找到 1 条结果
面向设备与系统级缺失量测的网络化微电网中大语言模型与强化学习协同兼容方法
Large Language Model Compatibility With Reinforcement Learning for Networked Microgrids Considering Device and System-Level Missing Measurements
He Wang · Jinling Li · Xiao Liu · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出一种大语言模型（LLM）代理，通过少样本学习填补网络化微电网（NMG）缺失量测，并与多智能体深度强化学习（DRL）在线决策兼容。实验表明该方法在保障安全前提下降低总运行成本23.33%，提升DRL在量测缺失下的鲁棒性与可信度。
解读: 该研究对阳光电源PowerTitan、PowerStack等储能系统及iSolarCloud智能运维平台具有直接应用价值：LLM+DRL可增强PCS在通信中断或传感器失效时的自主决策能力，提升微网级光储协同控制可靠性；建议将该算法嵌入iSolarCloud边缘侧AI模块，支撑ST系列PCS在弱信号场...