2025年面向新型配电系统的数据机理融合人工智能技术及应用报告

面向新型配电系统的数据机理融合人工智能技术及应用蒲天骄中国电力科学研究院目录目录中国电力科学研究院有限公司随着新一轮科技革命和产业变革的持续深化，人工智能是新质生产力重要的驱动力，是抢占未来竞争制高点和构建国家竞争新优势的新赛道。2025年9月4日，国家发展改革委国家能源局《关于推进“人工智能+”能源高质量发展的实施意见》指出，要抢抓人工智能发展重大战略机遇，突出应用导国能发科技〔2025〕73号全面实施“人工智能+”行动，以人工智能引领科研范式变革，加强人工智能同产业发展、文化建设、民生保障、社会治理相结合，抢占—2025年10月，中共中央关于制定十五五规划的建议能源领域人工智能创新应用技术水平为主攻方向，着力提——2025年9月，推进“人工智能+”能源高质量发展的实施意见3中国电力科学研究院有限公司痕告行动·推痕告行动·挖掘十个以上可复制、易推广、有竞争力的重点示范项2030年2030年4限公司新型配电系统作为电力系统重要组成部分，是联接用能端与用户的“最后一公里”。在双碳目标的新格局下，其所承担的角色不仅是单纯的电能分配网络，还是融合了“源-网-荷-储”的数字化主动配电与多能耦合系统，是新型电力系统的重要载体。层层智慧高效的源网荷储高度融合高配电中压配电低压配电用户平真晓册中压交流中压直率新型配电系统主要特点大型城市/地区配电网日趋复杂中国电力科学研究院有限公司统人工智能技术受限于样本依赖强、泛化能力弱、知识表达能力不足以及缺乏特点，在计算推演、源荷预测、调度决策、协同优化等领域依然面临诸多技术挑战。源荷预测计算推演调度决策协同优化传统人工智能方法依赖均匀同分布数据样本，难以满足源荷随机波动下的调调度决策协同优化6中国电力科学研究院有限公司决策能力提供了重要支撑。通过将机理约束与数据驱动深度融合，使模型能够在不化数据驱动知识驱动自动化能力弱表示不统一数据机理融合驱动优势互补数据难以满足任务空间的完备性因而数据驱动模型可以因而数据驱动模型可以综合考虑因果性+关联性数据(灰箱模型)映射实际系统机理建模考虑数据因果性(白箱模型)数据建模考虑数据关联性(黑箱模型)历史|运行目录目录2.关键技术2.关键技术中国电力科学研究院有限公司经验范式理论经验范式理论范式仿真范式数据范式智能范式①超级计算①科学计算②人工智能(机器学习)科学计算②人工智能(机器学习)9科学智能概念于2018年首次提出，2021年DeepMind的AlphaFold推出后，Al4S获得国际认T1049/6y4fT1049/6y4fConputationalprediction从头建模算法porta同源建模算法Euftedb利用AlphaFold实现蛋白质结构预测通过深度强化学习对托卡马克等离子体进行磁控制STATEGRID科学智能科学智能相较于传统方法，科学智能技术具有特征自主学习、高维数据处理、复杂关系拟合等方面的技术优势。在电力系统领域，可应用于电力气象功率预测、运行方式分析、优化运行决策等场景。电力气象预测0EncoderDecoderbAAAHierarchicaltemporalag运行方式分析传统的运行方式分析决策人工归纳运行方式生成一数据样本确定性规则运行规则编制AI模型库迁移更新模型驱动安全约束难以考虑复杂目标和约束运行方式调整样本库更新基于混合智能的新型电力系统运行方式分析决策中国电力科学研究院有限公司数据与机理(知识)的融合是科学智能技术的重要特征之一，可充分利用数据驱动方法的非线先验概率不变性不变性代数方程潮流方程先验概率微分方程先验概率不变性不变性代数方程潮流方程先验概率V电磁暂态与、或、非电磁暂态与、或、非VAAB→CAAB→C数据机理融合建模人机混合+大模型中国电力科学研究院有限公司数据机理融合数据驱动方法数据驱动方法是指根据建模对象应用场合和模型使用目的，按表征状态、特性、运行环境等影响因素历史数据和实时数据，采用数据挖掘、机器学习、深度学习等人工智能手段建立数字模型的方法，适用于系统内部结构和特性不明确，且难以进行实验观测系统特性时进行建模。特征筛选特征筛选仿真样本生成实际样本采集统计分析研究对象模型构建调参测试人工智能理想模型数据建模样本无法收集或数量、质量无法满模型特征不足或选取错误；模型对场景的适应性不足数据驱动建模方法分析过程数据驱动建模方法面临的问题中国电力科学研究院有限公司数据机理融合机理驱动方法机理建模机理驱动方法是指根据建模对象应用场合和模型使用目的合理假设后，按机理建立数字/规则模型的方法。通过认识问题机理，提取普适规则，能够通过模型细化或参数修改等方式应对场景变化，适用于对内部运行机理和结构较为清晰的对象进行建模。机理建模特点分析外部特性关系内部机理分析研究对象模型构建模式分析问题求解概率模型模型参数不确定性因素干扰强非线性难以建模模型复杂计算困难影响因素影响因素关系模糊机理驱动建模方法分析过程机理驱动建模方法面临的问题中国电力科学研究院有限公司数据机理融合驱动建模可实现传统建模方法中数据驱动和机理驱动二者的优势互补，利用电力机理与物理规律引导数据驱动模型，提升模型泛化性与决策安全性，利用数据驱动模型构建、修正、更新机理模型，在提升模型计算效率的同时保证建模结果的准确性与可信性。机理建模数据-机理融合建模数据建模考虑数据关联性(黑箱模型)考虑数据因果性(白箱模型)考虑数据关联性(黑箱模型)考虑数据因果性(白箱模型)(灰箱模型)抽象抽象历史|运行实际系统 数据数据驱动特征选择模型构建模型训练结果预测/决策产生数据数据假设模型假设f(x)定义问题结果预测/决策产生数据数据假设模型假设f(x)定义问题y↑数据变换数据去噪y↑校正/更新x校正/更新x模式模式限定筛选限定知识图谱语义向量字符表征公理公式知识图谱语义向量字符表征预训练模型(暗知识)知识库推导表达式逻辑算子知识库模型表征函数表征模型表征数据机理融合数据机理融合模式采用层叠式解耦的电力数据机理融合建模方法，构建了5种数据机理融合模式：串行模式、反馈模式、并行模式、引导模式与嵌入模式。层叠式解耦融合建模方法5种数据机理融合模式层叠式解耦融合建模方法5种数据机理融合模式约束机理数据联合建模，符合物理约束引入单调性、取值范围等机理约束基于机理知识提取更有物理意义的特征①串行结构数据驱动修正机理约束机理数据联合建模，符合物理约束引入单调性、取值范围等机理约束基于机理知识提取更有物理意义的特征①串行结构数据驱动修正机理模型参数联合决策提升模型安全性与效果②反馈结构校③⑤机理引导④机理嵌入并行结构⑥引导、约束更新、校正表示□机理驱动层■数据驱动层训练辅助变量◎中国电力科学研究院有限公司校正正②①规划模型1规划模型2规划模型3优化边界校正正②①规划模型1规划模型2规划模型3优化边界结果线路参数初始辨识模型示例：机理模型配网分布式优化调度线路参数精细化配网分布式优化调度配电线路参数辨识③③糊运孀模型模型糊运孀模型模型估n电力系统稳定评估2.关键技术2.关键技术 有限量测信息知识模型有限量测信息知识模型节点电压节点模型数据模型束模型数据模型⑥⑥机理模型融合嵌融合嵌入模型数据模型目录目录国家电网STATEGRID配电网的透明感知是其他高级应用与决策的基础。台账信息错误、缺失或环境气温变化，可能导致配网线路参数不准确；配网量测设备故障、数据传输延迟/缺失等问题，可能导致动态拓扑在线更新不及时。亟需通过人工智能技术，实现配电网参数透明化、拓扑透明化，并进行精准状态估计。自动化(TTU/融合终端)自动化(TTU/融合终端)调度自动化源"源"BB站低压柱上开关低压柱上开关光伏发电户户中国电力科学研究院有限公司采用机理和数据串行驱动的两阶段配网线路参数辨识方法。第一阶段利用线性潮流方程和量测机理驱动线路参数初值的线性回归模型机理驱动线路参数初值的线性回归模型矩阵形式假设条件矩阵形式辨识结果数据驱动2M组观测数据M组观测数据改进信赖域反射方法梯度求解方程迭代求解迭代求解国家电网3.1计算推演机理嵌入的线路动态拓扑跟踪基于多任务图自注意力学习(MT-GSAL)的配电网动态拓扑跟踪方法(任务1:量测补全；任务2:拓扑辨识),依据配网拓扑建立图学习模型结构，实现在量测不完备条件下的拓扑辨识，通过共享表示的端到端多任务联合训练策略共同引导模型参数更新方向，提升模型泛化性与抗噪性。任务1:量测补全4N×33×3N×37×2N×37×2个个个门控残差门控残差任务2:拓扑辨识A₁个个个3.1计算推演知识引导的配网状态估计物理知识提出了基于深度学习模型与知识引导的配电网少量测状态计算方法。通过将物理方程约束加入到神经网络训练的损失函数中，引导神经网络训练朝着更符合物理规律方向进行，提升模型计算精物理知识[P;]m=[P₂,P23,…P;]M[Q]M=[Q₂,Q₂3…2;]M量测数据深度学习模型深度神经网络基于深度学习模型与知识引导的状态估计方法物理引导节点电压节点相角样本标签数据驱动有限量测信息国家电网3.1计算推演应用成效研发配网智能计算推演系统，实现模型计算推演结果和单线图数据融合展示，增强数据的可视化交互能力。已在江苏、上海、冀北等9家省公司完成了试点应用，能够有效提升配网态势透明化感知能力，进一步支撑配网监测分析、辅助决策、规划设计等业务。数据知识串行联合驱动的线路参数辨识数据知识串行联合驱动的线路参数辨识角量测数据，难以进行线路校核难题。在拓扑辨识任务中，在不完全信息下对配电网拓扑的辨识性能明显角量测数据，难以进行线路校核难题。在拓扑辨识任务中，在不完全信息下对配电网拓扑的辨识性能明显优于其他数据驱动方法，同时具备很强的泛化性与抗噪性。少量测条件下计算的电压误差小于1%,有功和无功潮流误差小于10%,在量测缺失比例达到20%以上的情况仍可实现配电网状态计算。中国电力科学研究院有限公司在江苏南京部署了配电网采集优化配置与状态智能计算系统，示范区内包含5609条配网线路、100367台公专变，系统每15分钟对系统动态拓扑，及运行状态进行计算，线路首端电压、功率计算准确率达97%以上，合格率达90%以上，增强配电网可观测、可描述、可计算能力。中国电力科学研究院有限公司3.2源荷预测在源荷预测中，存在时序数据复杂关联难以挖掘、信息缺失及新建场站样本不足、特殊气象及政策影响因素融合不足的难题，对此递进地通过协变量嵌入技术、基础模型构建与微调技术、多模态时序基础模型技术等构建核心技术体系，推动实现高精度源荷时序预测的关键技术突破。源荷时序预测整体思路源荷时序预测整体思路面临问题时序数据复杂关联难以挖掘信息缺失、样本不足的小样本问题响因素融合不足前置处理多模型预测前置处理多模型预测差分平稳化样本增强微调技术时序特征统一表示在源荷预测中，协变量指的与预测目标趋势相关的影响因素。采用协变量嵌入技术，可将多维影响因素与目标时间序列共同转换为模型可处理的一维表示，再利用注意力机制构建动态权重矩阵，时序特征统一表示查询/键m位置查询/键m位置气象协变量气象协变量社会协变量2424协变量1协变量位置编码查询/键原始数据原始数据国家电网构建基于因果双向注意力机制的时序模型主干网络，通过在海量异构时间序列数据上的自监督TimeTimePchespłp气象历史数据气象预报数据地理位置信息⑤+X+3.2源荷预测语义嵌入的多模态时序模型通过集成文本语义嵌入适配器，构建源荷预测语义-时序多模态模型。将语义信息与时序数据拼接，利用大模型的语义信息理解与推理能力，通过非均匀采样、推理路径奖励、目标函数构建等方式，实现多模态时序基础模型强化学习训练，提升多模态时序模型预测准确性。96点分段1分段5分段6分段2分段3分段1分段5分段6…时序token语义描述：根据历史同期，明天时序token_END时序token__END时序tokenaaTraina中国电力科学研究院有限公司负荷功率预测方面，自研电力时序大模型及相关核心成果已在浙江和江苏落地应用验证，全面确率提升0.12%,地市级负荷平均准确率提升0.67%,台区级负荷提升3.42%。测试集时间%2025年7月省级台区级中国电力科学研究院有限公司新能源功率预测方面，自研电力时序大模型及相关核心成果已在浙江、河北、陕西和江苏%%升上省级光伏上省级光伏分布式光伏台区分布式光伏台区 国家电网 3.3运行优化和云计算的优势，提供了高效、灵活和可扩展的计算架构，在边缘侧就地处理敏感数据，而将非敏感数据传输到云中心进行集中处理，降低了数据泄露的风险，提高了计算效率并缓解了通信压力。濂濂全局信息调度指令多能上上边缘自治+边云协同部分信息国家电网采用机理优化与数据驱动优化，实现两种方法的并行与交互迭代优化。云端服务器中心云服务层边缘服务层设备层云层任务云层任务边缘任务边缘节点间优化计算边缘节点间优化计算边缘节点内优化计算边缘节点2服务商供应商神经网络物理引导Y函数中国电力科学研究院有限公司3.应用实践中国电力科学研究院有限公司3.3运行优化数据机理融合的边云协同优化方法针对区域能源互联网边云协同优化问题，提出了数据机理串行融合的边云协同交替迭代优化方法。在边缘侧，基于博弈智能策略提升算法完成智能体本地优化；当自治优化出现异常时，边端将当前决策功率需求值上传云中心，在云中心利用优化求解器协调全局资源；云侧下发修正后的功率交互边界值指导边缘智能体进一步优化，边云交替计算迭代直至收敛。最最优潮流运行数据运行数据优化求解器化化弈能功率交互值优功率交互值)+(R²+x?)l,=0判据判据策略提升算法策略提升算法人工智能十十状态信息十博智状态信息状态信息中国电力科学研究院有限公司3.3运行优化数据机理融合的优化加速方法针对复杂约束下的高维混合整数优化问题，提出数据/机理串行融合模式的优化加速求解方法。上层基于深度强化学习的诱导分支方法加速最优整数取值，下层基于可行域降维与有序顶点搜索减少决策变量与约束条件，兼具模型驱动求解稳定性和数据驱动求解快速性，可实现万级计算节点调度策略秒级生成。降维前降维后2约束降维前降维后问题规模缩减比例有序顶点10024节点节点测试算例，可调计算时间C基于深货学习的混合整数优化加速上层系统全局优化Q下层资源中国电力科学研究院有限公司3.3运行优化数据机理融合的在线增强方法针对当前智能模型无法有效应对训练数据中未出现的复杂新增场景问题，提出数据/机理反馈融合模式的在线增量强化学习方法。通过校核反馈机制得到新增样本集，进而提出基于弹性权重巩固的增量强化学习框架，实现智能决策模型的自主演进，并结合知识蒸馏的迁移策略进一步提升了增运行场景机理优化模型智能决策模型机理优化模型结合知识蒸馏和图神经网络的性能提升方法量训练增量强化学习模型收敛更快0训练奖励曲线对比0学习强化学习两种模型测试结果中国电力科学研究院有限公司3.3运行优化应用成效在天津滨海国家动漫园等多园区开展区域能源互联网协同优化试点验证，提升整体能效5.3%。成果推广至北京、黑龙江等省市电网，提升了源网荷储协同运行的智能化水平。联合天津调度中心研发部署了源网荷储自主智能调控系统，具备源荷场景生成、优化储能出力、管理可控负荷、维持系统稳定运行等功能，可100%就地消纳天津滨海地区电网可再生能源，高效e集中式新能源场站分布式新能源虚拟电厂调度策略计算平均时间个数容量(MW)源网荷储调控案例综合能源微网群写字楼类虚拟电厂(电价高峰且光伏小时、空调短时关停)负荷最大)目录目录中国电力科学研究院有限公司电力科学智能电力科学智能面向新型配电系统不确定性和复杂性特征，未来以科学仿真数据为基础，科学定理为导向，实现覆盖理论推导、实验仿真、数据分析的全流程科学智能技术形态，推动电力时序预测、运行分析、调度决策等领域的创新和突破。通过高通量筛选，人工智能预测器有效检查候选假设，并选择使下游模拟和实验结果最大化的假EnhancedEnhanced=Original+A在复杂系统的计算模拟中，人工智能系统可以加快对罕见事件的检测，例如蛋白质不同构象结构之间的过渡。几何深度学习通过图形和信息传递，将复杂的结构信息整合到深度学习模型中，帮助理解和操作具有复杂几何结构的科学数据，如分子和材料领域。R口中国电力科学研究院有限公司