arXiv cs.AI· Jiayang Tu, Bozhen Jiang, Bojun Du, Yunxiao Ling, Ershun Du, Qin Wang·· 1 天前AI 评分22
LLM 增强深度强化学习结合人在回路校准，用于实时最优潮流
LLM-Enhanced Deep Reinforcement Learning with Human-in-the-Loop Calibration for Real-Time Optimal Power Flow
AI 导读
研究提出一种 LLM 增强的深度强化学习框架，通过人在回路（HITL）校准解决实时最优潮流（RT-OPF）中难以用数值奖励编码的运行偏好与安全要求。该方法在离线训练时用稀疏语言评价反馈增强基于物理的奖励，并引入选择性 HITL 校准机制检查纠正可疑的 LLM 判断。
正文 · AI 翻译
摘要：实时最优潮流（RT-OPF）需要在时变运行条件下进行快速可靠的决策。然而，许多实际运行偏好和安全相关要求难以仅用传统数值奖励来编码，这限制了深度强化学习（DRL）在 RT-OPF 中的有效性和可控性。为解决这一问题，本文提出了一种面向 RT-OPF 的、带有人机回环（HITL）的 LLM 增强 DRL 框架。所提方法在离线训练期间用稀疏的语言评价反馈来增强基于物理的奖励，从而将语义运行要求纳入策略学习。为提高 RT-OPF 的可靠性，进一步引入了一种选择性 HITL 校准机制，在可疑的 LLM 判断持续影响学习过程之前对其进行检查和纠正。在 IEEE 30 节点和 IEEE 118 节点系统上的案例研究表明，LLM 反馈相比原始 TD3 提升了策略安全性，而进一步的 HITL 校准实现了最佳整体性能和更稳定的训练行为。这些结果证明了将语言引导与专家校准相结合用于 RT-OPF 的有效性。
| 学科： | 系统与控制（eess.SY）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.15003 [eess.SY] |
| （或本版本的 arXiv:2611.15003v1 [eess.SY]） | |
| https://doi.org/10.48550/arXiv.2611.15003 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jiayang Tu [查看邮箱]
[v1]
2026年11月11日星期三 04:01:40 UTC（1,100 KB）
来源：arXiv cs.AI · arxiv.org