面向主动配电网中电压/无功控制（Volt/Var Control, VVC）的安全与经济权衡问题，研究人员提出一种由大语言模型驱动的动态奖励塑形（LLM-Driven Dynamic Reward Shaping, LLM-Driven DRS）分层自主控制框架，其核心为动态优先级转移（Dynamic Priority Shifting, DPS）机制。该机制通过检测实时电网瓶颈动态调节奖励权重，在电压稳定主导阶段（Constraint-Dominant Phase）与经济运行精化阶段（Objective-Refinement Phase）间实现平滑切换。在改进的IEEE 33节点系统验证中，该方法相较1.250%静态基线将绝对电压越限率抑制至0.014%，有功损耗最高降低33.76%，并在严重工况下平均最小电压裕度提升超0.011 p.u.，取得帕累托优越性。

《Electronics》：Accelerating (k,l,η)-Core Query Processing in Directed Uncertain Graphs

　　

为缓解分布式能源高渗透给主动配电网带来的电压安全与运行效率挑战，电压/无功控制（VVC）成为通过协调无功注入稳定节点电压与降低网损的关键机制。尽管多智能体强化学习（MARL）提供有前景的分散控制途径，其静态奖励函数在电压约束执行与成本效率间易产生尖锐权衡。研究人员引入具备大语言模型驱动动态奖励塑形（LLM-Driven DRS）的分层自主控制框架以平衡安全与效率。框架核心动态优先级转移（DPS）机制通过检测实时电网瓶颈动态变化奖励权重，在面向电压稳定的约束主导阶段与面向经济优化的目标精化阶段间实现流畅过渡。在改进IEEE 33节点系统上的验证表明，该框架相对常规静态权重策略取得帕累托优越性。关键的是，相较1.250%静态基线，绝对电压越限率被抑制至0.014%，缓解硬件退化与逆变器脱网长尾风险，同时有功损耗降低达33.76%。时空分析进一步确认稳健安全裕度：严重应力下平均最小电压裕度提升超0.011 p.u.。

研究背景方面，全球电力系统因分布式能源（DERs）与光伏（PV）大规模接入由集中单向转为分散智能电网，光伏间歇随机性在高渗透低压配网中引发节点过电压、并网点约束越限及有功损耗上升；传统有载分接开关与电容组依赖控制策略且机械动作频繁，基于内点法或多目标粒子群的中心化优化计算重且对参数敏感，共识分布式电压控制虽去中心化仍缺动态数据驱动能力。多智能体深度强化学习（MADRL）采用集中训练分散执行（CTDE）可免精确参数，但静态标量奖励难以兼顾电压安全与经济运行，且奖励工程黑箱依赖人工。大语言模型（LLM）具备语义推理与参数高效微调能力，已有LLM驱动RL2与心智理论（ToM）协调研究，但未在VVC中提供训练期在线结构化奖励塑形与电压安全/网损经济动态优先级转移机制，故需更灵活的元控制机制。

研究人员开展的研究为提出LLM-Driven DRS分层自主控制框架，上层LLM监督协调器周期读取电压越限率（VVR）与总有功损耗（PL）等宏观指标，经场景驱动提示（prompt）由DPS机制在约束主导阶段提升电压惩罚权重α_V、在目标精化阶段提升网损权重α_P，以JSON回传权重并更新下层MADDPG执行层；下层以Dec-POMDP建模，状态含本地电压与负荷/PV出力，动作为逆变器无功输出并受视在功率硬约束，奖励取α_V·Vviol（L1或L2范数）?α_P·PL。关键技术方法上，仿真基于MAPDN平台改进IEEE 33节点径向网（12.66 kV），6台20%过容智能逆变器布于13/18/22/25/29/33节点，负荷与PV用葡萄牙消费与Elia数据插值为3分钟分辨率；执行层MADDPG含2层64维MLP与GRU，RMSProp学习率10^?4、折扣0.99、批32、高斯噪声0.1；监督层每K=40回合评估，DPS阈值γ_V=0.1%、步长上限30%、晚期保护禁降α_V，LLM温度0.2，提示含角色、当前权重、VVR/PL差距、平滑轨迹与两阶段切换指引，要求回传权重与文本依据。

研究结果部分，系统建模与问题表述中，研究人员以DistFlow支路方程刻画径向配网，列硬约束Q_i,t²+P_i,t²≤S_i²与节点电压0.95≤V_j,t≤1.05 p.u.，将VVC列为Dec-POMDP，定义观测o_i,t=(V_i,t,P_L,i,t,Q_L,i,t,P_PV,i,t)、联合动作a_t=(Q_1,t,…,Q_N,t)，奖励R_t=?α_V‖V_t?V_ref‖+α_PP_loss,t，并由LLM动态生成α_V/α_P。LLM驱动DRS框架中，分层架构分监督层（LLM协调器+DP）与执行层（MADDPG智能体），两时间尺度解耦使LLM推理代价O(1)、执行层子秒级O(N)线性扩展；DPS机制依公式Δα=Γ_LLM(φ(ΔVVR,ΔPL,h))作语义映射，步长截尾|Δα/α|≤η=30%，若同向降α_V致VVR反弹则回滚至已验证配置。场景驱动提示设计将数值差距转自然语言，嵌晚期保护规则与JSON输出格式。

实验在改进IEEE 33节点系统展开。DPS轨迹分析显示L1模式5种子α_V由2000降至700、α_P由10升至2500，PL由0.0994 MW降至0.0580 MW后稳于0.0694 MW，VVR变异系数<2.8%；L2模式同样呈现两阶段迁移，证明权重演化非随机。收敛分析中L1/L2下LLM-Driven DRS的VVR与PL置信区间均窄于静态MADDPG，学习更高效。与SOTA MARL（MAPPO/MATD3/COMA/IPPO/SQDDPG/IDDPG）对比，L1下VVR=0.014%（降98.88%）、PL降32.11%；L2下VVR降66.49%、PL降33.76%，帕累托优于所有固定权重基线。消融研究中Rule-DRS（if-else替代LLM）PL更低但VVR升高，LLM-No-DPS禁两阶段则L1下PL=0.1171 MW反超静态0.0956 MW，证DPS必要。电压控制性能上，Bus33的24小时曲线显示Day3静态越限106次而LLM-Driven DRS仅35次，最小电压裕度+0.0113 p.u.；Day3四个时刻节点分析表明晚峰19:00无控17节点<0.95 p.u.，LLM-Driven DRS恢复14节点仅末端31–33越限，正午反送过电压10节点全消除且更贴1.0 p.u.。

讨论与结论部分，研究人员指出静态奖励在MARL-VVC中僵化，LLM-Driven DRS借DPS与场景提示解决安全-经济多目标尖锐权衡；改进IEEE 33节点系统实验表明框架取得优于静态基线的帕累托结果，绝对电压越限率压至0.014%（相对降98.88%），有功损耗恢复33.76%，严重工况平均最小电压裕度增0.011 p.u.以上。未来工作将扩展至IEEE 123节点等多馈线拓扑与异质工况，并将轻量LLM协调器经量化交叉编译部署边缘硬件，减云API依赖以实现本地化监督决策。论文发表于《Electronics》。