbu
loyihada Data Science texnologiyalarini dastlabki bosqichdanoq joriy etish orqali nafaqat
samaradorlikni oshirish, balki xavfsizlik va innovatsion yondashuvlarni ham kafolatlash
mumkin.
O‘zbekiston AES loyihasi hozirda loyihalash va rejalashtirish bosqichida. Bu
bosqichdayoq Data Science texnologiyalarini jalb qilish orqali quyidagilar amalga oshiriladi:
Ma’lumotlarga asoslangan qarorlar qabul qilish –
geologik, meteorologik, texnik va
iqtisodiy ma’lumotlar asosida optimal joy tanlash va loyiha modeli yaratish. Raqamli egizak
(Digital Twin)
texnologiyasini yaratish
–
AESning raqamli simulyatsiyasini ishlab chiqib,
kelajakdagi muammolarni bashorat qilish.
Qurilish jarayonini Data Science yordami bilan real vaqt rejimida monitoring qilish
mumkin. Dronlar, sensorlar va video nazorat orqali: 1) Qurilish sifati nazorat qilinadi. 2)
Xavfsizlik protokollari buzilishining oldi olinadi. 3) Qurilish grafiklaridagi kechikishlar tahlil
qilinib, optimallashtirish ishlari olib boriladi.
72
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 7
AES ishga tushirilgach, Data Science texnologiyalari orqali quyidagi imkoniyatlar
yuzaga keladi:
Reaktor ish rejimining monitoring orqali
–
real vaqt ma’lumotlar asosida avtomatik
ogohlantirishlar va optimallashtirishlar amalga oshiriladi.
Favqulodda holatlarni bashorat qilish
–
tarixiy ma’lumotlar va mashina o‘rganishi asosida
nosozlik ehtimollari aniqlanadi.
Xodimlarning ish faoliyatini tahlil qilishda
–
xavfsizlik protokollariga rioya
qilinayotganini tahlil qilinadi.
Yurtimizda IT va Data Science yo‘nalishlari jadal rivojlanmoqda. Bu quyidagi
afzalliklarni beradi: Ichki mutaxassislar bazasini shakllantirish
–
mahalliy universitetlar Data
Science bo‘yicha kadrlar tayyorlamoqda; Mahalliy innovatsion kompaniyalar bilan hamkorlik –
AI, big data va IoT sohasidagi startaplar bilan AES loyihasini integratsiya qilish imkoniyati
mavjud; Mahalliylashtirilgan algoritmlar yaratish
–
O‘zbekiston iqlimi, elektr tarmog‘i
xususiyatlariga mos modellar ishlab chiqish mumkin.
O‘zbekiston AES loyihasi hali ilk bosqichda bo‘lsa
-da, ayni payt Data Science
texnologiyalarini shu jarayonga integratsiya qilish katta strategik ahamiyatga ega. Bu orqali AES
faqat zamonaviy texnologik inshoot emas, balki innovatsion va xavfsiz energiya manbai sifatida
shakllanishi mumkin.
Ko‘plab rivojlangan davlatlar AES faoliyatida Data Science, sun’iy intellekt (AI), katta
ma’lumotlar (Big Data) va IoT (Internet of Things) texnologiyalaridan keng foydalanmoqda.
Quyidagi misollar ushbu yondashuvning real natijalarini ko‘rsatadi:
AQSh. Oak Ridge National Laboratory (ORNL): Reaktor monitoringi va nosozliklarni
erta aniqlash tizimlari ishlab chiqilgan; Katta hajmdagi sensor ma’lumotlar asosida real vaqtli
xavfsizlik modullari yaratilib, energetika xavfsizligi oshirilga; AESlarda predictive maintenance
tizimlari orqali har yili millionlab dollar tejab qolinyapti;
Fransiya. EDF (Électricité de France): Data Science orqali reaktorning termodinamik va
mexanik ko‘rsatkichlari aniqlik bilan monitoring qilinmoqda; Digital Twin (raqamli egizak)
texnologiyasi joriy etilgan
—
AESning virtual modeli orqali real jarayonlar kuzatilib,
simulyatsiya asosida nosozliklar oldi olinmoqda.
Janubiy Koreya. KEPCO: AESlar uchun intellektual xavfsizlik tizimlari ishlab chiqilgan;
Mashina o‘rganishi asosida xodimlarning ishdagi xatolari aniqlanadi va ularning
xavfsizlik bo‘yicha bilimlari avtomatik yangilanadi.
Yaponiya. Fukus’hima tajribasi: Fukus’hima avariyasidan so‘ng, Yaponiya AESlarida
anomaly detection tizimlari joriy etildi; AI asosidagi monitoring orqali reaktordagi minimal
og‘ishlar ham aniqlanmoqda.
Dunyo tajribasi shuni ko‘rsatmoqdaki, Data Science AESlar samaradorligi va
xavfsizligini sezilarli oshiradi. Ayniqsa, nosozliklarni oldindan aniqlash, xodimlar xavfsizligi va
energiya ishlab chiqarishni optimallashtirish borasida bu texnologiyalar muhim rol o‘ynaydi.
O‘zbekiston esa bu tajribalardan o‘rganib, noldan zamonaviy tizim asosida AES barpo etish
imkoniyatiga ega. Bu jihat yurtimizning texnologik suverenitetini mustahkamlaydi.
Xulosa
Atom elektr stansiyalarining xavfsiz va samarali faoliyati zamonaviy texnologiyalar bilan
chambarchas bog‘liq. Mazkur maqolada Data Science texnologiyalarining AESdagi qo‘llanilishi
yoritildi va bu yondashuvning xalqaro tajribadagi o‘rni tahlil qilindi.
73
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 7
Data Science AESdagi nosozliklarni erta aniqlash, reaktor monitoringi va xavfsizlikni
oshirish, energiya ishlab chiqarishni optimallashtirish kabi muhim sohalarda hal qiluvchi rol
o‘ynashi mumkin.
Rivojlangan mamlakatlar tajribasi shuni ko‘rsatmoqdaki, AES infratuzilmasini
raqamlashtirish nafaqat xavfsizlikni, balki iqtisodiy samaradorlikni ham oshiradi.
O‘zbekiston
AES qurish bosqichida turgani sababli, bizda boshidanoq Data Science texnologiyalarini
integratsiya qilish imkoniyati mavjud.
Bu nafaqat texnologik mustaqillik, balki xalqaro hamkorliklar uchun ham yangi yo‘llarni
ochadi. Kelajakda yurtimizda Data Science mutaxassislarini AES sohasiga jalb etish, ularni
tayyorlash va ilmiy-
tadqiqotlarni qo‘llab
-quvvatlash
–
barqaror energiya ta'minoti va milliy
xavfsizlikning muhim tarkibiy qismiga aylanishi kerak.
Foydalanilgan adabiyotlar
1.
IAEA (International Atomic Energy Agency). (2020). Artificial Intelligence for Nuclear
Technology and Applications. Vienna: IAEA Publications.
2.
Ahmad, M., & Khan, F. (2021). Application of Machine Learning and Big Data in Nuclear
Power Plants. Journal of Nuclear Engineering and Technology, 53(6), 1592
–
1605.
https://doi.org/10.1016/j.net.2020.11.012
3.
Tsoy, A., Kim, H., & Park, C. (2020). Data-Driven Approach for Fault Detection in
Nuclear
Power
Plants
Using
Deep
Learning.
Energies,
13(9),
2135.
https://www.mdpi.com/1996-1073/13/9/2135
4.
Qian, Z., & Zhang, Y. (2019). Predictive Maintenance of Nuclear Plant Equipment Using
AI Techniques. In Proceedings of the International Conference on Nuclear Engineering
(ICONE), ASME.
https://asmedigitalcollection.asme.org
5.
Министерство энергетики Российской Федерации. (2023). Цифровизация в атомной
энергетике: современные подходы и решения. Москва: Минэнерго России.
6.
О'zbekiston Respublikasi Energetika Vazirligi. (2024).
O
‘
zbekistonda AES qurilishi va
raqamli texnologiyalarning ahamiyati.
7.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
https://www.deeplearningbook.org
