LLM-DMD: Large Language Model-Based Power System Dynamic Model Discovery

Chao Shen

doi:10.1109/tii.2026.3708676

LLM-DMD: Large Language Model-Based Power System Dynamic Model Discovery

2026-09-02

0

PRE

AI

DOI：10.1109/tii.2026.3708676

原文链接

原文求助

摘要

En 中文

当前电力系统动态模型结构发现方法对动态模型的基础函数和变量集施加了刚性先验，同时常忽略代数约束，从而限制了高保真模型的构建，而这些模型对于精确仿真和分析至关重要。本文提出了一种基于大语言模型（LLM）的动态模型发现（LLM-DMD）框架，该框架整合了LLM的推理和代码合成能力，通过两个顺序循环发现动态方程并施加代数约束：微分方程循环用于识别状态动态及其关联变量，代数方程循环用于对识别出的代数变量建立代数约束。在每个循环中，由LLM代理生成可执行的动力系统动态方程骨架，并通过基于梯度的优化器进行评估。候选模型存储在基于岛屿的存档中以指导后续迭代，评估停滞时激活变量扩展机制，通过补充缺失的代数或输入变量（如定子电流）来优化模型。在IEEE 39节点系统同步发电机基准测试中的验证结果表明，LLM-DMD对于完整的动态模型发现具有显著有效性。

Keyword:

Deep learning

equation discovery

large language model (LLM)

power system dynamics

LLM-DMD: Large Language Model-Based Power System Dynamic Model Discovery

摘要

期刊

机构

引用论文