Айнагуль Сейтбекова
Айнагуль Сейтбекова has a total of 5 co-authors. Here are the top co-authors by number of shared publications:
- Irbulat Utepbergenov
Department of Automation and Control, Gumarbek Daukeev Almaty University of Power Engineering and Telecommunications, Almaty 050013, Kazakhstan
3 shared publications - Laulasyn Abzhanova
Department of Automation and Control, Almaty University of Power Engineering and Telecommunications Named After Gumarbek Daukeyev, Almaty 050013, Kazakhstan
2 shared publications - Iouliia Skliarova
Institute of Electronics and Informatics Engineering of Aveiro (IEETA), LASI—Intelligent Systems Associate Laboratory, Department of Electronics, Telecommunications and Informatics, University of Aveiro, Campus Universitário de Santiago, 3810-193 Aveiro, Portugal
1 shared publication - Zhazira Julayeva
Department of Automation and Robotics, Almaty Technological University, Almaty 050012, Kazakhstan
1 shared publication - Максат Орунбеков
Institute of Energy and Digital Technologies, Mukhametzhan Tynyshbayev ALT University, Almaty 050012, Kazakhstan
1 shared publication
Latest Publications
- Open Access
- 14 October 2026
- Published by MDPI AG in Applied Sciences
- Vol. 16 (20) , 10206
Development and Software-in-the-Loop Validation of a Digital Twin Architecture for District Heating Networks
In this study, a digital-twin-oriented integration architecture was developed for district heating networks in a laboratory Software-in-the-Loop (SIL) environment and evaluated. The implemented testbed combined a virtual SIMATIC S7-1500 controller executed in S7-PLCSIM Advanced V8.0, WinCC Runtime Advanced, OPC UA communication, a Python-based integration layer, and a Fluidit Heat thermohydraulic model. The physical district heating network, field sensors, pumps, actuators, and an operational field PLC were not connected to the experimental loop. Field-derived heat load and pressure values for five monitored consumers were stored in PLC data blocks. Python validated and mapped the tags, initiated predefined Fluidit Heat scenarios, processed the model outputs, and returned the results to the PLC for SCADA visualization. Six operating scenarios were evaluated. In the combined baseline and 120% demand scenarios, the delivered heat increased from 2369.84 to 2843.79 kW, plant thermal output from 2377.14 to 2850.80 kW, and plant flow from 12.288 to 14.737 L/s. The maximum supply velocity increased from 1.192 to 1.430 m/s, and the maximum unit pressure loss increased from 1.338 to 1.912 bar/km (+42.92%). The minimum consumer differential pressure remained at approximately 4.000 bar, above the adopted 3.5 bar criterion, and no heat deficit was calculated. The experiment demonstrated functional software interoperability, event-driven scenario execution, and bidirectional simulation data exchange. Because the baseline values contributed to model parameterization and the physical network was not connected, the comparison was a consistency assessment rather than independent field validation. Automatic optimization, autonomous preferred-mode selection, and actuator-level control were not implemented.
- 14 October 2026
- Published by MDPI AG in Applied Sciences
- Vol. 16 (20) , 10206
Open AccessDevelopment and Software-in-the-Loop Validation of a Digital Twin Architecture for District Heating Networks
In this study, a digital-twin-oriented integration architecture was developed for district heating networks in a laboratory Software-in-the-Loop (SIL) environment and evaluated. The implemented testbed combined a virtual SIMATIC S7-1500 controller executed in S7-PLCSIM Advanced V8.0, WinCC Runtime Advanced, OPC UA communication, a Python-based integration layer, and a Fluidit Heat thermohydraulic model. The physical district heating network, field sensors, pumps, actuators, and an operational field PLC were not connected to the experimental loop. Field-derived heat load and pressure values for five monitored consumers were stored in PLC data blocks. Python validated and mapped the tags, initiated predefined Fluidit Heat scenarios, processed the model outputs, and returned the results to the PLC for SCADA visualization. Six operating scenarios were evaluated. In the combined baseline and 120% demand scenarios, the delivered heat increased from 2369.84 to 2843.79 kW, plant thermal output from 2377.14 to 2850.80 kW, and plant flow from 12.288 to 14.737 L/s. The maximum supply velocity increased from 1.192 to 1.430 m/s, and the maximum unit pressure loss increased from 1.338 to 1.912 bar/km (+42.92%). The minimum consumer differential pressure remained at approximately 4.000 bar, above the adopted 3.5 bar criterion, and no heat deficit was calculated. The experiment demonstrated functional software interoperability, event-driven scenario execution, and bidirectional simulation data exchange. Because the baseline values contributed to model parameterization and the physical network was not connected, the comparison was a consistency assessment rather than independent field validation. Automatic optimization, autonomous preferred-mode selection, and actuator-level control were not implemented.
- 30 September 2025
- Published by Toraighyrov University in Bulletin of Toraighyrov University. Energetics series
- No. 3,2025,p. 374-386
ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ПЕРЕХОДА К ПРОАКТИВНОЙ МОДЕЛИ УПРАВЛЕНИЯ ТЕПЛОВЫМИ СЕТЯМИ
Системы централизованного теплоснабжения в Республике Казахстан характеризуются высоким уровнем физического износа, что приводит к значительным тепловым потерям и высокой аварийности. Традиционные методы эксплуатации, основанные на реагировании по факту инцидента, являются экономически неэффективными и не обеспечивают должной надежности. Целью данного исследования является разработка подхода к применению методов машинного обучения (ML) для анализа и обнаружения аномалий в системах теплоснабжения, основываясь на реальных эксплуатационных данных для перехода к проактивной модели управления тепловыми сетями. Рассмотрены ключевые задачи предиктивного анализа, такие как прогнозирование тепловой нагрузки, и обнаружение аномалий для своевременного выявления утечек, порывов и отказов оборудования. Проводится сравнительное описание методов детекции: от классического порогового контроля до продвинутых алгоритмов, таких как кластеризация (DBSCAN), ансамблевые модели (Isolation Forest) и нейросетевые подходы (автоэнкодеры). Продемонстрированные возможности применения ML-моделей подтверждают реальность перехода от дорогостоящей модели «аварийного ремонта» к проактивному «обслуживанию по фактическому состоянию». Исследование показало, что для рассматриваемого вопроса наиболее перспективной является гибридная стратегия искусственного интеллекта, сочетающая несколько методов машинного обучения. Ключевые слова: централизованное теплоснабжение, аномалий, машинное обучение, анализ, предиктивная диагностика.
- 30 September 2025
- Published by Toraighyrov University in Bulletin of Toraighyrov University. Energetics series
- No. 3,2025,p. 374-386
ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ПЕРЕХОДА К ПРОАКТИВНОЙ МОДЕЛИ УПРАВЛЕНИЯ ТЕПЛОВЫМИ СЕТЯМИ
Системы централизованного теплоснабжения в Республике Казахстан характеризуются высоким уровнем физического износа, что приводит к значительным тепловым потерям и высокой аварийности. Традиционные методы эксплуатации, основанные на реагировании по факту инцидента, являются экономически неэффективными и не обеспечивают должной надежности. Целью данного исследования является разработка подхода к применению методов машинного обучения (ML) для анализа и обнаружения аномалий в системах теплоснабжения, основываясь на реальных эксплуатационных данных для перехода к проактивной модели управления тепловыми сетями. Рассмотрены ключевые задачи предиктивного анализа, такие как прогнозирование тепловой нагрузки, и обнаружение аномалий для своевременного выявления утечек, порывов и отказов оборудования. Проводится сравнительное описание методов детекции: от классического порогового контроля до продвинутых алгоритмов, таких как кластеризация (DBSCAN), ансамблевые модели (Isolation Forest) и нейросетевые подходы (автоэнкодеры). Продемонстрированные возможности применения ML-моделей подтверждают реальность перехода от дорогостоящей модели «аварийного ремонта» к проактивному «обслуживанию по фактическому состоянию». Исследование показало, что для рассматриваемого вопроса наиболее перспективной является гибридная стратегия искусственного интеллекта, сочетающая несколько методов машинного обучения. Ключевые слова: централизованное теплоснабжение, аномалий, машинное обучение, анализ, предиктивная диагностика.
- Open Access
- 9 August 2025
- Published by JSC Academy of Logistics and Transport in Вестник КазАТК
- Vol. 139 (4) , 282-291
ИССЛЕДОВАНИЕ И РАЗРАБОТКА СИСТЕМЫ УЧЕТА ТЕПЛОВОЙ ЭНЕРГИИ
Статья посвящена вопросам разработки системы учета тепловой энергии с использованием теплосчетчиков отечественного производства и соответствующего программного обеспечения. В ней анализируются исследования и результаты, направленные на улучшение работы систем учета тепловой энергии. В статье авторы предлагают алгоритм расчета тепловой энергии с учетом различных переменных и даты для определения времени года, что позволяет выбрать соответствующие коэффициенты и параметры. Также предоставлен код программы, разработанной на языке Python для реализации данного алгоритма. В рамках исследования был изготовлен лабораторный образец электромагнитного теплосчетчика «Сайман-АУЭС», на который был получен сертификат об утверждении в качестве средства измерений и допуске в обращение на территории Республики Казахстан.
- 9 August 2025
- Published by JSC Academy of Logistics and Transport in Вестник КазАТК
- Vol. 139 (4) , 282-291
Open AccessИССЛЕДОВАНИЕ И РАЗРАБОТКА СИСТЕМЫ УЧЕТА ТЕПЛОВОЙ ЭНЕРГИИ
Статья посвящена вопросам разработки системы учета тепловой энергии с использованием теплосчетчиков отечественного производства и соответствующего программного обеспечения. В ней анализируются исследования и результаты, направленные на улучшение работы систем учета тепловой энергии. В статье авторы предлагают алгоритм расчета тепловой энергии с учетом различных переменных и даты для определения времени года, что позволяет выбрать соответствующие коэффициенты и параметры. Также предоставлен код программы, разработанной на языке Python для реализации данного алгоритма. В рамках исследования был изготовлен лабораторный образец электромагнитного теплосчетчика «Сайман-АУЭС», на который был получен сертификат об утверждении в качестве средства измерений и допуске в обращение на территории Республики Казахстан.