找到 2 条结果 · IEEE Transactions on Power Systems
基于工具增强型大语言模型的电网模型生成
Power Grid Model Generation Based on the Tool-augmented Large Language Model
Kaihang Deng · Yanzhen Zhou · Hongtai Zeng · Zhengcheng Wang 等5人 · IEEE Transactions on Power Systems · 2025年9月
电网模型是电力系统研究及人工智能应用的基础。由于安全原因，公开可用的电网模型极为有限，亟需生成具有特定拓扑结构和潮流特性的模型。鉴于电网模型通常以结构化文本形式存储，可将其生成问题转化为结构化文本生成任务，大语言模型（LLMs）在此类任务中表现出色。受此启发，本文提出一种基于工具增强型大语言模型的电网模型生成新方法，支持用户通过自然语言描述按需生成电网模型。数值结果表明，该方法能有效生成满足指定需求的电网模型。
解读: 该工具增强型大语言模型的电网建模技术对阳光电源具有重要应用价值。在储能系统方面，可快速生成不同电网拓扑下的PowerTitan系统仿真模型，优化ST系列储能变流器的并网控制策略验证；在光伏逆变器领域，支持SG系列产品在复杂配电网场景下的GFM/GFL控制算法测试，加速1500V系统的电网适应性分析；...
电力系统暂态稳定评估中神经网络的鲁棒性认证
Robustness Certification of Neural Networks for Power System Transient Stability Assessment
Liangyuchen Lu · Yanzhen Zhou · Hongtai Zeng · Zhengcheng Wang 等6人 · IEEE Transactions on Power Systems · 2025年5月
神经网络（NNs）可快速准确地评估电力系统安全性，但对输入微小扰动的鲁棒性有限，可能导致误判。现有鲁棒性认证方法在暂态稳定评估中面临物理约束与敏感动态的挑战。为此，本文提出考虑物理可行性的鲁棒性比率指标及两阶段认证框架，通过嵌入系统物理约束推导非平凡鲁棒下界，并利用优化样本的稳定性验证获取上界。基于该框架开展模型选择与对抗训练，提升模型鲁棒性。在新英格兰10机系统及实际区域电网中的验证表明所提方法有效。
解读: 该神经网络鲁棒性认证技术对阳光电源PowerTitan大型储能系统及构网型控制产品具有重要应用价值。在储能系统参与电网暂态稳定支撑时，需快速准确评估系统安全裕度，但传统神经网络模型易受扰动影响导致误判。该研究提出的物理约束嵌入式认证框架可应用于：1）ST系列储能变流器的GFM控制策略优化，通过鲁棒性...