2025年03月01日更新-【浙江大学_赵阳_】2025年从DeepSeek探讨大语言模型在建筑及能源行业的应用趋势和技术方法报告_78页_9mb

报告摘要

本报告探讨了大语言模型（LLMs）在建筑及能源行业中的应用趋势和技术方法，以DeepSeek等模型为范例，展示了AI技术如何在这些领域实现突破。报告分析了当前AI的发展状况，传统AI在能源领域的局限性，以及大语言模型如何通过自动化、智能化的方式提升行业效率和决策能力。

AI发展现状：人工智能技术在2024年取得了显著进步，尤其在自然语言处理和复杂推理方面，AI已能解决博士级别的科学问题，且在多个领域如数学、代码编写和科学问题解答上表现优于人类专家。
传统AI的局限性：能源领域的传统AI多停留在数据采集和信息展示阶段，难以突破实际应用瓶颈，且受限于人力、物力和财力，难以实现大规模的智能化应用。
DeepSeek等新范式：DeepSeek等大语言模型打破了对人类专家的依赖，通过自我迭代和自动化生成策略，展现出更高的灵活性和可扩展性，为AI在建筑与能源行业的应用提供了新的可能。
大语言模型的应用价值：大语言模型具备强大的编程、自然语言理解和认知推理能力，能够辅助完成从数据预处理到模型解释的全过程，提升建筑能源管理的智能化水平。
科研案例展示：
- 研究一：基于大语言模型的能源负荷预测方法，实现了自动化数据挖掘分析，包括数据预处理、特征选择、知识挖掘与知识解释。
- 研究二：提出一种基于最大频繁项集的自动化知识发现方法，用于识别建筑能源系统的异常运行模式。
- 研究三：通过模型自我纠正与数据增强技术，构建了用于故障检测与诊断的监督微调方法，显著提升了诊断准确率。

大语言模型的特性：大语言模型能够进行自动化编程、数据挖掘和知识发现，同时具备处理多源数据和进行多目标优化的能力。
应用领域：
- 自动化报告编制：实现巡检报告、能耗评估和故障追踪报告的自动撰写和校验。
- 智慧能耗与碳排管控：通过实时监控、动态仿真和智能调控，形成能耗预测、碳排溯源与节能优化的闭环。
- 辅助决策与趋势预测：利用大模型驱动的数据预测提前预警潜在风险，为决策提供科学参考。
- 人机协同：通过大模型驱动的对话系统，实现业务咨询反馈的迅捷与精准，员工可自动检索和获取相关业务知识。
模型训练与优化：
- 自我纠正策略：通过模型的自我迭代和错误纠正，提升其在复杂任务中的表现。
- 微调与数据增强：基于标注数据和SMOTE算法，合成新样本以提升模型在特定故障类别上的诊断能力，最终模型的平均诊断准确率提高了73.3%。
技术挑战与解决路径：
- 开发难度：当前大语言模型的开发周期长、难度高，需大量算力和数据支持。
- 解决路径：推动模型的柔性制造，采用自动化、模块化和流水线技术，降低开发和部署成本。

应用场景	研究与设计	生产制造	试验测试	运营管理	运维服务
智能问答	参数化设计问答、方案辅助论证	操作流程指导、生产状态问询	测试结果问询	设备诊断问答、测试结果问询	运营情况问答、工业文档检索
场景认知	手绘草图识别、设计图纸理解	零部件/产品外观认知、生产工艺认知	测试环境认知、产品状态认知	资源状态动态感知	设备/产品状态监控
过程决策	定制化设计决策、方案优化调整	生产质量监控、生产调度优化	测试方案分析、测试结果评估	管理报表分析、资源调度优化	健康状态预测
终端控制	产线设计调整控制	生产设备运动控制、生产流程过程控制	测试设备及采集系统控制	能耗设备供能调节、AGV运输规划控制	设备/产品运行容错控制
内容生成	CAX设计生成、仿真系统生成	机器人轨迹生成、控制指令生成	测试方案生成、测试样本生成	管理报表生成、调度方案生成	维护方案生成、运行样本生成
科学发现	多学科耦合机理发现、新材料/工艺发现	复杂关联耦合质量问题分析	根因推理分析	多目标优化生产模式发现、供应链协作模式发现	性能退化规律发现、设备/产品运行模式发现

序号	论文题目	年份	期刊
1	Generative pre-trained transformers (GPT)-based automated data mining for building energy management:Advantages, limitations and the future	2024	Energy and Built Environment
2	Evaluation of large language models (LLMs) on the mastery of knowledge and skills in the heating ventilation and air conditioning (HVAC) industry	2024	Energy and Built Environment
3	Automated data mining framework for building energy conservation aided by generative pre-trained transformers (GPT)	2024	Energy and Buildings
4	Domain-specific large language models for fault diagnosis of heating, ventilation, and air conditioning systems by labeled-data-supervised fine-tuning	2024	Applied Energy
5	Automated data-driven building energy load prediction method based on generative pre-trained transformers (GPT)	2025	Energy