使大语言模型能够使用先前未见工具执行电力系统仿真：以 Daline 为例
系统与控制
2024-11-21 v3 人工智能
系统与控制
摘要
实验技术与大语言模型（LLM）的集成正在变革科学研究，提供超越专门问题解决的人工智能能力，使其成为人类科学家的研究助手。在电力系统中，仿真对于研究至关重要。然而，由于有限的先验知识和电网的复杂性，LLM 在电力系统仿真中面临重大挑战。为了解决这个问题，本文提出了一个模块化框架，该框架整合了电力系统和 LLM 领域的专业知识。该框架增强了 LLM 在先前未见工具上执行电力系统仿真的能力。使用 Daline（一个尚未暴露给 LLM 的（最优）潮流仿真和线性化工具箱）中的 34 个仿真任务进行验证，所提出的框架将 GPT-4o 的仿真编码准确率从 0% 提高到 96.07%，也优于 ChatGPT-4o 网页界面（上传了整个知识库）的 33.8% 准确率。这些结果突显了 LLM 作为电力系统研究助手的潜力。
引用
@article{arxiv.2406.17215,
title = {Enabling Large Language Models to Perform Power System Simulations with Previously Unseen Tools: A Case of Daline},
author = {Mengshuo Jia and Zeyu Cui and Gabriela Hug},
journal= {arXiv preprint arXiv:2406.17215},
year = {2024}
}