结论

GENCO把三类稳态输电网任务放进同一套神经架构：潮流计算、最优潮流和状态估计。作者在当天公开的arXiv v1中报告，模型在若干已见电网与批量任务上能以较低残差换取明显速度优势，并配套发布统一开发框架和数据集。但这仍是预印本结果；模型没有对全部AC约束提供硬保证，对未见电网和较大规模状态估计的表现也显示出清晰边界。

研究状态与当日性

arXiv的cs.AI新稿目录将2608.09921列在“Tuesday, 11 August 2026”的223篇新投稿中。摘要页与API记录显示v1提交时间为2026年8月10日17:57:49 UTC，即北京时间2026年8月11日01:57:49。论文状态为预印本，页面未标示会议、期刊接收或同行评审。

方法

GENCO将母线、发电机与支路表示为异构有向图。每个纠正步骤用异构图Transformer传播信息，解码电压、相角及任务相关的发电变量，再通过电力系统物理解码器补齐支路潮流与注入量。节点有功和无功功率平衡残差随后被编码并反馈给下一步，训练目标同时包含经典求解器产生的监督解与逐步加权的物理残差。

统一的是主干与图表示，而不是完全取消任务差异：PF、OPF和SE仍使用各自的已知输入、物理解码和监督损失。OPF对部分变量施加区间投影，但纠正反馈没有直接纳入热极限、相角差和无功边界，因此“物理一致”应理解为对功率平衡的显式约束与改进，而非对所有AC条件的数学保证。

数据与评估范围

  • PF：使用PFΔ基准的多种标称、N-1、N-2、近不可行及跨电网任务，并与CANOS-PF、GNS-S、PFNet和Newton–Raphson等比较。
  • OPF：使用OPFData的6个系统，规模从14到2000节点；每个系统按270000/15000/15000划分训练、验证和测试样本，与HH-MPNN及IPOPT等比较。
  • SE：在IEEE 14、30、57和118节点系统上，每个电网约生成25万种场景，改变拓扑、导纳、测量覆盖、噪声和异常值，并与基于Gauss–Newton的加权最小二乘比较。
  • 数据框架：论文报告GridFM数据工具可生成覆盖8种拓扑的400万条PF/OPF样本；PF数据生成扩展到3万节点，OPF扩展到1万节点。另用Hydro-Québec 2024年SCADA快照形成的约1200节点聚合数据检查合成数据和部分真实任务。

主要结果

速度结论应按测试条件阅读。作者报告大规模PF相对Newton–Raphson最高30倍加速，运行时间约为DC-PF的2倍；OPF相对IPOPT最高85倍。论文同时报告，在OPFData的6个系统上GENCO最差平均目标差距为0.3%，但可行性与最优性之间仍有取舍，部分约束违反没有归零。

PFΔ实验中，GENCO在IEEE 118已见设置上的平均功率平衡残差低于所列学习基线，且减少训练数据后仍保持较低平均误差。不过，跨电网直接迁移并未解决：从IEEE 118训练后测试未见IEEE 57与GOC 500，所有模型均显著退化；GENCO在GOC 500的平均误差约为平均视在功率的14倍。

状态估计结果同样不是单向领先。在小型IEEE 14和30系统、测量稀疏或异常较多时，作者观察到GENCO的中位误差可低于WLS；在57和118节点等较大系统上，GENCO的精度优势减弱或落后。它能在WLS不收敛时继续给出结果，但“有输出”不等于该输出满足运行安全要求。

局限与意义

该研究的实际价值在于把数据、表示、训练、基准和三个任务放进可复用流程，为批量规划、情景分析和算法研究提供统一起点。现有证据尚不足以支持实时控制或安全关键部署：预印本未独立验证，最大加速依赖计算条件，完整AC可行性未被硬保证，真实运营数据验证范围有限，跨拓扑迁移仍是开放问题。后续应重点看同行评审、外部复现、统一硬件下的端到端时延、最坏情况约束违反，以及不同运营商真实电网的前瞻性验证。