把电网数据变成智能，
把智能带进每一次决策。
From Data to Intelligence. From Intelligence to Decisions.
DIDP V2.0 是面向地市配电网的智能决策平台。底层由 DynTu 配电网图智能引擎支撑：以 10kV 单线图为统一入口，把拓扑、运行状态、业务实体与 AI 协同组织成可计算的电网业务空间。
配电网的数据问题，本质上是关系问题
电网对象本身是一张天然的图，但业务系统通常按“表”和“系统”切分数据。线路、开关、配变、台区、用户、缺陷、隐患、项目和故障散落各处，“看见电网”和“理解业务”之间因此脱节。
信息越来越多
故障、停电、设备、资产、风险、项目不断累积。
→ 数据赋能：把原始数据变成可理解、可穿透的业务信息。
业务越来越复杂
答案不在一张表里，而是分散在多个业务环节之间。
→ AI 智能体：理解上下文、组织证据、辅助下一步。
决策依赖经验
专业判断难以复制，往往取决于个别专家的记忆。
→ 决策沙盘：数据、业务与 AI 汇聚到统一入口。
工具越来越多
报表、分析模块、智能体彼此割裂。
→ 一个“配智”入口承接完整决策过程。
配智 2.0，三步完成一次产品跃迁
三步是一条连续的路线，而不是三个孤立产品：数据 → 智能 → 决策。核心理念不是再做一个系统，而是重新定义“怎么做决策”。
数据赋能
运维、资产、工程、停电、缺陷、自动化等信息被重新组织，从“被查询的数据”变成可理解、可穿透、可分析的业务能力。
AI 智能体
AI 不再是独立的聊天入口，而是进入故障、停电、资产、风险、项目等业务上下文，帮助分析问题、发现关联、形成判断。
智能决策沙盘
地图、业务对象、分析结果与 AI 汇聚到统一决策空间，从“提供信息”走向“协助判断与行动”。
一句话架构：DIDP 是产品，DynTu 是引擎
一张动态电网图是基础，图计算是确定性引擎，业务语义是穿透层，AI Agent 是协同层，DIDP 是决策产品层。两者不是平行产品：DynTu 是 DIDP 的核心计算与业务穿透底座。
决策产品层 · 智能决策沙盘
六大业务地图、统一入口、跨地图分析、决策沉淀
协同层 · 理解、规划、表达
理解自然语言、规划查询、组织证据；不承担拓扑计算、数字计算和事实生成
业务语义穿透层
对象模型 · 关系模型 · 指标与规则模型 · 证据与血缘模型
图计算确定性引擎
连通性校验、BFS 供电/失电范围、DFS 故障追溯、局部增量重算
动态电网图 · Dynamic Distribution Grid Graph
以 10kV 单线图为统一空间入口，承载电气拓扑、运行状态、业务实体与证据关系
四类核心对象：动态、多层、可追溯的业务图
节点 Node
变电站母线、开关、线路段、配变、台区及其他可定位设备，提供统一的身份与位置。
边 Edge
电气连接、上下游、供电关系，以及业务实体与电网对象的挂接，说明“谁与谁相关”。
状态 State
开关分合、带电/失电、故障等动态属性，让静态图模变成运行中的电网图。
证据 Evidence
来源系统、记录编号、时间、事实字段及查询结果，让 AI 的输出有可核验的事实链。
“图 + 业务库”，而非“大一统数据库”
DynTu 不要求把所有业务数据复制进同一个库。图层负责关系计算与定位，业务库负责事实与明细，两者通过设备编码、对象身份和可追溯映射连接。
图层不应成为新的数据孤岛
它是各业务系统共用的关系索引和计算底座。今后新增 Agent、业务地图或分析沙盘时，都共享同一套图模型、对象身份、工具接口和证据机制，不必为每个应用重新开发线路关系。
动态拓扑计算引擎：让单线图从展示变为计算
原本依赖人工经验推理的任务，被转换为可复用、可验证的图搜索任务。
从 CIM/E 或 SVG 建图
解析 PMS/GIS 导出的模型，识别设备与连接节点（ConnectivityNode），生成拓扑并做连通性检查；孤立设备、悬空端点单独列出，由人工确认。
供电与失电范围
从母线或电源节点出发逐层遍历，遇分位开关即停止，得到当前运行方式下的可达集合，再映射到线路段、台区和用户。
故障追溯与业务穿透
沿设备与业务关系逐层追溯，形成“故障 → 设备 → 缺陷 → 隐患 → 项目”的路径，使同类问题不再依赖个人记忆。
局部增量重算
开关变位后只重算受影响的局部，而不是整网重算。进一步演进为版本化与时序快照机制。
时序快照 · 演进方向
演示使用示例数据（非生产数据）。DynTu 不替代配网自动化主站的 FA 逻辑，演示中的隔离/转供动作不等同于实际调度操作。
| 能力 | 确定性计算内容 | 典型输出 | 状态 |
|---|---|---|---|
| 拓扑连通性 | 节点/边连通、孤立点、悬空端点 | 图模质量清单 | 已形成 |
| 运行方式 | 电源可达性、分位开关边界、局部受影响区域 | 带电/失电范围 | 已形成 |
| 影响范围 | 故障/开关变位后的下游设备、台区、用户 | 停电对象清单 | 已形成 |
| 路径追溯 | 上下游、设备间路径、关联业务对象 | 关系链与证据路径 | 已形成 |
| 历史对比 | 不同时间点的图与业务状态比较 | 改造前后、故障前后变化 | 演进方向 |
六张地图，一个决策空间
它们不是六个独立的系统，而是同一智能决策空间里的六种业务视角。同一个电网对象在不同视角下始终保持同一身份和关系，地图之间的价值在于业务穿透。
AI 是决策空间里的“第二双眼睛”，但不替代专业计算
AI 最容易出错的地方不是“不会说”，而是底层关系和事实没有结构化。DIDP 采用“证据先行”的可信决策链：程序负责事实与数字，大模型负责理解与表达。
| 事项 | 确定性程序 | 大模型 |
|---|---|---|
| 拓扑、带电状态、停电范围 | 负责 | 不参与计算 |
| 停电户数、跳闸次数等数字 | 负责 | 不生成数字 |
| 理解“这条线”“今年”指什么 | 提供语义接口 | 负责理解上下文 |
| 决定调用哪些查询 | 提供工具能力 | 负责规划调用 |
| 事实汇总与文字表达 | 提供原始结果 | 负责摘要与解释 |
从问题到决策
用户不必先弄清“哪个系统有数据”，直接提出业务问题即可：
自然语言问题 → 业务上下文 → Agent 规划 → DynTu 工具调用 → 事实与证据 → 地图/沙盘 → 决策建议
最终决策仍由业务人员掌握，平台负责减少信息切换、补足分析能力。
以上数字均由确定性工具查询得出，大模型只负责组织判断。
四类智能体 × 四类 Agent Tools
故障智能体
从事件到原因，从告警到闭环。
停电智能体
影响分析、转供策略与推演辅助。
资产智能体
设备状态、缺陷与资产洞察。
经营决策智能体
汇聚多业务信息，形成管理视角。
拓扑工具
get_downstream_devicesget_upstream_pathget_outage_scope业务工具
get_faultsget_defectsget_risksget_projectsget_customer_scope分析工具
compare_before_afteraggregate_by_feedercorrelate_fault_with_risk证据工具
get_source_recordget_source_systemget_query_trace数据质量是引擎的生命线，安全边界是部署的底线
建立“统一对象身份 + 系统身份映射”：编码能确定匹配的直接建立关系；不能匹配的进入待匹配清单，绝不靠模糊猜测把错误关系写进图。
| 数据类型 | 典型来源 | 在 DynTu / DIDP 中的用途 | 更新节奏 |
|---|---|---|---|
| 配网图模 | PMS / GIS，CIM/E 或 SVG | 建立设备与拓扑 | 随图模变更 |
| 开关遥信、故障事项 | 配电自动化主站 | 动态拓扑、停电范围、跳闸统计 | 实时 |
| 停电信息 | 停电管理 / 供电服务指挥系统 | 计算结果核对、服务信息关联 | 实时或准实时 |
| 缺陷、隐患 | PMS | 故障与风险关联 | 每日 |
| 落雷记录 | 雷电定位系统 | 雷击相关性分析 | 每日 |
| 技改大修项目 | 项目管理系统 | 项目实施范围与效果回看 | 按批次 |
| 台区-用户关系 | 营销系统（营配贯通） | 停电用户、敏感用户 | 每日 |
图模正确性
设备、连接节点、电源关系和开关边界是否正确。
对象一致性
跨系统编码能否可靠对应到统一对象身份。
时间一致性
事实发生时，所用拓扑和运行状态是否与当时一致。
范围一致性
项目、故障、隐患能否准确落到设备或区段。
可追溯性
任何关键数字都能反查来源系统、记录编号和时间范围。
部署与安全：内网 / 私有化部署
数据边界
原始业务数据不出客户安全边界，图引擎与业务库通过受控接口交互。
权限
按组织、业务域、对象范围控制可查询的数据。
审计
记录 Agent 调用了哪些工具、访问了哪些数据源、产生了什么证据。
模型边界
模型不直接写入生产拓扑，不允许通过自然语言绕过业务权限。
人工确认
涉及实际运行操作的场景，始终保留人工审批和主站/调度指令边界。
明确边界
DynTu 是计算与决策支持底座，不是生产控制系统。实际开关操作、调度执行和保护控制仍遵循现有主站与调度体系；潮流、短路等专业计算由相应专业系统提供。
护城河不是“多一个 BFS 函数”
BFS/DFS 本身门槛不高，真正难的是把真实城市配网长期、稳定地变成一张“可信的动态业务图”。
| 难点 | 为什么难 | 产品化抓手 |
|---|---|---|
| 图模正确性 | 真实配网持续变更，存在孤立、悬空、历史遗留和运行方式变化 | 图模质量中心 + 异常清单 + 人工确认闭环 |
| 跨系统实体统一 | 同一设备在不同系统中编码、命名不同 | 统一对象身份 + 映射表 + 待匹配机制 |
| 时间一致性 | 同一业务问题可能需要回看过去的状态 | 图快照 / 事件时间 / 版本化 |
| 证据链 | AI 只输出观点，专业人员难以信任 | 事实优先 + 来源编号 + 查询轨迹 |
| 标准化复制 | 每个城市的数据结构和业务细节都不同 | 配置化数据连接器 + 语义映射 + 工具目录 |
| AI 可靠性 | 自然语言理解可能有歧义 | 确定性工具 + 参数校验 + 数字由程序提供 |
| 性能 | 城市级图与实时事件对响应速度要求高 | 局部增量重算 + 缓存 + 分区/索引 + 并行任务 |
四阶段演进路线
图计算底座
把真实 10kV 单线图做成可计算图：CIM/E / SVG 建图、拓扑校验、BFS/DFS。
动态业务图
实时遥信、增量计算、业务对象挂接、证据链，让图跟随运行状态与业务事实变化。
Agent Tools
工具目录、参数校验、查询规划、审计轨迹，让 AI 稳定调用电网专业能力。
DIDP 沙盘
六大地图、统一入口、跨地图分析、决策沉淀，让图、业务、Agent 进入统一工作流。
推荐的最小商业闭环
- 选一条真实 10kV 馈线，导入图模和一段历史/实时运行数据。
- 先把停电范围做对：从开关变位到台区、用户的影响链路可验证。
- 再把“为什么老跳闸”做成事实链：故障 + 区段 + 缺陷 + 风险 + 项目。
- 最后进入 DIDP：把同一套底层能力扩展到六大地图和 AI Agent。
数据在这里汇聚，业务在这里穿透，
AI 在这里协同，决策在这里发生。
DIDP V2.0 面向地市供电局及更高层级的业务场景，持续构建统一的数据、AI 与决策空间。
从一条馈线开始 →