大语言模型驱动的主动配电网调度问题自动化建模与优化
摘要
分布式能源在主动配电网（ADN）中的渗透率不断提高，使得有效的ADN调度变得至关重要。然而，众多新接入的ADN运营商（如配电系统聚合商、虚拟电厂管理者和终端产消者）往往缺乏电力系统运行、建模、优化和编程方面的专业知识。这种知识差距导致依赖人类专家既昂贵又耗时。
为解决这一挑战并实现智能、灵活的ADN调度，本文提出了一种基于大语言模型（LLM）的自动化建模与优化方法。首先，将ADN调度问题分解为连续阶段，并设计了多LLM协同架构。该框架包含信息提取器、问题构建器和代码编程器，分别负责信息检索、优化问题构建和代码实现。随后，为每个LLM代理开发了定制化优化技术，显著提高了生成内容的准确性和可靠性。
所提出的方法采用以用户为中心的界面，使ADN运营商能够通过简单的自然语言查询推导调度策略，消除了技术障碍并提高了效率。在各种测试案例上的全面比较和端到端演示验证了所提出架构和方法的有效性。
主题分类
- 人工智能（cs.AI）
- 机器学习（cs.LG）
- 系统与控制（eess.SY）
方法架构
多LLM协同框架
- 信息提取器：从自然语言查询中提取关键信息
- 问题构建器：将提取的信息转化为优化问题表述
- 代码编程器：将优化问题转化为可执行代码
技术特点
- 针对每个LLM代理的精细化优化技术
- 用户友好的自然语言接口
- 端到端的自动化调度解决方案
实验验证
通过多个测试案例的对比实验和端到端演示，证明了该方法在提高调度效率和降低技术门槛方面的显著效果。实验结果验证了所提出架构在准确性和可靠性方面的优越性能。
结论
本研究提出的LLM驱动方法为ADN调度提供了一种创新的自动化解决方案，有效解决了专业知识和编程能力缺乏的问题，为智能电网的发展提供了重要技术支持。