看技术

论文提出量子增强深度学习框架QeDL，在MLP、GRU、Transformer等模型前加入4量子比特固定参数QuanCon层，利用差动继电器20毫秒电流窗口区分真实故障与虚假数据注入攻击。OPAL-RT生成7464组故障和7464组攻击样本，量子增强Transformer准确率达98.4%，并通过IEC 61850硬件在环验证约0.07—0.16秒端到端检测。

方法优化与强化学习场景诊断与安全

综合能源新视界2026-09-30查看原文 ↗

公众号

【TSTE好文分享｜LLM+多智能体强化学习】面向网络化多能源微网的轻量化通信协同能量管理

研究提出面向网络化多能源微网的LTSR框架，通过轨迹堆叠减少多智能体强化学习训练数据，并借助大模型生成潜在特征、恢复逐时奖励，同时设置自提示和预验证抗幻觉机制。实验中通信量降低39.09%，叠加压缩后降低80.08%，运行成本仅增约1.59%；RT-LAB与树莓派硬件在环平台进一步验证了部署可行性。

方法优化与强化学习 · 大模型与知识智能 · 大模型与智能体场景优化与决策 · 知识与协同

综合能源新视界2026-09-28查看原文 ↗

公众号

ACM MM 2026 | 时空数据(Spatial-Temporal)论文总结【POI推荐，空间智能，城市科学，VLM，多模态大模型，Agentic 】

文章汇总ACM MM 2026时空数据方向的11篇论文，主题涵盖POI推荐、时空序列预测、4D时空推理、跨城市轨迹恢复、城市社会经济估算、城市级3D世界生成及降水临近预报等，重点呈现VLM、多模态大模型、强化学习和Agentic框架在空间智能与城市科学中的应用。

方法时序预测 · 图与网络智能 · 优化与强化学习场景预测与感知 · 知识与协同

时空探索之旅2026-09-28查看原文 ↗

公众号

【TSTE好文分享｜LLM+多智能体强化学习】面向网络化多能源微网的轻量化通信协同能量管理

论文面向网络化多能源微网，提出LLM辅助的轨迹堆叠与奖励恢复框架LTSR，以降低多智能体强化学习训练通信开销。实验显示其通信量较MAPPO减少39.09%，结合压缩后减少80.08%，运行成本仅增加约1.59%；抗幻觉机制将代码可执行与策略收敛成功率由0/5提升至5/5，并通过RT-LAB与树莓派硬件在环平台验证。

方法优化与强化学习 · 大模型与智能体场景优化与决策 · 知识与协同

AI+绿能2026-09-25查看原文 ↗

公众号

【好文分享|量子强化学习+输电拓扑优化】TPWRS：两阶段TS-QSAC破解多目标输电开关，仅用约1%参数实现更快收敛

论文提出两阶段量子强化学习TS-QSAC求解多目标输电开关问题：先以边连通度和节点度筛选线路、压缩动作空间，再由含经典降维、残差变分量子电路和可学习测量的混合SAC生成拓扑策略。IEEE 14、57和118节点实验显示，其策略网络参数约为经典模型的1%，收敛更快，并取得有竞争力的成本与安全约束表现。

方法优化与强化学习场景诊断与安全 · 优化与决策

AI+绿能2026-09-25查看原文 ↗

公众号

【TSTE好文分享｜稳定约束+分层强化学习】面向配电网Volt/Var控制的安全智能优化方法

论文提出稳定性约束分层强化学习Volt/Var控制框架：利用LMI、KYP引理和GEVP计算多逆变器下垂稳定边界，并将其作为TD3动作空间硬约束。IEEE 33节点及RT-LAB实验表明，方法可避免越界振荡，使有功网损降低43.35%，三相电压不平衡指标下降66.8%。

方法优化与强化学习场景诊断与安全 · 优化与决策 · 控制与自治

AI+绿能2026-09-23查看原文 ↗

公众号

【MPCE】中国电力科学研究院米翰宁、乔骥，上海交通大学陈思捷等：发电商如何“各出其招”？多智能体让电力市场仿真更真实

研究从AEMO历史报价中聚类提取发电商实用且异质的报价策略空间，并将其作为强化学习智能体动作空间，构建基于MAPPO的电力市场仿真框架。新南威尔士数据实验显示，14个发电商中有10个出清结果更接近真实值，MAPPO所得收益也优于纳什均衡和MADDQN。

方法优化与强化学习 · 大模型与智能体场景规划与仿真 · 知识与协同

电力系统自动化2026-09-23查看原文 ↗

论文

Data-Assimilation-Assisted Reinforcement Learning for Power Grid Control under Load Uncertainty负荷不确定性下数据同化辅助的电网控制强化学习

本文研究负荷不确定性下数据同化辅助强化学习的电网控制方法。在基于直流潮流的定制仿真环境中，EnSF 用于校正含噪负荷信息，再供启发式控制器或 PPO 智能体决策。结果表明，EnSF 能稳定降低负荷估计误差，延长系统存续时间、减少警告和过载暴露，并提高冻结 PPO 策略的累积回报；在超出训练分布的更强负荷不确定性下，其性能优势更为显著。

方法时序预测 · 图与网络智能 · 优化与强化学习场景优化与决策 · 控制与自治 · 知识与协同

arXiv2026-09-23查看原文 ↗

公众号

只和“邻居”通信，也能恢复全网？一种可扩展配电网恢复新方法

文章介绍面向大规模配电网灾后恢复的分散式多智能体强化学习方法DMA3C。该方法采用分散训练与执行，仅交换κ跳邻域信息，并以截断价值函数近似全局策略梯度。3375节点测试中平均负荷恢复率达99.54%，通信量约为MADDPG的1%；局部结构变化后微调时间减少约76%，7087节点系统亦取得99.98%的平均恢复率。

方法优化与强化学习 · 大模型与智能体场景知识与协同

综合能源新视界2026-09-23查看原文 ↗

论文

Machine Learning-Based State Estimation for an Actual Transmission System Using Field PMU Data基于现场PMU数据和机器学习的实际输电系统状态估计

本文面向实际PMU不可观测输电系统，研究基于深度神经网络的PMU时间尺度时间同步状态估计。研究利用美国电力公司的现场PMU数据，重点评估该方法在现实运行条件下的估计精度、可扩展性与计算性能，以验证其替代传统迭代式混合SE技术的部署可行性。

方法优化与强化学习 · 可信人工智能

arXiv2026-09-22查看原文 ↗

论文

Learning Defensive Policies against Diverse Inference Attacks for Smart Meter Privacy面向智能电表隐私的多样化推断攻击防御策略学习

本文面向攻击模型未知且多样化的智能电表隐私场景，提出一种代理引导的分层强化学习防御框架。该方法利用电池进行负荷整形，向聚合用电信号注入逼真但具有误导性的电器特征，并结合自监督隐私探针和特征库，削弱NILM对电器级信息及用户行为模式的恢复能力。UK-DALE和REDD实验显示，该方法对未见攻击模型和不同电器均具有较强泛化性，可显著提高推断RMSE并降低F1分数。

方法优化与强化学习 · 可信人工智能场景诊断与安全 · 优化与决策 · 控制与自治

arXiv2026-09-21查看原文 ↗

论文

Droop-Aware Foundation Model Power Flow考虑下垂控制的基础模型潮流计算

本文扩展 GridFM，提出面向 AC 潮流分析的下垂感知基础模型，将下垂增益和频率/电压死区作为母线节点特征，并以平滑 tanh 近似保持死区建模的可微性。基于 Transformer 的图神经网络经预训练和微调后，在 PSCAD、PyPower、IEEE 24-bus RTS 和 IEEE 300 母线系统上均表现出高精度与良好可扩展性。研究还发现，死区宽度会扩大控制误差分布，但不影响总下垂补偿量，因此可作为重要的节点级控制设计参数。

方法时序预测 · 图与网络智能 · 优化与强化学习场景规划与仿真 · 预测与感知 · 控制与自治

arXiv2026-09-20查看原文 ↗

论文

OrderFusion+: Probabilistic Buy--Sell Price Trajectory Forecasting in Intraday Electricity MarketsOrderFusion+：日内电力市场买卖价格轨迹的概率预测

本文提出开源深度学习模型 OrderFusion+，通过融合目标及相邻交付产品的历史订单，概率预测日内电力市场的买卖价格轨迹。研究将其与基准模型及预训练时间序列基础模型进行比较，并利用动态掩码机制分析市场条件变化及市场效率。

方法时序预测 · 优化与强化学习 · 大模型与知识智能场景预测与感知 · 优化与决策

arXiv2026-09-20查看原文 ↗