Влияние подготовленных навыков и инструментов на результаты анализа ИИ-агентом установившихся режимов ЭЭС

Авторы

  • Дмитрий Андреевич Акимов
  • Михаил Вячеславович Одинцов
  • Николай Владимирович Коровкин

DOI:

https://doi.org/10.24160/0013-5380-2026-10-4-11

Ключевые слова:

большая языковая модель, ИИ-агент, установившийся режим, электрическая сетьэлектрическая сеть, RastrWin3, инженерные навыки, нормативные возмущения, токовые перегрузки, отклонение напряжения

Аннотация

В статье предложена архитектура функционирования ИИ-агента на основе большой языковой модели для расчета и анализа установившихся режимов электроэнергетических систем в программно-вычислительном комплексе RastrWin3. Инженерные навыки задают последовательность действий и правила интерпретации, программные инструменты выполняют типовые операции с расчетной моделью, а Model Context Protocol предоставляет агенту стандартный интерфейс вызова этих инструментов. Численные результаты формирует RastrWin3. Сопоставлены два изолированных запуска GPT-5.6 Sol в Codex с уровнем рассуждений high: ИИ-агент без подготовленных навыков и инструментов и ИИ-агент с подготовленными навыками и инструментами. Оба агента выполнили полный расчет N–1 по 787 нормативным возмущениям модифицированной тестовой схемы IEEE-300. ИИ-агент без подготовленных навыков и инструментов неверно интерпретировал расчетные поля RastrWin3 и самостоятельно задал пределы напряжения, не соответствующие принятой инженерной методике. ИИ-агент с подготовленными навыками и инструментами корректно применил критерии контроля токов и напряжений; его результаты подтверждены повторным расчетом в RastrWin3. Таким образом, подготовленные навыки и инструменты повысили корректность интерпретации результатов полного расчета N–1.

Биографии авторов

Дмитрий Андреевич Акимов

кандидат техн. наук, ведущий инженер по разработке, ПАО «Сбербанк России», Санкт-Петербург, Россия; akimovdmitry1@mail.ru

Михаил Вячеславович Одинцов

начальник отдела развития объектов электроэнергетики в г. Санкт-Петербурге, АО «Научно-технический центр Единой энергетической системы», Санкт-Петербург, Россия; odintsov-mv@ntcees.ru

Николай Владимирович Коровкин

доктор техн. наук, профессор, профессор высшей школы «Высоковольтная энергетика», Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Россия; nikolay.korovkin@gmail.com

Библиографические ссылки

1. Huang C. et al. Large Foundation Models for Power Systems. – IEEE Power & Energy Society General Meeting, 2024, DOI: 10.1109/PESGM51994.2024.10688670.

2. Jia M., Cui Z., Hug G. Enhancing LLMs for Power System Simulations: A Feedback-Driven Multi-Agent Framework. – IEEE Transactions on Smart Grid, 2025, vol. 16, No. 6, pp. 5556–5572, DOI: 10.1109/TSG.2025.3589114.

3. Jin H., Kim K., Kwon J. GridMind: LLMs-Powered Agents for Power System Analysis and Operations. – SC'25 Workshops of the International Conference for High Performance Computing, Networking, Storage and Analysis, 2025, pp. 560–568, DOI: 10.1145/ 3731599.3767409.

4. Yao Q. et al. AI Large Models for Power System: A Survey and Outlook. – IET Smart Energy Systems, 2025, vol. 1, No. 1, pp. 3–21, DOI: 10.1049/ses2.70000.

5. Li B., Zhang H., Cao Y. Adaptive Solving Method for Power System Operation Based on Knowledge-Driven LLM Agents. – Electronics, 2026, vol. 15, No. 2, DOI: 10.3390/electronics15020478.

6. Cheng B. et al. AI for the Grid and AI on the Grid: Implications, Challenges and Opportunities. – The Electricity Journal, 2026, vol. 39, No. 2, DOI: 10.1016/j.tej.2026.107547.

7. Ruan J. et al. Applying Large Language Models to Power Systems: Potential Security Threats. – IEEE Transactions on Smart Grid, 2024, vol. 15, No. 3, pp. 3333–3336, DOI: 10.1109/TSG.2024.3373256.

8. Паздерин А.В., Сенюк М.Д. Обзор и перспективы применения алгоритмов машинного обучения для противоаварийного управления электрическими режимами энергосистем. – Электричество, 2025, № 10, с. 22–36.

9. NREL. Generative AI for Power Grid Operations. – Technical Report NREL/TP-5D00-91176, 2024, DOI: 10.2172/2477920.

10. Zhang Q., Xie L. PowerAgent: A Road Map Toward Agentic Intelligence in Power Systems: Foundation Model, Model Context Protocol, and Workflow. – IEEE Power and Energy Magazine, 2025, vol. 23, No. 5, pp. 93–101, DOI: 10.1109/MPE.2025.3579718.

11. Программный комплекс «RastrWin3». Руководство пользователя [Электрон. ресурс], URL: https://www.rastrwin.ru/download/Files/RastrWin3_2020_10_05.pdf (дата обращения 04.08.2026).

12. Model Context Protocol Specification. – Anthropic, 2024–2026 [Электрон. ресурс], URL: https://modelcontextprotocol.io; Specification and Materials: https://github.com/modelcontextprotocol (дата обращения 04.08.2026).

13. Методические указания по устойчивости энергосистем: утв. приказом Минэнерго России от 03.08.2018 г. № 630 (ред. от 20.12.2022).

14. Правила технологического функционирования электроэнергетических систем: утв. постановлением Правительства Российской Федерации от 13.08.2018 № 937. Приложение № 4 «Номинальное напряжение электрической сети и наибольшее рабочее напряжение электрической сети».

15. IEEE 300-bus Test Case. – Power Systems Test Case Archive [Электрон. ресурс], URL: https://labs.ece.uw.edu/pstca/ (дата обращения 04.08.2026).

#

1. Huang C. et al. Large Foundation Models for Power Systems. – IEEE Power & Energy Society General Meeting, 2024, DOI: 10.1109/PESGM51994.2024.10688670.

2. Jia M., Cui Z., Hug G. Enhancing LLMs for Power System Simulations: A Feedback-Driven Multi-Agent Framework. – IEEE Transactions on Smart Grid, 2025, vol. 16, No. 6, pp. 5556–5572, DOI: 10.1109/TSG.2025.3589114.

3. Jin H., Kim K., Kwon J. GridMind: LLMs-Powered Agents for Power System Analysis and Operations. – SC'25 Workshops of the International Conference for High Performance Computing, Networking, Storage and Analysis, 2025, pp. 560–568, DOI: 10.1145/ 3731599.3767409.

4. Yao Q. et al. AI Large Models for Power System: A Survey and Outlook. – IET Smart Energy Systems, 2025, vol. 1, No. 1, pp. 3–21, DOI: 10.1049/ses2.70000.

5. Li B., Zhang H., Cao Y. Adaptive Solving Method for Power System Operation Based on Knowledge-Driven LLM Agents. – Electronics, 2026, vol. 15, No. 2, DOI: 10.3390/electronics15020478.

6. Cheng B. et al. AI for the Grid and AI on the Grid: Implications, Challenges and Opportunities. – The Electricity Journal, 2026, vol. 39, No. 2, DOI: 10.1016/j.tej.2026.107547.

7. Ruan J. et al. Applying Large Language Models to Power Systems: Potential Security Threats. – IEEE Transactions on Smart Grid, 2024, vol. 15, No. 3, pp. 3333–3336, DOI: 10.1109/TSG.2024.3373256.

8. Pazderin A.V., Senyuk M.D. Elektrichestvo – in Russ. (Elec-tricity), 2025, No. 10, pp. 22–36.

9. NREL. Generative AI for Power Grid Operations. – Technical Report NREL/TP-5D00-91176, 2024, DOI: 10.2172/2477920.

10. Zhang Q., Xie L. PowerAgent: A Road Map Toward Agentic Intelligence in Power Systems: Foundation Model, Model Context Protocol, and Workflow. – IEEE Power and Energy Magazine, 2025, vol. 23, No. 5, pp. 93–101, DOI: 10.1109/MPE.2025.3579718.

11. Programmnyy kompleks «RastrWin3». Rukovodstvo pol’zovatelya (RastrWin3 Software Package. User's Guide) [Electron. resource], URL: https://www.rastrwin.ru/download/Files/RastrWin3_ 2020_10_05.pdf (Accessed on 04.08.2026).

12. Model Context Protocol Specification. – Anthropic, 2024–2026 [Electron. resource], URL: https://modelcontextprotocol.io; Specification and Materials: https://github.com/modelcontextprotocol (Accessed on 04.08.2026).

13. Metodicheskie ukazaniya po ustoychivosti energosistem: utv. prikazom Minenergo Rossii ot 03.08.2018 g. No. 630 (Methodological Guidelines on the Stability of Energy Systems: Approved by Order of the Ministry of Energy of the Russian Federation Dated 08.03.2018 No. 630).

14. Pravila tekhnologicheskogo funktsionirovaniya elektroenerge-ticheskih sistem: utv. postanovleniem Pravitel’stva Rossiyskoy Fe-deratsii ot 13.08.2018 No. 937. Prilozhenie No. 4 «Nominal’noe na-pryazhenie elektricheskoy seti i naibol’shee rabochee napryazhenie elektricheskoy seti» (Rules of Technological Functioning of Electric Power Systems: Approved by Decree of the Government of the Russian Federation Dated 08.13.2018 No. 937. Appendix No. 4 "Rated Voltage of the Electrical Network and the Maximum Operating Voltage of the Electrical Network").

15. IEEE 300-bus Test Case. – Power Systems Test Case Archive [Electron. resource], URL: https://labs.ece.uw.edu/pstca/ (Accessed on 04.08.2026)

Опубликован

2026-10-18

Выпуск

Раздел

Статьи