Large Language Model Powered Automated Modeling and Optimization of Active Distribution Network D...

文章主要内容总结

本文针对主动配电网（ADNs）调度问题，提出了一种基于大型语言模型（LLM）的自动化建模与优化方法。随着分布式能源（DERs）的大量接入，ADNs调度的复杂性显著提升，但新加入的运营商（如配电网聚合商、虚拟电厂管理者等）往往缺乏电力系统运行、建模、优化及编程的专业知识，依赖人类专家成本高且效率低。

为此，文章将ADN调度问题分解为多个阶段，设计了多LLM协作架构，包含三个核心组件：

1. 信息提取器（Information Extractor）：从用户自然语言请求中提取关键信息（如调度区域、目标、可用设备、约束等）；
2. 问题公式化器（Problem Formulator）：将提取的信息转化为数学形式的约束优化问题；
3. 代码编程器（Code Programmer）：将数学模型转换为可执行代码，通过商业求解器（如Gurobi、CPLEX）得到最终调度策略。

同时，文章为每个LLM组件设计了针对性增强技术（如提示词方法、多轮对话、少样本学习、检索增强生成等），提升输出的准确性和可靠性。实验验证了该方法在不同测试场景下的有效性，能通过简单自然语言交互为用户生成高效调度策略，降低技术门槛。

创新点

1. 多LLM协作架构：将ADN调度问题拆解为信息提取、问题建模、代码生成三个阶段，简化了单个LLM的任务复杂度，提升了整体可靠性；
2. 信息提取器的提示词方法