본 논문은 대규모 언어 모델(LLM)을 활용한 전력 시스템 시뮬레이션 관리의 어려움을 해결하기 위해 피드백 기반 다중 에이전트 프레임워크를 제안합니다. 제안된 프레임워크는 향상된 검색 증강 생성(RAG) 모듈, 개선된 추론 모듈, 그리고 오류 피드백 메커니즘을 갖춘 동적 환경 작용 모듈 세 가지로 구성됩니다. Daline과 MATPOWER의 69개 다양한 작업에 대한 검증 결과, 각각 93.13%와 96.85%의 성공률을 달성하여 ChatGPT 4o, o1-preview 및 미세 조정된 GPT-4o (모두 복잡한 작업에서 30% 미만의 성공률) 보다 성능이 훨씬 뛰어남을 보였습니다. 또한, 각 시뮬레이션을 약 30초 만에 0.014 USD의 평균 비용으로 완료하여 빠르고 비용 효율적인 작업 실행을 지원합니다. 이러한 적응력 있는 프레임워크는 인간 연구자를 위한 지능형 LLM 기반 어시스턴트 개발의 기반을 마련하여 전력 시스템 연구 및 그 이상의 분야에 기여할 수 있습니다.
