2024年智能化科学设施变革电力基础研究报告

AISF（智能化科学设施）助力电力科学的初步实践主要体现在以下几个方面：

1. Al for Science：科学研究的第五范式

   • 人工智能在前沿科学领域取得颠覆性成果，形成新的科学研究范式。
   • 第五范式标志为CoScientist，大模型拓展人类专家思维，机器人增强人类实验员机能，“人类反馈强化学习”对齐伦理规范。

2. 智能化科学设施的功能

   • 科学大模型：多模态科学内容生成、文献综述生成、科学假设生成。
   • 生成式模拟与反演：自动现象生成，如复杂流体、多物理场、分子结构变化等。
   • 高通量自主无人实验：化学合成、蛋白质修饰、材料基因组等自主验证和筛选。
   • 高效、可信的大规模科研协作。

3. 白玉兰大模型

   • 开发了智能化学评测平台，提出的化学大语言模型在众多化学任务中表现超过当前最先进的机器学习模型。
   • BAl-Chem2.0具备创新催化剂设计能力，已将设计的>20催化剂、>10试剂、>900条反应投入湿实验验证，并具备在线实验优化能力。

4. 白玉兰自主无人实验室

   • 大模型驱动的“干湿闭环”无人实验平台（已搭建、正在测试）。

5. 超大城市电力科学大模型

   • 亿级智能体的人类动力学模拟平台，上海市居民移动行为的生成式人工智能模拟。
   • 并行仿真系统支撑智能体数量：3亿，模型推演时空颗粒度：百米网格·小时，模型推演效率：24小时内实现对长三角人口移动行为仿真、不同防控策略模拟。
   • 针对未来新能源汽车普及对城市电网的潜在压力，提出了基于个体移动行为缓解电网高峰期负荷的全新研究范式，设计了个性化的充电行为优化管理策略，可将旧金山某区新能源汽车高峰期的用电负荷降低45%，提升电网稳定性。
   • 《NatureComputationalScience》封面论文，大数据揭示社会经济属性与人类移动行为间的内在关联，提出人类移动向心性指标定义城市功能结构，揭示COVID大流行期间的城市功能结构演变与社会经济不公平性。
   • 利用移动信令、充电资源，真实充电数据，建模城市尺度新能源汽车时空充电需求，结合公共充电桩布局，设计考虑出行需求的电网错峰方案，探究充电资源空间分布的不合理性，面向2030年新能源汽车推广目标，推测未来新能源汽车空间布局及能源需求，推荐未来充电资源建设方案。

6. 生成式人工智能驱动的光伏发电异常检测

   • 基真实光伏发电数据，利用生成式A/模型进行数据增强，合成多样化的异常样本；在合成数据集上设计处理序列的条件VAE异常检测模型对六大异常场景进行无监督检测，AUC达到了99%；利用VAE隐空间对异常场景进行分类，准确率达到96%。

7. 基于事件预测的强化学习

   • 世界模型具有预测未来事件的能力，是强化学习的关键。
   • 复杂现实环境离线强化学习，从有限真实数据中生成控制策略，训练过程中避免了与物理世界的高成本、高风险交互，有效利用低成本仿真软件可提升离线强化学习效果。

8. 配网业扩项目智能化评审方法研究

   • 传统人工审查存在效率低下、准确性不高、重复建设等问题。
   • 探索审前、审中、审后全过程的智能化、交互式、引导式AI智能评审模式。

9. 电力智能化科学设施的展望

   • 建议一、电力科学大模型：
     • 突破复杂电力现象的生成与模拟难题，助力清洁能源设计规划。
     • 人类行为模拟助力“交通+电网”耦合。
     • 大模型智能体助力“电网-用户”博弈行为建模。
     • 突破复杂电力系统微观-介观-宏观分层递阶优化难题，加速新能源材料开发、降低系统风险。
     • 大模型驱动“干-湿”闭环的实验环境，加速电力产品逆向设计。
     • 高风险类试验实现无人化提升实验室安全。