公众号
【MPCE】中国电力科学研究院 米翰宁、乔骥，上海交通大学 陈思捷等：发电商如何“各出其招”？多智能体让电力市场仿真更真实
研究从AEMO历史报价中聚类提取发电商实用且异质的报价策略空间，并将其作为强化学习智能体动作空间，构建基于MAPPO的电力市场仿真框架。新南威尔士数据实验显示，14个发电商中有10个出清结果更接近真实值，MAPPO所得收益也优于纳什均衡和MADDQN。
方法优化与强化学习 · 大模型与智能体场景规划与仿真 · 知识与协同
电力系统自动化查看原文 ↗
看技术
追踪能源领域最新技术、论文、代码与数据集
论文
Data-Assimilation-Assisted Reinforcement Learning for Power Grid Control under Load Uncertainty负荷不确定性下数据同化辅助的电网控制强化学习
本文研究负荷不确定性下数据同化辅助强化学习的电网控制方法。在基于直流潮流的定制仿真环境中，EnSF 用于校正含噪负荷信息，再供启发式控制器或 PPO 智能体决策。结果表明，EnSF 能稳定降低负荷估计误差，延长系统存续时间、减少警告和过载暴露，并提高冻结 PPO 策略的累积回报；在超出训练分布的更强负荷不确定性下，其性能优势更为显著。
方法时序预测 · 图与网络智能 · 优化与强化学习场景优化与决策 · 控制与自治 · 知识与协同
arXiv查看原文 ↗
公众号
只和“邻居”通信，也能恢复全网？一种可扩展配电网恢复新方法
文章介绍面向大规模配电网灾后恢复的分散式多智能体强化学习方法DMA3C。该方法采用分散训练与执行，仅交换κ跳邻域信息，并以截断价值函数近似全局策略梯度。3375节点测试中平均负荷恢复率达99.54%，通信量约为MADDPG的1%；局部结构变化后微调时间减少约76%，7087节点系统亦取得99.98%的平均恢复率。
方法优化与强化学习 · 大模型与智能体场景知识与协同
综合能源新视界查看原文 ↗
公众号
大模型后训练，近半年的主要变化
文章梳理大模型后训练的五类变化：多领域专家在线蒸馏、RLVR精细化优化、SFT与RL分布对齐、参数高效训练及数据质量控制。正文介绍MOPD、STEER、GPS、GeoRA、PEAR等方法的机制，并给出准确率、算力消耗、参数比例和基准测试等可核验实验结果。
方法大模型与知识智能场景优化与决策 · 控制与自治 · 知识与协同
时序人查看原文 ↗
论文
Machine Learning-Based State Estimation for an Actual Transmission System Using Field PMU Data基于现场PMU数据和机器学习的实际输电系统状态估计
本文面向实际PMU不可观测输电系统，研究基于深度神经网络的PMU时间尺度时间同步状态估计。研究利用美国电力公司的现场PMU数据，重点评估该方法在现实运行条件下的估计精度、可扩展性与计算性能，以验证其替代传统迭代式混合SE技术的部署可行性。
方法优化与强化学习 · 可信人工智能
arXiv查看原文 ↗
论文
Learning Defensive Policies against Diverse Inference Attacks for Smart Meter Privacy面向智能电表隐私的多样化推断攻击防御策略学习
本文面向攻击模型未知且多样化的智能电表隐私场景，提出一种代理引导的分层强化学习防御框架。该方法利用电池进行负荷整形，向聚合用电信号注入逼真但具有误导性的电器特征，并结合自监督隐私探针和特征库，削弱NILM对电器级信息及用户行为模式的恢复能力。UK-DALE和REDD实验显示，该方法对未见攻击模型和不同电器均具有较强泛化性，可显著提高推断RMSE并降低F1分数。
方法优化与强化学习 · 可信人工智能场景诊断与安全 · 优化与决策 · 控制与自治
arXiv查看原文 ↗
论文
WPBench: A Comprehensive Benchmark for Wind Power ForecastingWPBench：风电预测综合基准
WPBench是一个全面、公平且可扩展的风电功率预测基准，整合26个公开数据集和19种代表性模型，覆盖不同风机规模、变量构成及传统、深度时序、时空和基础模型。它采用统一协议，不仅评估逐点误差，还考察预测曲线保真度、计算效率以及时间、变量和空间依赖结构，为多样化风电场景中的系统模型比较和后续研究提供可复用平台。
方法时序预测 · 图与网络智能 · 大模型与知识智能场景预测与感知 · 优化与决策
arXiv查看原文 ↗
论文
Droop-Aware Foundation Model Power Flow考虑下垂控制的基础模型潮流计算
本文扩展 GridFM，提出面向 AC 潮流分析的下垂感知基础模型，将下垂增益和频率/电压死区作为母线节点特征，并以平滑 tanh 近似保持死区建模的可微性。基于 Transformer 的图神经网络经预训练和微调后，在 PSCAD、PyPower、IEEE 24-bus RTS 和 IEEE 300 母线系统上均表现出高精度与良好可扩展性。研究还发现，死区宽度会扩大控制误差分布，但不影响总下垂补偿量，因此可作为重要的节点级控制设计参数。
方法时序预测 · 图与网络智能 · 优化与强化学习场景规划与仿真 · 预测与感知 · 控制与自治
arXiv查看原文 ↗
论文
OrderFusion+: Probabilistic Buy--Sell Price Trajectory Forecasting in Intraday Electricity MarketsOrderFusion+：日内电力市场买卖价格轨迹的概率预测
本文提出开源深度学习模型 OrderFusion+，通过融合目标及相邻交付产品的历史订单，概率预测日内电力市场的买卖价格轨迹。研究将其与基准模型及预训练时间序列基础模型进行比较，并利用动态掩码机制分析市场条件变化及市场效率。
方法时序预测 · 优化与强化学习 · 大模型与知识智能场景预测与感知 · 优化与决策
arXiv查看原文 ↗
论文
Cost-Aware Reinforcement Learning with Action Masking and Projection for Battery Energy Storage Dispatch under Suppressed-Spread Market Shifts价差收窄市场变化下基于动作掩码与投影的成本感知强化学习电池储能调度
研究针对电价价差受抑情形下的BESS调度，构建了将经济建议与物理可行性约束分离的PPO控制器。结果表明，经济建议可在T2阶段小幅提升利润并降低吞吐量，但在T1阶段作用有限；PPO对多种季节性预测较稳定，但始终未超过proxy-cost MPC。消融实验进一步证明，动作掩码和紧急投影对减少不可行动作与爬坡违规至关重要，但研究不主张形式化安全、寿命周期老化最优或RL优越性。
方法时序预测 · 优化与强化学习场景预测与感知 · 优化与决策 · 控制与自治
arXiv查看原文 ↗
论文
Stealing profits: Spread-based temporal hierarchy forecasting for day-ahead electricity markets攫取利润：面向日前电力市场的基于价差的时间层级预测
本研究面向日前电力市场中的电池套利，提出时间层级预测（THieF）框架，通过联合协调小时电价与日内价差预测来提升预测和交易绩效。德国与西班牙五年样本外结果显示，该方法在多种预测架构（包括预训练TabPFN基础模型）下均有效，准确率最高提升19.7%，利润最高增加10.4%，并揭示统计预测精度与经济决策价值并不总是一致。
方法时序预测 · 大模型与知识智能场景预测与感知
arXiv查看原文 ↗
论文
Intelligent Degradation Monitoring in Lithium-ion Batteries via Discharge Incremental Capacity Feature Estimation基于放电增量容量特征估计的锂离子电池智能退化监测
本文针对传统IC分析依赖低电流放电、难以用于实时管理的问题，提出一种基于神经网络的放电IC特征估计框架。该框架利用充电信号直接预测退化特征，并在53个采用不同快速充电协议的电芯数据上完成训练与验证。其中，LSTM在精度和计算效率方面表现最佳，可集成至BMS，实现不中断正常运行的实时、智能且可扩展的锂离子电池退化监测。
方法时序预测 · 优化与强化学习 · 可信人工智能场景预测与感知
arXiv查看原文 ↗
论文
A Governance-Aware Large Language Model Orchestrated Agentic Digital Twin for Transmission System Operator Control Room Decision Support面向输电系统运营商控制室决策支持的治理感知型大语言模型编排智能体数字孪生
本文提出一种由大语言模型编排、面向治理要求的输电系统控制室智能体数字孪生。该方案通过不可绕过的治理层，对工具白名单、步骤预算、副作用操作审批以及数值来源与单位标注实施强制约束。基于希腊输电网络数字孪生的118项任务测试表明，该系统在保持较高工具选择准确率和任务成功率的同时，能够在多模型、多轮运行及对抗性输入下持续满足全部治理规则，且每次请求仅增加12至16毫秒开销。消融结果显示，治理层对于防止未授权操作和确保数值可追溯性至关重要。
方法大模型与知识智能场景规划与仿真 · 诊断与安全 · 控制与自治
arXiv查看原文 ↗
论文
Learning-Based Augmentation and Adaptation for Grid Sim-to-Real Model Discrepancy面向电网仿真到现实模型差异的学习式增强与适应
本文针对电网仿真模型与真实动态之间的sim-to-real偏差，提出一种融合物理模型与AI残差模型的学习增强方法。该方法利用PMU/PoW轨迹数据和编码器—多头解码器架构学习未建模动态与参数变化造成的误差，并通过持续学习式自适应框架应对未来电网动态变化。IEEE 68节点系统上的多扰动仿真表明，循环学习器、潜在神经ODE和Transformer等架构均可用于实现残差建模与模型自适应。
场景规划与仿真 · 控制与自治
arXiv查看原文 ↗
论文
SETTer: Sparse-Encoder Transformer for Long-term Multivariate Time Series ForecastingSETTer：用于长期多变量时间序列预测的稀疏编码器 Transformer
SETTer是一种面向长期多变量时间序列预测的稀疏编码器Transformer。该模型通过解耦自注意力、混合掩码及可解释结构，同时捕捉时间和通道维度上的短期与长期模式，并缓解高维复杂输入下的过度平滑、容量受限和不透明问题。凭借单层Transformer架构，SETTer可有效建模长期依赖，并在真实世界基准测试的88%场景中超越最先进模型。
方法时序预测 · 可信人工智能场景预测与感知
arXiv查看原文 ↗
论文
PowerModels-ACOPF-AI: On-the-Fly Machine Learning Approach for Solving AC Optimal Power Flow Integrating Renewable Energy SourcesPowerModels-ACOPF-AI：融合可再生能源的交流最优潮流实时机器学习求解方法
PowerModels-ACOPF-AI采用两阶段BNN代理模型与性能敏感的即时学习机制，对AC-OPF中的发电机设定值、母线电压和相角进行快速且具不确定性感知能力的预测。该方法可借助PowerModels.jl动态补充训练数据并自适应再训练，在30、200和500母线系统中展现出良好的泛化能力及对随机可再生能源注入的处理能力，可用于实时运行辅助和传统求解器的快速初始化。
方法时序预测 · 优化与强化学习 · 可信人工智能场景预测与感知 · 优化与决策
arXiv查看原文 ↗
论文
Mixed-Integer Nonlinear Differentiable Predictive Control for Underground Pumped Hydro Energy Storage Systems地下抽水蓄能系统的混合整数非线性可微预测控制
本文面向地下抽水蓄能系统（UPHES）的复杂日前调度，提出扩展的混合整数可微预测控制（MI-DPC）框架，以统一处理连续设定值、多模态整数决策及非凸动力学。该框架结合并行可微模拟器、Transformer 编码器和 Gumbel-Softmax 温度退火，在相较分段混合整数二次规划基线仅有 1.6% 次优性的同时，实现了在线调度时间五个数量级的加速。
方法时序预测场景优化与决策 · 控制与自治
arXiv查看原文 ↗
论文
Review on Electric Railway System Optimization: Train Dynamic Scheduling, Energy Management, and Storage Integration电气化铁路系统优化综述：列车动态调度、能源管理与储能集成
本文围绕电气化铁路系统优化，综述列车动态调度、能源管理和储能系统（ESSs）集成的研究进展，重点分析节能型调度与运行控制、储能在削峰及电压和频率控制中的作用，以及人工智能和先进控制策略的应用。研究指出，未来应进一步推动ESSs与智能控制深度融合，以建设更具韧性、高能效和智能化的铁路系统。
方法优化与强化学习场景优化与决策 · 控制与自治
arXiv查看原文 ↗
论文
Converter-Grid Interaction Stability Guaranteed Safe Deep Reinforcement Learning for Energy Storage Systems in Grid Frequency Support面向电网频率支撑储能系统的变流器-电网交互稳定性有保障的安全深度强化学习
本文面向ESS参与电网频率支撑时的变流器-电网交互稳定性问题，提出CIS-DRL方法。该方法利用基于双DNN的稳定域识别稳定运行范围，并在CIS-STD3中引入稳定性可行投影层，将不安全动作映射至稳定动作集。实验表明，该方法能够在实现100%交互稳定、无违规运行的同时改善频率调节性能，适用于ESS实时频率支撑。
方法优化与强化学习场景诊断与安全
arXiv查看原文 ↗
论文
A Systematic Evaluation of Machine Learning Methods for Fault Detection and Line Identification in Electrical Power Grids电力网故障检测与线路识别机器学习方法的系统评估
本研究系统评估了多种机器学习（ML）方法在电网故障检测和故障输电线路识别中的性能，并首次聚焦于满足实时运行需求的10 ms测量窗口。结果显示，最佳模型的F1分数达到0.991 +/- 0.018，处理时间为0.342 ms +/- 0.509 ms，表明ML方法有望克服传统继电保护系统在可再生能源接入场景下的局限。
场景诊断与安全
arXiv查看原文 ↗