Ключевые слова
энергосистема, противоаварийное управление, мультиагентная система, машинное обучение, синхронизированные векторные измерения

Аннотация
В работе рассмотрены подходы к разработке адаптивных алгоритмов противоаварийного управления режимами работы на основе мультиагентного подхода и алгоритмов машинного обучения. Выполнен анализ особенностей алгоритмов противоаварийного управления в распределенной постановке для системообразующих и распределительных энергосистем. Определены достоинства и недостатки рассмотренных алгоритмов, а также указаны направления для будущих исследований в области применения алгоритмов мультиагентного подхода и машинного обучения для повышения адаптивности и быстродействия выбора оптимальных управляющих воздействий для обеспечения допустимых параметров послеаварийного режима работы энергосистемы с применением синхронизированных векторных измерений.

Authors
Berdin A. S., Dr, professor, Ural Power Engineering Institute, Ekaterinburg, Russia.
E-mail: berdin-as@ntcees.ru
Senyuk M. D., Ph.D., Ural Power Engineering Institute, Ekaterinburg, Russia.
E-mail: senyuk-md@ntcees.ru

Keywords
power system, emergency control, multi-agent system, machine learning, synchronized phasor measurements

Annotation
The paper considers approaches to developing adaptive emergency control algorithms for power system operation based on a multi-agent approach and machine learning algorithms. The features of emergency control algorithms in a distributed formulation for bulk and distribution power systems are analyzed. The advantages and disadvantages of the considered algorithms are determined, and directions for future research are identified. These directions focus on the application of multi-agent approaches and machine learning to increase the adaptability and performance of optimal control action selection, ensuring permissible parameters
of post-emergency power system operation using synchronized phasor measurements.

1. Герасимов А. С.Автоматическое противоаварийное управление в энергосистемах /А. С. Герасимов, Л. А. Кощеев, В. А. Крицкий, А. А. Лисицын // Электрические станции. –2020. – № 1. – С. 41–49.
2. Лисицын А. А. Алгоритм выбора управляющих воздействий в ЦСПА нового поколения по условиям обеспечения динамической устойчивости / А. А. Лисицын, М. А. Эдлин //Электрические станции. – 2015. – № 11. – С. 21–24.
3. Суворов А. А. Система автоматического управления силовым преобразователем на основе свободно конфигурируемой структуры виртуального синхронного генератора /А. А. Суворов,
   А. Б. Аскаров, М. В. Андреев, Ю. Д. Бай, В. Е. Рудник // Электричество. –2022. – № 4. – С. 15–26.
4. Суворов А. А. Модернизация алгоритма виртуального синхронного генератора для управления системой накопления электроэнергии в микросети / А. А. Суворов, П. В. Илюшин //Электричество. – 2024. – № 7. – С. 14–29.
5. Сенюк М. Д., Классен В. В. Методы оценки низкочастотных колебаний в энергосистеме /М. Д. Сенюк, А. В. Паздерин, А. С. Бердин, В. В. Классен // Электричество. – 2024. –№ 8. – С. 4–14.
6. Hatziargyriou, N. Definition and classification of power system stability – revisited & extended / N. Hatziargyriou [et al.] // IEEE Transactions on Power Systems. – 2021. – Vol. 36, no. 4. – P. 3271–3281.
7. Паздерин А. В. Обзор и перспективы применения алгоритмов машинного обучения для противоаварийного управления электрическими режимами энергосистем /А. В. Паздерин,
   М. Д. Сенюк // Электричество. –2025. – № 10. – С. 22–36.
8. Богатырев, Л. Л. Распознавание аварийных ситуаций в электроэнергетических системах /
   Л. Л. Богатырев // Электричество. – 1978. –№ 6. – С. 9–14.
9. Сенюк М. Д. Обеспечение динамической устойчивости электроэнергетических систем на основе методов машинного обучения в системах централизованного противоаварийного управления /
   М. Д. Сенюк, А. В. Паздерин, В. В. Классен // Электрические станции. –2025. – № 7. – С. 32–42.
10. Сенюк М. Д. Совершенствование централизованной системы противоаварийной автоматики электроэнергетической системы на основе методов машинного обучения / М. Д. Сенюк,
    А. В. Паздерин, В. В. Классен // Электротехнические системы и комплексы. – 2024. – № 4.
    – С. 14–24.
11. Zwane S. N., Mendu B., Monchusi B. B. State-of-the-art review: models and algorithms for optimal power system design, stabilization, and reliability enhancement / S. N. Zwane, B. Mendu, B. B. Monchusi // IEEE Access. –2024. – Vol. 12. – P. 189871–189883.
12. S. C. Müller, U. Häger and C. Rehtanz, «A Multiagent System for Adaptive Power Flow Control in Electrical Transmission Systems», in IEEE Transactions on Industrial Informatics, vol. 10, no. 4, pp. 2290–2299, Nov. 2014.
13. Dorri A., Kanhere S. S., Jurdak R. Multi-agent systems: a survey / A. Dorri, S. S. Kanhere, R. Jurdak // IEEE Access. – 2018. – Vol. 6. – P. 28573–28593.
14. Panasetsky D. A., Etingov P. V., Voropai N. I. Multi-agent approach to emergency control of power system / D. A. Panasetsky, P. V. Etingov, N. I. Voropai // 2008 Third International Conference on Electric Utility Deregulation and Restructuring and Power Technologies, Nanjing, China, 6–9 April 2008. – [S. l.] : IEEE, 2008. – P. 2157–2161.
15. Negnevitsky M., Voropai N., Kurbatsky V., Tomin N., Panasetsky D. Development of an intelligent system for preventing large-scale emergencies in power systems / M. Negnevitsky, N. Voropai, V. Kurbatsky,
    N. Tomin, D. Panasetsky // 2013 IEEE Power & Energy Society General Meeting, Vancouver, BC, Canada, 21–25 July 2013. – [S. l.] : IEEE, 2013. – P. 1–5.
16. Panasetsky D., Tomin N., Voropai N., Kurbatsky V., Zhukov A., Sidorov D. Development of software for modelling decentralized intelligent systems for security monitoring and control in power systems /
    D. Panasetsky, N. Tomin, N. Voropai, V. Kurbatsky, A. Zhukov, D. Sidorov // 2015 IEEE Eindhoven PowerTech, Eindhoven, Netherlands, 29 June – 2 July 2015. – [S. l.] : IEEE, 2015. – P. 1–6.
17. Panasetsky D. A., Voropai N. I. A multiagent approach to coordination of different emergency control devices against voltage collapse // IEEE Bucharest PowerTech, Bucharest, Romania, 28 June – 2 July 2009. – [S. l.] : IEEE, 2009. – P. 1–7.
18. Богомолова И.А., Левит Л.М., Садовский Ю.Д. Оценка статической устойчивости в алгоритмах противоаварийного управления сложных энергосистем. Противоаврийное управление и регулирование энергосистем. Сборник научных трудов. Л.: Энергоатомиздат, 1982.
19. Богомолова И.А. Разработка метода приближенной оценки областей устойчивости для решения задач противоаварийной автоматики. Противоаврийное кправление и регулирование энергосистем. Сборник научных трудов. Л.: Энергоатомиздат, 1982.
20. Богомолова И.А., Дианова И.М. Определение статической устойчивости для централизованной противоаварийной автоматики с ЭВМ ограниченного быстродействия: Способы повышения устойчивости и надежности объединенных энергосистем, Энергоатомиздат, 1983.
21. Бердин А. С., Определение параметров узловых эквивалентов на основе синхронизированных векторных измерений / А. С. Бердин, Д. И. Близнюк, А. С. Герасимов // Известия НТЦ Единой энергетической системы. – 2017. –№ 2. – С. 15–22.
22. Бердин А. С. Адаптивная модель синхронной машины с параметрами, определяемыми в эксплуатационных режимах работы / А. С. Бердин, А. С. Герасимов, П. Ю. Коваленко,
    А. Н. Мойсейченков, М. Д. Сенюк // Известия НТЦ Еди-ной энергетической системы. – 2020. – № 2.
    – С. 74–84.
23. Shahbazi H., Karbalaei F. Decentralized voltage control of power systems using multi-agent systems /
    H. Shahbazi, F. Karbalaei // Journal of Modern Power Systems and Clean Energy. –2020. – Vol. 8, no. 2. – P. 249–259.
24. Zhang Y., Yue M. Cooperative multi-agent deep reinforcement learning for adaptive decentralized emergency voltage control / Y. Zhang, M. Yue // 2024 IEEE Power & Energy Society Innovative Smart Grid Technologies Conference (ISGT), Washington, DC, USA, 19–22 February 2024. –[S. l.] : IEEE, 2024.
    – P. 1–5.
25. Chen Y., Zhu J., Lan X., Yang X. Privacy-preserving multi-agent deep evolutionary learning for decen-tralized emergency control / Y. Chen, J. Zhu, X. Lan, X. Yang // IEEE Transactions on Power Systems. – 2026.
26. Zhang Y., Yue M., Wang J., Yoo S. Multi-agent graph-attention deep reinforcement learning for post-contingency grid emergency voltage control / Y. Zhang, M. Yue, J. Wang, S. Yoo // IEEE Transactions on Neural Networks and Lear- ning Systems. – 2024. – Vol. 35, no. 3. – P. 3340–3350.
27. Wang Y., Vittal V. Data driven real-time dynamic voltage control using decentralized execution multi-agent deep reinforcement learning / Y. Wang, V. Vittal // IEEE Open Access Journal of Power and Energy. – 2024. – Vol. 11. – P. 508–519.
28. Patel R., Wanigasekara C., Swain A., Ukil A. Consen- sus-based load frequency control of a multi-area power system / R. Patel, C. Wanigasekara, A. Swain, A. Ukil // IEEE Access. – 2024. –Vol. 12. – P. 175240–175251.
29. Yu G., Li X., Chen T., Liu J. Load frequency control via multi-agent reinforcement learning and consistency model for diverse demand-side flexible resources // Processes. – 2025. –Vol. 13. – Art. 1752.
30. Yang F., Huang D., Li D., Lin S., Muyeen S. M., Zhai H. Data-driven load frequency control based on multi-agent reinforcement learning with attention mechanism / F. Yang, D. Huang, D. Li, S. Lin, S. M. Muyeen,
    H. Zhai // IEEE Transactions on Power Systems. – 2023. – Vol. 38, no. 6. – P. 5560–5569.
31. Домышев А. В. Обзор современных подходов к построению систем мультиагентного управления микросетями / А. В. Домышев, Е. А. Барахтенко, П. В. Илюшин // Электроэнергия. Передача и распределение. – 2023. – № 3 (78). –С. 46.
32. Фишов А. Г. Одинабеков М. З. Активные распределительные электрические сети с децентрализованным мультиагентным управлением режимом. Ч. 1 / А. Г. Фишов, А. А. Осинцев,
    Ю. В. Какоша, М. З. Одинабеков // Электричество. – 2022. – № 10. – С. 14–24.
33. Fishov A., Osintsev A., Ghulomzoda A., Marchenko A., Kokin S., Safaraliev M., Dmitriev S., Zicmane I. Decentralized emergency control of AC power grid modes with distributed generation // Energies. –2023. – Vol. 16. – Art. 5607.
34. Фишов А. Г. Синхронизация частей электрических сетей с распределенными источниками энергии после аварийного или противоаварийного разделения / А. Г. Фишов, А. А. Осинцев, А. Х. Гуломзода // Электрические станции. – 2022. – № 11. – С. 21–29.
35. Wu H., Huang C., Ding M., Zhao B., Li P. Distributed cooperative voltage control based on curve fitting in active distribution networks / H. Wu, C. Huang, M. Ding, B. Zhao, P. Li //Journal of Modern Power Systems and Clean Energy. – 2017. – Vol. 5, no. 5. – P. 777–786.
36. Mocci S., Natale N., Pilo F., Ruggeri S. Multi-agent control system to coordinate optimal electric vehicles charging and demand response actions in active distribution networks / S. Mocci, N. Natale, F. Pilo, S. Ruggeri // 3rd Renewable Power Generation Conference (RPG 2014), Naples, Italy, 24–25 September 2014. –[S. l.] : IET, 2014. – P. 1–6.
37. Zhang M., Guo G., Magnússon S., Pilawa-Podgurski R. C. N., Xu Q. Data driven decentralized control of inverter based renewable energy sources using safe guaranteed multi-agent deep reinforcement learning / M. Zhang, G. Guo, S. Magnússon, R. C. N. Pilawa- Podgurski, Q. Xu // IEEE Transactions on Sustainable Energy. – 2024. –Vol. 15, no. 2. – P. 1288–1299.
38. Ye X., Le J., Liu Y., Zhou W., Liu K. A coordinated consistency voltage stability control method of active distribution grid / X. Ye, J. Le, Y. Liu, W. Zhou, K. Liu // Journal of Modern Power Systems and Clean Energy. – 2018. – Vol. 6, no. 1. – P. 85–94.
39. Zhang Y., Meng K., Luo F., Yang H., Zhu J., Dong Z. Y. Multi-agent-based voltage regulation scheme for high photovoltaic penetrated active distribution networks using battery energy storage systems / Y. Zhang, K. Meng, F. Luo, H. Yang, J. Zhu, Z. Y. Dong // IEEE Access. – 2020. –Vol. 8. – P. 7323–7333.
40. H. Nie, Y. Chen, Y. Xia, S. Huang and B. Liu, «Optimizing the Post-Disaster Control of Islanded Microgrid: A Multi-Agent Deep Reinforcement Learning Approach», in IEEE Access, vol. 8, pp. 153455–153469, 2020.
41. A. Sujil, S. K. Agarwal and R. Kumar, «Centralized multi-agent implementation for securing critical loads in PV based microgrid», in Journal of Modern Power Systems and Clean Energy, vol. 2, no. 1, pp. 77–86, March 2014.
42. W. Pinthurat, A. Deanseekeaw, T. Surinkaew, T. Boonraksa, P. Boonraksa and B. Marungsri, «An Intelligent Voltage Control With Power Loss Model Integration in Active Distribution Network», in IEEE Open Access Journal of Power and Energy, vol. 12, pp. 678–690, 2025.
43. S. Beryozkina, M. Senyuk, A. Berdin, A. Dmitrieva, S. Dmitriev and P. Erokhin, «The Accelerate Estimation Method of Power System Parameters in Static and Dynamic Processes», in IEEE Access, vol. 10,
    pp. 61522–61529, 2022.

Исследование выполнено за счет гранта Российского научного фонда № 26 29-20004, https://rscf.ru/project/26-29-20004/