楼宇与配电网之间多了一个智能体团队:200个合成任务上成功率从38.0%升到69.0%
核心概要
楼宇与配电网之间的调度交互长期依赖两个领域的专业人员来回翻译需求、手工搭建仿真与优化流程。B2G-Agent把这一过程拆给三个协作智能体:翻译者做双向语义对齐,执行者把任务分解成有向无环图并调用EnergyPlus与pandapower,审查者结合语义与证据检查并回退纠错。在200个合成交互任务上,其交互质量分从基线的66.71升到85.57,任务成功率从38.0%升到69.0%,同时满足运行约束。
深度剖析
楼宇与配电网之间的调度交互现在可以由一组大语言模型智能体端到端跑完,配电运营商和楼宇能源管理者只需给出任务要求与反馈。 此前的做法要么由楼宇能源管理者直接向配电运营商提交灵活性响应,要么由聚合商统一协调后上报,中间的问题建模、仿真、优化与核验都靠两个领域的专业人员手工完成。 在200个合成交互任务上,B2G-Agent的交互质量分为85.57,单智能体基线为66.71;任务成功率分别为69.0%和38.0%。
三个智能体分工承担跨域交互的不同环节,把跨领域建模与计算的复杂度挡在用户之外。 翻译者用角色条件的混合检索增强生成,把一侧的调度意图映射成另一侧可执行的指令;执行者用反向任务分解把目标字段回溯成工具调用组成的有向无环图,再调用EnergyPlus与pandapower做联合仿真或优化;审查者用语义检查加确定性证据校验定位失败,并把任务退回相应智能体修正。 实验以IEEE 33节点测试系统为配电网,接入10个楼宇能源管理者,每个由1至5个EnergyPlus建筑原型表示,交互按一天、15分钟分辨率评估,任务覆盖削峰、阻塞管理、电压管理、备用服务、可再生能源消纳、灵活性评估和市场交易七类。
启示与展望
评测范围是200个合成交互任务,配电网为IEEE 33节点测试系统,10个楼宇能源管理者各由1至5个EnergyPlus建筑原型表示,交互按一天、15分钟分辨率评估;工具与界面已开源发布。
评测中的任务由合成方式生成,在线记忆在基准评测期间被关闭,审查者只从同一份只读种子库检索;后续工作才计划在仿真任务基础上开展实际验证,并开发面向配电运营商和楼宇能源管理者决策的解释功能。
