综述评估LLM在暖通空调领域的应用现状
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载研究范围与现状
这项系统性综述涵盖了2023年至2026年3月期间发表的66篇同行评议研究，旨在探讨大语言模型在暖通空调操作中的方法、应用及部署准备情况。研究将这些论文分为五个应用类别和三个大语言模型方法类别，并评估了其证据的真实性、部署准备度以及大语言模型与物理暖通空调决策之间的责任边界。目前的文献主要集中在建筑能源建模领域，占据了66篇论文中的32篇，而负荷预测方面的研究仍然过于稀疏，无法得出子领域层面的结论。
部署成熟度分析
在评估的66项研究中，仅有四项达到了试点级证据，且没有任何一项研究报告了持续的实际运营部署。就行业采用准备度而言，没有任何一项研究被归类为“立即可用”，仅有三项被归类为“近期可用”，其余63项均属于“仅限研究”范畴。这表明，尽管大语言模型在建筑能源系统中引起了关注，但其在实际工业环境中的成熟度仍然较低，尚未达到大规模替代现有系统的水平。
适用场景与局限
尽管整体部署准备度不高，但研究指出了几种值得进行近期试验的有限且包含人在回路的应用场景。这些包括测点名称标准化、基于文档的操作员支持、建筑能源建模工作流辅助以及围绕基于物理控制器的咨询接口。相比之下，对于高频控制、短时宽数值预测以及定义明确的本体映射任务，传统的机器学习、模型预测控制、强化学习和基于本体的工具仍然更为普及。自主代理操作和未经验证的居住者代理目前仍处于研究阶段。
定位与未来方向
基于现有证据，该综述认为大语言模型目前主要应被视为语义层和工作流层，而非自主的暖通空调控制器。未来的工作应优先考虑经过现场验证的基准测试、在运营约束下的编排评估，以及具有延迟边界和可验证安全属性的大语言模型与模型预测控制或强化学习的混合架构。这为行业提供了清晰的技术路线图，即在利用大语言模型优势的同时，必须结合传统控制方法以确保系统的安全性和可靠性。
为什么值得看
首次系统性评估LLM在建筑能源领域的落地现状，指出当前应用局限与未来方向。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。