研报总结
背景意义
新型电力系统是新型能源体系的重要组成部分，实现“双碳”目标是关键。传统运行管控模式难以应对新需求，需要融合低碳能源技术与数字化、智能化技术，提升电网可观可测、可调可控水平。电力物联网与电力人工智能技术为新型电力系统转型升级提供基础载体。
电力物联网通过信息通信技术实现电力系统各个环节的万物互联与人机交互，支撑电网业务在数字空间中的呈现、仿真与决策。面对新型电力系统，传统电力物联网技术需实现实体电网的实时精准数字呈现，并引导虚实交互与动态演化，实现共同迭代趋优进化。
关键技术
为解决数字呈现与趋优进化两大难题，需突破电力物联网“采-传-存-用”4项核心技术：
- 全景状态感知：存算一体边缘计算技术，通过移位量化技术缩减计算时延与能耗，实现传感信息在边缘侧的互联互通、数据融合、就地实时分析。能效提升75%，算力提升约30%。
- 广域高效传输：宽带超多跳自组网技术，解决网络覆盖不全、无线信号抗干扰难等问题。支持50跳宽带超多跳自组网设备，端到端平均速率3Mbps，跳数指标国际领先。
- 海量接入管理：高并发接入与海量数据管理技术，通过软件定义终端连接管理技术和图计算的多模态数据存储共享技术，解决异构终端高并发连接和跨专业数据融合应用难题。终端并行连接数突破1000万，万行关联检索响应时间低至0.137秒。
- 智能应用技术：
- 数据机理融合驱动建模方法：提出5种数据机理融合模式，融合电力物联网多模态数据及电网机理知识，解决物理空间与数字空间的迭代交互难题。
- 基于大模型的设备故障智能感知诊断技术：基于国网公司电力行业大模型，研发多模态设备故障专业大模型，结合知识模型嵌入与引导深度神经网络，实现21种电力设备缺陷识别准确率高于91.6%。
- 配网智能计算推演技术：基于图深度学习的实时拓扑辨识模型和物理约束嵌入深度学习的状态计算模型，实现少量测条件下状态估计，状态估计误差<0.01p.u.。
- 源网荷储自主智能调控技术：通过非凸约束自适应分段线性化技术和基于强化学习的变量降维方法，实现秒级生成考虑低碳经济运行的源网荷储调度策略，可再生能源100%就地消纳。
应用实践
- 边缘计算终端应用：在天津市滨海新区220kV滨幸一线、500kV滨海站等4座配电室部署，实现干级节点传感器的即插即用、快速接入及影像数据的就地处理。
- 超多跳自组网应用：在220kV滨幸一线上安装自组网设备，完成宽带自组网50跳数据高可靠传输、断点网络自恢复以及多参量物联终端实时智能识别能力验证。
- 电力设备故障智能感知与诊断应用系统：对变电设备11种典型缺陷、故障进行智能感知与诊断，有效指导检修班组开展消缺工作。
- 配网智能计算推演系统：开发数据接入、数据治理、量测补足、参数辨识、拓扑辨识、状态计算等功能模块，提升最小化采集下的配电网透明化水平。
- 源网荷储自主智能调控应用系统：实现可再生能源100%就地消纳和源网荷储资源高效利用，推广到浙江宁波，验证协同优化加速算法计算效率提升大于60%。
未来展望
未来需以电力专用智算平台及专用大模型为底座构建电网全景映射空间，采用科学智能第五范式（AI4S），实现数据知识融合与大小模型协同决策。AI4S通过AI技术解决科学计算和工程应用的高维难题，赋能电力应用技术研发。电力行业大模型通过通用基础大模型预训练和指令微调构建，电力专用大模型基于任务精调、强化学习等环节构建，大小模型协同探索建立大小模型智能体应用模式，提升智能应用构建和优化效率。
