Grid-Agent: An LLM-Powered Multi-Agent System for Power Grid Control
作者: Yan Zhang, Ahmad Mohammad Saber, Amr Youssef, Deepa Kundur
分类: cs.MA, cs.AI, eess.SY
发布日期: 2025-08-07 (更新: 2025-09-08)
💡 一句话要点
Grid-Agent：基于LLM的多智能体系统，用于电力网络控制与故障恢复。
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 电力网络控制 多智能体系统 大型语言模型 故障恢复 智能电网 潮流计算 自适应网络表示
📋 核心要点
- 现代电力网络面临分布式能源等带来的复杂性，以及网络攻击威胁，现有方法难以快速适应和有效应对。
- Grid-Agent利用LLM构建多智能体系统，结合语义推理和数值计算，实现电力网络违规行为的快速检测和修复。
- 实验表明，Grid-Agent在IEEE和CIGRE基准网络上表现出卓越的故障缓解性能，验证了其在智能电网中的适用性。
📝 摘要（中文）
本文提出了一种名为Grid-Agent的自主AI驱动框架，该框架利用大型语言模型（LLM）构建多智能体系统，以检测和修复电力网络中的违规行为。面对分布式能源、电动汽车和极端天气带来的复杂性，以及日益增长的网络攻击风险，Grid-Agent通过模块化智能体集成语义推理和数值精度：规划智能体利用潮流计算求解器生成协调的动作序列，验证智能体通过沙盒执行和回滚机制确保稳定性和安全性。为了增强可扩展性，该框架采用自适应多尺度网络表示，根据系统规模和复杂性动态调整编码方案。违规行为的解决通过优化开关配置、电池部署和负荷削减来实现。在IEEE和CIGRE基准网络（包括IEEE 69节点、CIGRE MV、IEEE 30节点测试系统）上的实验表明，Grid-Agent具有卓越的缓解性能，适用于需要快速、自适应响应的现代智能电网。
🔬 方法详解
问题定义：现代电力网络面临着分布式能源（DERs）、电动汽车（EVs）和极端天气带来的前所未有的复杂性，同时也越来越容易受到网络攻击，这些攻击可能触发电网违规。现有方法在处理这些复杂性和威胁时，缺乏足够的自适应性和快速响应能力，难以有效保障电网的安全稳定运行。
核心思路：Grid-Agent的核心思路是利用大型语言模型（LLMs）的强大语义理解和推理能力，构建一个多智能体系统，该系统能够自主地检测和修复电力网络中的违规行为。通过将LLM与传统的电力系统分析工具相结合，Grid-Agent能够实现语义推理与数值精度的融合，从而更有效地应对复杂的电网运行场景。
技术框架：Grid-Agent框架包含以下主要模块：1) 规划智能体：利用潮流计算求解器生成协调的动作序列，例如开关操作、电池充放电控制和负荷削减。2) 验证智能体：通过沙盒执行和回滚机制，验证规划智能体提出的动作序列的稳定性和安全性，防止潜在的电网崩溃。3) 自适应多尺度网络表示：根据系统规模和复杂性动态调整网络编码方案，提高框架的可扩展性。整个流程是，规划智能体提出解决方案，验证智能体进行安全验证，如果验证失败，则回滚并重新规划。
关键创新：Grid-Agent的关键创新在于将大型语言模型（LLMs）引入到电力网络控制领域，并将其与传统的电力系统分析工具相结合。这种结合使得Grid-Agent能够利用LLM的语义理解能力来更好地理解电网运行状态和故障模式，从而更有效地制定故障修复策略。此外，自适应多尺度网络表示也是一个重要的创新点，它提高了框架的可扩展性，使其能够应用于不同规模的电力网络。
关键设计：Grid-Agent的关键设计包括：1) LLM的选择和微调：选择合适的LLM，并针对电力网络控制任务进行微调，使其能够更好地理解电力系统的相关知识。2) 沙盒环境的构建：构建一个安全的沙盒环境，用于验证智能体提出的动作序列的稳定性和安全性。3) 自适应多尺度网络表示的实现：设计一种能够根据系统规模和复杂性动态调整网络编码方案的算法。
🖼️ 关键图片
📊 实验亮点
实验结果表明，Grid-Agent在IEEE 69节点、CIGRE MV和IEEE 30节点等基准测试系统上表现出卓越的故障缓解性能。具体而言，Grid-Agent能够有效地优化开关配置、电池部署和负荷削减，从而快速恢复电网的稳定运行。相较于传统方法，Grid-Agent在故障恢复速度和缓解效果方面均有显著提升，验证了其在现代智能电网中的适用性。
🎯 应用场景
Grid-Agent可应用于现代智能电网的自动化控制和故障恢复，尤其是在分布式能源渗透率高、电动汽车充电需求波动大以及面临网络安全威胁的环境下。该框架能够提高电网的运行效率、稳定性和安全性，降低人工干预的需求，并为未来智能电网的智能化发展提供有力支撑。此外，该方法也可推广到其他复杂系统的控制与优化问题。
📄 摘要（原文）
Modern power grids face unprecedented complexity from Distributed Energy Resources (DERs), Electric Vehicles (EVs), and extreme weather, while also being increasingly exposed to cyberattacks that can trigger grid violations. This paper introduces Grid-Agent, an autonomous AI-driven framework that leverages Large Language Models (LLMs) within a multi-agent system to detect and remediate violations. Grid-Agent integrates semantic reasoning with numerical precision through modular agents: a planning agent generates coordinated action sequences using power flow solvers, while a validation agent ensures stability and safety through sandboxed execution with rollback mechanisms. To enhance scalability, the framework employs an adaptive multi-scale network representation that dynamically adjusts encoding schemes based on system size and complexity. Violation resolution is achieved through optimizing switch configurations, battery deployment, and load curtailment. Our experiments on IEEE and CIGRE benchmark networks, including the IEEE 69-bus, CIGRE MV, IEEE 30-bus test systems, demonstrate superior mitigation performance, highlighting Grid-Agent's suitability for modern smart grids requiring rapid, adaptive response.