NSNadezhda Sagadatova

Nadezhda Sagadatova

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Nadezhda Sagadatova has a total of 10 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Forecasting of GHG Emissions from Energy and Industrial Sectors of Kazakhstan and Assessment of Mitigation Scenarios with High Share of Renewables

    by Nurkhat K. Zhakiyev, Korhan Kayisli, Alman Kushekkaliyev, Nadezhda Sagadatova, Andrii Biloshchytskyi

    Forecasting of GHG Emissions from Energy and Industrial Sectors of Kazakhstan and Assessment of Mitigation Scenarios with High Share of Renewables


  • КОНЦЕПТУАЛЬНЫЙ ПРОТОТИП МИКРОПРОЦЕССОРНОЙ РЕЛЕЙНОЙ ЗАЩИТЫ С ПРИМЕНЕНИЕМ ОТКРЫТЫМИ СТАНДАРТАМИ ИНТЕРНЕТА ВЕЩЕЙ

    by А. В. Нефтисов, И. М. Казамбаев, Д. Б. Уразаев, К.м. Жакупова, Н.ж. Сагадатова

    Координация работы релейных защит является важным аспектом при возникновении серьезных неисправностей и должна обеспечивать быстрое выключение. Одним из решений является использование интернета вещей. Объектом данного исследования является архитектура системы релейной защиты, в которой используется только локальный интернет, а в открытом доступе-глобальный. Целью исследования является оценка эффективности использования интернета в релейной защите, а также актуальности её архитектуры. Эта архитектура передачи, сбора, анализа данных релейной защиты, конкретных протоколов своевременного подключения и безопасности данных является справедливой процессуальной единицей. Качество релейной защиты обеспечивает хорошо организованная структура для точного и эффективного сбора, передачи и анализа данных. Для исследовательских целей были проведены эксперименты, чтобы подтвердить возможность гипотезы. Эксперимент был проведен для нескольких устройств, чтобы определить наиболее эффективные из предложенных. Полученный результат представлен в виде таблицы и содержит значения как для беспрепятственных условий, так и для препятствий в виде стен. Выбран протокол данных ESP-now, который является открытым. Условия также предназначены для определения основных параметров радиоволн, в первую очередь скорости передачи в общее время работы релейной защиты, а также количества пакетов на тысячу с разной памятью. Было обнаружено, что наличие стены в качестве барьера приводит к потере мешков. При выполнении одного из условий исследования интернет вещей может использоваться в релейной защите. Ключевые слова: релейная защита, скорость срабатывания, магнитный датчик, магнитное поле, открытые стандарты, промышленный интернет вещей, эксперимент.

  • Open Access

    FORECASTING ELECTRICITY DEMAND WITH FORECASTERAUTOREG: CASE STUDY IN ASTANA

    by Nadezhda Sagadatova, Aliya Nugumanova, Nurkhat Zhakiyev, Balnur Talas

    This paper presents the application of time series forecasting models, namely Forecaster Autoreg and Neural Network, for predicting electricity consumption in the city of Astana. Given the pressing need to address energy efficiency and reduce environmental impact in light of global climate change, employing scientifically sound and effective solutions is crucial. Machine learning methods offer a promising approach to tackle this challenge by predicting electricity demand. In this study, a comprehensive analysis of a time series dataset was conducted, encompassing data on electricity consumption (measured in MW) in Astana from January 1, 2020, to December 31, 2020, at an hourly interval. The dataset was utilized to accurately forecast electricity demand for each hour of the following day. To enhance the precision of predictions, additional factors such as air temperature and wind speed were incorporated. These factors were deemed significant due to Astana’s distinct sharply continental climate and high windiness, making their inclusion essential for accounting for their influence on electricity demand and achieving more accurate forecasts. The neural network model was selected as the chosen methodology, as it has the capability to reveal intricate dependencies and patterns in the data, thereby facilitating more precise predictions of electricity consumption. To evaluate the accuracy and reliability of the forecasts, error indicators such as Average Absolute Error (MAE) and Average Absolute Percentage Error (MAPE) were employed. The results demonstrated that the proposed models could provide accurate forecasts with low errors.