WattCouncil：基于受治理LLM的上下文感知家庭能源场景生成

向低碳电力系统的加速转变，加上屋顶太阳能和电动汽车等表后技术的广泛采用，正在对电网提出新的运营和分析需求。与此同时，智能电网研究日益依赖机器学习（ML），但由于隐私问题、监管障碍和收集成本，对高分辨率家庭能源数据的有限访问限制了进展。这项工作提出了WattCouncil，一个数据生成框架，其中家庭电力需求由一个LLM-based代理委员会生成，这些代理在明确的、时间、物理约束下扮演专门角色来生成、审计和验证结构化能源场景。这些代理不是作为静态预测器，而是在受治理的流程中充当自适应决策者。受强调能源使用中上下文因素重要性的研究启发，我们的框架通过结合家庭构成、时间因素和环境条件的引导推理过程，生成上下文敏感的日常例程。我们针对详细的CER数据集评估生成的配置文件，该数据集包含4232户家庭超过一年的负荷测量数据以及基于调查的社会经济信息。我们通过消融研究进一步评估框架的一致性。源代码可在 https://github.com/Singularity-AI-Lab/wattcouncil 获取。