编辑推荐：
提出并验证了Planner-Supervisor-Executor架构，通过确定性监督器解决LLMs可靠性问题，结合MILP-MPC优化和动态P2P定价机制，确保系统安全、经济公平，并在模拟中实现显著成本节约和能源自给率提升64%。
Vangipuram Srinivasa Raghavan | Giridhar A V
电气工程系，国家技术学院，Warangal
摘要
虽然将大型语言模型（LLMs）集成到家庭能源管理系统（HEMS）中可以提供直观的界面，但它们固有的不可靠性对点对点（P2P）能源市场的稳定性构成了重大风险。本文提出并验证了一种规划器-监督器-执行器架构，通过确定性的防护机制确保系统的稳健运行。对多个规划器模型的基准测试表明，开源模型（Phi-3 mini、Gemma 7B）和关键词基线在处理复杂的多动作命令时始终失败，而谷歌的Gemini 2.5 Flash在 Workflow 准确率上达到了89.19%，证明了其在理解用户意图方面的优越能力。该系统的后端将一天前的混合整数线性规划（MILP）调度器与实时模型预测控制（MPC）调度器相结合，通过动态的P2P定价机制管理随机太阳能发电，并优化社区交易，其公平性通过Shapley值和Nash讨价还价解决方案得到验证。通过三阶段验证过程确保运营安全：首先基于LLM的语义防护机制在生成Workflow之前筛选出不合逻辑的命令，然后由确定性的MARCO监督器验证结果，有效拦截不安全或格式错误的Workflow。在这些保障措施下，所提出的系统在雨季期间实现了高达64%的成本节约，并使居民能够进行安全的“假设”分析。总体而言，这项工作为将概率性LLMs与确定性控制分离提供了经过验证的蓝图，证明了强大的监督机制是安全部署AI在关键信息物理系统中的必要条件。
引言
由于城市化进程的加快，公寓型住宅建筑近年来受到了广泛关注。智能和绿色建筑的概念进一步推动了以居住者为中心的能源管理策略的发展，以应对新兴的能源挑战。光伏（PV）系统和风能等可再生能源在满足绿色建筑标准方面发挥着重要作用。随着这些进步以及人们对不间断电力供应需求的增长，迫切需要在公寓层面建立高效可靠的能源管理系统（EMS）。有效的EMS不仅提高了建筑物的自给自足能力，还有助于实现联合国可持续发展目标（SDG 7），即确保所有人都能获得负担得起且清洁的能源。
家庭能源管理系统（HEMS）为优化住宅能源使用提供了框架，其策略和挑战已由Han等人（2023年）和Raza等人（2024年）进行了广泛研究。这些系统的优化通常依赖于根据不同的电价调度各种类型的家庭负载，如可编程设备、时间可调设备和功率可调设备（Lokeshgupta和Sivasubramani，2019年）。尽管这些任务的底层优化模型已经得到了充分研究，但其广泛采用的主要障碍仍然是缺乏能够培养用户信任和参与度的直观界面。现有的方法往往像不可渗透的“黑箱”一样，忽略了以用户为中心的交互、可解释性和适应性等关键因素，而这些因素对于居民感到掌控感至关重要。
大型语言模型（LLMs）作为一种有前景的解决方案出现，提供了对复杂系统进行直观自然语言控制的潜力。然而，将它们集成到如HEMS这样的信息物理系统中会引入重大风险。LLMs本质上是非确定性的，容易产生事实性的“幻觉”，并可能生成语法或逻辑上有缺陷的命令，直接威胁到它们所要控制的物理资产的稳定性和安全性。这就提出了一个关键的研究问题：我们如何利用LLMs的用户友好特性，同时避免其不可靠性？
本研究直接解决了这一挑战。我们提出并分析了一种规划器-监督器-执行器架构，该架构不信任LLM，而是主动对其进行验证。该框架利用LLM的自然语言能力，但关键地采用了确定性的基于规则的命令监督机制（MARCO）作为“防护机制”，在命令执行之前对其进行验证，这一机制受到了OctoTool（Lu等人，2025年）的启发，可以执行物理动作。因此，我们的贡献不是创建另一个优化模型，而是对最先进的LLM在住宅能源环境中的故障模式进行量化研究，并证明了监督防护机制的绝对必要性。我们表明，只有通过这样的保障措施，才能实现以用户为中心控制的全部潜力，从而创建出既高效公平又具有根本韧性和可信度的智能能源社区。
本文的其余部分安排如下：第2节回顾了HEMS优化、P2P能源市场以及LLMs在系统控制中新兴角色的相关研究；第3节介绍了所提出的方法论；第4节详细描述了模拟系统；第5节分析了结果；第6节总结了研究。
章节摘录
文献综述
在多智能建筑HEMS的研究中，元启发式和群体智能算法备受关注。Mirza等人（2022年）应用了JAYA优化模型进行通用HEMS操作，而Baghbani等人（2024年）使用粒子群优化（PSO）在分时电价下调度设备。Alhasnawi等人（2023年）提出了一种改进的蟑螂群优化算法（ICSOA），该算法具有多目标函数，用于减少……
方法论
本研究提出并评估了一种混合控制架构，旨在安全地将大型语言模型（LLM）集成为复杂信息物理系统的用户界面。本节详细介绍了用于测试我们核心假设的实验架构：确定性监督器是确保基于LLM的HEMS控制器安全可靠运行的必要组成部分。该方法论分为两个关键领域：命令和控制架构，以及……
提出的仿真设置
鉴于所提出的多智能体架构的复杂性，该架构集成了自然语言界面、两级优化模型和动态P2P市场，因此选择了基于仿真的方法进行初步验证。这种受控环境能够在多样化条件下严格且可重复地测试系统的核心功能，包括MARCO防护机制、优化算法和公平机制。仿真利用了真实世界的数据，例如……
结果与讨论
本节讨论了从研究的三个主要组成部分得出的结果：（i）通过LLM支持的界面实现的用户交互；（ii）基于仿真的评估；（iii）基于P2P市场的优化。
结论
本文提出并验证了一种新的以用户为中心的规划器-监督器-执行器框架，用于多租户公寓楼的能源管理。通过将自然语言界面与强大的MARCO监督器和两级MILP-MPC优化模型相结合，该框架解决了用户交互、运营安全和经济公平性方面的关键挑战。我们证明了虽然LLMs是强大的交互工具，但它们目前还不够可靠，无法直接用于……
CRediT作者贡献声明
Vangipuram Srinivasa Raghavan：撰写 – 审稿与编辑、撰写 – 原始草稿、可视化、验证、软件开发、方法论研究、数据分析、概念化。Giridhar A V：撰写 – 审稿与编辑、监督。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。
