基于人工智能的故障诊断引擎，集成超100个专家诊断模型，采用机器学习和深度学习算法，精准识别配电网中各种故障类型，通过多源数据融合技术，整合SCADA系统、用电信息采集系统、环境监测系统等多个数据源，形成统一的电网运行全景监控视图。同时具备持续学习能力，通过不断吸收新的运行数据和故障案例，持续训练优化诊断准确率和响应速度。

基于8760的电力系统时序时序生产模拟仿真、电源装机结构、电网现状分析、新能源分析、高温负荷分析、潜在负荷需求分析、负荷特性分析、十五五规划等，通过AI规划智能体，实现规划数据转换，并输入GOPT进行时序生产模拟仿真。通过AI分析智能体，融合仿真数据进行运行特性分析，输出分析数据图表及可视化报告。

通过AI分析智能体，调用用电分析、用电预测、能源经济分析等模型，对能源经济产供储销运及价格、一次能源消费及能源供需、电力看能耗、企业/产业用电分析、用电数据、能耗数据及与经济相关情况进行综合分析和趋势预测，输出趋势分析报告。

通过AI看碳智能体，调用能耗碳排预测模型，输出能耗碳排预测结果数据、能耗碳排分析、能耗碳排预测、碳排报告等

围绕数据驱动、智能预测、多维分析三大核心构建面向风电、光伏等新能源领域的全生命周期管理解决方案，核心是通过时间序列模型、机器学习模型、混合模型算法组合实现高精度预测引擎，实现AI自适应学习模型，自动识别数据分布变化（如新增风机类型），动态调整训练策略，功能包括风电场监控、光伏电站监控、功率预测、气象预测、发电调度、运行数据质量等。

需求：面向电网调度操作的智能化和自动化需求 目标：提升倒闸操作管理的效率和安全性 实现：利用人机语音交互技术、主动学习技术，以及智能操作和事故处理技术 优势：具备主动学习、人机语音交互以及对调度员行为过程的安全校核能力 应用：2018-2020年与广州供电局合作研发了电力调度机器人关键技术研究与应用软件，助力调度员完成倒闸操作、事故处理等任务，提升电网调控运行智能化水平。

基于InterPSS的电压驱动潮流样本自动生成方法，一种满足节点与断面功率约束的潮流样本生成方法，该方法拥有优秀的样本生成性能和较强的功能扩展性。 在框架层面，电压驱动的潮流样本生成方法基于反函数法的样本生成方法设计，设计了样本生成路线，为后续的约束控制研究提供了框架基础并预留了接口，由于约束位置的改进，大大减少了样本数据的实际生成时间。 在技术层面，应用InterPSS作为样本生成平台的基础，InterPSS是一个集成现代化开发理念与开发技术的开放式电力系统仿真平台，并利用图计算法对InterPSS进行扩展并开发电压驱动样本生成模型，降低了算法的内存开销和时间成本，极大地提高了方法的样本生成效率，为在复杂大电网上的应用奠定基础。

建立了以图深度学习网络为核心，面向大电网调度运行需求的数据驱动在线安全分析模型。涵盖N-k静态安全分析、暂态功角稳定分析、暂态电压稳定分析、频率稳定分析和低频振荡阻尼分析。 应用了多种图深度学习技术提升模型对电网运行方式调整和拓扑结构变化的适应能力，改进了注意力机制设计和图池化模型，将物理机理融入数据驱动模型的训练和预测结果的可信度辨识，实现物理机理引导的数据驱动分析模型。 应用方面，已在南方主网、云南电网实际系统规模上进行了初步的应用测试，验证了模型的有效性。

痛点：缺乏新型电力系统全过程仿真工具 目标：电力系统全生产过程的数字化再现 特点：多主体、多时间尺度、多源异构数据深度耦合 优势：可支撑构建大规模电力系统的数字孪生体 现状：保护控制在环的自主化国产化仿真工具， 3000节点 系统典型故障与中国电科院BPA软件匹配度高达95%以上。

痛点：广东地处南亚热带季风气候带， 台风多发以及高温、高湿、高盐的海洋性大气环境 ，极易引起预制舱式变电站舱体受潮与腐蚀， 以及因台风而造成设备及舱体的破坏。 目标：研究舱体防腐防潮防凝露的关键技术、新型舱体抗风性能的研究与试验验证。 特点：采用COMSOL多物理场仿真软件搭建预制舱湿热耦合模型进行探究。 优势：减少实际试验成本 ，可为实际建设提供参考方案。

痛点：调度方案由调度员人工制定，工作量大，效率低。 目标：诊断评估电网故障，自动生成故障处理方案。 实现：采用微服务架构构建后端系统，采用微前端 处理界面，使用分布式数据库搭建存储系统。 优势：能在秒级的时间尺度内生成方案。

痛点：当前停电计划编排多采用人工编制的方式，不仅耗费编制人员大量的时间和精力，而且所编排方案的质量很大程度上取决于编制人员的专业能力和工作经验等主观因素。 目标：自动生成停电计划排期方案与转电方案 特点：两个多目标优化问题耦合程度高。 优势：可以减少设备的停运次数或停运时间，进而降低设备停电对电网运行的影响。