-
公开(公告)号：CN117725990A
公开(公告)日：2024-03-19
申请号：CN202410001924.7
申请日：2024-01-02
Applicant: 浙江大学 , 浙江大学建筑设计研究院有限公司
IPC: G06N5/01 , G06N7/01 , G06F40/20 , G06F9/448 , G06F18/214 , G06F18/2433 , G06N20/20 , G06Q10/04 , G06Q50/08 , G06Q50/06
Abstract: 本发明公开了一种基于大语言模型的自动化建筑能源负荷预测方法。本发明使用提示词函数和贝叶斯优化算法自动生成并优化面向大语言模型的提示词，从而实现高质量建筑能源负荷预测模型训练代码的自主生成。提示词函数是一种具有特定输入的提示词模版，能够根据实际情况自动生成满足需求的提示词。贝叶斯优化算法是一种参数寻优算法，能够根据大语言模型生成的代码质量优化提示词函数的输入，从而获得最佳的提示词。本发明借助大语言模型强大的编程能力实现了自动化的建筑能源负荷预测模型训练代码编写，降低了数据驱动算法在实际建筑能源负荷预测场景中的应用难度，同时提高了数据驱动算法的部署效率。
-
公开(公告)号：CN117217123A
公开(公告)日：2023-12-12
申请号：CN202311206597.0
申请日：2023-09-18
IPC: G06F30/28 , G06F30/27 , G06F30/10 , G06N3/0442 , G06N3/126 , G06F111/10 , G06F119/02 , G06F119/14 , G06F113/08 , G06F119/08
Abstract: 本发明公开了一种基于混合驱动模型的香菇热泵干燥系统性能优化方法，涉及热泵干燥领域。该方法包括以下步骤：首先，建立多层香菇干燥器数值模型。采用正交方法进行数值实验采样，获得干燥器出口空气状态和含水率的运行数据。接着，使用上述数据训练基于LSTM神经网络的干燥器进出口参数代理模型，实现干燥器进出口参数的快速计算。然后，构建热泵系统的物理驱动模型，并实现热泵系统物理驱动模型和干燥器数据驱动代理模型的联合仿真建模。最后，使用遗传算法对热泵干燥系统的性能进行优化，获得最优的香菇干燥工艺。本发明可以节省香菇热泵干燥系统性能优化试验成本和数值模拟计算成本，从而为香菇热泵干燥系统的性能预测、选型和运行提供指导。
-
公开(公告)号：CN112711791A
公开(公告)日：2021-04-27
申请号：CN202110008719.X
申请日：2021-01-05
Applicant: 浙江大学
IPC: G06F30/13 , G06F30/27 , G06Q10/04 , G06Q50/08 , G06N3/04 , G06N3/08 , G06F111/04 , G06F111/08
Abstract: 本发明提出了一种基于神经网络弹性权重固化的建筑用能负荷实时预测方法，包括神经网络模型离线训练和神经网络模型实时微调两个步骤。模型离线训练步骤包含六个子步骤，依次为建筑用能负荷历史数据获取、数据预处理、模型输入选择、模型超参数寻优、模型参数训练和参数重要性计算。模型实时微调步骤包含六个子步骤，依次为建筑用能负荷实时数据获取、数据预处理、保持模型输入一致、保持模型超参数一致、使用弹性权重固化对模型进行微调和参数重要性更新。特别地，模型微调以滑动窗的形式定期进行，从而保证模型能适应建筑用能规律的变化。该方法通过使用弹性权重固化技术对神经网络模型进行定期微调，从而实现准确可靠的建筑用能负荷实时预测。
-
公开(公告)号：CN110209649B
公开(公告)日：2021-04-23
申请号：CN201910300869.0
申请日：2019-04-15
Applicant: 浙江大学
IPC: G06F16/21 , G06F16/23 , G06F16/2458
Abstract: 本发明提出了一种基于关联规则知识库的中央空调系统能效实时诊断方法。该方法主要包括基于关联规则挖掘算法的知识库构建步骤和基于知识库的实时运行数据分析步骤。基于关联规则挖掘算法的知识库构建步骤包含四个部分，依次为历史运行数据预处理、关联规则挖掘、冗余关联规则剔除和根据领域知识提取关联规则放入知识库。基于知识库的实时运行数据分析步骤包含三个部分，依次为实时运行模式识别、基于知识库的潜在异常运行模式提取和潜在异常运行模式人工确诊。该发明可以实现高效的中央空调系统运行数据实时分析，从而指导技术人员针对性地进行故障维修和运行优化，提高人工排查设备故障或系统不节能运行模式的效率，减少系统的能源浪费。
-
公开(公告)号：CN112711791B
公开(公告)日：2022-04-19
申请号：CN202110008719.X
申请日：2021-01-05
Applicant: 浙江大学
IPC: G06F30/13 , G06F30/27 , G06Q10/04 , G06Q50/08 , G06N3/04 , G06N3/08 , G06F111/04 , G06F111/08
Abstract: 本发明提出了一种基于神经网络弹性权重固化的建筑用能负荷实时预测方法，包括神经网络模型离线训练和神经网络模型实时微调两个步骤。模型离线训练步骤包含六个子步骤，依次为建筑用能负荷历史数据获取、数据预处理、模型输入选择、模型超参数寻优、模型参数训练和参数重要性计算。模型实时微调步骤包含六个子步骤，依次为建筑用能负荷实时数据获取、数据预处理、保持模型输入一致、保持模型超参数一致、使用弹性权重固化对模型进行微调和参数重要性更新。特别地，模型微调以滑动窗的形式定期进行，从而保证模型能适应建筑用能规律的变化。该方法通过使用弹性权重固化技术对神经网络模型进行定期微调，从而实现准确可靠的建筑用能负荷实时预测。
-
Patent Agency Ranking
公开(公告)号：CN107741051B
公开(公告)日：2019-12-31
申请号：CN201710787073.3
申请日：2017-09-04
Applicant: 浙江大学
Abstract: 本发明公开了一种能够清除室内VOCs和甲醛的家用空调系统及运行方法。该系统包括压缩机、再生换热器、吸附床、室外管翅式换热器、室内管翅式换热器、节流元件、四通换向阀、电动截止阀、风机、风阀和净化风道。本发明在普通家用空调的基础上增加了空气净化部分，在空气净化阶段，通过吸附床内填充的VOCs及甲醛吸附材料的吸附作用对流经空气进行净化处理；在再生阶段，利用空调的冷凝废热在再生换热器中加热空气，高温空气进入吸附床，提供吸附材料再生过程所需热量同时充当吹扫气，之后将废气排至室外。本发明能实现对室内VOCs及甲醛的持续性吸附，提高室内空气品质；有效利用空调冷凝废热再生吸附材料，达到循环使用的效果，并节约系统能耗。
-
公开(公告)号：CN107741051A
公开(公告)日：2018-02-27
申请号：CN201710787073.3
申请日：2017-09-04
Applicant: 浙江大学
Abstract: 本发明公开了一种能够清除室内VOCs和甲醛的家用空调系统及运行方法。该系统包括压缩机、再生换热器、吸附床、室外管翅式换热器、室内管翅式换热器、节流元件、四通换向阀、电动截止阀、风机、风阀和净化风道。本发明在普通家用空调的基础上增加了空气净化部分，在空气净化阶段，通过吸附床内填充的VOCs及甲醛吸附材料的吸附作用对流经空气进行净化处理；在再生阶段，利用空调的冷凝废热在再生换热器中加热空气，高温空气进入吸附床，提供吸附材料再生过程所需热量同时充当吹扫气，之后将废气排至室外。本发明能实现对室内VOCs及甲醛的持续性吸附，提高室内空气品质；有效利用空调冷凝废热再生吸附材料，达到循环使用的效果，并节约系统能耗。
-
公开(公告)号：CN118861926A
公开(公告)日：2024-10-29
申请号：CN202410892035.4
申请日：2024-07-04
Applicant: 浙江大学
IPC: G06F18/2433 , G06F18/214 , G06F18/213 , G06F18/22 , G06F18/10 , G06F40/232 , G06F40/151 , G06F40/103 , G06N3/08
Abstract: 本发明公开一种基于反馈与自纠正的故障诊断暖通大语言模型训练方法，包括：获取暖通空调系统的运行数据并进行预处理；根据预处理数据，并基于模板生成用于故障诊断的提示；利用所述提示对大语言模型进行故障检测诊断的能力测试，并对所述大语言模型的回答进行判断正确与否；针对模型回答错误对应的提示，结合模型错误回答和正确故障答案，使所述大语言模型自我纠正错误，形成正确的诊断结果，并依次构建微调数据；基于所述微调数据对所述大语言模型进行微调训练。本发明的模型训练方法能够显著降低对高质量标记数据的依赖，并提高故障诊断的自动化程度和精确性。
-
公开(公告)号：CN118861123A
公开(公告)日：2024-10-29
申请号：CN202410892037.3
申请日：2024-07-04
Applicant: 浙江大学
IPC: G06F16/2458 , G06F16/215 , G06F16/28 , G06F18/23213 , G06F18/2433 , G06N5/022 , G06Q50/08
Abstract: 本发明公开了一种基于大语言模型的建筑节能自动化数据挖掘与分析方法，包括：获取建筑运营数据并进行数据清洗；对清洗后的建筑运营数据中的连续变量进行数据离散，将离散后的连续变量和离散变量进行数据转换操作，得到格式化离散描述数据；构建任务池：根据建筑能源系统的组成确定数据挖掘任务；根据格式化离散描述数据和用户需求，利用第一提示函数生成每个数据挖掘任务的提示，大语言模型使用该提示为每个数据挖掘任务选择变量；从选择变量中提取知识进行数据分析。本发明基于模板的提示生成方法和大语言模型自动化处理技术。通过自动生成数据挖掘任务和解释结果，大幅减少了人工干预的需求，降低了人力成本，并提高了诊断的精确性和效率。
-
公开(公告)号：CN111207484B
公开(公告)日：2021-01-19
申请号：CN201911283963.6
申请日：2019-12-13
Applicant: 浙江大学
Abstract: 本发明提供了一种基于面向对象贝叶斯网络的中央空调系统故障诊断方法，用于解决系统级别故障诊断模型构建难度高、工作量大、成本昂贵的问题。技术方案是首先基于中央空调系统所包含的设备类型，为每类设备构建故障诊断贝叶斯网络类和附加信息贝叶斯网络类；其次，通过类的实例化，为每个设备生成相应的故障诊断贝叶斯网络片段和附加信息贝叶斯网络片段；然后，分析设备之间的关联关系，建立相应贝叶斯网络片段之间的连通关系，并进行贝叶斯网络结构的修改和参数的调整，形成完整的贝叶斯诊断网络；最后，以中央空调系统的诊断信息为驱动，通过贝叶斯网络的概率推理过程实现故障诊断。该方法以面向对象和贝叶斯网络为基础，能够实现中央空调系统故障诊断模型的快速构建、更新和维护，具有较强的实用性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.019 seconds)
