Цель – провести обзор применения генеративно-состязательных нейронных сетей для решения задач управления и планирования режимов электроэнергетических систем с выявлением перспективных направлений применения и развития данных моделей. Рассмотрено около 50 российских и зарубежных работ, в каждой из которых были проанализированы преимущества и недостатки предложенных решений, перспективные направления их развития. Также в ходе вычислительного эксперимента библиотеки методов машинного обучения PyTorch в работе реализована и протестирована модель генеративно-состязательной нейронной сети для получения случайных суточных почасовых графиков выработки мощности солнечными электростанциями. Анализ литературных источников выявил два основных направления применения генеративных искусственных нейронных сетей при управлении режимами энергосистем. Чаще всего с помощью таких моделей предлагается генерировать сценарии выдаваемой мощности возобновляемыми источниками энергии, а также мощности нагрузок в узлах энергосистем для задач планирования развития, прогнозирования, анализа надежности. Также показано, что генеративные сети с входным условием применяются в качестве вероятностных моделей объектов для анализа значимости влияющих факторов. В ходе проведенного вычислительного эксперимента модель генеративной сети позволила получать случайные суточные графики выдаваемой мощности солнечных электростанций, которые по вероятностным метрикам неотличимы от реальных. Показано, что основными сложностями при работе с такими моделями являются нестабильное обучение, а также сложность применения одной модели для одновременной генерации большого количества данных. Таким образом, в проведенном обзоре рассмотрены примеры применения генеративно-состязательных нейронных сетей, а также разобраны конкретные алгоритмы обучения и их применения. Решение выявленной проблемы, а также обучение генеративных сетей для решения вспомогательных задач при оптимизации режимов – это наиболее перспективные направления для дальнейших исследований.