基于大小模型协同优化的配电网检修计划编排OA

在配电系统源网荷储多元发展与可靠性需求不断提高的背景下,配电网检修计划编排难度日益提升,存在多部门协同复杂、计划间耦合关系强、变更引发连锁反应等问题。为此,基于量化低秩适应方法微调后的大语言模型(LLM)和改进深度Q网络(DQN)算法(小模型),文中提出一种大小模型协同的检修计划编排框架。首先,利用LLM自然语言理解能力解析多部门平衡会议的非结构化检修需求,自动调整小模型中检修计划的优化目标、约束条件、参数设置及相应交互环境配置。进一步,小模型基于改进DQN算法优化检修计划,利用融合历史经验与新增环境的渐进式权重提升训练效果。最后,建立考虑资源配置均衡性和计划执行偏差性的多目标检修计划马尔可夫优化模型,并基于中国上海某地配电网实际检修数据进行验证与分析。结果表明,所提大小模型协同框架具备良好的泛化能力与动态适应性,能有效支撑复杂检修计划编排决策过程,并提高编排效率与方案合理性。