大模型技术在新型电力系统中的应用方案（27页 PPT）

微信扫码，打开到小程序

感谢您下载包图网平台上提供的 PPT 作品 ，为了您和包图网以及原创作者的利益 ，请勿复制、传播、销售 ，否则将承担法律责任！包图网将对作品进行维权 ，按照传播下载次数进行十倍的索取 赔偿！ ibaotu.com www.qctc.com.cn 大模型技术在新型电力系统中的应用 • 成立于 2004 年，是一家长期专注于电力市场交易、电网智能调度、智能发售电和能源互联网 等应用领域研究咨询、算法研究、软件开发的高新技术企业。 • 主营业务： 自研软件产品、软件开发服务、研究咨询、系统集成和技术服务。 北京清大科越股份有限公司 汇报人：王毅 2025.09 B e i j i n g Q U C r e a t i v e T e c h n o l o g y C o . , L t d . ( Q C T C ) 感谢您下载包图网平台上提供的 PPT 作品 ，为了您和包图网以及原创作者的利益 ，请勿复制、传播、销售 ，否则将承担法律责任！包图网将对作品进行维权 ，按照传播下载次数进行十倍的索取 赔偿！ ibaotu.com 二、 大模型赋能新型电力系统的创新体系 一、 新型电力系统的时代背景与思考 三、 迈向整体智能 l “ 双碳” 目标驱动深刻变革： 全球能源转型加速，“双 碳” 战略的提出为我国能源发展指明了清洁低碳的核心方 向 ， 能源系统正经历前所未有的结构性变革。 l 新型电力系统应运而生 ：作为能源革命的核心载体 ，新 型电力系统旨在构建以高比例可再生能源为主体 ，源网荷 储深度互动、安全高效的现代能源体系。 l 核心使命与紧迫性： 承载高比例新能源：支撑风、光等波动性可再生 能 源的大规模、高比例接入与消纳 ，是实现能源 结构 清洁化的关键。 保障能源安全稳定：在能源结构转变过程中 ，确 保 电力可靠供应 ，维护国家能源安全。 支撑经济社会发展 ：为经济社会绿色低碳转型提 供 坚实的电力基础。 承载高比例新能源 确保可再生能源的大规模 接入和消纳， 以实现能 源 结构清洁化。 能源革命浪潮：新型电力系统的时代使命与紧 迫性 支撑经济社会发展 提供坚实的电力基础 ，以促进 经 济和社会的绿色转型。 保障能源安全稳定 维护可靠的电力供应 ， 以 支持国家能源安全。 如何实现中国的“双碳” 目标？ 新型电力系统面临新能源不确定性、分布式资源协调难、数据处理融合不足、决策实时性要求高、安全韧性挑战大等“成长 烦恼”。而大模型凭借强大的数据处理与模式识别、 出色的上下文学习与推理、多模态融合潜力等能力 ，成为破局关键 ，助力解 决系统难题。 数据 “爆炸 ”与融合困境 ： 海量 、 多源 、 异构数 不确定性剧增 ： 高比例能源的接入 ， 新能源的 随 机性、 波动性给系统平衡带来巨大挑战 协调难度加大 ： 数以亿计的分布式资源接入 ， 传 统集中控制模式难以为继 重风险 ，系统安全边界动态变化 至毫秒级完成决策 ，传统方法算力瓶颈凸显 安全韧性要求提升 ： 面临物理 、 网络 、 气候等 多 据处理需求迫切 ，价值挖掘不足 决策实时性要求严苛 ： 复杂优化问题需在秒级甚 强大的数据处理与模式识别能力 ，有望从海 量数据中洞察运行规律 出色的上下文学习与推理能力 ，可辅助甚至 优化复杂决策过程 多模态融合潜力 ，整合文本、 时序、 图像 等 多元信息 ，实现全景感知 挑战与机遇并存：大模型技术破局电力系统复 杂性 新型电力系统的“成长烦恼” - 大模型能力 破局的关键钥匙： 大模型 感谢您下载包图网平台上提供的 PPT 作品 ，为了您和包图网以及原创作者的利益 ，请勿复制、传播、销售 ，否则将承担法律责任！包图网将对作品进行维权 ，按照传播下载次数进行十倍的索取 赔偿！ ibaotu.com 二、 大模型赋能新型电力系统的创新体系 一、 新型电力系统的时代背景与思考 三、 迈向整体智能 在电力这一对可靠性、安全性要求极高的关键领域，大模型的引入无疑带来了新的机遇，但其固有的局限性也决定了它们 无法完全替代人类的决策作用。大模型并非“万金油” ，其核心定位是作为强大的辅助工具，而非独立的决策主体。 边缘辅助 数据价值激活 海 量 业 务 数 据 分 散 在 不 同 的 部门和系统中 ，最易结合。 企业资源计划（ ERP ）系统 - 核心业务数 据 办公自动化（ OA ）系统 - 办公协同数 据 文件系统 - 非结构化文档等 客户关系管理（ CRM ）系统 - 客户信息 等 表现 定位 大模型在电力领域中的角色 定位 参数众多 数据量大 高度非线 性 数据深度挖掘 潜在关联发现与预测 大模型 黑箱效应 幻觉 非精准函数映射 特性 局限 不直接干预现有系统的操作指令 ， 而是通过深度分析现有系统产生的数据（如 企业资源计划（ ERP ） 系统的销售数据、 办公自动化（ OA ） 系统中的审批流 程） ，提供高级分析、预测、优化建议和人机交互功能。 大模型的输出作为参 考信息 ，辅助专业人员进行决策 ，加快决策速度 ，并提供判断依据。 现有系统自主运行 OA 、 ERP 、文件管理等现有系统继续独立、 自主地承担其核心功能 ，处理日常业务流 程和数据。 这些系统是企业运营效率的保障 ，其运行逻辑和数据流清晰、 可控。 这种“双轨运行”模式 ，实现了“ AI 算力”与“专家智慧”的完美结合。 AI 负责处理它擅长的复杂计算和数据关联 ，而人类 专家 则凭借经验和知识 ，进行最终的判断和决策。 大模型并行运行与辅助 大模型作为智能增强层， 与现有系统并行运行 协同互补的“双轨运行”模式 大模型在电力领域中的角色 定位 l 通用大模型：并非为电力系统的时序性、物理性、高维动态性而生 ，直接应用到电力场景 ，效果往往受限。 l 定制化模型骨架： 在成熟通用模型基础上 ，增加电力专用层（如时序特性、物理约束层） ，兼顾通用能力与专业性。 或者设计适用于电力时序数据的模型架构（如基于状态空间模型、图神经网络结合时序特征的模型） ，更精准捕 捉 电力系统动态。 融合物理机理模型与数据驱动模型 ，形成优势互补。 l 选择和优化模型骨架要考虑： 电力数据的特性 ：电力数据以时序为主 ，包 含 大量数值型数据 ，对模型捕捉时间依赖和 动态 变化能力要求高。 不同的任务需求 ：不同任务（预测、控制、 诊 断）对模型架构的侧重点不同。 计算资源的约束 ：需平衡模型性能与训 练 / 推 理成本。 架构之基：选择与优化适应电力特性的模型 骨架 通用模型 混合模型 l 数据贯穿模型训练、部署、应用的全过程 : 大模型的能力源于从海量数据中学习模式和知识。没有高质量、多维度、大规 模的数据 ，电力大模型就是无源之水 ，其价值也无从谈起。 l 数据质量决定模型上限 : 数据的准确性、完整性、一致性、时效性直接决定了模型训练的效果和最终应用的可靠性。低质 量数据可能导致模型产生错误认知甚至误导决策。 l 数据维度拓展认知边界 : 融合来自源、 网、荷、储、气象、市场等多维度数据 ，能够让模型更全面地理解电力系统的复杂 运行状态和相互影响 ，发现隐藏的关联和规律。 f 数据是血液： 电力大模型价值实现的核心 要素 增强的模 型能力 数 据 质 量 数据维度 数 据 量 电力系统拥有庞大而复杂的专业知识体系 ，包括设备规范、调度规程、安全约束、市场规则、行业术语等 ，这是通用大模 型天然的知识盲区。模型如果不能理解这些行业特有的知识 ，就无法准确理解任务需求 ，更无法生成符合实际业务逻辑的可靠 输出。将行业专家的经验和知识有效传递给大模型 ，使其成为真正“懂行”的智能助手。 检索增强生成（ RAG ） 实时更新知识库（如设备台账 、故障案例 库、标准规范库） , 在模型生成答案时提 供 相关知识作为参考 , 提高专业性和准确性。 指令微调 针对特定的电力任务（如故障诊断、报告生 成） , 构造指令数据集进行微调 , 让模型 学会 遵循特定格式和要求执行任务 ，可蒸 馏小模 型 ，部署在硬件配置更低的终端中。 领域数据预训练 / 微调 使用包含大量电力专业文献、报告、规 程、 运行日志等语料库对模型进行训练或微调 , 使 其掌握行业语言和基础知识。 知识图谱融合 构建电力专业知识图谱 , 将结构化的实体、 关 系、规则与大模型相结合 , 增强模型的逻辑 推 理和知识关联能力。 ● 行业知识的注入：让大模型“懂”电力 系统级 刻画整个电网的运行方式、稳定裕度、功率 平衡、阻塞断面等宏观状态。 子系统级 建模局部网络的拓扑结构、潮流分布、电压 支撑、保护配合等中观特性。 设备级 捕捉单个元件的运行参数、健康状态、故障 模式等微观信息。 电力系统是一个多层次复杂系统 ，包含从单个设备（变压器、开关）到局部网络（变电站、配电线路）再到整个区域电网 的不同粒度。只关注设备细节可能忽略系统性风险；只看宏观整体可能无法定位具体问题根源。通过构建层次化网络结构和跨 层级信息交互使模型能够根据任务需求 ，灵活地在不同层级进行分析和推理 ，实现全面认知。 ● 多维编织：构建从设备到系统的认知网 络 实时控制类：继电保护、紧急控制等需毫秒级 响应。 在线分析 / 调度类： 日内调度、安全校核等需秒 级至 分钟级响应。 离线规划 / 分析类：规划设计、仿真计算等可容 忍小 时级响应。 l 为满足不同业务场景的实时性需求 ，并平衡性能、成本和 速度 ，云边协调的部署架构是理想选择： 云端 ：部署大规模、高精度的复杂模型 ，处理 全局 性、非实时的分析与决策任务。 边缘端 ( 场站 / 变电站 / 终端 ) ：部署轻量化、 快速响 应的模型 ，处理局部性、实时性要求高的 监测、控 制、预警任务。 云边协同： 通过高效的通信机制实现云端模型与 边 缘模型的任务协同、模型更新和结果同步。 场站、 变电站、 终端、 传感器等 ● 推理的效率与边界：实现实时响应与边云协同的平 衡 l 电力场景对推理速度的要求苛刻 从架构到应用 ，如何将宏观的技术架构落到具体的电力业务场景？科越提出“辅助机器人”的概念。 • 定义：“辅助机器人”是基于大模型技术 ，面向特定电力业务场景（如调度、交易、智慧能源） ，具备感知、认知、决策、 交互能力的多智能体。 • 核心定位： “ 辅助”而非“替代”：机器人的主要职责是辅助人类专家（调度员、交易员、运维人员） ，提供信息分析、方案 建议、风险预警 ，提升决策效率和质量 ，而非完全取代人的角色。 场景驱动：每个机器人聚焦于解决特定业务流程中的痛点问题。 智能调度辅助机器人 辅助调度员进行电网安全校核、 阻塞管理、优化出清计算 市场交易辅助机器人 辅助交易员进行市场分析、价格预 测、策略生成、风险监控 智慧能源辅助机器人 辅助园区管理者、聚合商、用户进 行负荷预测、能效优化、市场参与 决策 “ 辅助机器人” ：面向核心业务场景的智能体范 式 l 认知与决策中枢：是机器人的核心智能所在 ，负责处理最复杂的认知任务。 l 核心大模型 理解与表征： 自然语言理解 ，负责理解输入的指令、数据和上下文信息。 知识推理：基于注入的行业知识和从数据中学到的模式 ，进行逻辑推理、因果分析、态势研判。 复杂决策规划：能够进行多步骤、多目标的复杂决策规划 ，生成解决问题的初步方案或行动序列。 l 推理决策引擎 整合与优化：整合大模型的初步分析结果、外部知识库信息、实时数据以及业务规则约束。 精炼与输出：进行更精确的计算、优化或模拟 ，生成最终的、可执行的决策建议或行动指令。 技术实现：能采用预训练大模型（经过电力领域微调） + 专用推理 / 优化算法（如运筹优化、强化 学习）。 核心大模型 与 推理决策引擎 < 整合与优化 精炼与 输出 技术实现 机器人的“灵魂” ：核心大模型与推理决策引 擎 理解与表征 知识推理 复杂决策规划 > > > < < l 数据融合与知识管理系统是连接“头脑”与“ 四肢”的关键枢纽 ，为机器人 的智能 运作提供持续的数据流和知识流。 l 数据融合平台 多源接入 ：连接来自电网 SCADA 、气象系统、市场平台、用户侧 设 备、外部数据库等不同来源的数据接口。 清洗与整合：对接入的数据进行实时清洗、校验、对齐和融合 ，形 成 统一的、高质量的数据视图。 实时更新：保证数据的时效性 ，为“头脑”提供最新的系统状态信 息。 l 知识管理系统 知识库构建：存储和管理电力行业的专业知识 ，如设备台账、运行 规 程、故障案例、标准规范、市场规则等（可能结合知识图谱）。 动态维护：保证知识库内容的准确性和及时更新。 高效检索 (RAG 支撑 ) ：为“头脑”在推理决策时提供快速、精准的 外 部知识检索服务。 n 小 数据接 s . 实时 - 入清洗 更新 · 高效 检索 · 多源 数据 · 知识 -. 库 · · 动态 维护 机器人的“躯干”：数据融合与知识管 理 l 由多个功能专一的“子智能体”（或模块 / 工具）构成机器人与外部世界交互、执行具体操作的“手和脚”。 l 子智能体的多样性 感知类：负责特定数据的采集和初步处理（如图像识别巡检子智能体、特定信号监测子智能体）。 计算 / 分析类：执行特定的计算或分析任务（如潮流计算子智能体、负荷预测子智能体、优化算法子智能体）。 执行类：调用外部系统接口（构建 MCP 服务）执行操作（如向调度系统下发指令的接口子智能体、 向市场平 台报价的接口 子智能体）。 交互类：负责与人或其他系统进行交互（如生成报告子智能体、 自然语言对话接口子智能体、调用外部 API 的子智能体）。 l 协同工作：“头脑”（大模型）进行规划，“躯干”（数据）提供支持，“ 四肢”（子智能体）根据指令分工协作 ，完成 复杂任务 链。 协同机制 ：子智能体之间的通信协议、任务分配、状态同步、冲 突解决机制是实现高效协同的关键技术难点。 可靠性与安全性 ：每个子智能体（尤其是执行类） 的可靠性和 安 全性必须得到充分保障。 机器人的“四肢” ：感知、执行与交互的专业子智能 体 子 智 能 体 现货复盘功能从整体上分析各种策略下的收益情 况 ，并细化总体收益 ，将收益的各个市场下的具体组 成进行细化 ，并将各市场收益的不同策略的组成进行 分析 ，定位各市场下策略的优劣 ，能更好的指导交易 人员的策略制定 ，以及了解收益的概况。 场景 1 ：现货 交易 通过基于知识增强大模型的电网应急信息智能生成与报送技术研究 ，实现应急事件自动判断、应急信息智能生成、应急信 息报送范围自适应决策 ，提高应急信息报送效率 ，保障电网安全运行。 要求事件发生 20 分钟内完成向上 级报告 ； 中调 收 到消息 3 分钟 之内 上报总调 按照事件类型和等级不同报送上级和同 级的范围不同 ，当前多大 ，类似大面 积 停电四级响应事件需要每小时报送 1 次， 同时根据持续时间响应等级会上 升。电 话通知大约需要 30~60 分钟 场景 2 ：主配网协同 - 电网应急信息智能生成 与报送 当前耗时 5~8 小时 通过 OCS 系统、保信系统、 计 量系统等进行事件类型判 断和 损失评估 ，并依据规范 划分事 件等级。 新技术应用后 2~3 小时 》 自动采集获取数据 并实时进行事件判断， 动态更新事件等级 事件发生 8 小时内上报 书面事故快报 ，编制 时 间大约 10~15 分钟。 最 后 需 要 耗 费 2 ~3 小 时 编 制 事 故报告并报送。 1 ~2 分钟 内 完成信 息编 制 ≤ 1 分钟 ≤3 分钟 生成初稿≤ 3 分钟， 1 小时内完成编制 事件发生 5 分钟内向上报告， 中调上报总调≤ 2 分钟 中调 方式 继保 调控 变电 输电 电话、 e link 等多种通知途径 报送方案 1 分钟生 成 通知 20~30 分钟 应急事件 类型和事 件等级 电力保供 和调度运 行异常 领导 配网调 度 党建 应急信息编 制 / 生成 书面事故 快报 典 型 场 景 示 例 信息报送范围 即时 报告 事故报告 外购 / 外送预测 电网代购预测 用电侧需求预测 购电方持仓信息 新能源发电预测 政府授权合约 售电方持仓信息 不同类型机组成本预测 （计算） 不同周期其边际成本计算不一致 ， LMC->SMC 电力市场趋势预测的总体思路则是在完成发电与负荷预测后 ，形成供给曲线和需求曲线 ，再输入市场力度、 申报约束、 出清约束等交易约束调节 ，预测交易量和边际成交价格。 经济增长预期 天气信息 燃料成本 容量补偿 碳排放成本 场景 3 ：趋势预测分析 - 市场趋 势预测 年度、月度按照峰、谷、平测算 ，周、 D+2 以及现货 按 照 24 时或者 96 点。 交易约束 交易申报约束、 出清约束都 会影响供需曲线的位移 边际（平均）成 交价 集中竞价采用 边 际价 ， 双边 、 挂 牌采用阶梯价 的 加权平均价 需求曲线 拟合供给曲线 市场 均衡 价格 供给方市场力 需求曲线 供给曲线 总交易量 价 格 电 量 场景 4 ： 分布式新能源功率预测 - 新能源功率预测系 统功能 预测库管理 机组信息管理 气象信息管理 超 短 期 预 测 短 期 预 测 中 长 期 预 测 集 群 预 测 评 估 集 群 历 史 功 率 电 厂 信 息 管 理 气象 -AI 融合预测算法 基于时间序列特性： LSTM ， Seq2Seq ， TCN 等