华南理工大学 余涛 等：如何利用大语言模型全面赋能新型电力系统中的用户特性立体应用？
科技
科学
2024-07-29 17:00
北京
![]()
![]()
![]()
![]()
基于大语言模型的新型电力系统用户特性立体应用模式初探余涛, 王艺澎, 罗庆全, 蔡新雷, 刘熙鹏, 梁敏航DOI: 10.13336/j.1003-6520.hve.20240875随着新型负荷的广泛接入与虚拟电厂建设的不断推进，新型电力系统中多元的负荷结构与频繁的网荷交互使得用户特性应用在数据融合、特性挖掘和业务赋能环节面临关键挑战。因此，亟需一种“数据-特性-模块-业务”全链条灵活贯通的用户特性立体应用模式。然而，仅依靠现有方法实现用户特性立体应用仍面临海量多源数据可用性差、用户特性刻画灵活性低、用户侧业务贯通复杂性高的核心技术难题。恰逢其时，近两年来备受关注的大语言模型（Large Language Model，LLM）为上述技术难题的解决提供了路径。相比于传统的机器学习模型，LLM具备强大的文本理解与推理能力、上下文学习能力以及自动增强能力。得益于LLM通用接口特性所带来的工具调用枢纽作用，以LLM为核心的智能体应用范式已在多源数据融合的复杂业务中展现显著优势，有望快速赋能用户特性立体应用模式的建设。1）用户特性研究现状与关键挑战
用户特性研究一直是电力领域研究的热门方向，从过程视角出发可以将现有研究分为3个环节：数据采集、特性刻画与业务应用。当前的用户特性研究仍面临以下关键挑战：1）用户多源数据中的深层关联特性日益复杂，但缺乏高效、统一的数据融合体系，难以发挥多源数据的协同驱动作用。2）用户特性愈加灵活多变，但缺少高扩展性的标准化特性挖掘框架，难以应对激增的复杂挖掘需求。3）业务日益繁杂且新增需求不断涌现，但缺少支撑新型电力系统多样化业务的立体应用模式，模块构建与业务应用的自动化、智能化水平亟需提升。
2）新型电力系统用户特性立体应用模式
为应对上述挑战，本文提出了新型电力系统用户特性立体应用模式，如图1所示。该模式包含多源数据融合交互、多维特性灵活刻画、多元模块自动构建以及多样业务全面赋能4个环节。尽管所提用户特性立体应用模式有望应对新型电力系统对于用户侧的挑战，但现有技术手段在多源数据的可用性、特性挖掘的灵活性以及业务开发的高效性方面面临着诸多技术难题，后续仍需LLM技术深度赋能。
![]()
图1 新型电力系统用户特性立体应用模式
3） 用户特性立体应用底座——大语言模型
LLM能够在大规模数据中获取卓越的智能水平，得益于模型结构设计和训练方法的新范式。其结构设计遵循模块化的思想，由核心模块按特定的架构横向、纵向拓展以提高学习能力，其训练方法主要分为预训练与微调两部分，以适应海量训练数据与大规模模型参数。将LLM应用于具体业务主要通过上下文学习、微调、重新训练3种手段，受限于业务数据量与算力的限制，且得益于自然语言模态相较于其它模态的接口交互优势，基于前两种手段的智能体范式已成为业务应用的主流，主要分为单智能体与多智能体两类，如图2所示。![]()
图2 基于LLM的智能体应用范式
4）基于LLM的用户特性立体应用模式
基于LLM的显著能力与智能体范式，分别针对海量多源数据可用性差、用户特性挖掘灵活性低、用户侧业务贯通难度大的技术难题，提供立体应用方案：1）基于LLM的海量多源用户数据治理与交互，包括自适应数据治理与对话式数据交互，以提升用户数据治理的质量，降低用户数据交互的门槛。2）基于LLM的用户特性智能挖掘方法，包括自动数据分析与自动机器学习，以提高用户特性刻画以及特性应用模块构建自动化水平。3）基于LLM多智能体的用户特性应用系统架构，以应对数据-特性-模块-业务中多层级联动与各层级复杂的技术难题，具体架构如图3所示。![]()
图3 基于多智能体的用户特性应用架构
5）基于LLM的用户特性应用初探
为初步探索LLM在用户数据交互中的灵活性，基于LangChain开发框架调用通义千问的qwen-plus大语言模型实现关系型数据库的对话式交互，过程如图4所示。在该案例中，LLM能够将“负荷偏大”的模糊查询自动理解为负荷值高于所有用户的平均负荷值，准确返回查询结果并解释，无需业务人员完全指定交互命令。![]()
图4 用户用电数据库交互
为验证LLM赋能用户特性立体应用模式的有效性，基于GPT-4o大语言模型在供电局业扩报装业务中进行尝试，过程如图5所示。分析报告中的曲线、指标、接入方案等均计算合理且可视化清晰。可见，全程无需业务人员参与，LLM赋能下的用户特性立体应用模式即可准确满足业扩报装业务需求。![]()
图5 业扩报装接入优化
本文针对新型电力系统用户侧关键挑战，提出了新型电力系统用户特性立体应用模式。为解决模式实践的核心技术难题，进一步基于LLM的显著能力与智能体应用范式，以LLM作为应用底座提出用户特性立体应用的实施方案。由相关案例初探了LLM赋能用户特性业务的巨大潜力。未来有望实现以用户特性LLM为核心的云边端智能立体融合，深度赋能新型电力系统用户侧海量资源感知与调控，结合“电力指纹”识别技术解决当前智能配用电系统中最后一公里的透明感知与控制的关键难题，充分发挥海量资源对提高新能源渗透率的作用。再进一步实现以LLM智能体范式为核心的“自动驾驶”式用户侧业务管理，全面推进新型电力系统各环节的智能水平跃升。
余涛, 王艺澎, 罗庆全, 等. 基于大语言模型的新型电力系统用户特性立体应用模式初探[J]. 高电压技术, 2024, 50(7): 2833-2848.
![]()
余涛，华南理工大学教授、博导，珠江学者特聘教授，广东省电网智能量测与先进计量企业重点实验室副主任，中国电工技术学会人工智能与电气应用专委会秘书长，IEEE PES电力负荷特性分委会（中国）主席、柔性资源互联专委会（中国）副主席。在“电力系统与人工智能技术”交叉领域开展了富有成效的研究，2018年提出了“电力指纹”技术，系列软硬件产品已产业化。主持国家自然科学基金项目4项、广东省自然科学基金项目2项及5项省部级其它科技项目，参与973国家重点基础研究项目1项、863计划项目1项；主持两大电网公司重点科技项目20余项，主持科研经费达到11000万元。迄今共计发表各类论文超过300篇，包括SCI源刊论文150余篇，连续四年荣获爱思唯尔“中国高被引学者”称号；获得发明和实用新型专利38项，著书4本。先后获得中国电力创新奖一等奖2项（排名第一）、中国电力科学技术发明二等奖1项（排名第二）、江苏省科学技术奖三等奖（排名第一）等14项重要省部级奖项。
责编：卫李静
- 【 END 】 -
传播知识 · 分享成果 · 交流经验
声明：本文为原创作品，所涉文字及图片版权均属《高电压技术》编辑部所有，根据国家版权局最新规定，纸媒、网站、微信公众号转载、摘编我编辑部的作品，务必请提前联系我编辑部。个人请按本微信原文转发、分享
http://hve.epri.sgcc.com.cn/
![]()
