基于 LLM 代理的可再生能源预测：边缘和物联网数据的综述及面向气象与电网的决策支持
计算与语言
2026-05-26 v1 人工智能
摘要
可靠的可再生能源发电预测是电网稳定性、能源交易、储能调度和碳感知运营规划的基础要求。太阳能和风能资源本质上具有间歇性，其输出随云层、风速、大气湍流、季节性模式和局部地形而变。物联网和边缘设备的 proliferation 覆盖智能表计、逆变器、气象仪、太阳辐射计、气象站和电网接口传感器，创造了前所未有的实时运营数据卷，传统预测管道已不足以充分利用这些数据。本综述研究如何通过大语言模型 LLM 代理将异构传感器流、气象 API 数据、历史发电记录、电网约束和情境推理整合到统一的决策支持工作流程中来增强可再生能源预测。我们调查了经典预测方法、统计时间序列模型、深度学习架构、物理混合方法以及新兴的 LLM 代理框架，用于解释、不确定性沟通和操作员指导。提出了六层范式覆盖数据获取、预处理、特征工程、模型推理、不确定性估计和自然语言报告。本综述识别出涉及实时部署、模型在分布迁移下的漂移、不确定性量化、LLM 代理幻觉控制、边缘硬件互操作性以及与能源管理系统集成的十二个开放挑战。论文以围绕开放基准、物理信息 LLM grounding 和联邦预测架构为中心的研究议程收尾。
引用
@article{arxiv.2605.25141,
title = {LLM Agent Based Renewable Energy Forecasting Using Edge and IoT Data A Review of Solar Wind Weather and Grid Aware Decision Support},
author = {Pavan Manjunath and Thomas Pruefer},
journal= {arXiv preprint arXiv:2605.25141},
year = {2026}
}