南方电网人工智能科技有限公司

本申请涉及一种基于电力系统流式数据的城市级电力消费碳排放实时监测方法、系统、设备、可读存储介质和程序产品。通过识别流式数据中的目标异常数据，基于约束状态估计对目标异常数据进行修复，生成修复数据；基于修复数据，构建时变功率流矩阵，以时变功率流矩阵的有效净功率流为分配系数，将发电系统的碳排放注入量分配至电消费侧的多个消费端，得到消费端的平均碳强度；通过在修复数据中施加负荷变化量，计算负荷变化量对应的排放增量，根据排放增量与负荷变化量计算边际排放因子；基于平均碳强度和边际排放因子，输出碳排放监测信息。以此，实现了高频时间分辨率的碳排放监测，保障碳排放监测信息的有效性，提升减排效果的真实性。

本发明公开了面向电力生产域的多模态大模型微调方法，涉及电力人工智能技术领域。包括基于电力生产域的现状多模态大模型，提取反馈数据集；将所述反馈数据集映射至统一语义维度并融合，结构化存储融合结果，获取多模态统一表征；对所述多模态统一表征进行四维级联筛选，获取目标样本集，其中，所述四维级联筛选包括差异度筛选、逻辑指向性筛选、一致连贯性筛选以及知识约束性筛选。首先将多源异构反馈数据映射至统一语义空间，解决了图像、文本、时序数据难以对齐比较的问题。其次，构建四维级联筛选框架：差异度筛选通过语义距离与信息增益评估，剔除冗余数据并补充多样性样本。

本发明涉及电力资源管理技术领域，具体涉及一种基于人工智能的电力系统源网荷储协同管理方法及系统。所述方法包括以下步骤：采集多源异构实时运行数据和静态档案数据，生成初始全景数据集合；基于深度神经网络模型进行特征提取与语义解析并构成第一层级协同管理数据集；基于图注意力网络对第一层级协同管理数据集进行跨域关联分析，建立动态耦合关系图并生成第二层级协同管理数据集；基于强化学习算法和第二层级协同管理数据集，构建多目标优化决策模型并进行推演计算，生成第三层级协同管理数据集；基于第三层级协同管理数据集自动触发并执行协同调度指令，从而实现智能化协同管理。本发明能够大幅提升电网资源利用效率与新能源消纳能力。