論文の概要: Large Language Model as An Operator: An Experience-Driven Solution for Distribution Network Voltage Control
- arxiv url: http://arxiv.org/abs/2507.14800v1
- Date: Sun, 20 Jul 2025 03:22:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:32.063789
- Title: Large Language Model as An Operator: An Experience-Driven Solution for Distribution Network Voltage Control
- Title（参考訳）: オペレータとしての大規模言語モデル:分散ネットワーク電圧制御のための経験駆動型ソリューション
- Authors: Xu Yang, Chenhui Lin, Haotian Liu, Qi Wang, Wenchuan Wu,
- Abstract要約: 大規模言語モデル(LLM)は、電力系統におけるディスパッチ戦略を自律的に生成するための新しいアプローチを提供することができる。
本稿では,LLMを用いた配電系統用電圧制御ソリューションを提案する。
- 参考スコア（独自算出の注目度）: 14.871436468332334
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the advanced reasoning and information analysis capabilities, large language models (LLMs) can offer a novel approach for the autonomous generation of dispatch strategies in power systems. This letter proposes an LLM-based experience-driven voltage control solution for distribution networks, which enables the self-evolution of LLM-based voltage control strategies through the collaboration and interaction of multiple modules-specifically, experience storage, experience retrieval, experience generation, and experience modification. Comprehensive experimental results validate the effectiveness of the proposed method and highlight the applicability of LLM in addressing power system dispatch challenges.
- Abstract（参考訳）: 高度な推論と情報分析機能により、大規模言語モデル(LLM)は、電力系統におけるディスパッチ戦略を自律的に生成するための新しいアプローチを提供することができる。
本報告では,複数モジュールの協調操作,経験記憶,経験検索,経験生成,経験修正によるLLMベースの電圧制御戦略の自己進化を可能にする,分散ネットワークのためのLLMベースの経験駆動型電圧制御ソリューションを提案する。
提案手法の有効性を総合的に検証し,電力系統のディスパッチ問題に対するLCMの適用性を強調した。
関連論文リスト
- Large Language Models for Wireless Communications: From Adaptation to Autonomy [47.40285060307752]
大規模言語モデル(LLM)は推論、一般化、ゼロショット学習において前例のない能力を提供する。
本稿では,3つの方向にわたる無線システム変換におけるLCMの役割について考察する。
論文 参考訳（メタデータ） (2025-07-29T06:21:10Z) - LD-Scene: LLM-Guided Diffusion for Controllable Generation of Adversarial Safety-Critical Driving Scenarios [3.6585028071015007]
LD-Sceneは、Large Language Models (LLMs)とLatent Diffusion Models (LDMs)を統合する新しいフレームワークである。
提案手法は,現実的な運転分布をキャプチャするLCMと,ユーザクエリを逆損失関数に変換するLCMベースのガイダンスモジュールを備える。
我々のフレームワークは、敵行動のきめ細かい制御を提供し、特定の運転シナリオに合わせたより効果的なテストを容易にする。
論文 参考訳（メタデータ） (2025-05-16T13:41:05Z) - A Trustworthy Multi-LLM Network: Challenges,Solutions, and A Use Case [59.58213261128626]
複数の大規模言語モデル(LLM)を信頼性のあるマルチLLMネットワーク(MultiLLMN)に接続するブロックチェーン対応協調フレームワークを提案する。
このアーキテクチャは、複雑なネットワーク最適化問題に対する最も信頼性が高く高品質な応答の協調評価と選択を可能にする。
論文 参考訳（メタデータ） (2025-05-06T05:32:46Z) - Towards Agentic Recommender Systems in the Era of Multimodal Large Language Models [75.4890331763196]
大規模言語モデル(LLM)の最近のブレークスルーは、エージェントAIシステムの出現につながっている。
LLMベースのAgentic RS(LLM-ARS)は、よりインタラクティブで、コンテキストを認識し、プロアクティブなレコメンデーションを提供する。
論文 参考訳（メタデータ） (2025-03-20T22:37:15Z) - CoPS: Empowering LLM Agents with Provable Cross-Task Experience Sharing [70.25689961697523]
クロスタスク体験の共有と選択によるシーケンシャル推論を強化する一般化可能なアルゴリズムを提案する。
我々の研究は、既存のシーケンシャルな推論パラダイムのギャップを埋め、タスク間体験の活用の有効性を検証する。
論文 参考訳（メタデータ） (2024-10-22T03:59:53Z) - Large Language Model-Enhanced Reinforcement Learning for Generic Bus Holding Control Strategies [12.599164162404994]
本研究では,Large Language Models(LLMs)の文脈内学習と推論機能を活用した自動報酬生成パラダイムを提案する。
提案するLLM拡張RLパラダイムの実現可能性を評価するため,バス路線数,停留所数,旅客需要数に異なる広範なバス保持制御シナリオに適用した。
論文 参考訳（メタデータ） (2024-10-14T07:10:16Z) - Large Language Model as a Catalyst: A Paradigm Shift in Base Station Siting Optimization [62.16747639440893]
大規模言語モデル(LLM)とその関連技術は、特に迅速な工学とエージェント工学の領域において進歩している。
提案するフレームワークは、検索拡張生成(RAG)を組み込んで、ドメイン固有の知識を取得してソリューションを生成するシステムの能力を高める。
論文 参考訳（メタデータ） (2024-08-07T08:43:32Z) - LLM-Empowered Resource Allocation in Wireless Communications Systems [12.653336728447654]
大規模言語モデル(LLM)は、人工知能(AGI)対応無線ネットワークを実現する可能性を秘めている。
我々は,無線通信システムのための LLM ベースの資源割当方式を開発した。
論文 参考訳（メタデータ） (2024-08-06T04:08:26Z) - Efficient Prompting for LLM-based Generative Internet of Things [88.84327500311464]
大規模言語モデル(LLM)は、様々なタスクにおいて顕著な能力を示しており、最近、IoT(Internet of Things)アプリケーションにLLMの能力を統合することが研究の注目を集めている。
セキュリティ上の懸念から、多くの機関は最先端の商用LLMサービスへのアクセスを避け、ローカルネットワーク環境でのオープンソースLLMのデプロイと利用を必要としている。
本研究では,LLMを用いた生成IoT(Generative IoT)システムを提案する。
論文 参考訳（メタデータ） (2024-06-14T19:24:00Z) - LanguageMPC: Large Language Models as Decision Makers for Autonomous Driving [84.31119464141631]
この作業では、複雑な自律運転シナリオの意思決定コンポーネントとして、Large Language Models(LLM)を採用している。
大規模実験により,提案手法は単車載タスクのベースラインアプローチを一貫して超えるだけでなく,複数車載コーディネートにおいても複雑な運転動作の処理にも有効であることが示された。
論文 参考訳（メタデータ） (2023-10-04T17:59:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。