基于大语言模型的电力系统预测技术研究综述.pdfVIP

第第46卷卷第第3期期发发电电技技术术Vol.46No.3

2025年年6月月PowerGenerationTechnologyJun.2025

DOI：：10.12096/j.2096-4528.pgt.24152中图分类号：TM715;TP18

基于大语言模型的电力系统预测技术研究综述

111*1112

张祖菡，刘敦楠，凡航，杨柳青，段赟杰，李赟，马振宇

（1.华北电力大学经济与管理学院，北京市昌平区102206；

2.国家电投集团数字科技有限公司，北京市昌平区102209）

ReviewofPowerSystemPredictionTechnologiesBasedonLargeLanguageModels

111*1112

ZHANGZuhan,LIUDunnan,FANHang,YANGLiuqing,DUANYunjie,LIYun,MAZhenyu

(1.SchoolofEconomicsandManagement,NorthChinaElectricPowerUniversity,ChangpingDistrict,Beijing102206,China;

2.StatePowerInvestmentGroupDigitalTechnologyCo.,Ltd.,ChangpingDistrict,Beijing102209,China)

摘要摘要：【目的】随着大规模新能源入网，新型电力系统在handlingdynamicandcomplexscenarios,highlightingthe

对灵活性需求提出一定要求的同时，对预测技术也有了更needforpredictiontechnologiestailoredtothesesystems.

高的精确性要求，而传统预测方法在处理动态复杂的场景Largelanguagemodels(LLMs),asgenerativeartificial

时存在一定局限性，因此，亟需研究适用于新型电力系统intelligencetechnologies,havecapabilitiesinmultimodaldata

的预测技术。大语言模型(largelanguagemodel，LLM)是一integrating,few-shotlearning,andmultitaskhandling,

enablingmoreintelligentandprecisesolutionsforthe

种基于生成式人工智能(artificialintelligence，AI)的技术，