#电力系统

电网调度这类安全敏感场景，纯数值奖励很难表达"哪些操作不允许"。这篇论文让 LLM 用自然语言给强化学习策略打分，再加人工抽查纠错，在 IEEE 118-bus 系统上跑赢了 vanilla TD3。做工业控制或 RL 安全的人可以看看这个范式怎么搭。

搞电网状态估计的可以看看这篇：几个 PMU 一次前向就推全网功角和转速，不用逐场景跑优化，模型误差大时比 Kalman 类方法更稳，成本还低。无标签训练这点对缺实测数据的团队特别实用。

一篇把 LLM 智能体用在电网规划上的论文，智能体能自己提方案、跑优化、看结果再改，40 条轨迹全部通过碳预算检验，搞能源系统的可以看看思路。

电网并网申请审查缺人手，这篇论文让智能体查法规、跑潮流计算，还把 519 个基准任务打包成套件，做能源 AI 的可以看看评测方法。

论文展示了如何用AI智能体自动化电力系统仿真，让工程师从工具操作中解放出来，专注于场景设计和解释。

DeepSeek团队用深度学习解决了400Hz航空航天电力系统故障检测，模型在边缘设备上运行速度快准确率高。

电力系统工程师看过来：GENCO一个模型搞定潮流、最优潮流和状态估计，比传统求解器快几十倍，还开源了框架和数据集，想上手试试的别错过。

这篇论文用分层扩散模型学电网数据分布，生成场景不用后处理就能过AC潮流验证，做电力系统研究可参考。

电力行业想学AI但怕门槛高的，可以看看这个开源框架，从基础DNN到CNN潮流代理再到强化学习，都有Jupyter Notebook能直接跑。

看看这个新思路：用表格基础模型做电力系统安全评估，每个故障只需要120个样本就能达到九成准确率，比传统方法省了两个数量级的标注数据。

电力系统运维和预测建模团队终于有了能评估安全约束的基准——PowerPhase 比现有基准大一个数量级，PowerForge 在安全与精度间取得最佳平衡，做电网概率预测的可以直接参考。