CONDUCTOR: An LLM-Orchestrated Digital Twin for Uncertainty-Aware Distribution Grid Operations

📄 arXiv: 2606.24609v1 📥 PDF

作者: Antonio Alcántara, Aysegül Kahraman, Anosh Arshad Sundhu, Spyros Chatzivasileiadis

分类: eess.SY

发布日期: 2026-06-23

💡 一句话要点

提出CONDUCTOR以解决配电网不确定性分析问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大型语言模型 数字双胞胎 配电网 不确定性分析 电力系统优化 智能电网 概率安全评估

📋 核心要点

  1. 现有的电力系统分析框架主要依赖于合成基准，缺乏对不确定性因素的考虑，限制了其应用范围。
  2. CONDUCTOR通过将大型语言模型与电力系统分析和优化求解器相结合，实现了对不确定性因素的全面分析。
  3. 在对真实配电网络的测试中，CONDUCTOR在任务完成率上达到了98.5%，显示了其在实际操作中的高效性。

📝 摘要（中文）

本文提出了CONDUCTOR，一个由大型语言模型（LLM）协调的数字双胞胎，用于配电网操作。现有框架几乎仅在合成基准上进行验证，并且仅支持确定性研究。CONDUCTOR不仅能够进行电力系统分析和优化，还能进行不确定性意识的研究，包括概率安全评估、稳健纠正调度以及灵活性边界和承载能力特征分析。通过对丹麦Bornholm 60 kV配电网络的实际测试，CONDUCTOR在68个任务中首次尝试正确回答了98.5%的问题，展示了其在实际应用中的有效性。整个流程已开源发布。

🔬 方法详解

问题定义：本文旨在解决现有电力系统分析方法在不确定性研究方面的不足，现有方法几乎仅支持确定性分析，无法有效应对实际操作中的不确定性因素。

核心思路：CONDUCTOR的核心思想是利用大型语言模型（LLM）作为协调者，结合电力系统分析和优化求解器，实现不确定性意识的研究，提供更全面的决策支持。

技术框架：CONDUCTOR的整体架构包括一个开放权重的LLM模块，负责协调不同的分析和优化工具，支持概率安全评估、稳健调度等功能。

关键创新：CONDUCTOR的主要创新在于其能够进行不确定性分析，这在以往的系统中是缺乏的，显著提升了电力系统分析的灵活性和准确性。

关键设计：在设计中，CONDUCTOR采用了开放权重的LLM，结合了多种电力系统分析工具，并通过一年的智能电表数据进行训练和验证，确保其在实际应用中的有效性。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

在对Bornholm 60 kV配电网络的测试中，CONDUCTOR在68个任务中首次尝试正确回答了98.5%的问题，展示了其在不确定性分析方面的卓越性能。与传统方法相比，CONDUCTOR显著提升了电力系统分析的准确性和实用性。

🎯 应用场景

CONDUCTOR的研究成果在电力系统运营、智能电网管理和可再生能源集成等领域具有广泛的应用潜力。通过提供不确定性分析，能够帮助电力运营商更好地应对复杂的电力需求和供应变化，提高系统的可靠性和灵活性。

📄 摘要（原文）

Large language models (LLMs) are proposed as natural-language interfaces to power system analysis, yet existing frameworks are validated almost exclusively on synthetic benchmarks and support only deterministic studies. We present CONDUCTOR, an LLM-orchestrated digital twin for distribution grid operations. An open-weights LLM orchestrates power system analysis and optimization solvers and, unlike prior systems, also performs uncertainty-aware studies: probabilistic security assessment, robust corrective dispatch, and flexibility-envelope and hosting-capacity characterization. We test it on the Bornholm 60 kV distribution network - a real Danish island power system - using one year of smart-meter measurements. An operator case study spans deterministic assessment, probabilistic risk quantification, and robust dispatch. Across a 68-prompt behavioral catalog scoring tool use, evidence consistency, state-mutation discipline, and refusal calibration, the orchestrator answers 98.5% of tasks correctly on the first attempt - the lone failure being a missing answer, not a wrong one. The full pipeline is released open source.