Агентный и генеративный искусственный интеллект для автономных энергетических систем: эталонная архитектура, нерешённые проблемы и программа исследований

Agentic and Generative AI for Autonomous Energy Systems: Reference Architecture, Open Challenges, and Research Agenda
Nikolay Hinov
2026-05-20

автономные энергетические системыагентный искусственный интеллектцифровые двойникигенеративный искусственный интеллектсамовосстанавливающиеся электросети
Современные электроэнергетические системы претерпевают структурную трансформацию, обусловленную быстрым внедрением возобновляемых источников энергии, распределённых энергетических ресурсов, электрификацией и ростом операционной неопределённости. Эти изменения выявляют ограничения традиционного централизованного управления энергосистемами и автоматизации на основе правил в условиях высокораспределённых, насыщенных данными и динамически взаимосвязанных энергетических инфраструктур. В ответ последние достижения в области искусственного интеллекта открывают новые возможности для совершенствования прогнозирования, координации и адаптивного управления. В статье разработана эталонная архитектура автономных энергетических систем, основанная на интеграции генеративного искусственного интеллекта, агентного искусственного интеллекта, цифровых двойников и распределённых киберфизических энергетических инфраструктур. Вместо рассмотрения прогнозирования, управления, моделирования и координации на энергетических рынках как отдельных направлений исследований статья объединяет их в рамках единой архитектурной перспективы. Генеративный искусственный интеллект рассматривается как источник сценарного интеллекта, генерации синтетических данных и прогнозирования с учётом неопределённости, тогда как агентный искусственный интеллект трактуется как ограниченный контур принятия решений, обеспечивающий восприятие, рассуждение, планирование и скоординированные действия в условиях операционных ограничений. Кроме того, в статье уточняется различие между агентным искусственным интеллектом, традиционными многоагентными системами и многоагентным обучением с подкреплением применительно к энергетике. Рассматриваются репрезентативные области применения, включая самовосстанавливающиеся электрические сети, автономные энергетические рынки и среды обучения на основе цифровых двойников. Определены основные нерешённые проблемы, связанные с масштабируемостью, физической согласованностью, верификацией безопасности, переносом «из симуляции в реальность», кибербезопасностью, совместимостью с унаследованными инфраструктурами и вопросами управления. В заключение сформулирована программа исследований по поэтапному и безопасному развитию энергетических систем с постоянно возрастающей степенью автономности.
1
Генеративный ИИ рассматривается как средство создания сценариев, синтетических данных и прогнозирования с учётом неопределённости, а агентный ИИ — как ограниченный слой восприятия, рассуждения, планирования и координированных действий.
2
Ключевые препятствия для безопасной автономии включают масштабируемость, физическую согласованность, проверку безопасности, перенос из симуляции в реальность, кибербезопасность, совместимость с унаследованными системами и управление; предложена поэтапная стратегия развития.
3
Архитектура объединяет прогнозирование, управление, моделирование и координацию энергетических рынков вместо рассмотрения их как отдельных направлений исследований.
4
В статье проводится различие между агентным ИИ, традиционными мультиагентными системами и мультиагентным обучением с подкреплением в энергетических приложениях.
5
В статье предложена эталонная архитектура автономных энергетических систем, объединяющая генеративный ИИ, агентный ИИ, цифровые двойники и распределённые киберфизические инфраструктуры.

Автономные энергетические системы (интеграция генеративного ИИ, агентного ИИ, цифровых двойников и распределённых кибер-физических энергетических инфраструктур)

эталонная архитектура, возможности, области применения, открытые проблемы и требования к поэтапному безопасному развитию автономности энергетических систем

Publication Details
Publication Date
2026-05-20
Journal
Publisher
ISSN
Cited by
1
Access Type
Author Information
Authors
Nikolay Hinov
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%