В настоящее время развитие электроэнергетики сопровождается одновременным ростом требований к надежности электроснабжения, увеличением объёмов цифровых данных и расширением состава автоматизированных средств управления электрическими сетями. В этих условиях особое значение приобретает создание интегрированных систем, способных не только осуществлять мониторинг текущего состояния сети, но и обеспечивать прогнозирование возможных нарушений, оценку рисков и формирование управляющих воздействий.
Актуальность рассматриваемой проблемы определяется, прежде всего, необходимостью повышения эффективности эксплуатации существующей электросетевой инфраструктуры. Согласно отчётам ведущих компаний, в период с 2022 по 2024 годы наблюдается положительная динамика развития электроэнергетического комплекса: установленная мощность электростанций увеличилась на 618,4 МВт, потребление электроэнергии выросло на 3,1 %, а протяжённость линий электропередачи увеличилась на 33 тыс. км и в совокупности превысила 2,57 млн км1.
Генеральная схема размещения объектов электроэнергетики до 2036 года предусматривает ввод дополнительных 13,8 тыс. км новых ЛЭП (0,016 % от общей протяжённости ЛЭП РФ) и 14,1 тыс. МВА новой трансформаторной мощности (1,5 % от суммарной трансформаторной мощности РФ)2. Однако, несмотря на позитивные тенденции, сохраняется проблема высоких потерь в сетях и степени физического износа электрооборудования, что требует внедрения современных решений для минимизации издержек. Основными вызовами и проблемами электроснабжения РФ на 2026 год являются:
- физический износ инфраструктуры, в среднем износ сетей превышает 50 %;
- нехватка резервных мощностей у предприятий на объектах II категории надежности;
- необходимость оснащения объектов ТЭК средствами противодействия БПЛА;
- низкая энергоэффективность действующего оборудования;
- недостаточная автоматизация, дефицит цифровых систем управления и разобщённость энергосистем3;
- высокие капитальные затраты на модернизацию.
Таким образом, увеличение масштабов электросетевой инфраструктуры сопровождается повышением требований к качеству управления ею. При этом существующая архитектура управления во многих случаях характеризуется функциональной разобщённостью отдельных систем мониторинга, диспетчерского управления, учёта, диагностики и технического обслуживания. В результате данные об одном и том же объекте могут формироваться и обрабатываться в различных информационных системах, что ограничивает возможности их комплексного использования для оперативного принятия решений. Следовательно, возникает необходимость перехода от отдельных автоматизированных решений к интегрированной системе управления, объединяющей средства измерения, автоматизации, диагностики, прогнозирования и поддержки принятия решений.
Согласно Перечню технологий, оборудования, материалов и специализированного ПО, востребованного организациями ТЭК РФ, выделены следующие перспективные технологии:
- высокотемпературной сверхпроводимости;
- вакуумной изоляции;
- автоматизированного управления и мониторинга технических процессов и оборудования;
- самодиагностики;
- предиктивной аналитики на основе ИИ и больших данных;
- цифровых двойников и информационного моделирования;
- роботизированные комплексы для проведения осмотров оборудования;
- управления данными и безопасности их обмена;
- системы управления производственными активами на основе алгоритмов ИИ и технологий управления большими данными4.
По данным International Energy Agency, суммарный потенциал использования ИИ в режиме реального времени, эксплуатации активов, обслуживании и ремонте, проектировании сетей составляет 57,5 %. Процентное распределение имеющегося потенциала в сфере электроснабжения представлено на рисунке 1. Таким образом, анализ перспективных технологий показывает, что техническая база для создания интеллектуальной системы управления уже включает большинство необходимых компонентов. Вместе с тем остаётся задача их интеграции в единую архитектуру, обеспечивающую совместное использование данных и координацию управляющих воздействий.
Рис. 1. Потенциал использования ИИ в сфере электроснабжения5
На основе данных о проектах последних лет6, предусматривающих обязательную интеграцию систем локальной генерации и цифровых средств управления, рассмотрена гипотеза создания единой системы управления и мониторинга распределительными сетями, интегрированной с SCADA с визуализацией состояния сети, автоматической выдачей оптимальных инструкций для переключений7. Обобщённая модель указанной системы представлена на рисунке 2.
На аппаратном уровне предусматриваются функции самодиагностики и граничных вычислений, обеспечивающие предварительную обработку данных непосредственно в местах их сбора. Комплексная автоматизация распределительных электрических сетей включает установку автоматизированных выключателей и разъединителей на фидерных линиях, секционирующих пунктах и автоматизированных трансформаторных подстанциях. Данные, поступающие от объектов электросетевого хозяйства, передаются по защищённым каналам связи в единую информационную платформу. На её основе формируется цифровое представление состояния электрической сети, которое используется для мониторинга, анализа и прогнозирования.
Системы автоматизации устранения аварий обеспечивают автоматическое отключение повреждённых участков сети при коротком замыкании или обрыве линии. Это позволяет сократить продолжительность аварийного режима и локализовать повреждение.
Одновременно нейросетевые модели, интегрированные в систему мониторинга, осуществляют анализ параметров электрической сети и выявляют изменения нагрузки, технического состояния оборудования и вероятности возникновения аварийных ситуаций. Результаты анализа используются для формирования рекомендаций по управлению и выбора соответствующих управляющих воздействий.
Дополнительную информацию о состоянии объектов электросетевой инфраструктуры предоставляют беспилотные летательные аппараты. Получаемые с их помощью данные о состоянии линий электропередачи и внешних условиях дополняют сведения, поступающие от стационарных средств мониторинга. В результате формируется более полное представление о текущем состоянии сети.
Операционный контур системы обеспечивает обработку поступающих данных и координацию диспетчерских задач в режиме реального времени. Таким образом, предлагаемая архитектура объединяет физический уровень оборудования, уровень сбора и передачи данных, уровень аналитической обработки и уровень формирования управляющих воздействий.
Рис. 2. Модель интеллектуальной интегрированной системы управления и мониторинга распределительными электрическими сетями. Составлена автором
Практическая реализация отдельных элементов рассматриваемой концепции может быть проиллюстрирована на примере программы инновационного развития ПАО «Россети Ленэнерго», а именно переход и масштабное внедрение цифровых подстанций (ЦПС) класса напряжения 35-110 (220) кВ8. В рамках такой архитектуры выделяются следующие направления технологического развития [Ихсанов: 273]:
- устройства РЗА с функцией цифрового обмена данными;
- интеллектуальные комплектные распределительные устройства (ИКРУ PNP) с интегрированными контроллерами присоединений и возможностью интеграции в единую систему управления, максимально приближенные к идеологии Plug-n-Play;
- интегрированные в ЦПС устройства синхронизированных измерений (РМU) с внедрением WAMS/WАСS/WАРS технологий;
- интегрированные в ЦПС интеллектуальные приборы учёта с функцией дистанционного управления (ДУ), сбора и выдачи информации о параметрах работы сети;
- системы определения мест повреждения в сети;
- создание модели сети в соответствии с единым стандартом данных CIM (Common Information Model) и ГОСТ Р 58651;
- системы сбора и отображения информации (SCADA);
- системы управления режимами работы сетей (DMS);
- системы управления оперативными работами в сетях (OMS);
- системы цифрового проектирования сетей (DPS, PLM, BIM, CAD);
- системы обучения персонала (HRS);
- систем хранения и обработки данных с применением технологий больших данных (BigData);
- компоненты робототехники и сенсорика;
- комплексные системы защиты информации для значимых объектов критической информационной инфраструктуры (КИИ)8.
Совокупное применение перечисленных компонентов позволяет перейти от автоматизации отдельных технологических операций к интегрированному управлению объектами электрической сети. При этом важным условием является унификация форматов данных, интерфейсов взаимодействия и требований информационной безопасности. Пример одной из архитектурных схем интегрированной информационной системы управления участком электросети (с учётом возможности масштабирования) приведён на рисунке 3.
Рис. 3. Обобщённая схема архитектуры ИИСУ [Мозохин: 56]
Для обеспечения адаптивности системы управления необходимо учитывать не только текущие параметры режима, но и техническое состояние оборудования, вероятность его отказа и возможный ущерб от нарушения работы. В качестве одного из показателей технического состояния предлагается использовать соответствующий индекс (ИТС) `(J)`, представляющий собой интегральную характеристику состояния элементов системы электроснабжения [Секретарев: 5]. Он определяется на основе диагностики изменения технических параметров системы. Благодаря нему впоследствии определяются предельный срок службы, вероятности отказа и безотказной работы электрооборудования, перерасчёт которых рекомендуется осуществлять при каждом существенном изменении значений ИТС, включая расчёты до и после проведения каждого воздействия (ремонта) [Назарычев: 1]:
`J = 100 * ((sum(omega_(i) xx q_(i)))/10) % ,`
где `omega_(i)` ` ` – весовой коэффициент значимости элемента;
` ` `q_(i)` – весовой коэффициент (оценка) состояния элемента в баллах от 1 до 10 [Секретарев: 22].
Состояние энергосистемы представляется следующей функцией:
` ` `S = S(F,X,u)` ,
где `F` ` `– случайный вектор отказов элементов сети `F = (F_(1), F_(2),..., F_(N))` ` `, составляющие вектора `F_(i)` будут принимать значения 1 и 0 при отказе и исправности элемента соответственно;
` ` `X` – текущее состояние сети, `X = {a_(i), b_(i),...},`характеризующееся перетоками активной и реактивной мощности, напряжениями в узлах сети, токовой загрузкой элементов и углами векторов напряжений, а также температурным режимом, возрастом оборудования, индексами технического состояния и т. д. Для определения наиболее значимых параметров, характеризующих риск нарушения надёжности сети, может применяться машинное обучение [Калинин: 129-134];
` ` `u` – управляющие воздействия.
Величину риска выхода из строя отдельного элемента электросети (`Ri`) определяется выражением:
` ` `R_(i) = p_(i) C_(i)(G//e_(i))` ,
где `p_(i)` ` `– вероятность отказа электрооборудования;
` ` `C_(i)` – последствие отказа электрооборудования (ущерб) ` `;
` ` `G` – граф электросети (`G = V, E`), состоящий из узлов `V` ` ` и ветвей `E` ` `, с ребром `e_(i)` – отдельным её элементом (линией, силовым трансформатором, секцией шин).
Таким образом, критичность объекта определяется его положением в электросети.
Наиболее ответственной задачей в данном вопросе станет определение значений весовых коэффициентов функциональных узлов электрооборудования [Байдюк: 79-83]; [Секретарев: 25]. В дальнейшем аналогичный подход может применяться к узлам энергосистемы в целом. В качестве основы для такой оценки может использоваться расчётная схема Единой электроэнергетической системы России, представленная на рисунке 4.
Рис. 4. Расчётная схема Единой электроэнергетической системы России [Труфанов: 969]
Индекс критичности для отдельного элемента электросети `K_(i)` ` ` можно определить по формуле:
` ``K_(i) = (C(G//e_(i)) - C(G))/(C(G))` .
Указанный индекс отражает относительный прирост ущерба для отдельного элемента сети.
Риск выхода из строя конкретного оборудования:
` ` `R_(i) = P_(i)(F) * C_(i)` .
Риск нарушения параметров режима и надёжности сети:
` ` `R_(Net) = f(G,X,F)` .
Риск крупной системной аварии или инцидента:
` ``R_(Sys) = (1-lambda)E[C(S)] + lambdaCVaR_(alpha)(C)` ,
где `E[C(S)]`– средний ожидаемый ущерб от всех возможных состояний энергосистемы с учётом их вероятностей;
`VaR_(alpha)` – критерий распределения ущерба (Value at Risk), `alpha` ` ` – вероятность;
` ` `CVaR_(alpha)(C)` – средний ущерб среди наиболее тяжёлых (экстремальных (`1-alpha`)) сценариев;
` ` `lambda` – коэффициент неприятия риска.
Таким образом, риск-ориентированная модель обеспечивает переход от оценки отдельных технических параметров к комплексной оценке последствий возможных отказов на уровне оборудования, участка сети и энергосистемы.
Для оценки эффективности функционирования предлагаемой системы целесообразно использовать совокупность технических и эксплуатационных показателей, которыми могут выступать: точность прогнозирования нагрузки и отказов, время реакции системы, SAIDI (средняя длительность отключения потребителя), SAIFI (средняя частота отключений), EENS (недоотпуск электроэнергии), количество системных аварий, время восстановления.
Проведение предварительной оценки рисков (по показателям безотказности и долговечности каждого элемента системы) позволит осуществлять формирование программ технического обслуживания и ремонта, а также технического перевооружения и реконструкции [Назарычев: 2].
В настоящее время доля наблюдаемости распределительных сетей РФ составляет примерно 32 %. По прогнозам аналитиков инвестиции в необходимое оборудование, программное обеспечение и связь для одного региона потребует нескольких десятков миллиардов рублей, а срок окупаемости составит 5–10 лет за счёт снижения потерь и операционных затрат9.
Рассматриваемая система предполагает поэтапное развитие цифровой инфраструктуры. В качестве ориентировочных этапов рассматриваются завершение масштабного внедрения интеллектуального учёта к 2030 году, дальнейшее масштабирование цифровых сетей и подстанций к 2035 году и автоматизация отдельных регионов к 2050 году [Малимон: 8].
На практике отдельные функции предлагаемой архитектуры уже реализуются в современных системах управления электрическими сетями. В частности, используются решения ADMS (Advanced Distribution Management System), объединяющие SCADA, функции управления отключениями, прогнозирование состояния сети и другие инструменты управления распределительной сетью [Кокоев: 3], а также пилотный проект State Grid Zhejiang Electric Power, в рамках которого объединены платформа телеметрии SCADA, данные PMU, цифровые модели оборудования и алгоритмы искусственного интеллекта. Среди отечественных решений могут выступать ОИК СК-11, ПК КОТМИ-14 и отдельные системы SCADA: ОИК «Систел» или SCADA-R.
При этом интеграция существующих решений не предполагает обязательного отказа от сложившейся многоуровневой структуры управления. Наиболее реалистичным представляется сохранение системного контура за СО ЕЭС, операционного контура EMS на магистральном уровне и ADMS на уровне распределительных организаций при обеспечении их информационной совместимости, но с едиными стандартами данных (моделями производителей и марок оборудования, типами объектов и классами напряжения), моделями (моделями энергообъектов и оборудования), интерфейсами и правилами безопасности, для анализа отдельных элементов сети, обработки данных и унифицирования управляющих воздействий10. Следовательно, основным направлением развития предлагаемой системы является не замена существующих информационных комплексов, а их интеграция на основе единых принципов представления, обмена и обработки данных.
* * * * *
В ходе исследования рассмотрены основные технологии, реализованные проекты, имеющиеся в РФ технические решения, сформулирована риск-ориентированная модель и предложены критерии оценки эффективности работы для создания интеллектуальной интегрированной энергетической системы с функцией адаптации к внешним возмущениям. Развитие отдельных систем управления энергообъектами в единую платформу с унифицированным способом сбора, передачи, представления и обработки данных позволит наблюдать и реагировать в режиме реального времени на изменение параметров электросети, степени загруженности и физического состояния оборудования, что в результате повысит энергоэффективность и степень рационального использования технологических ресурсов промышленных предприятий.
Примечания
1 Отчёт о функционировании энергосистемы России в 2024 году (на основе оперативных данных). Москва: ОАО «СО ЕЭС», 2025. С. 2-4; Энергия сильной страны: Годовой отчет ПАО «Россети» за 2024 год. Москва: ПАО «Россети», 2025. С. 10-11.
2 Генеральная схема размещения объектов электроэнергетики до 2042 года: утв. Распоряжением Правительства РФ от 30 декабря 2025 года № 4153-р. C. 17 // Официальный интернет-портал правовой информации: инф. сайт. URL: http://publication.pravo.gov.ru/document/0001202501090002?index=18 (дата обращения: 15.10.2025).
3 Трубников Е. Энергоснабжение промышленных объектов: настоящее и будущее // Рынок электротехники. 2025. № 2(78). URL: https://marketelectro.ru/energosnabzhenie-promyshlennyh-obektov-nastoyashchee-i-budushchee (дата обращения: 15.10.2025).
4 Энергетическая стратегия Российской Федерации на период до 2050 года: утв. Распоряжением Правительства РФ от 12 апреля 2025 года № 908-р. С. 93-101 //Официальный интернет-портал правовой информации: инф. сайт. URL: http://publication.pravo.gov.ru/document/0001202504140013?index=89 (дата обращения: 15.10.2025).
5 Birol F., ed. Energy and AI // International Energy Agency: site. URL: https://www.iea.org/reports/energy-and-ai (дата обращения: 15.10.2025).
7 Чернов М. Техническое обслуживание электротехнического оборудования: стратегии и решения // Рынок электротехники. 2025. № 2(78). URL: https://marketelectro.ru/tekhnicheskoe-obsluzhivanie-elektrotekhnicheskogo-oborudovaniya-strategii-i-resheniya (дата обращения: 15.10.2025).
8 Программа инновационного развития ПАО «Россети Ленэнерго» на период 2020–2024 гг. с перспективой до 2030 г. Санкт-Петербург: ПАО «Россети Ленэнерго», 2020. С. 108-109.
9 Клиничев И. Технология Smart Grid: суть и внедрение в России в 2025 году // Рынок электротехники. 2025. № 2(78). URL: https://marketelectro.ru/tekhnologiya-smart-grid-sut-i-vnedrenie-v-rossii-v-2025-godu (дата обращения: 15.10.2025).
10 Энергетическая стратегия Российской Федерации на период до 2050 года.
Список литературы
Байдюк М.А. Оценка технического состояния и надежности электрических машин / М.А. Байдюк, Г.В. Комарова // Известия СПбГЭТУ ЛЭТИ. 2019. № 3. С. 78-84.
Ихсанов И.И. Оптимизация работы распределительных электрических сетей с использованием интеллектуальных систем управления / И.И. Ихсанов, Е.Ю. Федоров // Поколение будущего: Взгляд молодых учёных-2024: Сборник научных статей 13-й Международной молодёжной научной конференции. В 4-х томах, Курск, 12–13 ноября 2024 года. Курск: ЗАО "Университетская книга", 2024. С. 271-274.
Калинин Д.И. Прогнозирование параметров режима работы электросети с помощью методов машинного обучения / Д.И. Калинин, А.И. Цимерман, В.С. Попов // Электроэнергетика: проблемы, решения, форсайт: Сборник статей I региональной научно-практической конференции под эгидой молодёжной секции РНК СИГРЭ, Великий Новгород, 27 ноября 2025 года. Великий Новгород: Новгородский государственный университет им. Ярослава Мудрого, 2026. С. 129-135.
Кокоев А.А. Реализация элементов концепций Smart Grid и Smart Metering в распределительных сетях среднего напряжения / А.А. Кокоев, С.А. Марзоев, Д.В. Сидоров // Современные научно-технические и социально-гуманитарные исследования: актуальные вопросы, достижения и инновации: Сборник докладов II Всероссийской научно-практической конференции, Владикавказ, 12–14 мая 2020 года. Часть II. Владикавказ: Северо-Кавказский горно-металлургический институт (государственный технологический университет), 2021. С. 132-134.
Малимон А.П. Прогноз развития энергетики в свете цифровизации, внедрения интеллектуальных систем и растущей роли искусственного интеллекта / А.П. Малимон, Е.С. Трофименко // Молодежный глобальный прогноз развития энергетики: Сборник статей. Кемерово: Кузбасский государственный технический университет им. Т.Ф. Горбачёва, 2024. С. 10.1-10.3.
Мозохин А.Е. Энергетика нового уклада (EnergyNet): применение цифровых технологий и систем адаптивного управления в распределительном электросетевом комплексе / А.Е. Мозохин, В.Г. Дроздов, Б.А. Староверов. Кострома: Костромской государственный университет, 2019. 79 с.
Назарычев А.Н. Риск-ориентированное управление эксплуатацией электрооборудования с учетом его технического состояния / А.Н. Назарычев, А.А. Пугачев, Д.А. Андреев // Электроэнергия. Передача и распределение, 2020. № 6(63). С. 134-135.
Секретарев Ю.А. Модели текущего технического состояния электрооборудования для расчета надежности систем электроснабжения монопотребителей в рамках риск-ориентированного подхода / Ю.А. Секретарев, А.А. Горшунов // Энергетика. Известия высших учебных заведений и энергетических объединений СНГ. 2025. Т. 68, № 1. С. 17-34. DOI 10.21122/1029-7448-2025-68-1-17-34
Труфанов В.В. Оценка существующего энергетического потенциала регионов России / В.В. Труфанов, П.С. Драчев // Вестник Иркутского государственного технического университета. 2019. Т. 23, № 5(148). С. 967-977. DOI 10.21285/1814-3520-2019-5-967-977