gridfm-datakit-v1：用于可扩展且真实电力流和最优电力流数据生成的 Python 库
机器学习
2025-12-17 v1 人工智能
系统与控制
系统与控制
最优化与控制
摘要
我们介绍 gridfm-datakit-v1，这是一个用于生成用于训练机器学习求解器的真实且多样化的电力流（PF）和最优电力流（OPF）数据集的 Python 库。现有数据集和库面临三个主要挑战：（1）缺乏真实的随机负荷和拓扑扰动，限制了情景的多样性；（2）PF 数据集仅限于 OPF 可行点，阻碍了 ML 求解器对违反运行限制的案例（如支路超载或电压违例）的泛化；（3）OPF 数据集使用固定的发生成本函数，限制了在不同成本下的泛化。gridfm-datakit 通过以下方式解决这些挑战：（1）将来自真实世界轮廓的全局负荷缩放与局部噪声相结合，并支持任意 N-k 拓扑扰动，以创建具有多样性且真实的数据集；（2）生成超出运行限制的 PF 样本；（3）生成具有不同发生成本的 OPF 数据。该库还能高效扩展至大型电网（最高可达 10,000 节点）。我们提供了与 OPFData、OPF-Learn、PGLearn 和 PFΔ 的比较。该库已在 GitHub 上 https://github.com/gridfm/gridfm-datakit 提供，采用 Apache 2.0 许可证，并可通过 `pip install gridfm-datakit` 安装。
引用
@article{arxiv.2512.14658,
title = {gridfm-datakit-v1: A Python Library for Scalable and Realistic Power Flow and Optimal Power Flow Data Generation},
author = {Alban Puech and Matteo Mazzonelli and Celia Cintas and Tamara R. Govindasamy and Mangaliso Mngomezulu and Jonas Weiss and Matteo Baù and Anna Varbella and François Mirallès and Kibaek Kim and Le Xie and Hendrik F. Hamann and Etienne Vos and Thomas Brunschwiler},
journal= {arXiv preprint arXiv:2512.14658},
year = {2025}
}
备注
Main equal contributors: Alban Puech, Matteo Mazzonelli. Other equal contributors: Celia Cintas, Tamara R. Govindasamy, Mangaliso Mngomezulu, Jonas Weiss