案例 04 / 仿真推演
小世界模型 · 电网模拟调度
分布式光伏、充电桩、可控负荷接入配电网的占比已超过 50%,重过载与过电压频发。人工调度监控效率低、研判慢、策略粗放——调度需要的不是更大的通用模型,而是理解电网结构的专用引擎:把「事后应对」变成「事前推演」。
网络建模
用生成式算法把小世界网络刻画成数字电网
未来态校核
滚动推演各级设备未来 24 小时状态
自主转供
多套方案按操作复杂度与安全裕度优选
仿真推演
任意开关操作的反事实推演与安全校核
电网不缺数据,缺的是把数据变成「下一刻会怎样」的推演能力。
案例背景
一个人管不了的配电网
客户为国网某区级分公司:分布式与集中式光伏、电动汽车充电桩、可控用户负荷接入配电网,占比已超过 50%,重过载、过电压等安全与电能质量问题突出,传统人工调度越来越难。
典型困境 · 华北某区级电网
- >100% 光伏装机超过本地区最大负荷
- ≈1/6 主变无法停电检修
- 近千台区 近 3 万户电压严重越上限
三重压力 01
要素暴增
配网要素迅速增多,调度量与决策量快速增长,人工监控效率低、研判速度慢。
三重压力 02
方式粗放
面对海量要素的新型配电网,人工调度策略粗放,影响故障响应与电网安全。
三重压力 03
安全压力
重过载、过电压等问题频发,电网安全与新能源消纳每天都要做两难权衡。
行业背景:新型源荷正在超常速渗透
MARKET CONTEXT12 亿千瓦
截至 2025 年 12 月全国光伏装机,同比增长 35%44.2%
其中分布式光伏占比,接近半壁江山25 万
华北某区级电网监控信息点(2 万套可控设备)4000+ / 天
日均告警条数,配网正变成超大规模实时控制系统判断
「人管不了」的电网,需要「预知未来」的调度能力。
这也是我们选择「结构驱动 + 反事实推演」而不是「堆一个更大的语言模型」的原因。
问题辨析
通用大模型为什么不行
电网调度需要确定性:同一操作指令必须每次都得到一致、可验证的物理推演结果,而不是概率性的「大概率正确」。
通用大语言模型
- 概率性输出,给不了确定性:同一指令每次结果可能不同,无法作为操作依据。
- 经济性不现实:需数百张高端 GPU、专用机房与巨额投入,基层供电单位难以承受。
- 结构理解缺失:本质是序列处理器,天然不擅长理解电网的网状拓扑。
电力小世界模型
- 确定性物理推演:同一指令,每次结果一致、可验证。
- 低算力可部署:算力需求降至传统方法的千分之一,基层单位可负担。
- 原生理解网状拓扑:为电网结构而生,而不是把结构硬塞进序列。
配电网需要的不是通用大脑,而是为电网量身定制的专用智能体——电力小世界模型。
方案总览:一个引擎,两个底座
ARCHITECTURE应用层
智能体应用
配网未来态校核 · 自主转供方案 · 仿真推演与安全校核。
引擎
电力小世界模型
推演电网未来 · 回答「如果」 · 理解电网结构。
双底座
数据底座 × 规则底座
数据:拓扑结构、历史遥测、气象、操作日志;规则:电网安全、电压约束、光伏消纳。
与大模型协作,各展所长
小世界模型负责物理推演,大语言模型负责人机交互与决策解释:前者把结果算准,后者把它说明白。
三个核心能力
校核、转供、推演,一条调度闭环
从「明天会不会过载」到「现在该怎么转供」,再到「如果我断开这个开关会怎样」——三个问题对应三个能力。
能力一 / 未来态校核
未来 24 小时,先算清楚
滚动推演各级设备未来 24 小时运行状态,把重过载、N-1、过电压等校核规则纳入自动研判,实现风险超前识别。
- 92.7% 日内预测准确率
- 10 kV 线路重载风险 已实现超前识别
- 24 h 滚动推演窗口
能力二 / 自主转供
30 秒给出方案,还带理由
针对预判的设备越限或突发故障,从操作复杂度、安全裕度等维度评价多套转供策略,自动选出最优解辅助调度决策。支持配网拓扑转供、站内母联转供与组合转供。
能力三 / 仿真推演与安全校核
回答每一个「如果」
「如果断开某条联络开关,下游台区会不会过载?电压会不会越限?」对任意开关操作做仿真推演,实时计算操作后全网设备负载变化,自动完成重过载、N-1、单电源与负载均衡校核。
按需生成式推演:运行规律被压缩进模型参数——任意时刻、任意拓扑即时生成推演场景,用完即收。
技术突破
把「参数驱动」换成「结构驱动」
不依赖物理参数,直接从拓扑结构和历史数据学习运行规律——这让大规模配网仿真第一次变得可行。
突破 01
结构驱动建模
从拓扑与历史数据学习运行规律,把「参数驱动」变为「结构驱动」,大规模配网仿真切实可行。
突破 02
按需生成式推演
反事实推演可覆盖从未发生过的操作组合,突破传统模型「只能沿已有数据分布外推」的局限。
突破 03
小模型 + 大模型协作
小世界模型把网状拓扑「翻译」成大模型能理解的序列化信息,大模型完成交互与解释。
算力需求
降至传统方法的千分之一,普通算力即可跑通大规模配网。
计算复杂度
O(n²)–O(n³) → O(kn),与设备规模近似线性相关,仿真效率数量级提升。
天然可扩展:电网线路扩展只需补充数据重新训练,无需重新建模,边际成本极低。
试点成效
AI 闭环已经跑通
项目组与国网天津蓟州公司组建联合研发团队,系统已正式上线运行,覆盖 6 座变电站、43 条输配电线路。
组建联合研发团队
项目组与国网天津蓟州公司签订战略合作协议,启动电力小世界模型研发。
系统正式上线运行
覆盖 6 座变电站、43 条输配电线路,纳入 24 小时未来态预测。
92%+
模型预测准确度秒级
告警研判(人工需 1–5 分钟)30 秒
转供方案自动生成43 条
线路与 6 座变电站纳入 24h 未来态预测「机理模型(复杂网络)× AI(智能体)= 小数据代价、高价值产出。调度培训与决策成本,可以同时降下来。」
案例 04 · 项目复盘