Электрические сети, в том числе сельские, нуждаются в трансформации в связи с декарбонизацией энергетики, интеграцией возобновляемых источников энергии, активным развитием потребителей и повышением требований к надежности и энергоэффективности сетей. Применение искусственного интеллекта (ИИ) при решении проблем энергосистем обусловлено недостаточной эффективностью традиционных методов управления электрическими сетями. Цель исследований – систематический анализ ключевых направлений применения ИИ в электрических сетях, используемых алгоритмов и практических примеров его внедрения, обобщение практического опыта зарубежных и отечественных компаний. В результате обзора отечественных и зарубежных источников, описывающих использование ИИ в электрических сетях, выявлено 4 направления: прогнозирование нагрузки; оптимизация электроэнергетических систем и электрических сетей; поиск неполадок (мониторинг электрооборудования, электрических сетей); оптимальное использование ресурсов в электрических сетях. В рамках данных направлений наиболее эффективными алгоритмами машинного и глубокого обучения являются LSTM, GRU, SVM и CNN, а также метаэвристические методы. Примеры практического использования искусственного интеллекта демонстрируют разнонаправленность применения технологий ИИ в зависимости от особенностей национальных энергосистем. В странах с высокой долей возобновляемых источников энергии акцент смещен на прогнозирование нагрузки, в России – на автоматизацию мониторинга и диагностики протяженных сельских электрических сетей с использованием компьютерного зрения и БПЛА. Искусственный интеллект может служить инструментом для создания «Умных сетей» (Smart Grid), его применение позволит провести цифровую трансформацию электрических сетей, повысить их эффективность, устойчивость и адаптивность. Однако внедрение ИИ сопряжено с необходимостью решения задач надежности, кибербезопасности и понимания выбора, принимаемого автоматикой. /The evolving energy landscape, characterized by decarbonization, the integration of renewable energy sources (RES), and the growing demand for grid reliability and energy efficiency, necessitates a profound transformation of power grids, particularly in rural areas. Conventional methods of power grid management often prove insufficient for these challenges, driving the adoption of artificial intelligence (AI) solutions. This study provides a systematic analysis of key AI applications in power grids, examining the algorithms employed and practical implementation examples from both international and domestic contexts. Drawing on a comprehensive review of literature, the authors have identified four primary application areas: load forecasting, power system and grid optimization, fault detection and equipment monitoring, and optimal resource management within power grids. Within these domains, effective algorithms include deep learning techniques such as LSTM, GRU, and CNN, along with machine learning models like SVM and various metaheuristic methods. Practical examples highlight the diverse deployment of AI, adapting to national power system specificities. For instance, countries with a high share of renewable energy sources (RES) often prioritize AI for load forecasting, while in Russia, the focus is on automating the monitoring and diagnostics of extensive rural grids through computer vision and UAVs. AI is instrumental in the design of Smart Grids, enabling the digital transformation of power infrastructure to enhance efficiency, resilience, and adaptability. However, successful AI integration requires addressing challenges related to reliability, cybersecurity, and the explainability of automation-driven decision-making.

• ТЕХНИКА И ТЕХНОЛОГИИ АПК
• Количественная оценка поражения сахарной свеклы церкоспорозом на основе мультиспектральной съемки с БПЛА и сегментации методом U-Net
• С.Г. Мударисов1*, И.Р. Мифтахов2, И.М. Фархутдинов3
• Искусственный интеллект в управлении животноводческой фермой
• А.С. Дорохов1, В.В. Кирсанов2*, Р.А. Баишева3, С.В. Кирсанов4
• Интеллектуализация технологических систем агропромышленного комплекса: Индустрия 4.0
• И.В. Петухов1*, Л.А. Стешина2, И.С. Стешин3
• Использование нейронных сетей в технической эксплуатации самоходных машин
• Т.Е. Алушкин1*, М.Ю. Мещеряков2, А.В. Старцев3
• Анализ размерных характеристик семян кукурузы и подсолнечника
• А.Ю. Несмиян1*, А.Г. Арженовский2, В.И. Хижняк3, К.П. Дубина4
• К определению угла заточки лезвий ножей измельчителей кормов, работающих в условиях абразивного изнашивания
• Н.П. Аюгин1*, С.А. Яковлев2, А.С. Кузин3, И.А. Калашников4
• Методические особенности оценки профессиональных рисков трактористов-машинистов
• Ю.А. Широков1*, Р.Н. Егоров2, Н.А. Мочунова3, Г.Е. Митягин4
• ТЕХНИЧЕСКИЙ СЕРВИС В АПК
• Оценка точности и достоверности результатов приемо-сдаточных испытаний двигателей ЗМЗ
• О.А. Леонов1, Н.Ж. Шкаруба2*, Ю.Г. Вергазова3, Д.О. Леонов4
• Обоснование целесообразности замены аналоговых средств измерений цифровыми на ремонтных предприятиях
• П.В Голиницкий1*, У.Ю. Антонова2, Д.А. Пупкова3
• ЭЛЕКТРИФИКАЦИЯ И АВТОМАТИЗАЦИЯ СЕЛЬСКОГО ХОЗЯЙСТВА
• Идентификация сортов семян сои спектральным люминесцентным методом
• М.В. Беляков
• Применение на птицефабрике биоэнергетической установки в качестве нетрадиционного источника энергии
• В.Т. Водянников
• Актуальные направления применения искусственного интеллекта в сельских электрических сетях
• А.К. Букреева1*, А.В. Виноградова2, А.В. Букреев3, А.В. Виноградов4
• ТЕОРИЯ И МЕТОДИКА ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
• Персонализированные стратегии развития личностно-профессиональной зрелости будущих специалистов агропромышленного комплекса
• Н.Б. Авалуева1*, Д.И. Михайлова2
• FARM MACHINERY AND TECHNOLOGIES
• Quantitative assessment of sugar beet Cercospora infection based on UAV multispectral imaging and U-Net segmentation
• S.G. Mudarisov1*, I.R. Miftakhov2, I.M. Farkhutdinov3
• Use of artificial intelligence for managing a livestock farm
• A.S. Dorokhov1, V.V. Kirsanov2*, R.A. Baisheva3, S.V. Kirsanov4
• Intellectualization of technological systems in agriculture: Industry 4.0
• I.V. Petukhov1*, L.A. Steshina2, I.S. Steshin3
• Use of neural networks in the technical operation of self-propelled machinery
• T.Е. Alushkin1*, M.Y. Meshcheryakov2, A.V. Startsev3
• Analysis of dimensional characteristics of maize and sunflower seeds
• A.Yu. Nesmiyan1*, A.G. Arzhenovskiy2, V.I. Khizhnyak3, K.P. Dubina4
• On determining the sharpening angle of knife blades used in feed grinders operating under conditions of abrasive wear
• N.P. Ayugin1*, S.A. Yakovlev2, A.S. Kuzin3, I.A. Kalashnikov4
• Methodological features of professional risk assessment of tractor drivers
• Yu.A. Shirokov1*, R.N. Egorov2, N.A. Mochunova3, G.E. Mityagin4
• TECHNICAL SERVICE IN AGRICULTURE
• Evaluation of the accuracy and reliability of the acceptance test results for ZMZ engines
• O.A. Leonov1, N.Zh. Shkaruba2*, Yu.G. Vergazova3, D.O. Leonov4
• Justification for the feasibility of replacing analog measuring instruments with digital ones at repair enterprises
• P.V. Golinitskiy1*, U.Yu. Antonova2, D.A. Pupkova3
• POWER SUPPLY AND AUTOMATION OF AGRICULTURAL PRODUCTION
• Identification of soybean seed varieties by spectral luminescence method
• M.V. Belyakov
• Application of a bioenergy plant as an alternative energy source at a poultry farm
• V.T. Vodyannikov
• Current applications of artificial intelligence in rural power grids
• A.K. Bukreeva1*, A.V. Vinogradova2, A.V. Bukreev3, A.V. Vinogradov4
• THEORY AND METHODOLOGY OF PROFESSIONAL EDUCATION
• Personalized strategies for developing personal and professional maturity of future specialists in the agro-industrial sector
• N.B. Avalueva1*, D.I. Mikhailova2