본 논문은 지능형 저탄소 전력 시스템으로의 전환을 위해 재생에너지 통합, 에너지 저장 및 탄소 배출 관리를 위한 고급 최적화 전략이 필요함을 강조합니다. 생성형 대규모 모델(GLM)은 다중 소스 데이터를 처리하고 복잡한 시스템 역학을 포착하여 예측, 스케줄링 및 시장 운영을 향상시키는 데이터 기반 접근 방식을 제공합니다. 본 논문은 저장 및 탄소를 갖춘 스마트 광역 하이브리드 에너지 시스템(SGLSC)에 중점을 두고 GLM이 부하측 관리, 에너지 저장 활용 및 전력 탄소 최적화에서의 역할을 탐구합니다. 공간-시간 모델링과 강화 학습을 활용하여 GLM은 동적 에너지 스케줄링을 가능하게 하고, 그리드 안정성을 향상시키며, 탄소 거래 전략을 개선하고, 극한 기상 현상에 대한 복원력을 강화합니다. 제안된 프레임워크는 효율적이고 적응적이며 저탄소 전력 시스템 운영을 달성하는 데 있어 GLM의 혁신적인 잠재력을 강조합니다.
