基于大语言模型的电力系统通用人工智能展望：理论与应用

    近年来，全球气候变化和可持续发展问题日益严重，减少温室气体排放成为当务之急。新型电力系统以可再生能源为主体，有助于实现国家双碳战略。然而，新型电力系统面临诸多挑战，如电力供应安全、新能源消纳、系统运行压力等。人工智能（artificial intelligence, AI）技术，尤其是大语言模型（large language model，LLM）在自然语言处理和认知功能方面取得了重大突破，为通用人工智能（AGI）的发展奠定了基础。通用人工智能具备推理、策略、解决问题、学习、自然语言处理等能力，有望应对新型电力系统的挑战。本文旨在探讨基于LLM的AGI技术在电力系统中的应用，分析其发展和挑战，并展望以LLM为基础的电力系统通用人工智能的前景。

    大语言模型（large language model，LLM）是一种利用大规模文本语料进行预训练与微调的深度学习语言模型，能够理解和生成与人类语言相似的表达。LLM基于神经网络进行序列建模，使用Transformer网络结构进行信息传递和处理。通过在大规模语料库上进行无监督预训练和特定任务上的有监督微调，LLM能够学习文本的统计规律和语义信息，提高任务性能。目前，LLM已经在逻辑推理、编程与代码理解以及数学推理等领域展现出了远超传统AI技术的智能水平。尽管仍存在一些挑战和局限性，但LLM的强大能力为构建通用人工智能系统提供了有力的基础。

电力系统负荷与发电出力预测：

    电力系统调度机构 (ISO) 需要准确预测电力负荷和发电出力以实现经济安全的电力系统运行规划和管理。LLM在这一领域具有潜在应用，包括用电行为理解与用户画像、负荷预测和间歇性电源出力预测。LLM的强泛化能力有助于解决用电行为分析中的用户特征缺失和多源数据融合问题。在负荷预测方面，LLM的小样本学习能力有望解决新增用户和低频用电场景下的数据匮乏问题。对于中长期负荷预测，LLM在解决可信度等问题的基础上，可以解决特征选择和非用电数据生成问题。在间歇性电源出力预测方面，LLM的小样本数据学习能力和知识迁移能力有望帮助实现更准确的超短期预测，同时提供实时的天气信息。

电力系统规划：

    电力系统规划是为了满足电力需求增长、系统安全运行、可再生能源消纳和系统整体经济性等目标，对电力系统的发电资源配置和主配电网结构进行综合性规划。从不确定性模拟、规划场景生成和规划方案优化三个方面来看，LLM具有潜在的应用价值。在不确定性模拟方面，LLM可以基于知识生成直觉性的模拟结果，节省采样计算过程并达到近似结果，同时实现基于不确定性模拟结果的电力系统风险评估。在规划场景生成方面，LLM可以实现典型规划场景的自动生成，通过自然语言描述自动生成典型规划场景，并调整优化具体场景。在规划方案优化方面，LLM可以应用于优化方案自动解释中，生成最优方案的自然语言说明，同时通过训练规划方案与模型和约束之间的关系，快速生成对应的规划模型和约束条件，减少电力系统规划的工作量。

电力系统运行：

    电力系统调度过程中需要调度员根据实时负荷偏差进行人为调度修正。在此过程中，LLM可以从五个方面发挥潜在应用：1.调度员经验提取，通过总结调度员行为数据，形成通用的调度经验知识；2.调度建模，辅助调度员进行调度模型的特性解释和自然语言生成；3.调度决策，快速评估决策结果并提供改进建议；4.操作执行，根据调度员的调度决策生成规范化的业务操作票；5.电力系统态势感知，将预测数值结果转化为自然语言表示并辅助可视化展示。LLM的泛化性和自然语言处理能力可以帮助调度员快速学习调度知识、提高调度效率和准确性，从而实现电力系统的经济、安全和低碳运行。

电力系统规划：

    电力系统故障诊断和恢复是电力行业的重要环节，涉及设备故障诊断、输电和配电系统故障诊断、输电系统恢复和配电系统恢复等方面。设备故障诊断主要利用感应数据进行故障类型识别，LLM的泛化性优势有望帮助提高设备故障检测的准确性。输电和配电系统故障诊断需要快速匹配故障特征，分析故障原因和位置，LLM的通用性有望实现多类型故障的同时诊断能力。输电系统恢复关注输电网裂解后子系统如何快速协调恢复，LLM适用于对恢复方案的多维度安全综合评估。配电系统恢复主要涉及修复故障设备、恢复接通用户和运行备用设备等操作，LLM可以快速生成恢复方案，并通过具体标准进行评价，以帮助调度员快速选择合适的恢复方案。

电力市场：

    全球范围内的电力市场正在经历深刻的变革，以提高效率和鼓励创新。中国等国家正逐步打破电力行业的垄断，引入竞争机制，并推动电力系统的清洁和智能化。在此背景下，电力市场研究涉及电力市场建模、决策和机制设计等复杂问题。

1.  电力市场建模方面：LLM可以基于常识理解和逻辑推理能力，在少样本和无样本的情况下，构建更加精确的交易行为模型。与传统经济学理论假设相比，LLM可以更好地模拟真实市场的交易行为。

2.  电力市场决策方面：LLM具有自主生成策略的能力，可以应对快速变化的市场环境。相较于现有的时间序列模型、深度学习模型和深度强化学习等技术，LLM可以更好地处理市场边界条件预测、竞价策略优化、风险管理等决策问题。

3.  电力市场机制设计方面：LLM可以与机制设计理论相结合，利用其常识理解和逻辑推理能力更精确地模拟市场主体行为，从而更好地保证电力市场机制设计的合理性和实用性。

    黄建伟教授现任香港中文大学（深圳）校长讲座教授和协理副校长（拓展事务），深圳市人工智能和机器人研究院副院长和群体智能研究中心主任，深圳市群体智能驱动的低碳能源网络重点实验室主任，香港中文大学（深圳）-中新智慧储能联合研究中心主任。黄教授是IEEE Fellow，IEEE通信学会杰出讲师，科睿唯安计算机科学领域全球高被引科学家。

    黄教授先后主持了20余项国家、省市和产业界科研项目，累计发表了350篇国际顶级期刊和会议论文，谷歌引用超过16000，11次获得国际期刊和会议的最佳论文奖，2022年获得 IEEE TCCN论文成就奖。他现任IEEE Koji Kobayashi Award 评奖委员会成员，IEEE Transactions on Network Science and Engineering（网络科学方向国际顶级期刊，JCR Q1）主编。他曾任IEEE Open Journal of the Communications Society (JCR Q1) 副主编，IEEE认知网络专委会主席，IEEE多媒体通信专委员会主席，IEEE Transactions on Multimedia和IEEE ICME指导委员会委员。他参与组织了众多通信和网络会议的国际会议并担任主席，包括2020年全球通信大会（ICC）的技术委员会共同主席和评奖委员会主席。他获得了2015年IEEE多媒体通信专委员会杰出服务奖和2010年IEEE GLBOECOM卓越服务奖。

    赵俊华教授为香港中文大学（深圳）理工学院长聘副教授，国家青年特聘专家，IET Fellow，新能源科学与工程专业主任，深圳高等金融研究院能源市场与金融实验室主任，中新智慧储能联合研究中心执行主任。长期从事智能电网、能源经济、低碳转型、人工智能等领域研究。2021-2023年连续入选爱思唯尔“中国高被引学者”。2020-2023年连续入选斯坦福大学评选的“全球前2%顶尖科学家”。2017年获澳大利亚达沃斯论坛（ADC Forum）授予青年科学家奖（Young Scientist of the Future）。两次获得湖南省科技进步奖，一次获得浙江省自然科学奖，一次获中电联“电力科技创新奖”， 2020年获国际期刊Energy Conversion and Economics年度最具影响力论文奖、2022年获广东省电力科技杰出贡献奖、2023年获国际金融论坛（IFF）全球绿色金融奖。担任南方区域电力市场管委会专家委员，深度参与了南方区域电力市场（国内首个区域电力现货市场）的建设工作；提出了国际首个基于碳卫星的碳计量AI模型；参与了国内首个跨境碳交易品种的设计工作；较早开展了AI算法安全的研究。发表超过300篇研究论文，其中包括《Cell》子刊《Joule》一篇、《Patterns》一篇，《Nature》子刊《Scientific Data》二篇，中国工程院院刊《Engineering》一篇，超过100篇文章发表在顶级期刊，超过60篇发表在IEEE Transactions上。谷歌学术引用逾14400次，谷歌h因子60。《澳大利亚国家展望报告（Australian National Outlook）》特邀外部专家，IEEE Special Interest Group （SiG）on Active Distribution Grids and Microgrids联合主席，IEEE PES SBLC（Smart Building, Load and Customer）亚太工作组秘书，国际智能电网联盟（GSGF）“Interfaces of Grid Users/ Focus on EV and Local Storage”专家组成员，中国电机工程学会电力市场专委会委员，中国能源研究会电碳耦合技术专委会委员、中国计算机学会计算经济学组执委、中国管理科学与工程学会理事、广东省电机工程学会新型电力市场专委会副主任委员。担任IEEE Transactions on Network Science and Engineering、Energy Conversion and Economics等多个国际期刊编委。

    文福拴教授为电力系统与电力经济专家， IEEE Fellow。1985年和1988年在天津大学分获学士和硕士学位，1991年在浙江大学获得博士学位。1997年5月开始担任浙江大学教授和博士生导师；1999年开始担任浙江大学电力经济及信息化研究所首任所长。2005年至2010年间兼任广东省“珠江学者”特聘教授，华南理工大学电力学院副院长、电力经济和电力市场研究所首任所长。自2020年1月起，兼任杭州电子科技大学薛禹胜教育基金会首批特聘讲座教授。曾在新加坡国立大学、香港理工大学、香港大学、澳大利亚新南威尔士大学、澳大利亚昆士兰科技大学、文莱科技大学、丹麦科技大学、新加坡南洋理工大学、澳大利亚默多克大学（Murdoch University）、塔林理工大学、澳大利亚联邦科学与工业研究组织 (CSIRO) 担任教授、客座教授或从事访问研究工作。发表的论文被SCI收录200余篇, EI收录540余篇, Scopus收录690余篇,被引15000余次。自2015年起连续5年入选爱思唯尔(Elsevier)中国高被引学者。研究成果获得1997年度国家自然科学奖。其它7项成果获省部级科技进步奖。曾获得国务院政府特殊津贴。担任Energy Conversion and Economics (IET, Wiley)主编，《电力系统自动化》杂志副主编，以及其它10余本杂志的编委或专题特约主编。

    刘嘉宁，男，1974年生，硕士，教授级高工。长期从事调度管理和智能调控有关科研工作，广东省重点研发项目负责人，现任广东电网调控中心创新管理部高级经理。

[1] 赵俊华,文福拴,黄建伟,等.基于大语言模型的电力系统通用人工智能展望：理论与应用[J].电力系统自动化,2024,48(06):13-28.