WaterAdmin：通过人工智能代理协调社区供水优化

我们研究社区供水系统的运行，其中必须对泵和阀门进行调度，以可靠地满足用水需求，同时最大限度地减少能源消耗。虽然现有的基于优化的方法在良好建模的环境下是有效的，但现实世界的社区场景表现出高度动态的环境，例如人类活动、天气变化等，这会显着影响不同区域的用水需求模式和运营目标。传统的优化方法很难实时聚合和适应这种异构且快速变化的上下文信息。虽然 大语言模型 (LLM) 代理提供了理解异构社区上下文的强大功能，但它们不适合直接生成可靠的实时控制操作。为了应对这些挑战，我们提出了一个基于人工智能代理的双层框架 WaterAdmin，它将上层基于 LLM 的社区上下文抽象与下层基于优化的操作控制集成在一起。该设计利用两种范例的互补优势来实现自适应且可靠的操作。我们在水力模拟平台 EPANET 上实施 WaterAdmin，并在高度动态的社区环境下展示了在保持压力可靠性和降低能耗方面的卓越性能。