人工智能赋能的新型配电系统规划

SICHUANUNIVERSITY人工智能赋能的新型配电系统规划2025年11月29日报告人简介报告人简介刘友波教授，博导，省学术带头人后备人选，2023-25年入选斯坦福全球前2%科学家口从事电力系统人工智能、新型配电系统、电力市场等领域研究。参与国家高技术研究发展计划项目2项；承担科技部重大专项3项、国家自然基金科学基金2项；参与国家自然基金科学基金国际合作、面上、重点项目9项，各类电力企业项目80余项；主持研发新型配电网规划运行互动、多模态协同运检增强装备、车网互动边缘智能终端及虚拟电厂等软硬件系统十余套。口获省部级级科技进步3项、中国电工技术学会二等奖2项、国网与南网科技进步二等奖各1项、广东、四川等网省公司科技进步一等奖4项，发表论文130余篇，其中SCI、El检索80余篇，授权国家发明专利27项、出版专著2部，牵头团/行标3项。口IEEESeniormember,中国电机工程学会高级会员、中国电工技术学会电气人工智能专委会副主任委员、可再生能源专委会委员，中国能源研究会电能技术专委会委员，IEEESBLC亚太地区工作组成员，多本国内外权威期刊编委，四川电力企业协会电力市场分委会主任委员。CONTENTS背景与挑战结构复杂口风光等出力强不确定性分布式能源并网结构复杂 互动响应负荷侧新型配电系统演化趋势背景与挑战背景与挑战口配电网运行-规划现存挑战与机遇·受到的冲击负荷的电压稳定性·分布式清洁能源、储能规划需求·农村普遍低密度负荷配网的运行配电网建设改造指导目标指标单位2014年2017年2020年供电可靠率%99.3599.6999.82中心城市%99.9599.9799.99城镇%99.8099.8599.88乡村%99.1699.4599.72四川大学口配电网向高可靠服务型新型电力系统转变·城市电网的纯用户向产消一体化用户转变·由放射性结构向网络、柔性联接转变·由空心化无源支撑向有源多元支撑转变·由集中优化控制向分布自治集中协同转变·由计划为主的刚性平衡向计划市场协调的柔性调控转变背景与挑战 四川大学背景与挑战 四川大学配电网现阶段规划体系难以适应中长期源荷发展格局：口高占比分布式能源接入口规模化电动汽车接入口不确定性柔性负荷响应口端对端产消者交易负荷及能源利四川大学四川大学背景与挑战有源配电网电动汽车储能端对端市场分布式能源站口分布式资源位置散、分布广、难聚合口地理环境对应约束限制的口配电网多元负荷承载能力空间量化口充分利用分布式资源与负荷柔性口量化配网承载极限与扩展成本口多目标、多元化规划方案生成选择背景与挑战高维时间-空间耦合的运行安全-优化规划约束高维时间-空间耦合的运行安全-优化规划约束高维不确定性因素节点电量平衡数据高维化负荷需求响应电动汽车车网互动储能充放电分布式能源随机出力电压、容量约束高维规划目标要求高维规划目标要求模型多样化分布式能源、储能安装位置、容量电动汽车充电站位置、容量电网网架拓扑、容量变电站新增位置、容量电动汽车无序充电率线路平均供电半径变压器容载比网架可扩展裕度清洁能源渗透率需求侧响应能力目标复杂化如何求解此高维混合整数非线性的规划问题?极端情况的失负荷量四川大学背景与挑战四川大学背景与挑战如何快速辨识并解决高维变量、高维时空耦合约束、高维不确定性配电系统规划问题?如何量化配电网对新能源、电动汽车、柔性负荷的承载能力?如何在规划中计及源网荷储资源以及资源互动响应的时时刻刻的运行影响?如何对多元主体、多场景下的市场-运行-规划建模，怎么求解多非线性约束耦合的复杂规划问题?难点一：传统优化运行机制出现局限性难点二：传统优化规划方法出现局限性CONTENTSCONTENTS2人工智能发展人工智能发展四川大学我我国高度重视人工智能发展，出台了一系列促进人工智能技术创新与行业深度融合的政策措施，通过政策引导，加速人工智能技术产业化进程，推动经济社会高质量发展。近年，在政策引导、技术创新和产业融合等多轮驱动下，人工智能正为高质量发展注入强劲动能坚持发展和安全井重、促进创新和依法治理相结合的原则，鼓励生成式人工智能创新发展推进电网基础设施智能化改造，提高电网对清洁能源的接纳、配置和调控能力2024年02月，国家发改委、能源局发布《关于新形势下配电网高质量发展的指导意见》2025年11月7日，国务院印发《关于加快场景培育和开放推动新场景大规模应用的实施意见》,明确5方面22类场景培育和开放重点领域，深化人工智能场景应用占有极高比例人工智能发展人工智能发展从逻辑规则到深度学习四川大学决策式AI生成式AI练模型提出，极大提升奠定大模型基础发布，开创大规代生成式Al进入大发练模型提出，极大提升奠定大模型基础发布，开创大规代生成式Al进入大发模型发布，推动新与产业化小规模专家知识浅层机器学习算法深度机器学习算法大模型预训-1956年-1986年-2011年-2017年首次人工智能研讨会召开，反向传播算法(Backpropagation)提IBMWatson在Jeopardy问答节目中Transformer架构AI概念诞生-1965年出，推动神经网络技术突破-1997年击败人类冠军，展示AI语言理解能力-2013年序列建模能力，-2018年LogicTheorist程序问世，基于逻辑推理解决数学问题可用逻辑推理的方式解DeepBlue击败国际象棋冠军Kasparov,AI首次超越人类传统思维游戏DeepMind提出基于深度强化学习模型，Al自主学习能力增强GPT和BERT模型模预训练模型时决数学证明问题-2006年-2014年-2022年以规则和专家系统为主，深度学习技术兴起，开启AI新纪元GAN(生成对抗网络)出现，实现图ChatGPT推出，生成式AI尚未出现生成模型初步探索，技术积累期像生成主要聚焦决策与认知，奠深度学习技术发明，带来了革命性突破定Al基础框架-2015年AlphaGo击败围棋冠军李世石，Al在复杂策略游戏中超越人类-2024年Sora等新一代大生成式AI持续创(1950s~1980s)*来源：艾瑞2023年AIGC场景应用展望研究报告人工智能发展深度学习技术特点川大学回归统计贝叶斯分类决策树、聚类卷积神经网络深度信念网络循环神经网络大幅扩展、延伸神经网络能力支持向量机长短期记忆人工神经网络生成对抗网络DEEP配用电系统应用场景数据模型结果更多属于模式识别(感知)领域深度学习从配用电系统历史运行数据中提炼规则进而获取知识，拟合配电系统状态与性能间的映射关系、承载力估计，以支撑后续应用(多模态处理能力)。 ◆深度强化学习：深度学习的“感知”能力+强化学习的“决策”能力数学基础建模工具口马尔科夫决策过程建模工具状态空间动作空间奖励函数转移函数模型支撑算法支撑动作Action奖励Rward状态State口基于价值的方法Value-动作Action奖励Rward状态State智能体不断与配用电系统交互最终达到特定运行控制目的(决策执行能力)人工智能发展■大模型大模型是基于深度学习发展构建的自然语言处理模型，通过对海量文本数据进行训练可学习和预测自然语言模式和规律，生成具有自然语言风格的文本和回答自然语言的问题，是当下生成式人工智能发展基石。(语言→思维→执行，ContextualEnvironment)基础规模基础规模神经网络训练Delas-uM预测文本序列Neural典型特征参参数规模庞大具具有涌现能力核心能力指令微调指令微调上下文学习思维链提示提示词工程(提示词工程(PromptEngineering)调试经验人工智能发展四川大学口从基础交互到自主决策，以下四项技术构成了当前大模型垂直领域应用开发的关键能力指令微调(指令微调(InstructionFine-Tuning)■核心思想：实时查询外部领域知识库■操作流程：当用户提问时，检索于用户问题相关资料，提高回答准确率和可信度■常用方法：重排序、查询重写、混合搜索■技术特点：解决知识幻觉、实时更新知识，实现成本中等■核心思想：赋予模型规划与执行能力■核心思想：赋予模型规划与执行能力■操作流程：结合角色定义、记忆存储、工具集使得大模型可以自主思考、观察及行动■常用方法：ReAct、多智能体协作筹决策流程，能力上限高应用层级结构大模型技术特点(AIGC)川大學场景大模型L1行业大模型LO基础大模型场景大模型L1行业大模型LO基础大模型大模型光明大模型小样本数据应用开发运检大模型指令微调高质量专家标注eGridGPT大瓦特eGridGPT全量训练电力知识数据语义大模型视觉大模型跨模态大模型う紫东太初大模型层级结构应用开发提示词工程智能体指令微调训练数据全量训练训练数据√针对性提升√专业能力塑造√业务适配√电力基础认知√通用共性能力√基础底座服务 组合预测M大学大学口分布式光伏点多面广，出力与气象要素的实测和预报质量差，研发分布式光伏网格化边缘智能技术，可有效增强数据，提升气象数据与分布式光伏集群的匹配度，实现分布式光伏发展容量精准估计。”N2.集群内各场站模型参数微调直流柜逆变器采集器个性化定制模型E光伏逆变器实时控制[1]廖若愚刘友波*沈晓东，等基于双向循环插补网络的分布式光伏集[2]R.Liao,YouboLin#,Enhancedphotovoltaicpowergenerationforecastingfornemly-builtplantsviaPlysics-Infisedtramsferlearningwithadversarialneuralnetworks,EergyConversionandManagement,2024.OriginalDNdat2(load,powersupplyline)TrnngOPFNewloadnodesinthenewstageGenerateexpandednnResultoptimizaionSzvePlanningSnRuCurrgnDNnpnnAdjusttheParametersOriginalDNdat2(load,powersupplyline)TrnngOPFNewloadnodesinthenewstageGenerateexpandednnResultoptimizaionSzvePlanningSnRuCurrgnDNnpnnAdjusttheParametersofgrgnrnNDN物理模型与数据驱动模型结合TrnngrgnDNOPFXGBprnPrngOPFnurynrn_OrgnDNnEpnnDNXGBGnrn,PFGnrn.PFOprnNL,Eryrnu:;ngnRnrnSpN:L,Gnrn,PFSIAUNYXiangY,DaiJ,XueP,LiuJ.AutonomoustopologyplaningfordistibutionnetworkexpansionAleaning-baseddecoupledopimizationmethod[J].AppliedEnergy,2023,348:121522.数模混合的规划分析计算数模混合的规划分析计算安全仿真-规则学习-内嵌优化.MW002500150.0100005NLPredictionerrorofcase24NLPredictionerrorofcase57500100015002000Iterations ,,。Case24Case57Cascl18NLavg(%)0.02870.00120.07010.0096000240.009600024033800.00380.000760.1225EPavg0.06270.04230.07940.06270.04230.079440.8798.17182.46EPS177.34172.56438.26XiangY,DaiJ,XueP,LiuJ.AutonomoustopologyplanningfordistributionnetworkexpansionAlearning-baseddecoupledoptimizationmethod[J].AppliedEnergy,2023,348:121522.数模混合的规划分析计算安全仿真-规则学习-内嵌优化SIAN大IVERITY方法对比：□Case1,配电网网架拓扑自动规划方法口Case2,二阶锥规划方法口Case3,鲁棒规划方法方案多样化过程自动可感知K=0.8 EnistingfedeinugeⅡ血NodewichdammdinstageLⅢTotal(h) 表2不同情况下耗时差异节省时间成本表3不同情况下成本差异Total(h)Stage2Stage3 Stage2Stage2Stage3Cost(10'S)Cost(10'S)InvEP-Ope-—EP-—Inv-—EP-OpeEPTotal0.129.624.410.129.624.410.118.274.583.038.99Case2Case3CaselCase2Case30.340.370.396.756.827.402.100.750.790.852.378.602.298.473.83/25.873.7725.653.7827.35XiangY,DaiJ,XuePLiuIAutonomoustopologyplaningfordistibutionnetworkexpansionAleamning-baseddecoupledopimizationmethod[J].AppliedEnergy,2023,348:121522.数模混合的规划分析计算SelectionExpansionTheupperlevel:MCTSalgorithmInvestmentschemegenerationSimnlationBaclpropagationSchemeevaluationSubstation22282628TheADNEnvironmentNoiseThelowerlevel:MADDPGalgorithmsvc[svc[补偿装置)投建位置、容量；20g2,B12282Z83Z8NodeNode1ESSS;TransformerNode1Node2Node2Node3Node3TransformerNode1ESSGasTransformerNode1Node2TransformerNode3RepeatedRepeatedExpansionSelectionRootnodesBackpropagationRootnodesSelectionRootnodesRootrodcsisinportednotheDNNtogetz,adz,isbackpropagatedtothetree蒙特卡洛树搜索算法过程扩展扩展ESSGasGasESSGasGasSVC反向传播3-node主动配电网规划方案(马尔可夫)状态转换数模混合的规划分析计算数模混合的规划分析计算分布式容量智能配置Spring0.533-.基于MCTS-RL的主动配电网设备自动规划方法，不在预定的解空间上优化目标函数，而是应MCTS-RL算法动态更新配电网规划方案，直到获得预期的效果为止。数值计算结果表明，该方法能够降低99.996%负荷削减和99.993%弃光削减，在较低的投资成本下成功地达到了预期效果。多维信息融合的规划决策地理约束下嵌入可靠性约束的馈线路径规划川大学构建嵌入可靠性计算的馈线路径空间布局优化模型馈线路径规划缺馈线路径规划缺少精准的地理信息约束地理信息约束、可靠依据可靠性差异化需求多维信息融合的规划决策基于图像的配网承载力提升基于机会约束的承载能力评估基于机会约束的承载能力评估运运行风险新能源电量占比识别识别结果有效屋顶面积屋顶面积有效屋顶面积障碍物检测屋顶朝向光伏并网位置光伏覆盖率基于遥感地图与GIS信息融合的屋顶光伏可用面积评估：采用基于深度学习的遥感大数据智能信息提取技术(如yolov11),通过机器学习等智能方法自动学习地物对象的参数特征，实现对屋顶信息的智能化提取和知识发掘，实现区域分布式屋顶光伏可用面积的精准评估。承载能力与安全运行风险存在关联关系不同的安全运行风险条件下，配电网光伏的承载能力边界存在明显差异。随着置信率的降低，允许安全风险增加，光伏承载能力相应扩大。为了准确刻画这种不确定性影响，常采用随机模型/机会约束模型进行求解。多维信息融合的规划决策基于图像的配网承载力提升川大学输出输入输出a数据支撑数据支撑多维信息融合的规划决策基于图像的配网承载力提升大多维信息融合的规划决策基于图像的配网承载力提升大◆基于机会约束的配电网网络改造升级方法几何正则化几何正则化损失函数光伏并网位置现有卫星图片卷积与池化损失函数光伏并网位置现有卫星图片有效屋顶面积无人机扫描结果有效屋顶面积网改造的总成本线路加固和变压器扩容Benders分解后的整数决策变量minCt=CGe+CTeminrα+sβ+taM₁α+Nβ≤hM₂α+N₂A≤hM₃β+N₃A≤h₃引入计算机视觉中的图形分割算法，用于精准识别和确定配电系统承载能力的空间约束，并通过机会约束模型，考虑不确定性因素影响，科学评估系统在不同风险水平下的安全运行能力。多维信息融合的规划决策多维信息融合的规划决策图像识别分割图像识别分割建筑演化屋顶光伏建筑演化谷歌地球卫星图像谷歌地球卫星图像改进动态焦点平衡(DFB)和程序对齐规则与基线相比，结合DFB和PAR的增强模型准确率提升7.8%至87%,loU达75%,精度85%,600接受容量利用卫星图像分割得出的适合光伏安装的屋顶区域来确定每个节点的最大光伏安装容量。现有光伏装机容量和每个节点计算的最大光伏装机能力的结果如图。扩容前精确识别屋顶面积并优化电网改造方案，实现了对光伏承载容量的精准评估与最大化利用(准确率87%),同时确保了电网规划的经济性与安全性。Li,Z,Liu,Y,Yang.H,Xiang.Y,&Liu,I.Imagerecognition-basedPVhostingcapacityenhancementviadistributionnetworkretrofitRenewableEnergy多维信息融合的规划决策多维信息融合的规划决策BresenhamBresenham-PSO算法各线路容量的精准匹配规划线路1.地理约束限制下馈线路径优化2.潮流动态推演下导线类型精准匹配馈线路径持续优化√√构建基于Bresenham算法的馈线空间分布规划模型√利用CFSFDP算法按照负荷点的地理分布进行聚类分析√基于动态规划方法调整配网网架结构，实现整体网架的扩展规划李争博.刘友波，任鹏哲，向月，李秋燕考虑地理信息聚类分区的配电网多阶段动态规划方法电力系统自动化，2022,46(14)生成式人工智能应用生成式人工智能应用四川大学拓扑识别是支撑电网状态估计、潮流计算与故障诊断等功能的基础性任务。大模型对拓扑结构的精准识别与深度理解，是实现调控策略自动化生成的基础前提。■异构特征：拓扑作为异构数据，无法直接输入大模型■全景感知：准确获知线路、开关、负荷间的连接关系度、故障定位、重构恢复的基础输入大模型能看得懂网络，才能推理决策拓扑结构复杂，当前大模型认异构拓扑与模型架构的“翻译鸿沟”物理约束与运行规则难以显式编码拓扑认知效果评估困难缺乏行之有效的认知手段和评估范式生生成式人工智能应用配网拓扑的大模型认知技术以Graph2Text为核心路线，融合检索增强与多智能体技术，旨在实现从拓扑识别、分析到创造的贯通式认知，为智能调控提供决策新范式。关键问题1:如何认知拓扑√关键问题1:如何认知拓扑√Graph2Text技术路线：以结构化语言将拓扑“翻译”成文本，充分利用LLM强大的文本理解和推理能力。优点：高度可解释与可控、数据高效、研发成本低缺点：依赖专家设计、上下文长度瓶颈、信息压缩关键问题2:如何衡量认知效果能识图：节点连接关系认知、供电路径识别…实施方案统一结构范式表征电气参数与拓扑结构XML检索增强突破上下文长度瓶颈CIM/E目前243个任务中，识图任务准确率可到95%以上、分析任务准确率可达82%生成式人工智能应用生成式人工智能应用口现代配网异质性与多维优化目标，对运行决策的实效性与灵活性提出更高要求，而依赖人工经验或固化程序的传统计算模式已难以满足。运行条件异质性人工计算最优潮流自动化程序构建时效性要求大幅提升，运行目标明确计算问题多样，计算决策既要适配不同需求，还要依赖人工知识经验，同时借助科学计算，流程繁杂，难构建数学模型■输入输出边界固定以高效完成编程计算代码■运行错误调试繁琐调试修正程序■程序使用门槛高本质是构建稳健的面向多目标优决策变量、运行约束、求解目标不一要求高、耗时多、场景一变又得再来只能针对场景进行定制化程序开发化Disflow的自动建模与求解智能体框架配电系统最优潮流生成式建模与求解口结合电力专家知识、少样本学习、思维链推理等提示词工程构建多智能体架构，设置目标函数生成、求检查及流程管理四个智能体，用户只需给出自然语言指令，多智能体协作自动完成潮流代码自动生成、检查及执行#角色定制化提示词工程任务拆解智能体构建交互协作自动执行知识2:生成目标函数流程电力专家知识代码自动生成及检视i.创建监控器：为需要监控的电网组件(如输出约束求解问题建模求解问题建模求解算法生成求解算法生成DesigneragentSolveragentRevieweragent#网架基础代码算法Q:我需要光伏出算法代码错误最优潮流力最大自动更新/自纠正计算代码1##示例代码{###生成的指标函数示例少样本学习指标函数示例1:计算线路电压偏移风险).[证我而二步惠考思维链推理用户A:该网架最大的光伏出力为……,其中储能的控制策略为……运行反馈Manager结果agent代码执行工具未来，电气计算将会是简单的自然语言交互，只需说出需求，智能体调用工具自动完成计算生成式人工智能应用新型配电系统生成式自动规划采用大模型作为核心代码生成引擎，通过精心设计的Prompt工程和少样本(Few-shot)学习策略，使其能够理解配电规划术语和需求，自动生成符合电力行业标准和工程规范的MATLAB/Simulink仿真脚本、Python优化生成式自动规划需求生成式自动规划需求●自诊断：资源调节潜力、有效性评估与容量的自我诊断●自组织：考虑多样化投资改造措施的●自学习：多时间尺度与多系统结构关联耦合机制仿真与分析●自优化：投资规划效益精确导航的技术路径自动演化配置Z.Lietal.,"OptDisPro:LLM-basedMulti-agentFrameworkforFlexiblyAdapti