LLM-Sim：用自然语言驱动电力系统仿真的智能代理框架

LLM-Sim是由samimk开发的开源项目，创新性地将大语言模型（LLM）与高性能电力系统仿真工具ExaGO深度集成，实现了"对话式"电网分析范式。用户只需用自然语言描述分析目标，系统即可自动完成参数调整、仿真运行和结果解读的完整闭环，为电力系统分析带来全新可能性。

电力系统分析历来高度专业化，工程师需精通复杂模型、算法和工具。但随着可再生能源大规模接入及电力市场复杂化，传统人工分析已难以满足快速决策需求。LLM-Sim的出现，旨在通过LLM的推理能力与ExaGO的优化平台结合，解决这一痛点。

LLM-Sim的核心是迭代代理循环，模拟人类工程师思维过程：从解析MATPOWER格式电网案例开始，先运行基线仿真获取初始状态；LLM接收用户目标、电网概况及仿真结果提示，决定下一步行动（修改参数重仿真、请求数据分析或完成任务）；关键的"搜索日志"机制记录每次迭代结果，提供历史上下文，帮助模型避免无效路径，逐步逼近最优解。

LLM-Sim依赖美国橡树岭国家实验室（ORNL）开发的ExaGO平台，该平台专为并行/分布式架构设计，求解大规模电网优化问题。支持交流最优潮流（OPFLOW）、多时段/安全约束/随机最优潮流等场景，可配合Ipopt、HiOp等求解器，运行于CPU或GPU加速。LLM-Sim将LLM的"软推理"与ExaGO的"硬计算"无缝结合，兼顾交互便利性与结果准确性。

LLM-Sim覆盖多个电力系统分析场景：边界探索（如找系统不可行前的最大负荷缩放因子）；场景分析（如模拟发电机跳闸的影响）；优化问题（如在电压约束下最小化发电成本）；以及识别拥堵线路、评估电压分布、生成运行报告等各类分析任务。

LLM-Sim支持实时交互，用户可在仿真中注入新指令（无需停止重启）。干预方式包括：增强模式（添加约束/偏好，如"关注3号区域母线"）；替换模式（完全覆盖当前目标）。还支持暂停、恢复或终止搜索，既适用于全自动批处理，也胜任需人工干预的复杂分析。

LLM-Sim采用Python开发，可通过pip安装，提供Shell脚本启动器（需配置文件、案例文件、迭代上限）。支持Anthropic Claude、OpenAI GPT等LLM后端，配置通过YAML文件管理（后端选择、应用类型、日志级别等）。界面包括简洁命令行（支持干运行、安静模式）及基于Streamlit的图形界面（实时监控与交互）。

LLM-Sim展示了AI在专业工程领域的重要应用方向，将人类意图转化为精确技术操作。对工程师：降低复杂分析门槛，加速决策（尤其调度场景）；对研究者：提供探索人机协作能源优化的可扩展平台。随着电网数字化转型，此类智能代理工具将桥接专业知识与通用AI能力，提升系统可理解性与操控性。