用于传输系统操作员控制室决策支持的治理感知大语言模型协调代理数字孪生

输电系统运营商面临着可再生能源整合、惯性减少和安全边际收紧带来的日益复杂性。大型语言模型提供自然语言决策支持，但它们的幻觉、不受控制的工具使用以及弱可追溯性与控制室要求相冲突。本文提出了一种用于输电网控制室的治理感知代理数字孪生。大型语言模型仅选择和参数化白名单分析工具，并且每个提议的操作都会经过模型无法绕过的治理层。该层在每次运行时强制执行四个规则。仅执行白名单工具。没有跑步超出其步数预算。未经操作员明确批准，不会执行任何有副作用的操作。答案中的每个数字均由后端结果中的层及其单位、变量和时间呈现。每次运行已发布的 118 项任务基准时，都会对规则进行持续审计跟踪检查，其中涵盖分析、模拟、多步骤工作流程以及希腊传输网络数字孪生上的 12 个对抗性输入系列。在主模型的 590 次运行中，工具选择达到 96.5%，任务成功率为 93.7%，所有四个规则无一例外地成立。在针对四种大型语言模型的单独的三次重复研究中，总共运行了 1416 次，规则再次适用于每次运行，大约 95% 的下限为 99.8%。删除该层会使同一模型在未经授权的情况下执行所有 45 个需要批准的运行，并且仅留下 39.2% 的答案带有后端支持的数字。每个请求的执行成本为 12 到 16 毫秒。