⚡ electrical engineering

VeraGrid-Agent: Tool-Augmented LLMs for Distribution Optimal Power Flow at the Grid Edge

该论文介绍了 VeraGrid-Agent，这是一种工具增强型大语言模型，通过自主执行 VeraGrid 求解器，在最优潮流问题上实现了接近完美的准确率（97.3%–100.0%），显著优于仅依赖语言推理的模型（其得分低于 50%）。

原作者： Shivanshu Tripathi, Hamed Mohsenian-Rad, Maziar Raissi

发布于 2026-07-29

📖 1 分钟阅读☕ 轻松阅读

原作者： Shivanshu Tripathi, Hamed Mohsenian-Rad, Maziar Raissi

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

技术摘要：VeraGrid-Agent

问题陈述

大语言模型（LLMs）在代码生成和推理方面展现了显著的能力，促使研究人员将其应用于电力系统等科学与工程领域。然而，回答有关配电网最优潮流（D-OPF）的复杂问题提出了独特的挑战。这些问题通常需要解决涉及交流功率流方程、分布式能源（DERs）和电网约束的非凸、NP-hard 数值问题。

当 LLMs 仅尝试利用参数化知识（记忆）来回答此类问题时，它们被迫进行猜测，往往产生数值错误的输出。本文认为，对于需要精确数值模拟的任务（例如确定 PV 节点的电压上升、母线容量、DER 弃载或馈线损耗），仅凭语言推理是不够的。核心问题在于如何区分科学推理中的真实计算与记忆或幻觉。

方法论

为了解决这一问题，作者提出了 VeraGrid-Agent，这是一个旨在自主解决 D-OPF 问题的工具增强型 LLM 框架。该方法涉及一个闭环工作流，其中 LLM 作为外部求解器的控制器而非依赖其内部知识。

1. 智能体工作流

该智能体在一个隔离的工作空间内运行，并遵循 ReAct（推理 + 行动）框架。对于每个查询，智能体执行以下操作：

编写输入： 根据问题描述生成一个 JSON 输入文件，描述馈线图、母线、支路、负载和 DER 配置。
执行求解器： 调用开源 VeraGrid 模拟器，该模拟器对 AC-OPF 问题进行数值求解。
读取输出： 求解器返回执行元数据和目录，而非完整的解，以保持上下文窗口紧凑。随后，智能体进行针对性的特定行读取（例如，特定的线路潮流或母线电压）。
选择答案： 解释检索到的数值数据，从而从多项选择题（MCQ）中选择正确选项。

系统被限制在最大迭代次数（ $T_{max}$ ）内，以防止陷入死循环，尽管大多数查询在几步之内即可解决。

2. 基准测试：VeraGrid-MCQ-150

为了评估性能，作者引入了 VeraGrid-MCQ-150，这是一个由确定性模板驱动的基准测试，包含 150 个多项选择题。

生成： 问题由专家定义的模板生成，其中标准答案直接由 VeraGrid 模拟器计算得出。这确保了每个答案都是特定已求解网络记录的确定性函数。
难度等级：
- 简单（50 题）： 直接检索（例如，节点电压幅值、元件数量）。
- 中等（50 题）： 单步推导（例如，标幺值转换、线路阻抗幅值、功率因数）。
- 困难（50 题）： 多步计算和跨表推理（例如，聚合支路损耗、净备用功率、热极限）。
评估指标： 准确率通过预测标签 ( $\hat{\ell}$ ) 相对于标准答案 ( $\ell^*$ ) 的正确百分比来衡量，将格式错误或缺失的响应视为错误。

核心贡献

本文做出了三个主要贡献：

工具增强架构： 一种新型的 D-OPF 分析框架，其中 LLM 编写模拟器输入、执行 VeraGrid 求解器并读取相关结果，确保每个答案都可追溯至求解器输出。
确定性基准： 引入了具有验证标准答案的 VeraGrid-MCQ-150 可复现测试平台，用于评估智能体从已求解网络中检索定量信息的能力，防止其依赖静态记忆。
实证研究： 在两种机制下（“无工具”——仅根据描述进行推理；以及“智能体”——工具增强型）对七种不同的 LLM 进行了全面评估。研究分析了性能增益和失效模式。

结果

作者在 8 节点放射状馈线测试案例上评估了七种模型（包括 GPT-5.2、Claude Sonnet 4.5、Gemini 3 Flash、Grok 4.3/4.5、Composer 2.5 和 Opus 4.8）。

无工具机制： 在没有访问求解器的情况下，所有模型的表现都很差，总体准确率在 41.3% 到 49.3% 之间。这证实了参数化知识不足以应对这些数值任务。
工具增强机制： 通过使用 VeraGrid-Agent，所有模型的准确率都大幅提升，范围在 97.3% 到 100.0% 之间。
- Gemini 3 Flash、Grok 4.3 和 Grok 4.5 达到了 100% 的完美准确率。
- GPT-5.2 和 Claude Sonnet 4.5 各仅错过了一道难题。
- Opus 4.8 和 Composer 2.5 分别错失了两道和四道题。
失效模式分析： 极少数的错误并非由于求解器执行失败（未发生超时或执行错误）引起的。相反，错误源于多步推理过程中的错误解释，例如在聚合单个端点的支路损耗时，或混淆了 DER 弃载与调度。
工具的影响： 对于需要数值计算的问题（如馈线损耗、电压上升），提升最为显著。对于可以从提示词描述中直接回答的问题（如拓扑、线路参数），提升并不明显，因为这些特定类别的无工具基准线已经相对较高。

意义与主张

本文声称，对于像电网边缘分析这样基于事实且数值密集型的工程任务，获取外部计算工具比选择 LLM 底座模型更为关键。 一旦智能体获得了确定性求解器的访问权限，不同 LLM 之间的性能差距便基本消失。

这项工作表明，工具增强型智能体可以有效地将真实的计算与记忆及猜测区分开来。它强调，虽然当前的模型在仅依赖参数化知识进行复杂数学分析时表现挣扎，但通过配备专门的求解器，它们可以在此前 LLM 无法独立完成的任务上实现近乎完美的准确率。作者指出了一些局限性，包括使用了单一的平衡放射状馈线以及求解器执行所需的时间，并建议未来的工作将聚焦于不平衡三相系统，并利用智能体的推理轨迹对更小的模型进行微调。