위성 이미지에서 태양광(PV) 패널의 정확한 감지와 위치 파악은 마이크로그리드와 능동 배전 네트워크(ADN) 최적화에 필수적이다. 기존 방법들은 알고리즘이나 훈련 데이터셋에 대한 투명성이 부족하고, 대규모 고품질 PV 훈련 데이터에 의존하며, 광범위한 재훈련 없이는 새로운 지리적 지역이나 다양한 환경 조건에 일반화하는 데 어려움을 겪는다. 이러한 한계는 일관성 없는 감지 결과를 초래하여 대규모 배포와 데이터 기반 그리드 최적화를 방해한다. 본 논문에서는 대규모 언어 모델(LLM)을 활용하여 이러한 문제를 해결하는 방법을 연구한다. PV Assessment with LLMs (PVAL) 프레임워크를 제안하며, 작업 분해, 출력 표준화, 소수 샷 프롬프팅, 정교한 주석이 달린 큐레이션된 PV 데이터셋을 사용한 미세 조정을 포함한다. PVAL은 투명성, 확장성, 그리고 이기종 데이터셋 간의 적응성을 보장하면서 계산 오버헤드를 최소화한다.
