Новые технологии, как правило, внедряются для повышения производительности труда (не единственная цель). Это и повышение эффективности, и попытка как-то справится с кадровым «голодом» и демографической «ямой», особенно когда геополитическая напряжённость диктует повышенный спрос, «забирая» кадровые ресурсы из «мирных» отраслей.
Новые технологии, однако, не всегда повышают производительность труда, а лишь меняют структуру занятости в экономике, отрасли или на предприятии. Искусственный интеллект (далее ИИ), например, где-то позволяет экономить, но появляется дополнительный спрос на ит-специалистов. То есть одни ресурсы, в том числе кадровые, могут высвобождаться, а другие, наоборот, начать дополнительное использоваться.
Цифровизация в целом дала новую отрасль экономики, но и создала новые вызовы по безопасности хранения, мощностям хранения и обработки данных, кибербезопасности и др. То есть цифровизация «принесла» и новые издержки, и спрос на новых специалистов, и новые риски.
Цифровизация в промышленности становится уже не только перспективной технологией, но и уже зарекомендовавшим себя инструментом, дающим конкретный финансовый результат. По оценкам Ассоциации больших данных, российские промышленные предприятия заработали порядка 0,5 трлн рублей от применения промышленных данных в 2023-2024 годах (Арялина, 2025).
В электроэнергетике основные задачи для использования ИИ – это прогнозирование спроса, оптимизация ремонтных работ, сокращение потерь (Сбер Про, 2025). Упредительное обслуживание оборудования и инженерных систем на основе «сигналов» от ИИ может сокращать простои оборудования и продлить его эксплуатационный срок.
Простой алгоритм действия ИИ можно представить в виде четырёх этапов: сбор данных с датчиков, установленных на оборудовании; анализ поступившей информации; прогнозирование возможных неисправностей; упредительное уведомление о возможных проблемах и нештатных ситуациях. Такой алгоритм на основе ИИ позволяет, во-первых, выявить проблемы заранее, чтобы было достаточно ресурсов и времени для отладки. Во-вторых, срочный и авральный ремонт можно постепенно замещать плановым обслуживанием. В-третьих, оперативное поступление информации может сократить частоту существенных «форсмажоров». В-четвёртых, открываются новые возможности по экономии на ремонтах и исправлении последствий внештатных ситуаций.
В российской практике накоплена уже не только гипотетика, но и реальные кейсы. Так, система упредительной диагностики компании Ctrl2GO Solutions сумела предугадать аварию за 1,5 года (выход из строя генератора с последующим штрафом в 150 млн рублей). При этом традиционные для отрасли системы оповещения не сработали. Автоматизированная система «умной» диагностики на Братской ГЭС позволяет экономить ресурсы на частые обходы и обследования оборудования в ручном режиме. Эта автоматизированная система была создана в рамках группы компаний ГЭС (En+ и «Русал») (Интерфакс, 2023).
Упредительная и оперативная обратная связь от ИИ на ТЭЦ в Екатеринбурге помогла выявить 4 подозрительных аномалии, которые могли повлечь отключение энергоблока (Кобер, 2024). Эта же информационная система («Прогностика» от компании «Сайбер физикс») помогла распознать 13 возможных дефектов на ТЭЦ в Кировске, что предотвратило аварийное отключение генератора, сократило количество штрафов на оптовом рынке и позволило оптимизировать плановые ремонтные работы.
Одним из мировых лидеров внедрения ИИ-решений и роботов в электроэнергетику является Китай, где масштабирование решение последовало после того, как был получен внушительный результат по экономии расходов. Роботизированные системы позволяют делать монтаж солнечных панелей в течение месяца, в то время как ранее это занимало год работы у специализированной бригады.
Если в каких-то отраслях ИИ до сих пор является данью «моды» или «хайпом», который может принести существенный экономический результат только в перспективе, то в электроэнергетике уже есть существующие примеры реального применения и получения существенной выгоды.
«Россети» также активно внедряют ИИ для повышения эффективности работы сетевой инфраструктуры. Автоматизация пока направлена в основном на проектирование, мониторинг, учёт электроэнергии и оценку технического состояния оборудования. В компании, однако, понимают, что цифровизации повышает риски по кибербезопасности, поэтому параллельно ведётся большая работа по защите данных, особенно в период геополитической напряжённости (Топливно-энергетический комплекс, 2025).
В Магаданской области было внедрено российское программное обеспечение с блоками ИИ для оптимизации работы режимов электросетей. Цель применения цифрового решения – поддержание необходимого уровня напряжения у потребителей и сокращение потерь электроэнергии (Мамонтова, 2025). Это аппаратное решение, по мнению кандидата технических наук и научного сотрудника ИСЭМ СО РАН Александра Домышева, обеспечило повышение качества управления энергосистемой в режиме самоуправления, без непосредственного участия «живого» оператора.
ИИ-решения показали высокие результаты при внедрении и на трансформаторных подстанциях. Первые пилотные решения начали использоваться в Уфе с 2013 г., а в 2020 г. было решено полностью перейти на интеллектуальное управление электроснабжением в городе. Российская компания «БЭСК Инжиниринг» реализовывала этот проект по модернизации электросетевого хозяйства Уфы. Первоначальный проект был рассчитан на 5 лет и 4 млрд рублей инвестиций. В течение нескольких лет российские и немецкие специалисты (компания «Сименс») внедряли «интеллектуальное» управление, что позволило сократить потери электроэнергии в Уфе почти вдвое (БЭСК Инжиниринг, 2024).
В сетевой инфраструктуре основной алгоритм применения ИИ работает следующим образом. Установленные датчики в режиме реального времени собирают данные о работе оборудования. Далее автоматические информационные системы анализируют информацию. В случае «аномальных» ситуаций происходит срабатывание системы экстренного оповещения. «Живые» операторы получают оповещения и принимают оперативные решения.
В результате внедрения и совершенствования такого алгоритма повышается надёжность электроснабжения, улучшается качество использования системы автоматического управления, сокращаются потери электроэнергии, расширяются возможности удалённого контроля за объектами инфраструктуры, совершенствуется механизм оперативной идентификации и предотвращения аварийных ситуаций.
Несмотря на большой опыт применения математической статистики в прогнозировании почасового спроса на электроэнергию, до сих пор именного прогноз потребления остаётся самым узким местом в работе систем. Серьёзный прорыв в прогностике средствами ИИ может дать новый толчок для применения цифровых технологий в электроэнергетике.
Существовавшие системы прогнозирования электропотребления допускали ошибку в нормальном режиме в пределах 4%. Но в случае осложнения «шумовых» условий (качество данных, метеоусловия и др.) прогнозы корректируются «живыми» специалистами в ручном режиме, что существенно увеличивало погрешность прогнозов (ошибка прогноза могла возрастать и до 30%). Специалисты лаборатории управления функционированием электроэнергетических систем ИСЭМ СО РАН разработали программу на основе нейросетей, что, по мнению Никиты Томина, кандидата технических наук и старшего научного сотрудника этой лаборатории, позволило сократить среднюю относительную ошибку прогноза почти вдвое (с 6,8 до 3,8%). Несколько процентных пунктов снижения ошибки прогноза конвертируются в уменьшении издержек на миллионы рублей.
Популярные сегодня беспилотные технологии используются и в электросетевом хозяйстве. Они уже положительно себя зарекомендовали в диагностике воздушных линий электропередач. Специально обученная нейросеть анализирует почти 300 тысяч изображений, автоматически распознавая 41 подвид критических для системы дефектов, которые в свою очередь являются детерминантами почти 92% всех аварий в системе. При традиционной технологии удавалось обследовать примерно 6 км ЛЭП в день, а при внедрении «интеллектуальных» решений – 100 км.
Данная технология беспилотного обследования ЛЭП используют пока два типа летательных аппаратов: конвертоплан и квадрокоптер. Установленное на них фото- и видеооборудование позволяют создавать трёхмерные модели обследуемых инженерных систем (Энергетика и промышленность России, 2025).
Энергосбытовые компании активно используют ИИ для прогнозирования спроса с учётом погодных условий. Такие умные системы помогают, например, таким предприятиям как «Красноярскэнергосбыт» закупать именно столько энергии, сколько необходимо в соответствие со спросом.
Большие надежды на ИИ возлагаются и в вопросе выявления неучтённого потребления (воровства) электроэнергии. «Россети» создали систему прогнозирования такого несанкционированного подключения под названием «Радар»[1]. Она основана на машинном обучении (ML) и анализе больших данных (big data).
Цифровые технологии активно используются и в более привычных для рядового потребителя направлениях – работе с обращениями. Цифровые помощники позволяют существенно снизить нагрузку на колл-центры. Компания-поставщик электроэнергии из Новосибирска уже обрабатывает до 90% обращений без участия «живых» помощников (более 20 тысяч обращений в месяц). При прошлой, традиционной, схеме клиенты получали ответы с шестого запроса, а при новой – с первого (Comnews, 2024).
Технологии ИИ в электроэнергетике уже зарекомендовали себя, однако потенциал их применения до сих пор остаётся широким. Российские компании имеют и ограничения, которые пока ограничивают полноценное применение лучших мировых решений. Первое ограничение – дефицит кадров, особенно на стыке электроэнергетики и анализа данных. Второе ограничение – изношенность основных средств. Средний срок службы объектов тепловой генерации, например, превышает 38 лет. Модернизация требует большого количества инвестиций, которые в период высокой ставки стали практически недоступными для капиталоёмких проектов с длительными сроками окупаемости. Третье ограничение – устаревшие системы работы с данными (сбор, обработка, хранение и анализ).
Решения на основе ИИ в электроэнергетике внедряются не просто на основе индивидуальных разработок компаний. Уже не первый год выстраивается комплексная инфраструктура, включающая в том числе образовательный модуль. Так, на базе Уральского федерального университета[2] работают уже две целевые программы подготовки магистров по искусственному интеллекту в электроэнергетике. Одна программа направлена больше на математиков и программистов, а вторая – на управленцев в электроэнергетике. Руководит программой подготовки Хальясмаа Александра, кандидат технических наук и заведующая научной лабораторией цифровых двойников в электроэнергетике.
Обе программы магистерской подготовки являются практикоориентированными. Партнёром программы является международная инжиниринговая компания «РТСофт», которая разработала специальный кейс по построению систем управления объектами интеллектуальной распределённой энергетики. «РТСофт» предлагает целый комплекс решений для предприятий электроэнергетического комплекса по внедрению и оптимизации работы интеллектуальных систем управления[3].
Отраслевые эксперты ожидают, что почти 70% российских энергетических компаний перейдут на активное использование ИИ к 2027 г. За счёт этого удастся повысить выручку на 10-11% и сократить потери электроэнергии. К 2030 г. энергетические компании могут получить дополнительный финансовый результат в размере 1 трлн рублей от внедрения ИИ.
Список литературы
Comnews. (27 Август 2024 г.). "Новосибирскэнергосбыт" использует цифрового помощника для общения с клиентами. Получено из https://www.comnews.ru/content/234921/2024-08-27/2024-w35/1011/novosibirskenergosbyt-ispolzuet-cifrovogo-pomoschnika-dlya-obscheniya-klientami
Dilda, V., Hippe, M., Mori, L., Noterdaeme, O., Schmitz, C., & Van Niel, J. (2017, July). Manufacturing: analytics unleashes productivity and profitability. Retrieved from McKinsey: https://www.mckinsey.com/capabilities/operations/our-insights/manufacturing-analytics-unleashes-productivity-and-profitability
Арялина, М. (19 Июнь 2025 г.). Российские промышленники заработали дополнительные 0,5 трлн рублей на ИИ. Получено из Ведомости: https://www.vedomosti.ru/technologies/new_technologies/articles/2025/06/19/1118130-rossiiskie-promishlenniki-zarabotali-dopolnitelnie-05-trln-rublei-na-ii
БЭСК Инжиниринг. (2024). Проект модернизации электросетевого хозяйства Уфы с применением элементов Smart Grid. Получено из https://besk-ec.ru/objects/detail.php?SECTION_ID=92&ELEMENT_ID=373
Интерфакс. (14 Март 2023 г.). Братская ГЭС внедрила систему диагностики неисправности гидроагрегатов на ранней стадии. Получено из Interfax: https://www.interfax-russia.ru/siberia/news/bratskaya-ges-vnedrila-sistemu-diagnostiki-neispravnosti-gidroagregatov-na-ranney-stadii
Кобер, П. (16 Февраль 2024 г.). Отечественная программа, внедренная в систему управления Академической ТЭЦ в Екатеринбурге, успела своевременно выявить несколько серьезных дефектов. Получено из Эксперт Урал: https://expert-ural.com/articles/otechestvennaya-programma-vnedrennaya-v-sistemu-upravleniya-akademicheskoy-tec-v-ekaterinburge-uspel.html
Мамонтова, Ю. (16 Январь 2025 г.). Интеллектуальные решения для электроэнергетики. Получено из Сибирская наука: https://sib-science.ru/news/intellektualnie_resheniya_dlya_elektroenergetiki_16_01_2025
Министерство энергетики РФ. (22 Апрель 2025 г.). Трансформация ТЭК России в эпоху цифровизации. Получено из https://minenergo.gov.ru/press-center/news-and-events?news-item=transformatsiya-tek-rossii-v-epokhu-tsifrovizatsii&ysclid=lucdgp5ji2925686934
Сбер Про. (1 Декабрь 2025 г.). Свет в конце алгоритма. Как AI меняет российскую энергетику. Получено из Sber.Pro: https://sber.pro/publication/svet-v-kontse-algoritma-kak-ai-menyaet-rossiiskuyu-energetiku/
Топливно-энергетический комплекс. (24 Январь 2025 г.). «Россети» утвердили Программу инновационного развития до 2035 года. Получено из tek-all.ru: https://www.tek-all.ru/news/id10605-rosseti-utverdili-programmu-innovatsionnogo-razvitiya-do-2035-goda/
Энергетика и промышленность России. (4 Апрель 2025 г.). «Россети Центр» работают над улучшением системы беспилотной диагностики энергообъектов. Получено из https://www.eprussia.ru/news/base/2025/3759327.htm
[1] https://tef.tatar/assets/gallery/76/2512.pdf.
[2] https://energy.urfu.online/ai_power_ru.
[3] https://www.rtsoft.ru/project-cards/sgt/.
