联邦基础模型与智能电网之间的协同作用
系统与控制
2025-09-23 v1 人工智能
机器学习
系统与控制
摘要
近年来，GPT-3等大语言模型（LLM）的出现标志着机器学习领域的重大范式转变。这些模型在海量数据语料库上训练，在语言理解、生成、总结和推理方面展现出卓越能力，改变了智能系统处理人类语言并与之交互的方式。尽管LLM看似仍是一项近期突破，但该领域已见证一个更新、更通用的类别正在兴起：多模态、多任务基础模型（M3T FM）。这些模型超越了语言，能够处理异构数据类型/模态，如时间序列测量、音频、图像、表格记录和非结构化日志，同时支持预测、分类、控制和检索等广泛的下游任务。当与联邦学习（FL）结合时，它们催生了M3T联邦基础模型（FedFM）：这是一类非常新且很大程度上未被探索的模型，能够在分布式数据源上实现可扩展、保护隐私的模型训练/微调。在本文中，我们通过提供一个双向视角，向电力系统研究界介绍这些模型迈出了第一步：（i）用于智能电网的M3T FedFM，以及（ii）用于FedFM的智能电网。在前者中，我们探讨了M3T FedFM如何通过以保护隐私的方式从电网边缘可用的分布式异构数据中学习，来增强关键电网功能，如负荷/需求预测和故障检测。在后者中，我们研究了智能电网的约束和结构（涵盖能源、通信和监管维度）如何塑造M3T FedFM的设计、训练和部署。
引用
@article{arxiv.2509.16496,
title = {Synergies between Federated Foundation Models and Smart Power Grids},
author = {Seyyedali Hosseinalipour and Shimiao Li and Adedoyin Inaolaji and Filippo Malandra and Luis Herrera and Nicholas Mastronarde},
journal= {arXiv preprint arXiv:2509.16496},
year = {2025}
}