基于大语言模型的电力系统潮流自适应调整

李宝亮; 张恒旭; 曹永吉; 贠志皓; 刘远龙

doi:10.7500/AEPS20241013001

您当前的位置：

首页 >

文章列表页 >

基于大语言模型的电力系统潮流自适应调整

学术研究 | 更新时间：2026-08-21

- 基于大语言模型的电力系统潮流自适应调整
- Adaptive Adjustment of Power Flow in Power Systems Based on Large Language Models
- 电力系统自动化 2026年50卷第15期页码：268-276
- 作者机构：
  
  1.山东大学电气工程学院，山东省济南市 250061
  2.山东大学智能创新研究院，山东省济南市 250100
  3.国网山东省电力公司调度中心，山东省济南市 250012
- 作者简介：
  
  李宝亮(1995—)，男，博士研究生，主要研究方向：电力系统计算智能。E-mail：libaoliang_sdu@163.com
  张恒旭(1975—)，男，通信作者，博士，教授，博士生导师，主要研究方向：电力系统稳定性分析与控制。E-mail：zhanghx@sdu.edu.cn
  曹永吉(1992—)，男，博士，副研究员，硕士生导师，主要研究方向：电力系统稳定性分析与控制。E-mail：yongji@sdu.edu.cn
- 基金信息：
  
  国家自然科学基金资助项目(U22B6008)
- DOI：10.7500/AEPS20241013001
  中图分类号：
- 收稿：2024-10-13，
  
  修回：2025-06-08，
  
  网络首发：2026-03-11，
  
  纸质出版：2026-08-10
- 稿件说明：
移动端阅览
李宝亮,张恒旭,曹永吉等.基于大语言模型的电力系统潮流自适应调整[J].电力系统自动化,2026,50(15):268-276.

LI Baoliang,ZHANG Hengxu,CAO Yongji,et al.Adaptive Adjustment of Power Flow in Power Systems Based on Large Language Models[J].Automation of Electric Power Systems,2026,50(15):268-276.
李宝亮,张恒旭,曹永吉等.基于大语言模型的电力系统潮流自适应调整[J].电力系统自动化,2026,50(15):268-276. DOI： 10.7500/AEPS20241013001.

LI Baoliang,ZHANG Hengxu,CAO Yongji,et al.Adaptive Adjustment of Power Flow in Power Systems Based on Large Language Models[J].Automation of Electric Power Systems,2026,50(15):268-276. DOI： 10.7500/AEPS20241013001.

摘要

电力系统潮流调整须针对越限等问题动态修正控制变量，而结果判断和数据调整工作高度依赖人工且专家经验难以量化推广。大语言模型（LLM）技术快速迭代进步，由LLM驱动的智能体框架在处理复杂任务和实现自动化决策方面展现出强大的适应性、灵活性和鲁棒性。文中提出了一种基于LLM的电力系统潮流自适应计算调整方法，利用LLM的推理能力增强策略调整的适应性，调用潮流计算模块实时验证策略可行性，构建了动态感知、自主决策与持续优化的闭环工作流。在计算调整过程中引入检索增强生成技术以提供安全运行约束与辅助决策支持，实现了复杂约束下潮流计算及调整的全流程自动化。在IEEE 30节点和IEEE 118节点系统的算例分析验证了LLM在电力系统自动化计算分析方面的应用潜力。

Abstract

Power flow adjustment in power systems requires dynamic correction of control variables in response to problems such as limit violations. However

result judgment and data adjustment rely heavily on manual work

and expert experience is difficult to quantify and generalize. With the rapid iteration and advancement of large language model (LLM) technology

LLM-driven agent frameworks have demonstrated strong adaptability

flexibility

and robustness in handling complex tasks and realizing automated decision-making. This paper proposes an adaptive calculation and adjustment method for power flow in power systems based on LLMs. The reasoning capability of LLM is used to enhance the adaptability of strategy adjustment

and the power flow calculation module is invoked to verify the feasibility of strategies in real time

forming a closed-loop workflow with dynamic perception

autonomous decision-making

and continuous optimization. Retrieval augmented generation is introduced during the calculation and adjustment process to provide safe operation constraints and auxiliary decision-making support

realizing the full-process automation of power flow calculation and adjustment under complex constraints. Case studies on the IEEE 30-bus and IEEE 118-bus systems verify the application potential of LLM in the automated calculation and analysis of power systems.

关键词

Keywords

references

XUE Y S ， YU X H . Beyond smart grid—cyber-physical-social system in energy future ［J］. Proceedings of the IEEE ， 2017 ， 105 （ 12 ）： 2290 - 2292 .

廖小兵，张一鸣，李自成，等 . 考虑分布式风电出力相关性的配电网概率区间潮流计算方法［J］. 电力自动化设备， 2025 ， 45 （ 1 ）： 25 - 32 .

LIAO Xiaobing ， ZHANG Yiming ， LI Zicheng ， et al . Probability interval power flow calculation method for distribution network considering correlation of distributed wind power output ［J］. Electric Power Automation Equipment ， 2025 ， 45 （ 1 ）： 25 - 32 .

王甜婧，汤涌，郭强，等 . 基于知识经验和深度强化学习的大电网潮流计算收敛自动调整方法［J］. 中国电机工程学报， 2020 ， 40 （ 8 ）： 2396 - 2406 .

WANG Tianjing ， TANG Yong ， GUO Qiang ， et al . Automatic adjustment method of power flow calculation convergence for large-scale power grid based on knowledge experience and deep reinforcement learning ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 8 ）： 2396 - 2406 .

YAN K F ， LI G Q ， ZHANG R F ， et al . Frequency control and optimal operation of low-inertia power systems with HVDC and renewable energy： a review ［J］. IEEE Transactions on Power Systems ， 2024 ， 39 （ 2 ）： 4279 - 4295 .

孙惠娟，宋煜钧，陈俐，等 . 计及备用风险性的新型电力系统源网协同安全经济调度［J］. 电力自动化设备， 2024 ， 44 （ 4 ）： 135 - 142 .

SUN Huijuan ， SONG Yujun ， CHEN Li ， et al . Source-grid coordination security and economic dispatching of new power system considering reserve risk ［J］. Electric Power Automation Equipment ， 2024 ， 44 （ 4 ）： 135 - 142 .

LIN X Y ， PENG S ， TANG J J ， et al . Regional sensitivity analysis for maximum static transfer capability of power systems by dimension-adaptive sparse grid interpolation ［J］. IEEE Transactions on Power Systems ， 2024 ， 39 （ 1 ）： 1095 - 1110 .

ALTOROK M ， UKIL A ， NAIR N C ， et al . Review on optimal power flow in a hybrid AC/DC distribution network ［J］. Electric Power Systems Research ， 2024 ， 236 ： 110956 .

PIKTUS A . Online tools help large language models to solve problems through reasoning ［J］. Nature ， 2023 ， 618 （ 7965 ）： 465 - 466 .

ZHOU X H ， SUN Z Y ， LI G L . DB-GPT： large language model meets database ［J］. Data Science and Engineering ， 2024 ， 9 （ 1 ）： 102 - 111 .

DREYER J . China made waves with Deepseek， but its real ambition is AI-driven industrial innovation ［J］. Nature ， 2025 ， 638 （ 8051 ）： 609 - 611 .

MAJUMDER S ， DONG L ， DOUDI F ， et al . Exploring the capabilities and limitations of large language models in the electric energy sector ［J］. Joule ， 2024 ， 8 （ 6 ）： 1544 - 1549 .

CONROY G ， MALLAPATY S . How China created AI model DeepSeek and shocked the world ［J］. Nature ， 2025 ， 638 （ 8050 ）： 300 - 301 .

李鹏，余涛，李立浧，等 . 电力人工智能的演变与展望——从专业智能走向通用智能［J］. 电力系统自动化， 2024 ， 48 （ 16 ）： 1 - 17 .

LI Peng ， YU Tao ， LI Licheng ， et al . Retrospect and prospect of artificial intelligence for electric power system—from domain intelligence to general intelligence ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 16 ）： 1 - 17 .

李刚，方鸿，刘云鹏，等 . 新型电力系统中的大模型驱动技术：现状、机遇与挑战［J］. 高电压技术， 2024 ， 50 （ 7 ）： 2864 - 2878 .

LI Gang ， FANG Hong ， LIU Yunpeng ， et al . Large-model drive technology in new power system： status， challenges and prospects ［J］. High Voltage Engineering ， 2024 ， 50 （ 7 ）： 2864 - 2878 .

赵俊华，文福拴，黄建伟，等 . 基于大语言模型的电力系统通用人工智能展望：理论与应用［J］. 电力系统自动化， 2024 ， 48 （ 6 ）： 13 - 28 .

ZHAO Junhua ， WEN Fushuan ， HUANG Jianwei ， et al . Prospect of artificial general intelligence for power systems based on large language model： theory and applications ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 6 ）： 13 - 28 .

丁俐夫，陈颖，肖谭南，等 . 基于大语言模型的新型电力系统生成式智能应用模式初探［J］. 电力系统自动化， 2024 ， 48 （ 19 ）： 1 - 13 .

DING Lifu ， CHEN Ying ， XIAO Tannan ， et al . Exploration of generative intelligent application mode for new power systems based on large language models ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 19 ）： 1 - 13 .

张孝顺，李锦诚，郭正勋 . 大模型辅助的大型海上风电场集电系统拓扑优化［J］. 高电压技术， 2024 ， 50 （ 7 ）： 2894 - 2905 .

ZHANG Xiaoshun ， LI Jincheng ， GUO Zhengxun . Topology optimization of large-scale offshore wind farm collector systems based on large language models ［J］. High Voltage Engineering ， 2024 ， 50 （ 7 ）： 2894 - 2905 .

YAN Z M ， XU Y . Real-time optimal power flow with linguistic stipulations： integrating GPT-agent and deep reinforcement learning ［J］. IEEE Transactions on Power Systems ， 2024 ， 39 （ 2 ）： 4747 - 4750 .

XU H ， KANG Z Y ， ZHANG Y ， et al . Research on the construction of knowledge QA system driven by large language model： one case study of power transformer domain ［C］// 7th International Conference on Data Science and Information Technology （DSIT）， December 20-22 ， 2024 ， Nanjing， China .

TIAN P P ， DAI X ， HUO Y R ， et al . Electric power project correlation mining and question answering： an unsupervised method ［C］// 3rd Asian Conference on Frontiers of Power and Energy （ACFPE）， October 25-27 ， 2024 ， Chengdu， China .

WANG C ， ONG J ， WANG C ， et al . Potential for GPT technology to optimize future clinical decision-making using retrieval-augmented generation ［J］. Annals of Biomedical Engineering ， 2024 ， 52 （ 5 ）： 1115 - 1118 .

王合庆，魏杰，景红雨，等 . Meta-RAG：基于元数据驱动的电力领域检索增强生成框架［J/OL］. 计算机工程［ 2024-12-25 ］. https：//link.cnki.net/doi/10.19678/j.issn.1000-3428.0070415 https://link.cnki.net/doi/10.19678/j.issn.1000-3428.0070415 .

WANG Heqing ， WEI Jie ， JING Hongyu ， et al . Meta-RAG： a metadata-driven retrieval augmented generation framework for the power industry ［J/OL］. Computer Engineering ［ 2024-12-25 ］. https：//link.cnki.net/doi/10.19678/j.issn.1000-3428.0070415 https://link.cnki.net/doi/10.19678/j.issn.1000-3428.0070415 .

姚建国，余涛，杨胜春，等 . 提升电网调度中人工智能可用性的混合增强智能知识演化技术［J］. 电力系统自动化， 2022 ， 46 （ 20 ）： 1 - 12 .

YAO Jianguo ， YU Tao ， YANG Shengchun ， et al . Knowledge evolution technology based on hybrid-augmented intelligence for improving practicability of artificial intelligence in power grid dispatch ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 20 ）： 1 - 12 .

徐岩，郅静 . 基于功率灵敏度的线路过载划区域紧急控制策略［J］. 电工技术学报， 2015 ， 30 （ 15 ）： 60 - 72 .

XU Yan ， ZHI Jing . A zone-divided emergency control strategy for overload lines based on power sensitivity ［J］. Transactions of China Electrotechnical Society ， 2015 ， 30 （ 15 ）： 60 - 72 .

苗世洪，马帅，尚亚男，等 . 基于割点和路径搜索的输电断面快速识别方法［J］. 电力系统自动化， 2014 ， 38 （ 2 ）： 39 - 45 .

MIAO Shihong ， MA Shuai ， SHANG Yanan ， et al . A fast recognition method of transmission section based on cut-vertex and path search ［J］. Automation of Electric Power Systems ， 2014 ， 38 （ 2 ）： 39 - 45 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

海上风电柔直并网系统多模态振荡交互分析和抑制方法

基于结构化神经网络的微电网二次调频控制

提升构网型风电机组调频能力的综合自适应控制策略

基于轨迹优化及牵制一致性算法的海上风电场频率控制方法

考虑风-火功率协调的风电机组主动频率响应策略