FLARE проверяет решения ИИ по восстановлению электроснабжения при ухудшении качества отчётов

Исследователи создали симуляционный бенчмарк FLARE, чтобы проверить, как агенты на основе языковых моделей справляются с узкой, но важной задачей электросети: выбирают способ восстановления подачи электричества после того, как повреждённый участок уже изолирован. Агенты получают несовершенные отчёты, могут запрашивать дополнительную информацию и предлагать переключения. Отдельный защитный механизм на основе физики решает, безопасно ли предлагаемое замыкание соединительного выключателя в моделируемой сети.

В препринте от 16 октября описаны 800 физических случаев в пяти режимах наблюдения и 78 750 эпизодов работы моделей во всех оценках. Он предлагает способ изучать решения по восстановлению электроснабжения и характер их неудач. Испытания в реальной энергокомпании или измеренное улучшение фактического обслуживания не приводятся.

Главное изменение

• Что изменилось: FLARE связывает сбор информации и выбор переключений агентом с моделируемыми электрическими последствиями, а не просто оценивает ответ. Авторы могут сравнивать решения, принятые на основе достоверных отчётов, с решениями по ограниченным или ошибочным данным.
• Почему это важно: Исследователь электросетей может увидеть, где агент теряет время или предлагает опасное переключение, при этом отдельная физическая проверка по-прежнему определяет, будет ли оно выполнено. Отклонённые в работе действия показывают, почему правдоподобный план не может сам выдавать себе разрешение по безопасности.
• За чем следить: Авторы называют данные энергокомпаний, исследования с операторами-людьми и более полную электротехническую валидацию направлениями будущей работы. Эти проверки определят, насколько бенчмарк способен помочь поддержке принятия решений за пределами моделируемой задачи после изоляции повреждения.

Что на самом деле делают агенты

FLARE начинает работу после изоляции повреждения, когда части распределительного фидера остаются без электричества. В каждом случае агент может запросить отчёты мониторинга, сведения из звонков потребителей или показания индикаторов повреждения; потребовать осмотр или проверку выключателя; смоделировать предлагаемую операцию; разомкнуть секционирующий аппарат; замкнуть соединительный выключатель; либо остановиться. Соединительный выключатель может подключить обесточенный район к другому фидеру, но дополнительная нагрузка способна перегрузить оборудование. Моделируемая задача имеет горизонт 240 минут и ограничения на число вызовов инструментов и переключений, согласно протоколу бенчмарка.

Авторы сочетают сети фидеров CIGRE и SimBench с измеренными временными рядами эксплуатации немецких сетей среднего напряжения. Они моделируют повреждения, изоляцию и результаты переключений. Для каждого из 800 основных физических случаев существует допустимый эталонный план восстановления. Пять версий одного случая сохраняют неизменными саму сеть и повреждение, меняя то, что видит агент: достоверные, разреженные, зашумлённые, устаревшие наблюдения или составной режим, названный противоречивым. Последний режим также сокращает охват мониторинга и повышает несколько частот ошибок, поэтому его результаты не позволяют выделить влияние одних только противоречивых отчётов. В приложении к работе сказано, что возраст устаревших данных SCADA — это метка на показаниях текущего состояния, а не воспроизведение прошлых физических состояний.

Средние оценки скрывают трудные случаи

Исследователи оценили пять моделей, настроенных на выполнение инструкций, используя одинаковый интерфейс задачи и детерминированное декодирование. Их показатель, нормализованное сожаление, сопоставляет взвешенную стоимость отключения в каждом эпизоде с лучшим допустимым эталонным планом, найденным для этого физического случая, и с полным бездействием. Ноль соответствует эталонной стоимости; единица не лучше отсутствия каких-либо действий. Стоимость учитывает продолжительность отсутствия электричества у потребителей и веса их категорий, поэтому итоговый процент потребителей с восстановленным питанием не описывает результат целиком.

В основных режимах наблюдения таблица 2 работы приводит среднее сожаление от 0,082 для Qwen 2.5-7B до 0,148 для Qwen 2.5-3B. У каждой модели медиана равна нулю: как минимум половина её эпизодов достигла эталонной стоимости. Но сожаление на 95-м процентиле составляет от 0,814 до 1,000. Поэтому средние скрывают меньшую группу эпизодов с результатами, близкими к стоимости оставленного без восстановления моделируемого отключения. Это оценки бенчмарка, а не измерения реальных отключений у потребителей.

Большее число параметров не дало устойчивого преимущества в этом сравнении: Qwen 2.5-7B показала лучшие среднее сожаление и 95-й процентиль, чем протестированные конфигурации Qwen 2.5-14B и четырёхбитной Mistral Small 24B. Работа также сообщает, что при зашумлённых наблюдениях идеализированный традиционный эталон FLISR получил 0,054, а жадный метод — 0,060, тогда как лучшая языковая модель в этом режиме получила 0,089. Эти эталоны работали с общими временными условиями и метрикой бенчмарка; результаты не устанавливают общего рейтинга реально эксплуатируемых систем.

Защита перехватила предложения, которые модели не должны выполнять

Прежде чем предлагаемое замыкание соединительного выключателя изменит моделируемую сеть, FLARE проверяет на пробной копии физического состояния, не нарушит ли оно топологию сети, не подаст ли напряжение на изолированное повреждение и не выйдет ли за пределы допустимого потока мощности переменного тока. Эта проверка использует информацию, скрытую от агента. Отклонённое предложение всё равно расходует время, но не меняет сеть.

Затем исследователи повторили 15 706 отклонённых защитой действий на клонированных состояниях сети. По их данным, 15 142 действия, или 96,4%, привели бы к нарушению физических ограничений. Тепловая перегрузка встретилась в 8 165 отклонённых действиях; категории нарушений могли пересекаться. Отсутствие фактически вызванных тяжёлых отказов в эпизодах отражает вмешательство защиты, а не показывает, что модели самостоятельно выбирали безопасные действия.

Для исследователей полезно различать качество предложенного агентом плана и независимую проверку, которая не даёт опасному предложению вступить в силу. FLARE делает видимым и то и другое. Его симметричный расчёт потока мощности прямой последовательности не предусматривает встроенной трёхфазной валидации или проверки короткого замыкания; авторы призывают использовать данные энергокомпаний и исследования с операторами-людьми. Работа оценивает моделируемое восстановление после изоляции, а не автономный контроллер энергокомпании или доказанное изменение реальных сроков восстановления.

Источники и дополнительные материалы

• FLARE: физически обоснованная оценка агентов языковых моделей для восстановления фидеров при ухудшенных наблюдениях. BHVSP Subrahmanyam и Neeraj Choudhary, arXiv v1, подано 16 октября 2026 года. Полный препринт содержит определение задачи, построение моделируемых случаев, метрику, результаты моделей, анализ защиты и заявленные ограничения. Это оценка авторов, а не полевое исследование энергокомпании или независимое воспроизведение.
• Запись FLARE на arXiv. Подтверждает название, авторов, версию и время подачи, а также кратко излагает главные результаты. Запись не добавляет полевой валидации.
• Репозиторий кода FLARE. Публичный репозиторий авторов с кодом, конфигурацией и сводными результатами, просмотрен 19 октября 2026 года. Согласно README, крупные базовые структуры электросетей, сгенерированные панели данных, веса моделей и выводы отдельных эпизодов там не хранятся; BIG CHANGE не запускало и не воспроизводило бенчмарк.