大模型驱动下电力气象复杂系统的多智能体协同机制与应用前沿研究

朝章 刘(【基金项目】山东鲁软数字科技有限公司和山东省电力气象;)
志骏 韩(技术创新中心科技项目 -- 基于先验知识增强大模型的电力;)
暑光 宁(【基金项目】山东鲁软数字科技有限公司和山东省电力气象;)
楠 武(技术创新中心科技项目 -- 基于先验知识增强大模型的电力;)
朝阳 范()

摘要

电力气象系统具有显著的复杂性，气象条件深度影响电力系统的稳定运行。伴随人工智能技术的进步，大模型与多智能体协作技术为电力气象领域带来新契机。本研究构建二者协同的理论框架，展示其在数据处理、趋势预测、灾害预警等应用中提升系统性能的成果。不过，该技术在数据融合、智能体协同、模型可解释性及计算资源等方面面临挑战。未来可通过数据深度挖掘、知识图谱构建和完善数据体系等途径应对，有望推动电力气象系统智能化升级，保障电力系统安全稳定运行。

关键词

电力气象复杂系统；大语言模型；多智能体系统；协同机制

参考

BLAABJERG F, IONEL D M. Renewable energy devices and systems – state-of-the-art technology, research and development, challenges and future trends[J/OL]. Electric Power Components and Systems, 2015, 43(12): 1319-1328.

BI K, XIE L, ZHANG H, 等. Accurate medium-range global weather forecasting with 3D neural networks.[J/OL]. Nature, 2023, 619(7970): 533-538.

王伟胜, 解鸿斌, 杨知, 等. 初论电力气象的基本概念与研究方向[J/OL]. 中国电机工程学报, 2024, 44(18): 7440-7452.

王凌云, 周翔, 田恬, 等. 基于多维气象信息时空融合和mpa-vmd的短期电力负荷组合预测模型[J/OL]. 电力自动化设备, 2024, 44(2): 190-197.

孔祥玉, 马玉莹, 艾芊, 等. 新型电力系统多元用户的用电特征建模与用电负荷预测综述[J]. 电力系统自动化, 2023, 47(13): 2-17.

面向夏季高温的多城市行业级负荷画像与降温负荷测算[J/OL]. 全球能源互联网, 2024, 7(1): 25-36.

考虑气温因素影响的中长期负荷场景生成方法[J/OL]. 全球能源互联网, 2024, 7(6): 715-725.

CHEN X, TANG J, LI W. Probabilistic operational reliability of composite power systems considering multiple meteorological factors[J/OL]. IEEE Transactions on Power Systems, 2020, 35(1): 85-97.

CARSON. Using satellite imagery for real-time environmental monitoring[EB/OL]. (2025-01-27)[2025-04-09]. https://thefutureofthings.com/24481-using-satellite-imagery-for-real-time-environmental-monitoring/.

OKEDU K. Power system stability[M]. Erscheinungsort nicht ermittelbar: IntechOpen, 2019.

孙世军, 朱坤双, 韩洪. 基于数据融合的电网强对流临近预警技术研究[J/OL]. 电子设计工程, 2023, 31(12): 53-57.

罗学礼. 高精度灾害天气预测技术在电力安全中的应用[J]. 云南电力技术, 2013, 41(S1): 130-133.

袁振邦. 基于ai大模型技术的新能源发电功率预测优化方法及系统[J/OL]. 中国高新科技, 2024(16): 85-87.

林向阳. 人工智能引领未来：大语言模型在电力系统中的创新应用[J]. 新一代信息技术, 2023, 6(24): 29-34.

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 W X, ZHOU K, LI J, 等. A survey of large language models[A/OL]. arXiv, 2025[2025-04-16]. http://arxiv.org/abs/2303.18223.

PARK J S, O’BRIEN J, CAI C J, 等. Generative agents: Interactive simulacra of human behavior[C/OL]//Proceedings of the 36th Annual ACM Symposium on User Interface Software and Technology. New York, NY, USA: Association for Computing Machinery, 2023: 1-22[2025-04-10]. https://dl.acm.org/doi/10.1145/3586183.3606763.

DORRI A, KANHERE S S, JURDAK R. Multi-agent systems: A survey[J/OL]. IEEE Access, 2018, 6: 28573-28593.

RIZK Y, AWAD M, TUNSTEL E W. Decision making in multiagent systems: A survey[J/OL]. IEEE Transactions on Cognitive and Developmental Systems, 2018, 10(3): 514-529.

TRAN K T, DAO D, NGUYEN M D, 等. Multi-agent collaboration mechanisms: A survey of LLMs[A/OL]. arXiv, 2025[2025-04-10]. http://arxiv.org/abs/2501.06322.

WU J. Contract net protocol for coordination in multi-agent system[C/OL]//2008 Second International Symposium on Intelligent Information Technology Application: 卷 2. 2008: 1052-1058[2025-04-10]. https://ieeexplore.ieee.org/document/4739923.

黄文琦梁凌宇, WENQI HUANG L L. 基于变量选择与Transformer模型的中长期电力负荷预测方法[J/OL]. 浙江大学学报（理学版）, 51(4): 483-491.

贾睿, 杨国华, 郑豪丰, 等. 基于自适应权重的CNN-LSTM&GRU组合风电功率预测方法[J]. 中国电力, 2022, 55(5): 47-56, 110.

汪海涛, 笑张, 康钊菁, 等. 国内ai中期天气预报大模型进展及面临的挑战[J/OL]. Computer Science and Application, 2024, 14: 196.

XU H, ZHAO Y, DAJUN Z, 等. Exploring the typhoon intensity forecasting through integrating AI weather forecasting with regional numerical weather model[J/OL]. npj Climate and Atmospheric Science, 2025, 8(1): 1-10.

SØNDERBY C K, ESPEHOLT L, HEEK J, 等. MetNet: A neural weather model for precipitation forecasting[A/OL].arXiv,2020[2025-04-09]. http://arxiv.org/abs/2003.12140.

ESPEHOLT L, AGRAWAL S, SØNDERBY C, 等. Deep learning for twelve hour precipitation forecasts[J/OL]. Nature Communications, 2022, 13(1): 5145.

ESPEHOLT L, AGRAWAL S, SØNDERBY C, 等. Skillful twelve hour precipitation forecasts using large context neural networks[A/OL]. arXiv, 2021[2025-04-09]. http://arxiv.org/abs/2111.07470.

PATHAK J, SUBRAMANIAN S, HARRINGTON P, 等. FourCastNet: A global data-driven high-resolution weather model using adaptive fourier neural operators[A/OL]. arXiv, 2022[2025-04-09]. http://arxiv.org/abs/2202.11214.

LAM R, SANCHEZ-GONZALEZ A, WILLSON M, 等. GraphCast: Learning skillful medium-range global weather forecasting[A/OL]. arXiv, 2023[2025-04-09]. http://arxiv.org/abs/2212.12794.

ZHANG Y, LONG M, CHEN K, 等. Skilful nowcasting of extreme precipitation with NowcastNet.[J/OL]. Nature, 2023, 619(7970): 526-532.

上海人工智能实验室,上海人工智能实验室发布“风乌”大模型，全球气象有效预报时间首破10天[EB/OL]. [2025-04-10]. http://www.shlab.org.cn/news/5443382.

CHEN L, ZHONG X, ZHANG F, 等. FuXi: A cascade machine learning forecasting system for 15-day global weather forecast[A/OL]. arXiv, 2023[2025-04-10].http://arxiv.org/abs/2306.12873.

网易. 智驭电力安全：多模态大模型在电力现场安监管控竞赛中的创新应用[EB/OL]. (2024-07-29)[2025-04-09]. https://www.163.com/dy/article/J89ARBGC05568T83.html.

王臻, 刘东, 徐重酉, 等. 新型电力系统多源异构数据融合技术研究现状及展望[J/OL]. 中国电力, 2023, 56(4): 1-15.

陈红, 傅文润, 刘朝明, 等. 人工智能大模型在电力设备运维场景中的应用探讨[J]. 中国工程科学, 2025, 27(1): 180-192.

马恒瑞, 袁傲添, 王波, 等. 基于深度学习的负荷预测研究综述与展望[J/OL]. 高电压技术, 2025, 51(3): 1233-1250.

DOI: http://dx.doi.org/10.12345/dlynyqy.v3i7.30006