论文
AutoB2G：用于自动建筑网格协同仿真的大语言模型驱动的代理框架
AutoB2G: A Large Language Model-Driven Agentic Framework For Automated Building-Grid Co-Simulation
摘要
建筑运营数据的不断增长促进了强化学习（RL）的使用，它可以直接从数据中学习控制策略，并应对大规模建筑集群的复杂性和不确定性。然而，大多数现有的模拟环境优先考虑建筑端性能指标，缺乏对网格级影响的系统评估，而其实验工作流程仍然严重依赖手动配置和大量编程专业知识。因此，本文提出AutoB2G，一种自动化建筑网格联合仿真框架，仅基于自然语言任务描述完成整个仿真工作流程。该框架扩展了 CityLearn V2 以支持建筑到网格 (B2G) 交互，并采用基于大语言模型 (LLM) 的 SOCIA (Simulation Orchestration for Computational Intelligence with Agents) 框架来自动生成、执行和迭代完善模拟器。由于LLM缺乏对模拟功能实现上下文的先验知识，因此构建了涵盖模拟配置和功能模块的代码库，并将其组织为有向无环图（DAG），以明确表示模块依赖关系和执行顺序，指导LLM检索完整的可执行路径。实验结果表明，AutoB2G 可以有效地实现自动化模拟器的实现，协调 B2G 交互以提高电网端性能指标。
