Resumen: Debido al ritmo rápido de electrificación y descarbonización, la operación de la red de distribución (DG) y la planificación se están volviendo más complejas, lo que requiere análisis computacionales avanzados para garantizar la confiabilidad y la resistencia de la red. Los análisis de DG de vanguardia se basan en flujos de trabajo dispares de modelos, funciones y tuberías de datos complejos, que requieren conocimiento experto y son difíciles de automatizar. Muchas utilidades y cooperativas a pequeña escala carecen de una gran fuerza laboral de I + D y, por lo tanto, no pueden usar el análisis avanzado a escala. Para abordar esta brecha, desarrollamos un nuevo sistema de IA de agente, Powerchain, para resolver tareas de análisis DG invisibles a través de la orquestación agente automatizada y los modelos de lenguaje grande (LLMS). Dada una consulta de lenguaje natural, PowerChain genera dinámicamente y ejecuta una secuencia ordenada de funciones de dominio que se considera guiadas por la semántica de un grupo de funciones de sistemas de energía construidos por expertos y un conjunto de referencia selecto de pares de flujo de trabajo conocidos y generados por expertos. Nuestros resultados muestran que PowerChain puede producir flujos de trabajo a nivel de experto con modelos QWEN de código abierto y de código abierto en tareas de análisis DG complejas e invisibles que operan en datos de utilidad reales.
Publicado Originalme en export.arxiv.org El 25 de agosto de 2025.
Ver Fuente Original
