T_CES 373—2025 面向电力行业的预训练模型的通用要求.docxVIP

T/CES373—2025面向电力行业的预训练模型的通用要求

前言

本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。

本文件由[牵头提出单位全称，如：中国能源研究会、电力科学研究院、电力行业数字化企业]提出并归口管理。

本文件起草单位：[填写起草单位全称，可多个，用顿号分隔]、[电力科研院所]、[电力运维企业]、[人工智能技术研发企业]、[电力调度机构]、[高校相关院系]、[电力设备制造企业]。

本文件主要起草人：[填写主要起草人姓名及单位，格式为“姓名（单位）”，多个用顿号分隔]。

本文件为首次发布。

本文件于2025年12月20日发布，自2026年1月1日起实施。

1范围

本文件规定了面向电力行业的预训练模型（以下简称“电力预训练模型”）的术语和定义、总体要求、数据要求、模型构建要求、性能要求、安全要求、测试方法、检验规则、部署与运维及附则等内容。

本文件适用于电力行业各类预训练模型的设计、开发、训练、测试、部署、运维及评估，涵盖电力调度、电力运维、负荷预测、故障诊断、电网规划等电力核心业务场景；适用于电力行业相关企业、科研院所、人工智能技术服务商等相关单位开展电力预训练模型相关工作；不适用于非电力行业场景的预训练模型，也不适用于电力行业专用任务模型的专项技术要求（专项要求可参照本文件另行制定）。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。

GB/T1.1—2020标准化工作导则第1部分：标准化文件的结构和起草规则

GB/T22239—2019信息安全技术网络安全等级保护基本要求

GB/T36344—2018信息技术数据质量评价指标

GB/T50174—2017数据中心设计规范

GB/T30279—2013信息安全技术可信计算规范可信软件

GB/T25000.10—2018系统与软件工程系统与软件质量要求和评价（SQuaRE）第10部分：系统与软件质量模型

DL/T1860—2018电力大数据数据质量评价规范

DL/T544—2012电力通信运行管理规程

T/CES相关电力行业及人工智能团体标准

电力行业数据安全管理办法、人工智能模型安全管理相关规定

3术语和定义

下列术语和定义适用于本文件。

3.1面向电力行业的预训练模型pre-trainedmodelforpowerindustry

基于电力行业海量标注与未标注数据，通过无监督、半监督或自监督等训练方式，预先训练得到的具备通用电力知识与特征提取能力的基础模型，可通过微调、提示学习等方式适配电力调度、运维、预测等各类具体业务任务，是电力行业人工智能应用的基础模型载体。

3.2预训练任务pre-trainingtask

为使电力预训练模型学习电力行业通用知识、数据特征及业务逻辑而设计的训练任务，包括但不限于掩码建模、对比学习、时序预测预训练、电力实体识别预训练等，需贴合电力数据特点与业务场景。

3.3微调fine-tuning

基于预训练模型，利用电力行业具体业务场景的标注数据，对模型参数进行局部或全局调整，使模型适配特定业务任务（如电网故障诊断、短期负荷预测）的过程。

3.4电力数据powerdata

电力行业全流程产生的各类数据，包括但不限于电网运行数据、设备运维数据、负荷数据、调度数据、气象数据、用户用电数据、电力市场数据等，是电力预训练模型训练的核心基础。

3.5模型泛化能力generalizationability

电力预训练模型在未见过的电力业务数据（与训练数据分布一致或相近）上，完成各类具体业务任务的能力，是衡量模型通用性的核心指标。

3.6模型可解释性interpretabilityofmodel

电力预训练模型输出结果的可理解、可追溯能力，能够清晰说明模型决策的依据、逻辑及关键影响因素，满足电力行业安全管控与业务合规要求。

3.7模型部署deploymentofmodel

将训练完成的电力预训练模型及适配后的业务模型，部署至电力行业实际业务系统（如调度系统、运维平台），实现模型落地应用的过程，包括云端部署、边缘部署等方式。

4总体要求

4.1功能要求

电力预训练模型应具备通用电力知识学习与特征提取功能，能够捕捉电力数据的时序特性、关联特性及业务逻辑，为各类电力业务任务提供基础支撑。

应具备灵活适配能力，支持通过微调、提示学习等多种方式，快速适配电力调度、负荷预测、故障诊断、电网规划等不同业务场景的具体任务，降低下游业务模型开发成