面向知识学习的电力科学大模型

陆超; 吴小辰; 刘迪

doi:10.13335/j.1000-3673.pst.2025.0961

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

面向知识学习的电力科学大模型

专家论坛 | 更新时间：2025-11-25

- 面向知识学习的电力科学大模型
- 面向知识学习的电力科学大模型
- 电网技术 2025年49卷第11期页码：4449-4465
- 作者机构：
  
  1. 清华大学电机工程与应用电子技术系
  2. 中国南方电网有限责任公司
- 作者简介：
- 基金信息：
  
  中国南方电网有限责任公司创新项目(ZBKJXM20232035)~~
- DOI：10.13335/j.1000-3673.pst.2025.0961
  中图分类号： TP18;TM711
- 纸质出版：2025
- 稿件说明：
移动端阅览
陆超, 吴小辰, 刘迪. 面向知识学习的电力科学大模型[J]. 电网技术, 2025,49(11):4449-4465.

陆超, 吴小辰, 刘迪. 面向知识学习的电力科学大模型[J]. 2025, 49(11): 4449-4465.
陆超, 吴小辰, 刘迪. 面向知识学习的电力科学大模型[J]. 电网技术, 2025,49(11):4449-4465. DOI： 10.13335/j.1000-3673.pst.2025.0961.

陆超, 吴小辰, 刘迪. 面向知识学习的电力科学大模型[J]. 2025, 49(11): 4449-4465. DOI： 10.13335/j.1000-3673.pst.2025.0961.

摘要

新型电力系统高波动性、高非线性等特征给基于机理知识的电力系统分析与优化控制方法的准确性和适应性带来了巨大的挑战，数据驱动的机器学习方法在一定程度上解决了上述挑战，但也存在可解释性及可靠性不强等弱点。初步展现出物理规律学习能力的大模型为解决电力系统复杂性问题提供了新路径。由于电力系统具有时空关联复杂、机理知识完善等独有特征，需要探索电力系统专用大模型的构建方法。该文首先总结了大模型技术的发展历程与能力，进而梳理了电力系统专用大模型构建的核心需求，在此基础上提出了电力系统科学大模型构建面临的关键挑战，最后对电力系统科学大模型的发展趋势进行总结与展望，以期通过该文研究，探索电力系统专用大模型的基本需求及构建路径，使大模型可以从海量数据中学习到背后的物理知识，形成电力系统智能化运行的新范式。

Abstract

关键词

Keywords

references

B. Yildiz,J.I. Bilbao,A.B. Sproul.A review and analysis of regression and machine learning models on commercial building electricity load forecasting[J].Renewable and Sustainable Energy Reviews,2017.

Luis Hernández,Carlos Baladrón,Javier M. Aguiar,Belén Carro,Antonio Sánchez-Esguevillas,Jaime Lloret.Artificial neural networks for short-term load forecasting in microgrids environment[J].Energy,2014.

Petra Vrablecová,Anna Bou Ezzeddine,Viera Rozinajová,Slavomír Šárik,Arun Kumar Sangaiah.Smart grid load forecasting using online support vector regression[J].Computers and Electrical Engineering,2018.

Ailing Yang,Weide Li,Xuan Yang.Short-term electricity load forecasting based on feature selection and Least Squares Support Vector Machines[J].Knowledge-Based Systems,2018.

Mi Jianwei,Fan Libin,Duan Xuechao,Qiu Yuanying.Short-Term Power Load Forecasting Method Based on Improved Exponential Smoothing Grey Model[J].Mathematical Problems in Engineering,2018.

谢小荣,贺静波,毛航银,李浩志.“双高”电力系统稳定性的新问题及分类探讨[J].中国电机工程学报,2021(02).

张智刚,康重庆.碳中和目标下构建新型电力系统的挑战与展望[J].中国电机工程学报,2022(08).

刘晔,沈沉.交直流混联系统的能量函数构造方法综述与探究[J].中国电机工程学报,2022(08).

杨博,陈义军,姚伟,石重托,束洪春.基于新一代人工智能技术的电力系统稳定评估与决策综述[J].电力系统自动化,2022(22).

苑菲,杨红英,刘道伟,赵高尚,马海滨.基于知识图谱的电网调度运行优化管理系统[J].电力信息与通信技术,2023(03).

赵雅婷,景超,张兴忠.基于多重注意力的双通道超短期风电功率预测[J].电网技术,2023(07).

周亮,张晓娟,邱意民,朱亚运,缪思薇,姜琳.电力数据分类分级方法研究[J].电力信息与通信技术,2023(04).

李练兵,高国强,吴伟强,魏玉憧,卢盛欣,梁纪峰.考虑特征重组与改进Transformer的风电功率短期日前预测方法[J].电网技术,2024(04).

李道兴,王晓辉,李黎,季知祥.面向电力无人机巡检图像分析处理的自动化深度学习系统：架构设计与关键技术[J].电力信息与通信技术,2024(04).

丁涛,黄雨涵,张洪基,方万良,冯凯,冯树海,王正风,梁肖.基于等微增率并计及机组功率约束的火电机组最优负荷分配精确解[J].中国电机工程学报,2024(04).

闫炯程,李常刚,刘玉田.数据驱动的新型电力系统安全风险预警综述[J].电网技术,2024(12).

张金营,王天堃,么长英,谢华,柴林政,刘书恺,李彤亮,李舟军.基于大语言模型的电力知识库智能问答系统构建与评价[J].计算机科学,2024(12).

杨胜春,吕建虎,郭晓蕊,耿建,陈晨,夏秋,周竞.适应新型电力系统发展的多元灵活资源优化调度建模和分析[J].电网技术,2024(08).

范越,李永莱,舒印彪,柯贤波,霍超,张小奇,任冲.新型电力系统平衡构建与安全稳定关键技术初探[J].中国电机工程学报,2025(01).

李智轩,陈亦平,雪映,郑外生,黄济宇,王科,许士锦.多分区异步互联电力系统频率稳定分析与控制研究综述[J].电网技术,2024(12).

蒲天骄,赵琦,王新迎.电力人工智能技术研究框架、应用现状及展望[J].电网技术,2025(05).

郭凌旭,齐晓琳,刘金波,张风彬,孙宏斌,高圣源,王海龙.电力调度元宇宙架构及关键基础技术验证研究(下):应用场景规划、原型系统设计与验证[J].电网技术,2025(04).

郭凌旭,刘金波,段丽娟,王彬,孙宏斌,李伟.电力调度元宇宙架构及关键基础技术验证研究（上）：复杂系统设计原理及架构设计[J].电网技术,2025(03).

蔡常雨,莫文昊,王万国,张英强,郭鹏天.基于生成对抗数据增殖的输电设备可视缺陷检测技术研究[J].电力信息与通信技术,2023(09).

孙华东,黄彦浩,李宗翰,赵兵,王虹富,何春江,李勤新,郑超.大电网运行映像模型及关键技术研究[J].电网技术,2025(06).

浏览量

503

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种利用暂态电流时域突变特征的输电线路纵联保护方案

基于节点碳势响应的新型电力系统鲁棒优化调度

储能在新型电力系统电力电量平衡中的作用研究

双馈式变速抽蓄机组对新型电力系统多维支撑能力量化方法

新型电力系统规划方法框架及关键支撑技术