追踪能源领域最新技术、论文、代码与数据集
FedPPO-PG 将物理机理确定的电气邻域、联邦多智能体 PPO、引导式策略初始化和 CTDE 相结合，实现智能电网暂态稳定的分布式控制。IEEE 39 节点系统结果表明，该方法在训练及未见故障场景中均实现 100% 稳定，同时显著缩短稳定时间、降低控制功率，并满足无中央协调部署及实时推理要求。
本文以意大利2026年Decreto Bollette为案例，利用MARLEY多智能体强化学习框架评估削弱EU-ETS碳价信号的长期影响。研究发现，该政策虽可短期降低电力成本，但长期系统成本改善有限，并会因削弱可再生能源和储能投资激励而在多数情景下推高CO$_2$排放。强力绿色投资支持能够避免排放上升，却会边缘化批发市场价格信号，并迫使电力市场转向与该干预逻辑相矛盾的混合型范式。
本研究面向大规模电动汽车车队的分散式智能充电，比较上下文组合多臂老虎机与策略梯度两类独立多智能体强化学习方法。研究基于真实光伏发电数据构建动态电价仿真环境，考察智能体利用价格、荷电状态和时间约束等局部信息，在不同电网拥堵程度及异构混合策略配置下协调充电、降低用户成本并避免电网过载的能力。
本文面向构网型逆变器等新型电力电子设备接入后电力系统动态模型难以在弱先验条件下完整恢复的问题，提出一种基于LLM的多智能体协作框架。该框架通过异构智能体并行探索、候选模型记忆、参数拟合评估和协调智能体的闭环引导，将模型发现分解为微分方程结构与代数闭合关系两部分，以联合识别状态动态、代数约束和关键中间变量。同步发电机与构网型逆变器案例验证了该方法在精度、泛化、效率和抗噪性方面的优势，其中发电机案例的OOD MAPE为0.19%，逆变器案例的发现时间较单智能体LLM基线缩短25.7%。
本文提出一个面向整体运动员画像的智能体框架，通过 LangGraph 协同 MediaPipe、Llama-4-scout 与 RAG，将定量运动学追踪和定性教练判断相结合。其 3 X 3“Smart Grid”时间分块策略可将计算开销降低 88% 以上，“LLM-as-a-Judge”自校正机制用于交叉核验指标并减少幻觉，基于 ChromaDB 的双持久化管线则支持自然语言语义检索。该框架严格对齐 SAI 规程，可为大规模、客观的国家级运动员选拔和人才识别提供可落地的教练洞察。
本文面向钢铁工业微电网的联络线功率塑形，提出无参考轨迹的序贯异构智能体协调（SHAC）框架，协同控制工艺负荷、储氢系统和电池储能等多时间尺度资源。该方法结合跨角色观测、异步决策、角色特定奖励与评价器，以及动作掩码和可行性投影，实现安全、实时的1分钟级在线决策。实验结果显示，SHAC在保持零生产故障和每步0.4 ms平均计算时间的同时，显著降低购电成本、契约需量超限时间和累计爬坡超限量，提升了工业微电网的经济性和电网友好性。
本文面向配电缺陷检测提出Multi-Modal Agent框架，并通过领域专用数据集与综合基准，系统评估多模态基础模型在感知、推理和工具使用三方面的能力。结果表明，现有模型具备支持配电闭环维护的潜力，但在高风险工业场景中的自主部署仍存在局限。
本文将智能微电网中的需求响应协调建模为社会网络上的重复囚徒困境，并提出由LLM影响编译器驱动的多智能体混合决策框架。该方法通过分离博弈策略推理与LLM叙事评估，缓解RLHF导致的合作偏向。实验显示，结构化指令可将需求削减合作率提升至33.3%，优于非结构化消息和无干预基线；同时，面向高中心性枢纽节点的传播效果最佳。研究说明，结构化LLM编译、基于现实依据的智能体推理和网络感知定向可共同提升智慧城市能源系统中需求响应协调的可扩展性与可解释性。