基于大语言模型的电力仿真智能体及其技能库设计方法OA

随着新型电力系统对仿真智能化需求的提升,传统工具难以满足快速响应要求,而通用大语言模型在垂直领域面临知识局限与幻觉生成挑战。为解决现有模型缺乏特定仿真平台操作知识的问题,提出一种基于大语言模型的自适应演进仿真智能体框架。该框架建立了“决策—执行—反馈—学习”闭环机制,设计了动态技能提取与向量化存储方法,将成功的探索轨迹转化为结构化技能库,解决通用模型领域知识匮乏问题。同时,构建基于历史轨迹训练的技能评估模型,量化预测特定状态下的技能执行成功率,为智能体决策提供价值函数引导,降低试错成本。最后,基于CloudPSS平台的算例测试表明,所提方法能提升不同参数规模模型的任务完成率并降低对话轮数,验证了该方法在降低仿真软件使用门槛和实现即时仿真方面的潜力。