微软发布GridSFM：用于电网优化的轻量级AI

微软已发布GridSFM，这是一款专为解决输电网交流最优潮流（AC-OPF）问题而设计的轻量级基础模型，可在毫秒级完成计算。该模型解决了电网运营中的一个关键瓶颈：传统求解器计算大型电网最优调度可能需要数小时，迫使运营商依赖牺牲精度的近似方法。

GridSFM是一个单一的神经网络，可在500到80000个节点的电网中近似求解AC-OPF。它接收标准的AC-OPF输入（电网拓扑、发电机和负荷规格、输电线路约束），并输出一个运行点以及可行性判定。据微软介绍，该模型可在实时条件下评估数量级更多的场景，将电网运营从被动响应转变为主动优化。

两大版本适配不同规模

此次发布包括两个版本：GridSFM-Open，适用于最多4000个节点的研究级电网；以及GridSFM-Premier，适用于最多80000个节点的生产级系统。GridSFM-Open可在开放许可下用于研究用途，并附带了相关代码和权重文件。

微软在超过150个基础电网拓扑和约50万个场景上训练了该模型，使其学会泛化而非死记硬背。在包含54个电网的测试集上，GridSFM-Open相对于真实求解器解决方案的中位成本差距为2.23%，其中83%的场景的成本差距在5%以内。

在成本准确性方面，GridSFM的表现可与行业标准的直流最优潮流（DC-OPF）近似方法相媲美，其每个场景的成本差距分布相似。然而，与DC-OPF不同，它会产生完整的交流运行点，包括电压和无功功率，使运营商能够直接评估电网稳定性和拥堵情况。

该模型还可作为传统数值求解器的有效热启动。微软报告称，在测试场景中，以GridSFM为中心的热启动方案的几何平均速度比冷启动方案快1.66倍，比DC-OPF热启动方案快1.59倍。在网状输电网中，单电网最大加速比超过7倍。

GridSFM包含一个针对每个场景的应力评分，可快速识别不可行的运行条件，即负荷无法在电压限值、热限值或发电机容量范围内得到满足的场景。在测试集上，该应力评分对真实可行场景的二元准确率达到94.5%，对真实不可行场景的准确率达到96.1%。

这一能力使运营商能够对场景进行分类：高度确信的可行场景直接进入指示性调度，高度确信的应力场景交由工程审查，而边缘中间部分则发送给求解器进行验证。

微软在一个训练期间从未见过的6470节点电网上测试了GridSFM。在零样本设置下，成本误差增加到14%。然而，仅使用10个微调场景，成本误差就降至1.76%，可行性检测率超过90%。在1000个场景后，成本误差降至1.12%，电压变化率达到真实信号的91%。

据微软介绍，该模型在预训练阶段已经掌握了AC-OPF的物理规律。适应新电网主要是一个校准而非重新学习的过程，这使得发布的检查点成为用户在其自身拓扑上进行微调的一个实用起点。

微软认为，GridSFM可以解决历史上迫使电网运营商在以下两者之间做出选择的计算瓶颈：精确求解少量场景，或通过更快但准确性较低的近似方法运行数千个场景。由AC-OPF决定的决策直接影响到每年高达200亿美元的拥堵成本和数太瓦时的可再生能源弃电。

该公司早些时候发布了GridSFM_US_Powergrid_dataset数据集，现在又推出了首个支持多种拓扑的开放AC-OPF模型，从而完善了用于机器学习的电网仿真和规划的开放拓扑数据、开放代码和开放权重栈。预计受益的应用包括：事故筛选、输电扩展规划、需求站点分析以及极端天气下的韧性研究。

微软指出，其下一个版本将专注于提高在分布外电网上的准确性、持续改进所有预测通道的精度，以及包括机组组合和天气条件场景生成在内的多快照扩展。