模型介绍
中文整理# Grid Small Foundation Model (GridSFM) 模型卡片
模型用途
GridSFM 是基于图神经网络的模型，用于对电力系统进行结构化表示。该模型利用模拟数据学习拓扑结构、负荷分布与系统行为之间的关系，能够在不同电网配置间实现泛化。主要用于研究和实验目的，支持近似潮流计算、研究不同运行条件下的系统行为，以及评估基于学习的优化策略。
## 主要能力
模型采用异构图注意力网络架构，包含 Hodge 位置编码、残差块和双头输出结构，分别用于 AC-OPF 运行点预测和可行性分类。参数规模约 1500 万。
## 输入输出
- *输入**：表示 AC-OPF 问题的图结构化数值场景，包含异构节点特征（如母线、发电机、负荷、电压限值、调度容量、成本系数、需求）和边特征（如交流线路、变压器、热极限、角度极限、阻抗），以及定义图结构的拓扑信息。输入采用 JSON 格式。
- *输出**：与输入拓扑匹配的图结构化数值预测，包括每条母线的电压幅值（V）和相角（θ）、每台发电机的有功和无功调度（Pg、Qg）、每条支路的有功和无功潮流（Pij、Qij），以及每个场景的可行性标量 logit。
运行要求
模型为轻量级模型（约 1500 万参数），可在 CPU 上进行推理和小规模实验。推荐使用 GPU 加速以处理更大规模数据集，但非必需。可集成到 PyTorch 等标准机器学习框架中使用。
基本用法
模型期望 JSON 格式的结构化输入，包含三个顶层字段：grid、solution 和 metadata。grid 字段定义输入状态，包括节点（母线、发电机、负荷等）、边（传输线和变压器）及上下文信息（全局系统参数如 baseMVA）。输入需预处理为结构化图表示，输出需后处理以映射回电压、功率等物理量。适用于离线研究工作流、仿真流程和决策支持应用。
限制
该模型不适用于电力网的实时运营决策，不得用于安全关键应用、基础设施控制或未经充分验证的生产环境部署。模型仅限电力系统建模领域使用，应用于其他领域或数据格式可能产生不可靠输出。模型基于模拟数据训练，其输出可能无法完全反映真实电网的复杂性、罕见故障模式或运行约束。在分布外电网配置或真实系统上性能可能下降。模型提供基于学习模式的近似而非精确物理保证，用户应将使用限制在研究和评估场景，并结合可信仿真工具或领域专业知识验证输出。
许可证
MIT 许可证
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。