GridSFM
微软研究院推出的电网AI基础模型，将电网视为图结构进行处理，用于解决交流最优潮流（ACOPF）问题，具备拓扑无关性，支持零样本和微调使用
时间轴 (近 90 天)
微软研究院推出了GridSFM，旨在同时解决电力系统研究中数据获取受限与求解速度缓慢两个难题
微软构建了一套仅使用公开数据源就能为美国任意区域重建物理一致电网模型的开放数据管线，流程分为五个步骤
GridSFM将电网建模为图，把母线作为顶点、输电线作为边，使用注意力模块处理电网结构，具备拓扑无关性
GridSFM在超过150种基础电网拓扑、约50万个情景上训练单一模型，训练方式类似ImageNet预训练
GridSFM约一半训练数据包含无解情景，将不可行性作为模型需要学会检测的一等输出而非噪声丢弃
GridSFM在一次前向传播中返回四张物理快照和带置信度的可行性判断，速度比交流求解器快约千倍
GridSFM能以超过95%的准确率对偶然事件情景做可行性分流，仅把边界案例交给求解器
GridSFM作为热启动为传统求解器提供起点时平均加速约1.7倍，在一些较大网状电网上加速超过7倍
在6470条母线（比训练中任何电网大约40%）的未见电网上做零样本测试，成本误差上升约10%，但模型仍能近乎完美地按成本对情景排序
仅用10个情景微调GridSFM即可把成本误差降到2%以下、可行性检测拉到90%以上，用1000个情景可达样本内精度水平
还有 2 条时间轴事件
全部知识事实 (12)
GridSFM的数据、模型与代码全部开放，包括开放数据、开放代码、开放权重
50%待验证微软构建了一套仅使用公开数据源就能为美国任意区域重建物理一致电网模型的开放数据管线，流程分为五个步骤
50%待验证GridSFM将电网建模为图，把母线作为顶点、输电线作为边，使用注意力模块处理电网结构，具备拓扑无关性
50%待验证GridSFM在超过150种基础电网拓扑、约50万个情景上训练单一模型，训练方式类似ImageNet预训练
50%待验证GridSFM约一半训练数据包含无解情景，将不可行性作为模型需要学会检测的一等输出而非噪声丢弃
50%待验证GridSFM在一次前向传播中返回四张物理快照和带置信度的可行性判断，速度比交流求解器快约千倍
50%待验证GridSFM能以超过95%的准确率对偶然事件情景做可行性分流，仅把边界案例交给求解器
50%待验证GridSFM作为热启动为传统求解器提供起点时平均加速约1.7倍，在一些较大网状电网上加速超过7倍
50%待验证在6470条母线（比训练中任何电网大约40%）的未见电网上做零样本测试，成本误差上升约10%，但模型仍能近乎完美地按成本对情景排序
50%待验证仅用10个情景微调GridSFM即可把成本误差降到2%以下、可行性检测拉到90%以上，用1000个情景可达样本内精度水平
50%待验证GridSFM通过在损失函数中引入基尔霍夫定律违反惩罚项和热限值惩罚项，使模型在追求预测精度的同时受物理定律约束
50%待验证微软研究院推出了GridSFM，旨在同时解决电力系统研究中数据获取受限与求解速度缓慢两个难题
50%