近日，華南理工大學教授朱繼忠團隊與合作者在《自然-通訊工程》上發表研究成果，提出一種面向智能電網運行的大模型智能體（LMA）定制框架，為新能源高滲透、電氣化負荷增長及分布式能源廣泛接入背景下的電網調度控制提供新思路。
論文共同通訊作者朱繼忠對《中國科學報》表示，該框架的核心并非讓通用大模型直接替代調度員，而是通過任務導向數據準備、電網知識檢索增強、上下文工程、工具調用、安全校驗及人機協同，將大模型改造為可審計、可監管、可分階段部署的電網運行智能體，以輔助調度人員應對日益復雜的運行環境。
隨著風電、光伏、儲能、電動汽車、柔性負荷和分布式能源同時進入電網運行邊界，調度控制室已不再僅處理發電—負荷平衡，還需在不確定預測、實時狀態、市場信號、網絡安全和應急恢復之間快速協調。通用大模型因缺乏電網安全約束，其自然語言生成能力不能直接轉化為安全調度能力，必須納入潮流約束、N-1安全校核、設備限額及人工接管機制。
在國家自然科學基金等項目資助下，研究團隊將電網LMA定位在“高自動化能力疊加持續人工監督”的人機協同區間，并提出三階段漸進式部署策略：第一階段，針對預測、事故分析、應急處置等高認知負荷任務引入專項智能體，作為降低調度員負擔的“智能補丁”；第二階段，橫向擴展至負荷、發電、安全和市場等多個控制臺，實現跨功能協作；第三階段，構建層級化混合智能體架構，在人工監督下執行端到端協同調度。
在技術實現層面，研究構建了覆蓋數據準備、提示設計、上下文工程、知識檢索增強、任務指令微調、安全對齊及控制室部署的完整定制框架。其中，電網知識庫涵蓋規程手冊、設備狀態、歷史調度記錄、SCADA/EMS日志及應急預案等；安全對齊機制要求智能體輸出始終限制在安全動作集合內，并滿足準確性、響應延遲、魯棒性、可解釋性和可追溯性等多維評價標準。
朱繼忠指出，電動汽車在該框架中不僅是終端負荷，更是可聚合、可預測、可控制的調度資源。大規模充電站、V2G（車輛到電網）、車隊補能和城市級能源調度，需要一種能同時理解電網規則、車輛需求和運行約束的智能協同層，該框架為車網互動提供了可遷移的系統化路徑。
該研究提出了從人類中心控制室過渡到混合運行模型，再走向層級化多智能體自驅電網的遠景路線，其支撐基礎包括持續學習、可信AI、即插即用互操作和開放生態共演化。該路線強調從低風險場景逐步積累可信性，在可審計安全框架下漸進擴大智能體控制權限。
相關論文信息：https://doi.org/10.1038/s44172-026-00709-1