GridSFM：一种用于电网的新型小型基础模型

微软发布了一款名为GridSFM的轻量级基础模型，用于解决输电电网中的交流最优潮流（AC-OPF）问题。该模型可在毫秒内近似求解AC-OPF，从而直接应对每年高达200亿美元的拥塞损失和3.4太瓦时的可再生能源弃电。

GridSFM不仅能够估算发电机调度和成本，还能生成完整的交流系统状态，使电网运营商能够直接洞察拥塞、稳定性和整体系统健康状况。它为社区构建先进的电网模拟器和规划工具奠定了基础，无需从头创建数据或模型。

电网面临日益增长的挑战，包括需求激增、可再生能源整合、交通电气化以及极端天气事件。在所有挑战中，核心问题相同：在每种新条件下，保持电网运行的最优工作点是什么？回答这个问题需要解决AC-OPF，这是一个复杂的非凸优化问题，计算成本高昂。电力公用事业规模的电网可能需要数小时才能求解，这迫使运营商要么求解少量精心挑选的场景，要么依赖忽略关键物理过程的近似方法，从而导致次优调度和可靠性下降。

GridSFM通过一个单一的神经网络解决了这一限制，该网络可在毫秒内近似AC-OPF，覆盖500到80,000个节点的电网。它接收标准的AC-OPF输入，并产生工作点及可行性判定。通过消除计算瓶颈，GridSFM使得能够实时评估数量级更多的场景，从而实现更明智的决策，并将电网运行从被动响应转变为主动优化。

本次发布提供两个版本：GridSFM-Open用于不超过4,000个节点的研究级电网，GridSFM-Premier用于高达80,000个节点的生产级系统。该模型构建为块状结构离散神经算子，将电网表示为有向图，并同时使用求解器监督和基于物理的约束进行训练。与每个电网训练一个模型的方法不同，GridSFM在150多个基础电网拓扑和约50万个场景上进行训练，使其能够泛化而非记忆。在54个电网测试场景中，GridSFM-Open的中位成本差距为2.23%。

GridSFM旨在作为DC近似法的即插即用替代方案。与DC近似法相比，GridSFM具有三个具体优势：在独立调度成本上精度与DC近似法相同；比完整AC求解器快1000倍，比DC近似法快约100倍；产生真实的交流工作点，可作为传统数值求解器的交流热启动。此外，GridSFM提供每个场景的压力评分，用于可行性筛选，在54个电网测试场景中，各分类的准确率均超过90%。