上海交通大学（杨小康）：2024年智能化科学设施变革电力基础研究报告-26页_7mb

智能化科学设施变革电力基础研究总结

核心内容

智能化科学设施（AISF）正在推动科学研究范式的变革，特别是在电力科学领域。通过人工智能技术，尤其是生成式AI和大模型，AISF不仅提升了科学研究的速度和准确性，还拓展了人类专家的思维和实验能力，实现了“干湿闭环”无人实验平台的构建，为电力基础研究提供了全新的方法和工具。

主要观点

• AI for Science 是一种新兴的科学研究范式，它利用人工智能技术加速科学发现和创新。
• CoScientist 是AI科学范式形成的新标志，它结合了大模型的智能推理和机器人实验操作，实现了科研的高效、可信协作。
• 生成式AI 在多个科学领域中展现出强大的能力，包括化学、电力、气象、医学等，能够进行数据增强、现象模拟、实验设计和优化。
• 多模态科学数据 是AI驱动科学研究的基础，涵盖文本、图像、结构数据等多种形式，支持复杂模型的训练和推理。
• AI赋能电力科学，不仅提升了实验效率和数据处理能力，还在新能源材料开发、电网负荷管理、光伏发电异常检测、配电网智能化评审等方面取得了显著成果。

关键信息

1. 智能化科学设施（AISF）

• AISF是结合人工智能与科学设施的新概念，旨在通过智能技术提升科学研究的效率和深度。
• AISF包括自发假设生成、自动现象生成、自主无人实验、高通量实验等模块，形成完整的科研闭环。
• 白玉兰科学大模型是AISF的重要组成部分，涵盖化学、电力、气象、医学等多个领域。

2. AISF助力电力科学的初步实践

• 新能源汽车与电网协同：通过模拟人类移动行为，提出基于个体移动行为缓解电网高峰期负荷的新研究范式。该方法在旧金山某区实现新能源汽车高峰期用电负荷降低45%，提升电网稳定性。
• 光伏发电异常检测：利用生成式AI模型对真实光伏发电数据进行数据增强，合成多样化异常样本，构建条件VAE异常检测模型，准确率达到96%，AUC达到99%。
• 配电网智能化评审：探索“审前-审中-审后”全过程的智能化、交互式AI评审模式，提升电网工程可研评审的效率和准确性。
• 电网-用户博弈建模：利用大模型智能体对“电网-用户”行为进行建模，支持复杂系统优化和决策。
• 电力系统多尺度优化：在“微观-介观-宏观”分层递阶优化中，AI技术显著提升了复杂系统的建模和优化能力。

3. 电力智能化科学设施的展望

• 进一步推动AI与电力系统的深度融合，实现更高效的能源管理、更安全的实验操作和更精准的科学预测。
• 构建更加完善的AI科学平台，支持多模态数据处理、大规模模型训练和高通量实验验证。
• 拓展AI在新能源材料、智能电网、城市能源系统等领域的应用，提升科研效率，降低实验风险，促进绿色能源发展。
• 推动AI科学范式在电力领域的广泛应用，形成以AI为核心驱动的科学研究新生态。