This study develops an intelligent real-time diagnostic and forecasting model for photovoltaic (PV) stations operating in the rural regions of Kazakhstan. Field measurements show that in Kazakhstan’s rural conditions, daily temperature fluctuations of 18–27 °C reduce PV output by 10–15%, solar irradiance variations of 800–1100 W/m² cause an additional 8–12% deviation, and mineral-rich dust accumulation of 20–120 μm results in 3–5% power loss per 10 μm layer. Using the Beer–Lambert–Bouguer law, thermal degradation coefficients, and inverter droop models, the physical–mathematical behavior of PV degradation was described. The hybrid AI model (LSTM + XGBoost + Random Forest) achieved 89–91% accuracy in 24 h forecasting and 88–93% accuracy in fault detection. Overall, the proposed system reduces energy losses by 10–15% and shortens maintenance time by 18–24%, improving the reliability of rural PV stations in Kazakhstan.

The paper presents an approach to improving the reliability of aging equipment at hydroelectric power plants. The relevance of monitoring the current condition of the equipment is highlighted. For this purpose, based on the analysis of the maintenance structure, a method for constructing the “life tree” characteristic of repairable aging equipment is described. A method is proposed for obtaining parameters based on the available information about the equipment to determine the condition of aging equipment at hydroelectric power plants.

В данной работе проведен анализ кровли здании совместно с конструктивными элементами ветроэнергетической установки малой мощности. Инженерный анализ проводился в COMSOL Multiphysics для изучения параметров с определением энергоэффективных форм конструктивных элементов установки. Данный подход может быть использован при проектировании ветроэнергетических установок малой мощности.

This article presents an adaptive mathematical model designed for accurate energy production forecasting in photovoltaic power plants. The research object includes climatic parameters such as solar radiation (300–800 W/m²), temperature, humidity, and wind speed. The primary issue addressed is enhancing forecasting accuracy under variable weather conditions and ensuring the adaptability of the model. As a result, a hybrid neural network model based on LSTM and iTransformer was developed. The model improved forecasting accuracy up to 93.1%, achieving MAE = 1.75 and MSE = 3.25. When applying the transfer learning method, the MAE was reduced by up to 30% (e.g., in the “dry” scenario – from 3.1 to 2.2). Computation time was reduced from 12.5 seconds to 4.3 seconds (–65.6%) using a GPU (RTX 3060). The main advantage of the model lies in its ability to accurately account for complex seasonal and temporal dependencies, showing higher accuracy than traditional methods (70–90%). This solution can be effectively applied in real-time forecasting systems, grid load management, and solar energy storage strategies.

This paper suggests methods of using of alternative sources of energy for SIP-houses building in conditions of Kazakhstan. The model of "Polygon for the use of renewable energy” was developed. This model demonstrates possibilities of transforming wind and solar energy into electric and heating energy.

С учетом увеличивающегося энергопотребления в Казахстане и возрастающего интереса к экологическим вопросам, возобновляемые источники энергии, особенно солнечная энергетика, становятся ключевым элементом устойчивого развития энергетического сектора. Автономные малые солнечные электростанции (СЭС) являются перспективным решением для обеспечения электроэнергией удалённых территорий, где подключение к централизованным сетям невозможно или нецелесообразно. Однако их эксплуатация сопряжена с рядом проблем, таких как переменность генерации энергии, зависимость от погодных условий и необходимость эффективного управления накопителями энергии. В данном исследовании представлена разработка и анализ имитационной модели малой автономной СЭС с использованием программных средств Matlab/Simulink. Модель учитывает влияние внешних метеорологических факторов, таких как интенсивность солнечной радиации, температура воздуха и облачность, на работу фотоэлектрических панелей. В её состав входят блоки моделирования солнечного излучения, фотоэлектрического элемента, системы накопления энергии, преобразователя постоянного тока (boost-конвертера) и автономного инвертора. Результаты моделирования показали адекватность работы разработанной системы в условиях переменной солнечной инсоляции и нагрузки. Проведённый анализ позволяет оптимизировать параметры системы, в том числе мощность солнечных панелей, ёмкость аккумуляторных батарей и настройки регуляторов преобразователей. Использование имитационного моделирования даёт возможность прогнозирования режимов работы СЭС и выбора рациональных стратегий её эксплуатации, что повышает надёжность и эффективность функционирования автономных энергетических систем. Ключевые слова: солнечные панели, инверторы, аккумуляторы, моделирование, повышающий преобразователь, ПИ регулятор.