2025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_81页_7mb

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

核心内容

• DeepSeek 作为中国AI技术的代表，推动了人工智能的普及与应用，打破了AI技术的垄断，实现了AI平权，尤其在中文AI领域，提升了技术的普惠性与大众创造力。
• 人工智能技术，尤其是大语言模型，正在逐步逼近人类博士级别的专业问题解决能力，如数学、代码编写和科学问题解答等。
• AlphaGo Zero 作为AI发展的里程碑，展示了AI通过强化学习和自我对弈实现自我进化和优化决策的能力，标志着AI从基于规则的专家系统向自我学习与适应的智能体系转变。
• 大语言模型 在建筑与能源行业具有广泛的应用前景，包括自动化报告编制、智慧能耗与碳排管控、辅助决策与趋势预测、运行数据深度挖掘、智能故障识别与诊断等。

主要观点

• AI发展现状：当前AI技术已经发展到可以胜任许多复杂任务，尤其在数学、代码编写和科学问题解答方面，大语言模型表现出显著的正确率优势。
• 传统AI的局限性：在能源领域，传统AI技术大多停留在数据采集与信息展示阶段，缺乏对复杂问题的解决能力，且依赖人工设计规则，难以扩展和适应变化。
• 大语言模型的优势：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，能够实现数据预处理、特征选择、模型训练、结果可视化和模型解释的全流程自动化。
• 应用场景：大语言模型在工业流程中被广泛应用于研发设计、生产制造、试验测试、运营管理、运维服务等多个环节，其中生产制造环节应用最为广泛。
• 模型训练与优化：通过微调、数据增强和自适应样本生成等方法，提升大语言模型在特定任务中的性能，如故障检测与诊断，提高诊断准确率。

关键信息

• AI技术发展：AI技术在2024年取得了显著进步，包括大语言模型在数学、代码和科学问题上的表现，甚至在博士级问题上比人类专家更准确。
• DeepSeek的贡献：DeepSeek等模型的出现为AI技术发展提供了新范式，减少了对人工规则的依赖，实现自我迭代升级。
• 模型性能评估：在建筑能源负荷预测任务中，大语言模型的预测精度达到 $R^2 \sim 0.95$，在故障检测任务中，GPT-4的诊断准确率高达99.48%。
• 科研成果：浙江大学EnergyX团队在2024-2025年间发表了5篇关于大语言模型在建筑能源系统中的应用与评估的SCI论文，涵盖大数据分析、故障检测诊断、负荷预测等多个方面。
• 技术挑战：大语言模型的开发和应用面临成本高、开发周期长、模型适配性差等挑战，需要通过柔性制造、自动化和模块化技术来解决。

技术方法

• 数据预处理与特征选择：通过数据清洗、特征工程和模型训练，实现对建筑能源系统负荷的精准预测。
• 模型训练与优化：利用Grid Search进行超参数优化，结合多种数据驱动算法（如支持向量回归、人工神经网络、随机森林、极端梯度提升）进行比较，选择最佳模型。
• 模型解释：采用Shapley additive explanations方法进行模型解释，提升模型的可解释性和透明度。
• 自动化提示生成：基于模板和数据，自动生成用于大语言模型的提示词，提高模型在不同任务中的适应能力。
• 数据增强与微调：利用SMOTE算法合成新样本，对模型进行微调，提升诊断准确率和模型泛化能力。

应用案例

• 自动化报告编制：大语言模型可自动撰写和校验巡检报告、能耗评估和故障追踪报告，提升管理流程标准化和工作效率。
• 智慧能耗与碳排管控：结合大模型和数字孪生技术，实现能耗预测、碳排溯源与节能优化的闭环管理。
• 故障检测与诊断：通过标注数据和模型自纠正，实现自动化监督微调训练方法，提升模型在故障检测任务中的准确性。
• 运行数据挖掘分析：结合无监督挖掘算法，实现能源系统运行数据的自动化分析，挖掘能源浪费模式，指导节能降耗。

未来展望

• AGI的临近：随着AI技术的发展，通用人工智能（AGI）将可能带来颠覆性变革，重新定义复杂热力系统的智能化。
• 人机协同：大语言模型将促进人机智能协同互动，实现业务咨询反馈的迅捷与精准，提升员工工作效率和决策质量。
• 工业4.0与AI融合：AI技术将推动工业4.0的发展，实现人、机、物的互联互通，提升系统的智能化水平和自动化程度。
• 计算科学时代：AI正在重塑全球科研生态，推动计算科学的发展，扩展人类的创造力和探索能力。

结论

• 大语言模型在建筑与能源领域的应用潜力巨大，能够实现从数据采集到模型解释的全流程自动化。
• 通过模型微调、数据增强和自适应样本生成，提升模型在复杂任务中的准确性和适应性。
• 未来AI的发展将更加依赖算力、算法和数据，推动能源系统的智能化和高效化。
• 浙江大学EnergyX团队的研究成果展示了大语言模型在建筑能源系统中的应用前景，为未来AI技术在能源行业的落地提供了有力支持。