Сто миллисекунд — мгновение, за которое свет едва успевает преодолеть тридцать тысяч километров. Но для энергосистемы, пережившей удар молнии или короткое замыкание, этот интервал становится границей между стабильностью и коллапсом. За эти доли секунды каскад колебаний либо затухает, либо раскачивает сеть до потери устойчивости. Нейросеть нового поколения, названная ES-PINN (Energy System Physics-Informed Neural Network), учится распознавать этот критический миг — подобно опытному канатоходцу, который по едва уловимым признакам предугадывает опасный порыв ветра. Она анализирует не просто поток чисел с датчиков, а всю временную последовательность: состояние системы до аварии, характер возмущения в момент удара и затухающие или нарастающие колебания после. И на основе этого предсказывает, удержит ли сеть равновесие.

Ключ к такой скорости — в самом обучении. Разработчики встроили в нейросеть дифференциальные уравнения, описывающие движение роторов генераторов (так называемое уравнение качаний). Благодаря этому ES-PINN не просто запоминает примеры из тренировочных данных, а опирается на фундаментальные законы Ньютона и электродинамики. Аналогия с канатоходцем становится точнее: он чувствует не только силу ветра, но и натяжение троса под ногами — так и нейросеть одновременно учитывает и показания сенсоров, и физические ограничения. На тестовых схемах из 9, 14 и 30 узлов ES-PINN находила опасную границу устойчивости точнее существующих аналогов и работала в разы быстрее.

Теперь у диспетчеров появляется инструмент для упреждающей оценки уязвимости сети. Они могут заранее рассчитать, при каких условиях вся система останется устойчивой, и настроить защиту так, чтобы внезапный толчок не опрокинул её. Критическое время срабатывания защиты перестаёт быть слепой догадкой — теперь оно известно с точностью, с какой канатоходец знает, когда сделать шаг назад.