Apr, 2024

LuminLab：一款基于人工智能的建筑改造和能耗模拟平台

HTML
PDF
TL;DR这篇论文介绍了LuminLab平台的技术和概念发展，该平台是一个在线工具，整合了一个专门定制的以人为本的人工智能聊天机器人和预测能源模型，可以快速生成并讨论自然语言中的建筑改造计划。这个平台让用户能够根据自己的预算和建筑需求与一系列可能的改造路径进行交互，并且随需应变。鉴于建筑改造项目的复杂和成本高昂，涉及多个利益相关者，他们的目标和激励不尽相同，我们认为这种AI驱动的工具有潜力在解决知识孤立问题、改善沟通，并赋予个人业主进行增量改造项目的能力，否则可能不会实施。
发现论文，激发创造
  • 智能基础设施能效博弈理论框架的设计、基准测试和可解释性分析

    本文提出一种游戏化方法作为智能建筑基础设施的新框架，旨在激励人类占用者重新考虑个人能源使用并对其环境产生积极影响。我们引入了一种以博弈论为基础的策略，在建筑管理员与占用者之间创建接口，可能会激励节能行为，运用新型效用学习框架提高预测性能，通过双向递归神经网络扩展效用学习模式进行优化，最后我们还开源了与能源博弈论框架有关的去匿名化的高维数据。

    Oct, 2019

  • GridLearn：用于格网感知建筑能源管理的多智能体强化学习

    本研究表明，多智能体强化学习可用于通过智能逆变器和智能建筑能源管理系统控制建筑内资源，实现电网水平目标，并保护建筑物业主的隐私和舒适度。作为案例研究，我们考虑使用可控建筑负载、储能和智能逆变器在IEEE-33总线网络上进行电压调节。结果表明，强化学习代理通常通过34％降低欠电压和过电压的发生率。

    Oct, 2021

  • ReLBOT：一种在智能建筑中最小化强化学习风险的迁移学习方法

    本文提出了一种名为ReLBOT的新技术，使用深度强化学习中的转移学习，从现有的优化智能建筑中转移知识以降低新委托的建筑中强化学习代理的热身期的不良影响，最大程度地优化了能源消耗效果。

    Apr, 2023

  • 一种面向可持续发展的人在环路优化自动形式化方法

    这篇论文介绍了一种利用大型语言模型（LLMs）解决个性化能源相关问题的自然对话方法，通过增加优化求解器，提升LLMs对用户需求和偏好的理解和响应能力，将自然语言任务规范自动转化为优化实例，分析、解释和解决各种特定实例的能源相关问题，进而推动可持续能源实践定制化。

    Aug, 2023

  • 应用大型语言模型于建筑能效和碳减排研究的机遇与挑战：一项探索性概述

    近年来，大型语言模型（LLMs）在各个领域取得了快速进展和令人印象深刻的能力。本文探讨了LLMs在建筑能效和碳减排研究中的应用、影响和潜力。文章考察了LLMs在建筑能源领域的广泛能力，包括智能控制系统、代码生成、数据基础设施、知识提取和教育。尽管LLMs具有很大的潜力，但仍存在复杂和昂贵的计算、数据隐私、安全和版权、精细调整LLMs的复杂性以及自一致性等挑战。文章最后呼吁未来的研究集中在增强LLMs的领域特定任务、多模式LLMs和人工智能与能源专家之间的合作研究上。

    Dec, 2023

  • 多层住宅建筑热力动力学的灰盒模型数字孪生

    利用工业4.0技术和数字孪生平台，该研究提出了一种建筑热力动力学的灰盒模拟架构，整合实时物联网数据和建筑的3D表示，促进了建筑热力动力学的智能决策制定和优化。

    Feb, 2024

  • 利用大型语言模型推进建筑能源建模：探索与案例研究

    该研究旨在调查大型语言模型与建筑能源模型软件的创新整合，重点关注ChatGPT与EnergyPlus的融合。文献综述表明，大型语言模型在工程建模中应用日益增长，但在建筑能源模型中的应用研究有限。通过三个案例研究，证明了大型语言模型在自动化和优化建筑能源模型任务方面的潜力，并强调了人工智能在推进可持续建筑实践和能源效率方面的关键作用。研究结果建议未来人工智能研究采用跨学科的方法，并对其他专门工程建模领域有着重要影响。

    Feb, 2024

  • 智能化电力负荷预测在用户社区的应用

    通过对电力负荷预测的广泛技术进行综述，本文测试了人工智能驱动的短期负荷预测方法，包括Facebook的Prophet和LSTM模型，基于季节的SARIMA和平滑Holt-Winters模型，以及利用领域知识的经验回归模型。结果表明，在负荷预测任务中将持续性和回归项相结合可以实现最佳的预测准确性。

    Feb, 2024

  • 建筑能源管理的语义建模调查

    建筑物占据了全球能源消耗的相当大部分。本文调查了应用于建筑物能源管理的主要语义建模技术，并提供了具体的应用案例，揭示了每种模型固有的关键概念和限制。我们的发现将帮助研究人员确定在不同应用场景中使用这些模型的适当条件和方法。

    Apr, 2024

  • 生成性人工智能在建筑行业的应用

    本研究探讨了生成性人工智能（尤其是大型语言模型）在建筑行业的变革潜力，解决了在能效法规合规、建筑设计优化和劳动力培训等方面的具体问题。论文提出了创新的解决方案，旨在自动化繁重的工作流程，显著提升建筑实践中的效率、准确性与安全性，预示着人工智能的广泛应用将推动建筑行业朝向更智能、可持续的方向发展。

    Oct, 2024