Объяснимый искусственный интеллект и мультиагентные системы для управления энергией в средах IoT–Edge: обзор современного состояния

В статье представлен обзор методов искусственного интеллекта для распределенного управления энергией с акцентом на интеграцию машинного обучения, обучения с подкреплением и мультиагентных систем в архитектурах IoT–Edge–Cloud. По мере того как энергетическая инфраструктура становится все более децентрализованной и гетерогенной, искусственный интеллект должен функционировать в условиях жестких ограничений по задержке, конфиденциальности и ресурсам, сохраняя при этом прозрачность и возможность аудита. Рассмотрены прогностические модели — от статистических методов анализа временных рядов до регрессоров машинного обучения и глубоких нейронных архитектур; оценивается их пригодность для встраиваемого развертывания и федеративного обучения. Методы оптимизации, включая эвристические стратегии, метаэвристики, управление с прогнозированием модели и обучение с подкреплением, проанализированы с точки зрения вычислительной реализуемости и быстродействия в реальном времени. Объяснимость рассматривается как фундаментальное требование и обеспечивается методами, не зависящими от конкретной модели, которые способствуют доверию, соблюдению нормативных требований и интерпретируемой координации в мультиагентных средах. В обзоре систематизированы достижения в области мультиагентного обучения с подкреплением (MARL) для децентрализованного управления, протоколов связи, обеспечивающих интероперабельность, и аппаратно-ориентированного проектирования маломощных периферийных устройств. Предложены рекомендации по бенчмаркингу и ключевые показатели эффективности для оценки точности, задержки, устойчивости и прозрачности в распределенных развертываниях. К основным нерешенным задачам относятся стабилизация объяснений политик обучения с подкреплением, согласование сложности моделей с допустимыми бюджетами задержки, а также обеспечение масштабируемого обучения с сохранением конфиденциальности в нестационарных условиях. В заключение предложена концептуальная основа объяснимого распределенного интеллектуального управления энергией и определены перспективные направления исследований, необходимые для создания устойчивых и прозрачных интеллектуальных энергетических экосистем.