跳到正文
arXiv cs.AI· Yuzhuo Li, Pasan Gunawardena, Yunwei Li·· 10 小时前AI 评分26

本地 AI 智能体在电力电子仿真中的部署、测量与成本评估

Local AI Agents in Power Electronics Simulation: Deployment, Measurements and Costs

AI 导读

一篇 arXiv 论文提出系统评估框架,将本地部署的模型用于电力电子智能体任务,从变换器级到系统级测量其电力、能耗、token 与时间成本。基于实测结果,论文刻画了本地智能体在此类任务上的能力边界与每个已解决任务的成本,为无法将设计数据和受出口管制材料上传云端的机构提供本地部署的量化参考。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:代理式人工智能(AI)正在电力电子领域兴起,它驱动着过去主要由工程师手工闭合的仿真循环。在该循环中,变换器设计或对其所连接网络的研究会被构建、运行、测量并修订,直至满足其规格要求。此类代理可由云 API 或本地推理设备提供服务。对于其设计、客户数据或出口管制材料不能离开现场、且仿真器在该现场获得许可的组织而言,本地部署是自然之选。在此类部署中,代理成为组织自有设备上的一个电力负载,即每次运行都会在本地设备上消耗功率和能量、生成 token 并耗费时间。然而,现有工作主要关注代理借助云端托管模型所能达成的目标。本地部署在真实仿真任务上消耗的功率、能量、token 和时间成本,以及其各项选择之间的权衡关系,在可比条件下鲜有定量研究。为填补这一空白,本文提出了一个系统性评估框架。该框架将本地服务的模型应用于从变换器级到系统级的代理式电力电子任务,并测量其功率、能量、token 和时间成本。基于这些测量结果,刻画了本地代理在此类任务上的能力边界以及每个已解决任务的成本。研究结果有望为代理式 AI 在电力电子及其所服务的电力系统中的应用提供实用洞见。
评论: 27 页,23 幅图,12 张表
主题: 人工智能(cs.AI);系统与控制(eess.SY)
引用为: arXiv:2611.24880 [cs.AI]
  (或 arXiv:2611.24880v1 [cs.AI] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.24880

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Yuzhuo Li [查看邮箱]
[v1] 2026 年 11 月 18 日星期三 18:27:40 UTC(2,222 KB)

来源:arXiv cs.AI · arxiv.org