LLM-智能微电网中介导的需求响应协调

智能微电网中的有效需求响应要求产消者在战略自身利益下自愿合作，这一协调问题在结构上相当于社交网络上反复出现的囚徒困境。本文提出了一种多智能体模拟，其中 大语言模型 (LLM) 影响编译器向一群异构产消者智能体发出结构化的需求响应指令，每个智能体都由混合决策架构控制，该结构将博弈论基本概率（源自支付历史、邻居模仿和利用记忆）与传入协调信号的 LLM 叙述评估相结合。混合架构解决了一个关键的方法挑战：通过人类反馈强化学习 (RLHF) 对齐的 LLM 在用作直接决策者时表现出强烈的合作偏差，无论电网条件如何，都会产生平坦的动态。通过将战略推理与扎根的叙事评估分开，该模型在六种人格原型中生成了现实的产消者行为，基线合作率接近 50%，并且在影响下存在明显的差异。编译的结构化指令实现了 33.3% 的需求削减合作，而非结构化消息传递为 27.0%，无干预基线为 28.0% ($Δ_\mathrm{comp} = +0.063$)，在以实际场景为依据的和理想化代理基质 ($Δ= +0.083$) 和所有阻力水平 ($R = 0.1$ 至 $0.7$) 上都保留了优势。通过高中心性网络节点进行的中心目标传播优于外围或随机目标，证实网格拓扑提供独立于消息内容的机械放大。这些结果表明，结构化 LLM 编译、扎根代理推理和网络感知定位是智慧城市能源系统中可扩展、可解释的需求响应协调的补充设计原则。