LLM增强多智能体强化学习优化电动汽车-充电站-电网协同调度

arXiv:2609.13805v1 公告类型：新发布 摘要：在物联网（IoT）时代，协调联网电动汽车（EV）充电调度以平衡 EV 充电满意度、充电站盈利能力和智能电网稳定性，构成了一项复杂的多目标挑战。现有的多智能体强化学习（MARL）方法往往难以应对海量 IoT 传感数据所产生的高维状态空间，以及各利益相关方相互冲突的诉求。本文提出一种新颖的 LLM 增强 MARL 框架，首次在统一闭环内同时优化电网、EV 与充电站三方目标。通过引入大语言模型（LLM），我们解决了两个关键瓶颈：可解释的特征选择与自适应的多目标平衡。LLM 分析由 IoT 实时采集的环境状态，提取具有物理意义的特征，并利用语义推理（而非复杂的人工调参）为利润、用户满意度、电网负载等相互冲突的目标动态分配权重。大量实验表明，该框架显著优于当前最先进的基线方法，在实现更优市场效率的同时，将训练时间缩短超过 70%。本方法为高效、可持续的 IoT 城市充电基础设施管理提供了一种可扩展、透明的解决方案。