通过示例学习：利用表格基础模型进行电网稳态分析

arXiv:2610.20462v1 公告类型：新提交 摘要：基础模型在多个科学领域展现出强大的泛化能力，但其在电力系统中的应用仍主要局限于特定任务。我们研究了预训练表格基础模型（TFM）TabPFN 能否作为电网稳态分析的通用神经求解器。我们在三项任务上评估了 TFM：潮流（PF）预测、N-k 故障筛查（NCS）和电压稳定裕度（VSM）预测。我们在 118 节点和 2000 节点系统上开展实验，将 TFM 与针对特定任务的神经网络基线模型进行比较。在无需重新训练或微调的情况下，TFM 在这三项任务的多种设置中达到或超越了最佳任务专用模型的性能。对于 118 节点系统的 PF 预测，TFM 的一个变体实现了电压幅值误差为 $1\times 10^{-3}$ pu、电压相角误差为 $0.30^\circ$ 的结果，优于所有基线模型。在未见过的 N-1 故障和接近不可行的 PF 工况下，TFM 的性能可与 DCPF 近似方法相媲美。对于数百万个未见过的 N-2 故障，TFM 在支路越限筛查和电压越限筛查中的 AUC 分别达到 0.92 和 0.95。在标注数据有限的情况下，TFM 还在 2000 节点系统上实现了准确的 VSM 预测。尽管预训练未使用任何电力系统专用数据集，且无需微调，TFM 仍在所测试的各项任务中取得了出色结果。这些结果初步展示了预训练 TFM 作为神经求解器用于多种电网分析任务的潜力。