WattCouncil：受治理LLM的上下文感知家庭能源场景生成

向低碳电力系统的加速转变，加上屋顶光伏与电动车等表后技术的普及，正给电网带来新的运营与分析需求。与此同时，智能电网研究日益依赖机器学习（ML），但进展受限于高分辨率家庭能源数据的获取困难——隐私关切、监管壁垒与采集成本所致。本工作提出WattCouncil：一个数据生成框架——家庭电力需求由一个LLM智能体议会生成：各智能体以专门角色在显式的文化、时间与物理约束下生成、审计并验证结构化能源场景。这些智能体不是静态预测器，而是受治理管线中的自适应决策者。受强调情境因素对能源使用重要性的研究启发，我们的框架经融合家庭构成、时间因素与环境条件的引导推理过程，产出情境敏感的日常作息。我们对照详细的CER数据集评估生成的负荷曲线——该数据集含4,232户家庭一年多的负荷测量及问卷社会—经济信息；并通过消融研究评估框架一致性。源码见https://github.com/Singularity-AI-Lab/wattcouncil。