GENCO：面向稳态电网分析的统一神经求解器与 GridFM 开发框架
GENCO - A Unified Neural Solver Embedded in a Development Framework for Steady-State Grid Analysis
GENCO（GEometric Neural Corrective Optimizer）是单一架构内同时处理潮流（PF）、最优潮流（OPF）和状态估计（SE）的统一神经求解器，并配套开源 GridFM 开发框架与百万级 PF/OPF 场景数据集。
作者：Alban Puech、Matteo Mazzonelli、Tamara R. Govindasamy、Mangaliso Mngomezulu、Héctor Maeso-García、Thomas Tolhurst、Javad Bayazi、Ali Moeini、Naomi Simumba、Celia Cintas、David Nelischer、Romeo Kienzler、Jonas Weiss、Anna Varbella、Florian Dörfler、Gabriela Hug、Martin Mevissen、Juan Bernabé-Moreno、François Mirallès、Hendrik F. Hamann、Etienne Vos、Thomas Brunschwiler
摘要：基础模型正在改变业务流程并提升生产力，但在电力系统分析等必须严格保证物理一致性的工程领域，它们仍基本缺席。
我们提出 GENCO（GEometric Neural Corrective Optimizer，几何神经校正优化器），这是一种用于稳态输电网分析的统一神经求解器，可在单一架构和共享电网表示中处理潮流（PF）、最优潮流（OPF）和状态估计（SE）。为支持神经电力系统求解器的进展，我们推出开源 GridFM 开发框架，它在低代码环境中标准化了合成数据生成与训练。我们还发布了大规模数据集，涵盖多种电网拓扑下数百万个 PF 和 OPF 场景，以支持可复现的基准测试。
我们在 PFDelta 和 OPFData 基准上，将 GENCO 与最先进的神经求解器及经典求解器（包括 Newton-Raphson 和 IPOPT）进行对比评估，并在真实的 Hydro-Québec SCADA 数据上进行测试。对于大规模 PF，GENCO 能恢复完整的交流运行状态，包括 DC-PF 无法提供的电压幅值和无功功率，同时达到与 DC-PF 相当的有功功率平衡残差。其速度最高可达 Newton-Raphson 的 30 倍，而运行时间仅为 DC-PF 的 2 倍。对于 OPF，其速度最高可达 IPOPT 的 85 倍，同时在可行性、最优性和运行时间上优于 DC-OPF。对于 SE，GENCO 对噪声测量和电网参数误差的鲁棒性强于经典加权最小二乘法，并且即使加权最小二乘法无法收敛，也总能返回高质量估计。
统一架构与开发框架共同为大规模稳态电网分析提供了新方法，降低了电力系统工程师的入门门槛，并朝着电网基础模型（Grid Foundation Models）迈出了一步。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2608.09921 [cs.AI] |
| （或本版本的 arXiv:2608.09921v3 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2608.09921 由 DataCite 颁发 arXiv DOI |
提交历史
来自：Alban Puech [查看邮箱]
[v1]
2026年8月10日 星期一 17:57:49 UTC（4,207 KB）
[v2]
2026年8月20日 星期四 16:00:29 UTC（4,198 KB）
[v3]
2026年10月24日 星期六 11:42:19 UTC（4,203 KB）
来源：arXiv cs.AI · arxiv.org