行业研究公司研究宏观策略财报招股书会议纪要 Token 低空经济十五五 AIGC 大模型

基于大语言模型的新型电力系统运行与仿真初探

公用事业 2024-12-25 赵俊华香港中文大学(深圳) 一切如初

大语言模型技术背景与电力系统应用展望

引言：AI发展历史与趋势

AI近代史与现代史对比，LLM（大语言模型）发展历程
大模型突然火的原因：降低行业准入门槛，通过指令交互使人人体验AI
生成、交互类任务效果达到“效果阈值”，智慧涌现现象预示通用人工智能曙光

大语言模型技术背景

语言模型简介：LLM架构及训练过程
预训练阶段：学习文字接龙，无需标注，自监督
- 预训练模型三要素：大数据、大模型、大算力
微调阶段：
- 赋予LLM逻辑能力：代码示例
- 赋予LLM思考推理能力：思维链（Chain of Thought）技术
- 问题：LLM可能输出有毒、有偏见、虚假或歧视性内容
- 解决方案：从人类反馈中学习，结合强化学习进行对齐

展望与应用

大模型核心能力：数学建模与公式推导
在新型电力系统中的应用思考：
- 潜在应用领域：
  - 机器代人（机巡、客服、公文写作等）
  - 工作流重构（调度运行规划）
  - 信息-物理-社会系统（CPSSE）仿真/数字孪生
  - 多模态数据融合（数字化服务）
  - 电力系统机理研究（AI4S）
- 技术路线：因果模型+大模型+小模型融合
基于大语言模型实现高适应性负荷预测（ITA-LF）
- 传统方法局限：难以应对特殊事件、新场景、文本数据预测
- ITA-LF框架：LLM基于语言处理多源数据，通过Agent筛选新闻并理解文本逻辑
- 预测效果：优于现有方法，提升适应性和精确度
调度大模型研究：
- 背景：将调度、市场行为以大语言模型形式建模
- 数据处理：领域数据集、训练数据集、业务场景支持
- 测试集评测体系：六大类二十四个子维度
- 效果验证：调度相关问题逻辑性、稳定性、安全性上表现优于ChatGPT
信息物理社会系统仿真/数字孪生：
- 大模型用于解决CPSSE仿真问题，结合真人、因果模型实现人机混合仿真
- 传统经济学仿真困难：动态博弈求解难度大、泛化性差
- 大模型经济学仿真潜力：推理能力、泛化能力、代理模拟
基于大模型的市场仿真：
- 训练：多场景多模态数据，提示语工程模拟电力交易员环境
- 模型框架：专家混合MoE大模型，针对不同市场主体训练决策大模型
AI4S（人工智能4科学）：
- 定义：结合人工智能、高性能计算及先进数学工具的通用计算框架
- 应用：科学建模、模拟、优化、因果推断等
- 电力系统转型：新能源和电力电子设备渗透率提高，需重构基础理论
- 未来趋势：大模型辅助科学问题的机理研究