Edisi Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# FLARE menguji keputusan AI untuk memulihkan jaringan listrik saat mutu laporan menurun

> Tolok ukur simulasi baru mendapati bahwa agen AI sering menyamai rencana acuan pemulihan jaringan listrik. Namun, hasil terburuk dan usulan manuver sakelar yang tidak aman tetap menempatkan pemeriksaan keselamatan independen sebagai unsur penting.

By BIG CHANGE Editorial

Published: 2026-10-19T11:40:34.898Z
Updated: 2026-10-19T11:40:34.898Z
Canonical: https://bigchange.ai/blog/flare-ai-grid-restoration-benchmark-degraded-reports

![Conceptual charcoal miniature of houses and local electricity poles, with an open disconnector prominent in the foreground.](https://bigchange.ai/api/media/file/flare-simulated-feeder-restoration-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE; no actual utility, outage, research apparatus or test result is depicted.

Para peneliti membangun [tolok ukur simulasi bernama FLARE](https://arxiv.org/html/2610.23251v1) untuk menguji cara agen model bahasa menangani tugas jaringan listrik yang sempit tetapi penting: memilih cara memulihkan listrik setelah gangguan diisolasi. Agen menerima laporan yang tidak sempurna, dapat meminta informasi tambahan, dan mengusulkan pengoperasian sakelar. Pengaman terpisah berbasis fisika memutuskan apakah penutupan sakelar penghubung yang diusulkan aman pada jaringan simulasi.

Naskah [pracetak bertanggal 16 Oktober](https://arxiv.org/abs/2610.23251) melaporkan 800 kasus fisik dalam lima kondisi pengamatan serta 78.750 episode model di seluruh evaluasinya. Penelitian ini menyediakan cara untuk menelaah keputusan pemulihan dan pola kegagalannya. Tidak ada uji lapangan oleh perusahaan listrik atau peningkatan layanan nyata yang terukur yang dilaporkan.

## Perubahan besarnya

- **Apa yang berubah:** FLARE mengaitkan pengumpulan informasi dan pilihan manuver sakelar oleh agen dengan konsekuensi kelistrikan dalam simulasi, bukan sekadar memberi skor pada jawaban. Penulis dapat membandingkan keputusan berdasarkan laporan yang jelas dan akurat dengan keputusan berdasarkan laporan yang terbatas atau keliru.
- **Mengapa penting:** Peneliti jaringan listrik dapat menelaah bagian saat agen membuang waktu atau mengusulkan manuver sakelar yang tidak aman, sementara pemeriksaan fisik terpisah tetap menentukan apakah manuver itu dijalankan. Tindakan yang ditolak dalam makalah ini menunjukkan mengapa rencana yang tampak masuk akal tidak dapat menjadi izin keselamatan bagi dirinya sendiri.
- **Apa yang perlu dipantau:** Penulis menyebut data perusahaan listrik, studi dengan operator manusia, dan validasi kelistrikan yang lebih menyeluruh sebagai pekerjaan mendatang. Pemeriksaan tersebut akan menentukan sejauh mana tolok ukur ini dapat membantu dukungan keputusan di luar tugas simulasi setelah isolasi gangguan.

## Apa yang sebenarnya dilakukan agen

FLARE dimulai **setelah gangguan diisolasi**, ketika sebagian penyulang distribusi masih tidak mendapat listrik. Pada setiap kasus, agen dapat meminta laporan pemantauan, informasi telepon pelanggan, atau pembacaan indikator gangguan; meminta inspeksi atau pengujian sakelar; menyimulasikan operasi yang diusulkan; membuka sakelar pembagi seksi; menutup sakelar penghubung; atau berhenti. Sakelar penghubung dapat menghubungkan wilayah yang padam ke penyulang lain, tetapi tambahan permintaan dapat membebani peralatan secara berlebihan. Tugas simulasi ini memiliki rentang waktu 240 menit serta batas jumlah pemanggilan alat dan operasi sakelar, menurut [protokol tolok ukur](https://arxiv.org/html/2610.23251v1).

Penulis memadukan jaringan penyulang CIGRE dan SimBench dengan deret waktu operasi tegangan menengah yang diukur di Jerman. Mereka menyimulasikan gangguan, isolasi, dan hasil operasi sakelar. Masing-masing dari 800 kasus fisik utama memiliki rencana acuan pemulihan yang layak. Lima versi suatu kasus mempertahankan jaringan dan gangguan yang sama, tetapi mengubah apa yang dilihat agen: laporan bersih, jarang, berderau, usang, atau kondisi gabungan berlabel bertentangan. Kondisi terakhir juga mengurangi cakupan pemantauan dan meningkatkan beberapa tingkat kesalahan, sehingga hasilnya tidak dapat memisahkan pengaruh laporan yang saling bertentangan saja. Lampiran makalah menyatakan bahwa umur data SCADA usang merupakan label pada pembacaan keadaan saat ini, bukan pemutaran ulang keadaan fisik lama.

## Skor rata-rata menyembunyikan kasus sulit

Peneliti mengevaluasi lima model yang disetel untuk mengikuti instruksi dengan antarmuka tugas yang sama dan dekode deterministik. Metrik mereka, *regret ternormalisasi*, membandingkan biaya pemadaman berbobot pada setiap episode dengan rencana acuan layak terbaik yang ditemukan untuk kasus fisik tersebut serta dengan tidak melakukan apa pun. Nol berarti biayanya sama dengan acuan; satu tidak lebih baik daripada tidak bertindak sama sekali. Biaya mencakup lamanya pelanggan tidak mendapat listrik dan memberikan bobot menurut kelas pelanggan, sehingga persentase akhir pelanggan yang listriknya pulih tidak menggambarkan keseluruhan hasil.

Di seluruh kondisi pengamatan utama, [Tabel 2 dalam makalah](https://arxiv.org/html/2610.23251v1) melaporkan rata-rata regret dari 0,082 untuk Qwen 2.5-7B hingga 0,148 untuk Qwen 2.5-3B. Semua model memiliki median nol, yang berarti setidaknya separuh episodenya menyamai biaya acuan. Namun, regret persentil ke-95 berkisar antara 0,814 dan 1,000. Karena itu, rata-rata menyembunyikan sekumpulan kecil episode dengan hasil mendekati biaya membiarkan pemadaman simulasi tanpa pemulihan. Ini adalah skor tolok ukur, bukan pengukuran pemadaman nyata yang dialami pelanggan.

Lebih banyak parameter model tidak memberi keunggulan yang konsisten dalam perbandingan ini: Qwen 2.5-7B memperoleh hasil rata-rata dan regret persentil ke-95 yang lebih baik daripada konfigurasi Qwen 2.5-14B dan Mistral Small 24B empat bit yang diuji. Makalah juga melaporkan bahwa pada pengamatan berderau, acuan FLISR konvensional yang diidealkan mendapat skor 0,054 dan metode rakus 0,060, dibandingkan 0,089 untuk model bahasa terbaik pada kondisi itu. Acuan-acuan tersebut memakai pengaturan waktu dan penilaian yang sama dalam tolok ukur; hasilnya tidak menetapkan peringkat umum sistem yang beroperasi di dunia nyata.

## Pengaman menangkap usulan yang seharusnya tidak dijalankan model

Sebelum usulan penutupan sakelar penghubung mengubah jaringan simulasi, FLARE memeriksa pada salinan uji keadaan fisik apakah tindakan itu melanggar topologi jaringan, mengalirkan listrik ke gangguan yang telah diisolasi, atau gagal memenuhi batas aliran daya AC. Pemeriksaan ini menggunakan informasi yang tidak diberikan kepada agen. Usulan yang ditolak tetap menghabiskan waktu, tetapi tidak mengubah jaringan.

Peneliti kemudian menjalankan ulang 15.706 tindakan yang ditolak pengaman pada salinan keadaan jaringan. Mereka melaporkan bahwa 15.142 tindakan, atau 96,4%, akan menyebabkan pelanggaran batas fisik. Beban termal berlebih muncul dalam 8.165 tindakan yang ditolak, dengan label jenis pelanggaran yang boleh tumpang-tindih. Tidak adanya kegagalan berat akibat tindakan yang benar-benar diterapkan dalam episode mencerminkan intervensi pengaman; hal itu tidak menunjukkan bahwa model secara mandiri memilih tindakan yang aman.

Bagi peneliti, pembedaan yang berguna adalah antara mutu rencana yang diusulkan agen dan pemeriksaan independen yang mencegah usulan tidak aman dijalankan. FLARE memperlihatkan keduanya. Perhitungan aliran daya urutan positif seimbang yang digunakannya tidak menyediakan validasi tiga fase atau hubung singkat secara bawaan, dan penulis menyerukan penggunaan data perusahaan listrik serta studi dengan operator manusia. Studi ini mengevaluasi simulasi pemulihan setelah isolasi, bukan pengendali otonom perusahaan listrik atau perubahan waktu pemulihan nyata yang telah terbukti.

## Sumber dan bacaan lanjutan

- [FLARE: evaluasi berbasis fisika atas agen model bahasa untuk pemulihan penyulang dengan mutu pengamatan yang menurun](https://arxiv.org/html/2610.23251v1). BHVSP Subrahmanyam dan Neeraj Choudhary, arXiv v1, diajukan 16 Oktober 2026. Pracetak lengkap memuat definisi tugas, penyusunan kasus simulasi, penilaian, hasil model, analisis pengaman, dan batasan yang dinyatakan. Ini merupakan evaluasi penulis, bukan studi lapangan perusahaan listrik atau replikasi independen.
- [Catatan arXiv untuk FLARE](https://arxiv.org/abs/2610.23251). Mengonfirmasi judul, penulis, versi, dan waktu pengajuan serta merangkum hasil utama. Catatan ini tidak menambahkan validasi lapangan.
- [Repositori kode FLARE](https://github.com/dr-pandit-69/FLARE-neurips). Repositori publik milik penulis yang berisi kode, konfigurasi, dan hasil agregat, dibaca pada 19 Oktober 2026. README-nya menyatakan bahwa data dasar jaringan berukuran besar, panel yang dihasilkan, bobot model, dan keluaran per episode tidak disimpan di sana; BIG CHANGE tidak menjalankan atau mereproduksi tolok ukur tersebut.

## Sources

- [FLARE: evaluasi berbasis fisika atas agen model bahasa untuk pemulihan penyulang dengan mutu pengamatan yang menurun, teks lengkap arXiv v1](https://arxiv.org/html/2610.23251v1) — Metode utama, Tabel 1–4, hasil, dan batasan. Evaluasi simulasi oleh penulis; tanpa validasi lapangan perusahaan listrik atau replikasi independen.
- [Catatan arXiv: FLARE](https://arxiv.org/abs/2610.23251) — Mengonfirmasi waktu pengajuan v1, penulis, judul, dan metrik dalam abstrak; bukan bukti empiris pendukung yang terpisah.
- [Repositori kode FLARE-neurips](https://github.com/dr-pandit-69/FLARE-neurips) — README penulis menjelaskan kode, konfigurasi, dan hasil agregat, beserta data dasar jaringan besar, panel yang dihasilkan, bobot, dan keluaran per episode yang tidak disertakan. Keberadaan repositori tidak membuktikan bahwa BIG CHANGE menjalankan tolok ukur tersebut.