来源:北极星电力网2024-06-20
第三,样本和训练的问题。实际上对系统来讲,错峰代价很敏感,就需要大量有经验的专家才能解决。最后,基于大模型,需要有能够理解电力系统的、非常深入专业知识的专用大模型。...首先,高校学习训练的问题。实际上,即使最简单标准的算力,做出它的电源、负荷、故障位置的量化组合至少130多个样本。系统样本量多这个问题企业和高校都没能解决。第二,仿真样本偏差的问题。
来源:北极星电力网2024-06-20
近年来,神经网络的模型和算力的突破以及生成式预训练大模型表现出非常强的智慧性和垂直行业的应用能力,使得像电力系统这样相对传统的行业,技术创新迎来了更好的发展机遇。...过去十年,南方电网公司在该领域取得了一些突破,提出基于超大规模神经网络的多目标识别技术,训练了全球最大的电力系统线路的视觉模型,并结合多种颗粒度缺陷识别的一些技术,微调了全球最大场景的电力线路巡检缺陷识别的基础模型