微軟發佈了一款名為GridSFM的輕量級基礎模型，用於解決輸電電網中的交流最優潮流（AC-OPF）問題。該模型可在毫秒內近似求解AC-OPF，從而直接應對每年高達200億美元的擁塞損失和3.4太瓦時的可再生能源棄電。
GridSFM不僅能夠估算發電機調度和成本，還能生成完整的交流系統狀態，使電網運營商能夠直接洞察擁塞、穩定性和整體系統健康狀況。它為社區構建先進的電網模擬器和規劃工具奠定了基礎，無需從頭創建數據或模型。
電網面臨日益增長的挑戰，包括需求激增、可再生能源整合、交通電氣化以及極端天氣事件。在所有挑戰中，核心問題相同：在每種新條件下，保持電網運行的最優工作點是什麼？回答這個問題需要解決AC-OPF，這是一個複雜的非凸優化問題，計算成本高昂。電力公用事業規模的電網可能需要數小時才能求解，這迫使運營商要麼求解少量精心挑選的場景，要麼依賴忽略關鍵物理過程的近似方法，從而導致次優調度和可靠性下降。
GridSFM通過一個單一的神經網絡解決了這一限制，該網絡可在毫秒內近似AC-OPF，覆蓋500到80,000個節點的電網。它接收標準的AC-OPF輸入，併產生工作點及可行性判定。通過消除計算瓶頸，GridSFM使得能夠實時評估數量級更多的場景，從而實現更明智的決策，並將電網運行從被動響應轉變為主動優化。
本次發佈提供兩個版本：GridSFM-Open用於不超過4,000個節點的研究級電網，GridSFM-Premier用於高達80,000個節點的生產級系統。該模型構建為塊狀結構離散神經算子，將電網表示為有向圖，並同時使用求解器監督和基於物理的約束進行訓練。與每個電網訓練一個模型的方法不同，GridSFM在150多個基礎電網拓撲和約50萬個場景上進行訓練，使其能夠泛化而非記憶。在54個電網測試場景中，GridSFM-Open的中位成本差距為2.23%。
GridSFM旨在作為DC近似法的即插即用替代方案。與DC近似法相比，GridSFM具有三個具體優勢：在獨立調度成本上精度與DC近似法相同；比完整AC求解器快1000倍，比DC近似法快約100倍；產生真實的交流工作點，可作為傳統數值求解器的交流熱啓動。此外，GridSFM提供每個場景的壓力評分，用於可行性篩選，在54個電網測試場景中，各分類的準確率均超過90%。