能源系統(tǒng)人工智能方法 課件 第一章 緒論

緒論能源系統(tǒng)大數(shù)據(jù)分析理論與實踐第一節(jié)2匯報提綱什么是能源？什么是智慧？為什么需要智慧能源？如何實現(xiàn)智慧能源?GPT類的技術(shù)將帶來哪些變革?課程安排3人類文明與能源的關(guān)系-卡爾達舍夫等級卡爾達舍夫等級其實就是一種用來衡量一個文明的技術(shù)的先進程度的方法，以可以制造的能量多少來衡量，這也是目前學(xué)界較為認同的一種方法,大致可以分成下面三個等級：級別I：該文明是行星能源的主人，也就是說他們有能力控制整顆母星以及周圍衛(wèi)星的能源。級別II：該文明有能力收集整個恒星系統(tǒng)的能源.例如：我們可以取得木星上的氫氣作為自己的能源嗎？其實主要的問題就是我們的科技等級還做不到，一旦到達了二級就可以做到了。級別III:又稱為星系文明，可以控制整個星系的能量，比如銀河系，這個能量就大的嚇人了，目前來看這已經(jīng)是科幻小說的領(lǐng)域了。這個級別的文明基本上和二級文明運作模式差不多，可以收集星球中的能量，只不過不是一個星球，而是數(shù)百萬個星球，星系對于這種文明來說基本上就是他們的游樂園，甚至星系中心的黑洞也可能被他們用作能量來。4卡爾達舍夫提出一個方程來確定一個文明所處的級別，K代表級別，P代表文明的能耗.人類連這一個文明等級都達不到，人類大約處在0.75級作用。人類文明與能源的關(guān)系-卡爾達舍夫等級5薪柴時代薪柴是人類第一代主體能源?；鹨彩侨祟愓莆盏牡谝豁椉夹g(shù)，恩格斯在評價火的作用時說：“磨擦生火第一次使人支配了一種自然力，從而最終把人同動物分開?！比祟惸茉词?煤炭時代隨著蒸汽機的發(fā)明，機械力開始大規(guī)模代替人力，低熱值的木材已經(jīng)滿足不了巨大的能源需求，煤炭以其高熱值、分布廣的優(yōu)點成為全球第一大能源。這也隨之帶動了鋼鐵、鐵路、軍事等工業(yè)的迅速發(fā)展，大大促進了世界工業(yè)化進程，煤炭時代所推動的世界經(jīng)濟發(fā)展超過了以往數(shù)千年的時間。人類能源史7石油時代19世紀末，人們發(fā)明了以汽油和柴油為燃料的內(nèi)燃機。福特成功制造出世界第一輛量產(chǎn)汽車。這一時期起，石油以其更高熱值、更易運輸?shù)忍攸c，于20世紀60年代取代了煤炭第一能源的地位，成為第三代主體能源。石油作為一種新興燃料不僅直接帶動了汽車、航空、航海、軍工業(yè)、重型機械、化工等工業(yè)的發(fā)展，甚至影響著全球的金融業(yè)，人類社會也被飛速推進到現(xiàn)代文明時代。人類能源史8新能源時代20世紀30年代以來，隨著科學(xué)技術(shù)的進步，各類新能源開始投入使用，而化石能源帶來的全球性危機，也進一步加快了新能源技術(shù)進步和實際應(yīng)用速度。人類能源史9全球能源消耗趨勢10能源對當前國際關(guān)系的影響11可控核聚變?人類下一個千年能源未來史?12什么是能源？什么是智慧？為什么需要智慧能源？如何實現(xiàn)智慧能源?GPT類的技術(shù)將帶來哪些變革?課程安排匯報提綱13智慧是一個漢語詞語，拼音是zhìhuì，一指聰明才智，二指梵語“般若”（音bo-re）的意譯。出自《墨子·尚賢中》：“若此之使治國家，則此使不智慧者治國家也，國家之亂，既可得而知已。”智慧是生命所具有的基于生理和心理器官的一種高級創(chuàng)造思維能力，包含對自然與人文的感知、記憶、理解、分析、判斷、升華等所有能力。智慧與智力不同，智慧表達智力器官的綜合終極功能，與“形而上之道”有異曲同工之處；智力則謂“形而下之器”，是生命的一部分技能。什么是智慧?141997年電腦深藍國際象棋比賽中戰(zhàn)勝人類冠軍152011年電腦Watson美國綜藝節(jié)目危險邊緣戰(zhàn)勝人類冠軍AI能思考嗎？162016年電腦AlphaGo在圍棋比賽中戰(zhàn)勝人類冠軍172017-2023GPT技術(shù)的發(fā)展模型參數(shù)的不斷增大技術(shù)創(chuàng)新的不斷引入應(yīng)用場景的不斷擴展18人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器，該領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。研究熱度時間什么是人工智能（AI）19如何理解當下的人工智能浪潮?20連馬桶都叫智慧了嗎?!如何理解當下的人工智能浪潮?21什么是能源？什么是智慧？為什么需要智慧能源？如何實現(xiàn)智慧能源?GPT類的技術(shù)將帶來哪些變革?課程安排匯報提綱我國區(qū)域供熱供冷系統(tǒng)占全國總能耗約5%，運行過程中普遍有10%-20%的能源浪費主要原因：粗放式運行管理突出矛盾：運行管理人員專業(yè)素養(yǎng)普遍較低與節(jié)能理論技術(shù)水平要求高之間的矛盾技術(shù)瓶頸：普遍稀缺能夠及時發(fā)現(xiàn)運行過程問題的能力22重建設(shè)，輕運行重硬件，輕軟件重維持，輕節(jié)能我國區(qū)域供熱供冷面積趨勢圖北方區(qū)域供熱南方區(qū)域供冷供熱年均增長率12%為什么需要“人工智能+”？-以城市能源為例23住宅建筑熱電聯(lián)產(chǎn)余熱驅(qū)動制冷污水廢水余熱商業(yè)建筑工業(yè)過程太陽能發(fā)熱天然冷源垃圾焚燒余熱可再生熱源圖片來源：聯(lián)合國環(huán)境規(guī)劃署.城市區(qū)域能源[R].2015.區(qū)域供熱供冷系統(tǒng)是一種大規(guī)模復(fù)雜熱力系統(tǒng)，包括熱源、冷源、流體輸配管網(wǎng)和冷熱負荷，具有大惰性、大滯后、非線性等特性致力于解決城市能源智能化問題24典型領(lǐng)域我國大型公建用電總量趨勢圖用電總量（萬億kWh）我國大型公共建筑約占建筑總面積4%，但能耗卻占我國建筑總能耗的20%以上[1]；大型公共建筑普遍有10%-30%能源浪費，主要原因是中央空調(diào)系統(tǒng)運行效率遠低于預(yù)期[1]。[1]中國建筑節(jié)能年度發(fā)展研究報告[M].清華大學(xué)建筑節(jié)能研究中心,2014.機場劇院醫(yī)院醫(yī)院辦公樓商業(yè)中心機場以我國公共建筑的中央空調(diào)系統(tǒng)為例冷媒循環(huán)回風(fēng)溫度傳感器溫度傳感器表冷器壓縮機膨脹閥蒸發(fā)器冷卻塔冷凝器送風(fēng)放熱吸熱放熱變風(fēng)量末端（空氣-空氣）冷水機組（水-制冷劑-水）新風(fēng)排風(fēng)空氣處理機組（水-空氣）7種主要隱性故障制冷劑泄漏存在不凝結(jié)氣體冷凝器結(jié)垢冷卻水流量過少制冷劑充注過多冷凍水流量過少蒸發(fā)器結(jié)垢

…43種故障新風(fēng)風(fēng)閥故障混風(fēng)風(fēng)閥故障表冷器閥門故障加熱器閥門故障…10種故障風(fēng)閥閥門故障流量傳感器故障溫度傳感器故障控制器故障…中央空調(diào)系統(tǒng)故障種類繁多，人工檢測診斷理論難度高、工作量大且不及時。以中央空調(diào)系統(tǒng)運維管理中設(shè)備故障診斷為例上海27幢酒店建筑供冷設(shè)備裝機容量與實際運行負荷單位建筑面積冷機裝機容量的平均值為120W/m2實測單位建筑面積夏季尖峰負荷多數(shù)在30~40W/m2，基本上不超過50W/m2冷機裝機容量普遍偏大上海市公共建筑供冷供熱系統(tǒng)現(xiàn)狀調(diào)研注：數(shù)據(jù)來自上海市建筑科學(xué)研究院朱偉峰調(diào)研成果上海50幢大型公共建筑水泵裝機容量與實際運行情況夏季高負荷下，實測一次冷凍水流量/一次冷凍泵裝機容量(不包含備用水泵）的平均值為44.5%上海市公共建筑供冷供熱系統(tǒng)現(xiàn)狀調(diào)研注：數(shù)據(jù)來自上海市建筑科學(xué)研究院朱偉峰調(diào)研成果2862%的公共建筑安裝BA系統(tǒng)52%的建筑提供監(jiān)測或啟?？刂普嬲龑崿F(xiàn)BA智能控制的建筑較少，少于5%上海65幢大型公共建筑注：數(shù)據(jù)來自上海市建筑科學(xué)研究院朱偉峰調(diào)研成果上海市公共建筑供冷供熱系統(tǒng)自控現(xiàn)狀調(diào)研29總體能效水平≈

設(shè)備性能X控制水平X運維管理水平時間運維水平理想水平實際水平1980s2018時間控制性能理想性能實際性能1980s2018理論技術(shù)水平設(shè)備性能理想性能實際性能1980s2018隨著制造工藝提升和理論技術(shù)進步，設(shè)備性能已經(jīng)大幅度提升，整體水平較高弱電工程人員往往控制出身，對系統(tǒng)一知半解，控制策略適應(yīng)性差運維管理人員的檢測、診斷和優(yōu)化能力嚴重欠缺時間設(shè)備性能運維管理控制策略影響實際制冷系統(tǒng)能效水平的主要因素30據(jù)美國RP-1312項目統(tǒng)計，一個典型的AHU中共有68類故障[1]：6個受控設(shè)備有25類故障5個設(shè)備中有11類故障8個控制器中有8類故障12個傳感器中有24類故障案例：阿姆斯特丹博物館AHU故障

冷卻盤管閥持續(xù)處于最大開度，熱水負荷抵消了冷水負荷。室內(nèi)環(huán)境溫度沒有受到影響，持續(xù)三周后才被發(fā)現(xiàn)，浪費了大量的能源。[1]J.WenandS.Li,2011.ASHRAE1312-RP:ToolsforEvaluatingFaultDetectionandDiagnosticMethodsforAir-HandlingUnits-Finalreport,DrexelUniversity,PA,UnitedStates.冷負荷熱負荷舉例一：空氣處理機組（AHU）典型故障31期望故障征兆調(diào)適實際變風(fēng)量系統(tǒng)風(fēng)閥卡死冷/熱量不足定風(fēng)量系統(tǒng)調(diào)整送風(fēng)溫度實際應(yīng)用中，大部分變風(fēng)量系統(tǒng)最終變成了定風(fēng)量系統(tǒng)一個典型VAVBox有10類故障，香港理工團隊對香港某商用建筑的1251個VAVbox核查，發(fā)現(xiàn)20.9%存在故障[1]J.Y.Qin,S.W.Wang,AfaultdetectionanddiagnosisstrategyofVAVair-conditioningsystemsforimprovedenergyandcontrolperformances,EnergyandBuildings37(2005)1035-1048.舉例二：變風(fēng)量末端（VAVBox）典型故障32冷卻水量不足制冷劑充注過量不凝性氣體冷凝器結(jié)垢16.2%21.3%20.0%8.2%制冷劑泄露蒸發(fā)器結(jié)垢數(shù)據(jù)來自美國RP-1043項目實測據(jù)美國RP-1403項目調(diào)研，運行維護不善可能導(dǎo)致8類冷水機組軟故障，且難以人工察覺舉例三：冷水機組典型故障33運維技術(shù)人員專業(yè)素養(yǎng)普遍不高教育程度不高，缺乏必要的基本知識只會開機關(guān)機和簡單記錄運行數(shù)據(jù)只會簡單的維修，經(jīng)常錯誤操作運行管理模式落后責任、權(quán)利、利益不明缺少有效具體考核方法設(shè)計、施工、調(diào)試、運行等過程脫節(jié)舉例三：冷水機組典型故障34領(lǐng)域的主要矛盾：日益增長的節(jié)能需求和能源領(lǐng)域不平衡不充分的發(fā)展之間的矛盾根本原因當前歷史條件下由于我國社會整體水平不高所導(dǎo)致的歷史階段性問題人系統(tǒng)人系統(tǒng)原有的二元關(guān)系下難以解決升維到三元關(guān)系，提供了新的自由度人工智能對我國現(xiàn)階段能源系統(tǒng)節(jié)能領(lǐng)域問題本質(zhì)的思考35莫拉維克悖論（1980）“要讓電腦如成人般地下棋是相對容易的，但是要讓電腦猶如一歲小孩一般的感知和行動能力，卻是相當困難甚至是不可能的”對于計算機，困難的問題是易解的，簡單的問題是難解的。人類獨有高階智慧在感知環(huán)境和行動能力方面，目前仍具有顯著優(yōu)勢能夠?qū)嶋H手工處置問題計算機有強大的計算存儲能力對海量數(shù)據(jù)的大規(guī)模計算、預(yù)測、推理、抽象、仿真和存儲方面，具有壓倒性優(yōu)勢人工智能與人具有能力互補性36專業(yè)素養(yǎng)難以提高工作負荷依舊較重人力成本逐漸攀升難以吸引優(yōu)秀人才信息化成本越來越低互聯(lián)網(wǎng)物聯(lián)網(wǎng)普及數(shù)據(jù)采集量越來越多計算能力大幅提升應(yīng)用邊際成本極低“人工智能”條件逐漸成熟“人”的進步緩慢我來幫您如何解決“人”的問題37規(guī)模性：日常大量應(yīng)用重復(fù)性：大量重復(fù)工作可能性：人能夠做得到！當前人工智能的價值和能力大多體現(xiàn)在具有如下特征的領(lǐng)域：對象問題當前人工智能在工科研究領(lǐng)域探索人類未知方面的作用十分有限！制冷低溫領(lǐng)域符合左邊特征的：1.批量生產(chǎn)制冷設(shè)備2.個性化制冷系統(tǒng)-冷庫-建筑中央空調(diào)系統(tǒng)產(chǎn)品相關(guān)1.設(shè)計缺陷不足2.潛在優(yōu)化設(shè)計空間3.產(chǎn)品缺陷運行維護相關(guān)1.故障檢測診斷2.優(yōu)化控制運行什么樣的對象問題適合AI+？對象問題38什么是能源？什么是智慧？為什么需要智慧能源？如何實現(xiàn)智慧能源?GPT類的技術(shù)將帶來哪些變革?課程安排匯報提綱39關(guān)鍵科學(xué)問題如何讓計算機具備領(lǐng)域?qū)＜宜降睦碚撝R；如何能夠在傳感器缺失導(dǎo)致的信息不足和不確定情況下深度理解數(shù)據(jù)；如何具有通用化的自主性的能效分析、優(yōu)化運行、人機協(xié)同，和持續(xù)學(xué)習(xí)的能力人工智能+熱力學(xué)系統(tǒng)的實際約束傳感器數(shù)量少質(zhì)量不高所導(dǎo)致的“信息不足”問題由于信息不足進一步導(dǎo)致推理過程的“不確定性”問題個人認知:當下智慧+熱力學(xué)的科學(xué)問題40智能電網(wǎng)太陽能發(fā)電基于消防水池的水蓄冷吸收式冷機發(fā)電機冷機基于模型預(yù)測控制方法（MPC）的分布式能源優(yōu)化控制案例:凈零能耗建筑系統(tǒng)的優(yōu)化設(shè)計與優(yōu)化控制產(chǎn)電用電策略蓄冷用冷策略電網(wǎng)價格高的時候向電網(wǎng)賣多余的電電網(wǎng)價格低的時候蓄冷電網(wǎng)價格高的時候放冷案例:凈零能耗建筑系統(tǒng)的優(yōu)化設(shè)計與優(yōu)化控制42第一類：海量數(shù)據(jù)高度冗余語音識別（Google）每天超過5億條的社交語言數(shù)據(jù)積累。微軟機器翻譯已達到人類平等水平圖像識別（Google）幾十億量級音頻庫識別80種語言95%的準確率數(shù)據(jù)量：測點數(shù)量遠遠少于能夠描述完整熱力過程所需要（量級之差）冗余度低：物理（測點）冗余度低，數(shù)值（物理公式角度）冗余度低當下熱門的三類人工智能熱力系統(tǒng)現(xiàn)狀千萬量級圖片訓(xùn)練16000個CPU運行3天自動生成“貓”的概念機器翻譯當下深度學(xué)習(xí)和大數(shù)據(jù)技術(shù)對熱力系統(tǒng)效果如何?43

熱力領(lǐng)域現(xiàn)狀A(yù)lphaGoZero在3天內(nèi)進行490萬次自我對弈練習(xí)，以100：0的戰(zhàn)績完勝AlphaGo無人駕駛上路前完成超過100億公里虛擬行程測試第二類：低成本大量交互試錯當下熱門的三類人工智能當下深度學(xué)習(xí)和大數(shù)據(jù)技術(shù)對熱力系統(tǒng)效果如何?44系統(tǒng)之間差異較大：每個系統(tǒng)的組成、設(shè)計理念、拓撲結(jié)構(gòu)、運行策略和傳感器安裝均不一樣，可類比性很低熱力領(lǐng)域現(xiàn)狀購物醫(yī)療餐飲導(dǎo)航人的衣食住行需求的標準化程度遠超能源領(lǐng)域金融租房傳媒第三類：與人的需求相關(guān)的大數(shù)據(jù)技術(shù)當下熱門的三類人工智能當下深度學(xué)習(xí)和大數(shù)據(jù)技術(shù)對熱力系統(tǒng)效果如何?45什么是能源？什么是智慧？為什么需要智慧能源？如何實現(xiàn)智慧能源?GPT類的技術(shù)將帶來哪些變革?課程安排匯報提綱46人工通用智能的火花:GPT-4的早期實驗2023年3月微軟研究院發(fā)表154頁重磅論文論文地址：/pdf/2303.12712v1.pdf它比之前的AI模型表現(xiàn)出更多的通用智能我們證明,除了對語言的掌握,GPT-4還能解決跨越數(shù)學(xué)、編程、視覺、醫(yī)學(xué)、法律、心理學(xué)等領(lǐng)域的新穎而困難的任務(wù)，而不需要任何特殊的提示47我們對GPT-4的研究完全是現(xiàn)象學(xué)的：我們專注于GPT-4能做的令人驚訝的事情，但我們沒有解決為什么以及如何實現(xiàn)如此卓越的智能的基本問題。它是如何推理、計劃和創(chuàng)造的？當它的核心只是簡單的算法組合--梯度下降和大規(guī)模變換器與極其大量的數(shù)據(jù)的結(jié)合時，它為什么會表現(xiàn)出如此普遍和靈活的智能？這些問題是LLM的神秘和魅力的一部分，它挑戰(zhàn)了我們對學(xué)習(xí)和認知的理解，激發(fā)了我們的好奇心，并推動了更深入的研究。關(guān)鍵的方向包括正在進行的對LLMs中的涌現(xiàn)現(xiàn)象的研究2023年3月微軟研究院發(fā)表154頁重磅論文涌現(xiàn)現(xiàn)象論文地址：/pdf/2303.12712v1.pdf48GPT發(fā)展歷史模型參數(shù)的不斷增大技術(shù)創(chuàng)新的不斷引入應(yīng)用場景的不斷擴展49GPT賦能各行各業(yè)ChipGPT

GPT大模型自動完成設(shè)計芯片Source:KaiyanChang,etal.“ChipGPT:Howfararewefromnaturallanguagehardwaredesign”Framework+PromptEngineering50GPT賦能各行各業(yè)信息搜索...日常辦公編寫程序51GPT賦能各行各業(yè)

GPT大模型游戲公司Source:ChenQian,etal.“CommunicativeAgentsforSoftwareDevelopmen”Source:RongshengWang,etal.XrayGLM-/WangRongsheng/XrayGLMXrayGLMGPT大模型進行醫(yī)學(xué)影像診斷多模態(tài)GPTChatDev多智能體交互52論文中的一些測試用例:冷機閥門故障診斷53論文中的一些測試用例:空調(diào)系統(tǒng)冷凍水供回水溫度分析54論文中的一些測試用例:建筑能耗建模55用SCL語言寫一個PLC里面用的冷水機組負載調(diào)控代碼56室內(nèi)溫濕度的PID控制57室內(nèi)溫濕度的PID控制58GPT+建筑能源領(lǐng)域數(shù)據(jù)挖掘方面的展望

負荷預(yù)測優(yōu)化控制故障診斷數(shù)據(jù)挖掘解決思路：GPT有強大的理解、生成自然語言和模式識別能力，在特定應(yīng)用中有潛力部分取代人工。行業(yè)問題與需求：數(shù)據(jù)挖掘方法在建筑能源系統(tǒng)的應(yīng)用過程中過于依賴人工,亟需類人的通用性的數(shù)據(jù)挖掘能力.建筑數(shù)據(jù)空調(diào)照明電梯……數(shù)據(jù)導(dǎo)入部分替代人工解決問題59GPT在建筑能源管理中的應(yīng)用基于GPT-4具有的強大編程、理解自然語言和推理能力，我們期望其能夠自動完成建筑能源系統(tǒng)中的能源負荷預(yù)測，故障診斷和異常檢測任務(wù)。60基于GPT輔助的建筑負荷預(yù)測的初步嘗試通過人工與GPT的交互,可以實現(xiàn)建筑負荷預(yù)測的任務(wù)的自動編程,涉及數(shù)據(jù)預(yù)處理、特征工程、模型訓(xùn)練、模型評估、結(jié)果可視化和模型解釋等環(huán)節(jié).評估指標：代碼的正確性：預(yù)測精度：一致性：MAE、MSE、RMSE、MAPE、R2、CV-RMSE61基于GPT輔助的建筑負荷預(yù)測的初步嘗試62基于GPT輔助的建筑負荷預(yù)測的初步嘗試63GPT在能源負荷預(yù)測任務(wù)上的性能GPT-4能夠自動的通過編寫程序?qū)崿F(xiàn)數(shù)據(jù)預(yù)處理到模型解釋的全部過程預(yù)測精度GPT生成模型解釋方法代碼GPT在負荷預(yù)測任務(wù)上的不足無法正確選擇合適的特征變量GPT-4更傾向于首先選擇室外空氣溫度、室外空氣相對濕度和歷史冷負荷作為模型輸入，與時間相關(guān)的變量通常會被忽略。缺少對于時間相關(guān)變量的選擇無法正確利用python包進行模型解釋應(yīng)用LIME來解釋分類任務(wù)，而不是解釋回歸任務(wù)。GPT模型對特定領(lǐng)域的理解還不夠深入，或者在理解和應(yīng)用Python庫時還存在缺陷。GPT在負荷預(yù)測任務(wù)上的不足基于GPT的空氣處理機組故障診斷故障編號故障類型1排氣風(fēng)門卡住（完全打開）2排氣風(fēng)門卡?。ㄍ耆P(guān)閉）3回風(fēng)機卡在固定轉(zhuǎn)速4回風(fēng)機完全失靈5室外空氣風(fēng)門泄漏6室外空氣風(fēng)門卡?。ㄍ耆P(guān)閉）7冷卻盤管閥卡住（完全打開）8冷卻盤管閥正向卡?。ú糠执蜷_）9冷卻盤管閥被卡住（完全關(guān)閉）10冷卻盤管閥被反向卡?。ú糠执蜷_）11加熱盤管閥泄漏12送風(fēng)機后空氣處理機組管道泄漏13送風(fēng)機前空氣處理機組管道泄漏14冷卻盤管閥控制不穩(wěn)定以空氣處理機組（AHU）為例，從ASHRAERP-1312項目中收集故障數(shù)據(jù)和正常數(shù)據(jù)，并考慮14種故障類型，用以評估GPT性能。每次評估用相同的Prompt和GPT-4進行5次獨立對話。Case1:僅提供故障數(shù)據(jù)和潛在故障的列表,GPT可否正確診斷?Case2:提供故障時候的數(shù)據(jù)和故障列表,以及無故障時候的數(shù)據(jù),GPT可否正確診斷?Case3:提供故障時候的數(shù)據(jù),以及無故障時候的數(shù)據(jù),GPT可否正確診斷?提供無故障數(shù)據(jù)的描述已知一個夏季運行的空氣處理機組在某一天穩(wěn)定運行時相關(guān)參數(shù)如下：相關(guān)變量的平均值如下：加熱盤管閥位置0.0%；冷卻盤管閥位置41.92%；……相關(guān)變量的標準差如下：送風(fēng)溫度0.26℃；送風(fēng)機轉(zhuǎn)速3.24%；……提供潛在故障的范圍根據(jù)以上提供的數(shù)據(jù)，分析判斷當天AHU是否出現(xiàn)故障。如果有，請給出故障類型并做出解釋。可選的故障類型如下：故障1排氣風(fēng)門卡?。ㄈ_）故障2排氣風(fēng)門卡?。ㄈP(guān)）故障3回風(fēng)機卡在固定轉(zhuǎn)速故障4……提供故障數(shù)據(jù)的描述已知一個夏季運行的空氣處理機組在某一天穩(wěn)定運行時獲得的故障數(shù)據(jù)如下：相關(guān)變量的平均值如下：冷卻盤管閥位置41.92%；……相關(guān)變量的標準差如下：冷卻盤管閥位置10.78%；……Prompt示例：基于GPT的空氣處理機組故障診斷68基于GPT的空氣處理機組故障診斷69基于GPT的空氣處理機組故障診斷70基于GPT的空氣處理機組故障診斷71基于GPT的空氣處理機組故障診斷不使用故障列表，回答自由度提高，某些故障診斷能力提升（如故障10），但穩(wěn)定性有所下降。使用故障和正常數(shù)據(jù)和故障列表，診斷正確率與推理正確性均得到提高，但還是無法診斷某些故障。僅使用故障數(shù)據(jù)，在某些故障上效果很好，但有相當一部分故障無法被診斷。評價指標：診斷正確率：在m次對話中，統(tǒng)計GPT正確診斷故障的次數(shù)。推理正確率：在m次對話中，統(tǒng)計GPT正確解釋診斷結(jié)果的次數(shù)?；贕PT的空氣處理機組故障診斷GPT在故障診斷上的不足部分情況下,不理解故障和征兆之間的關(guān)系GPT無法理解某些故障下關(guān)鍵變量的變化關(guān)系。GPT-4無法理解“冷卻盤管閥卡死（部分打開）”的故障下關(guān)鍵征兆的變化，導(dǎo)致誤診。GPT在故障診斷上的不足由于知識過多，存在過擬合現(xiàn)象(混淆知識點)GPT-4認為為了節(jié)能而關(guān)閉排風(fēng)閥門是正常的。因此，它無法正確診斷“排風(fēng)閥門卡住（完全關(guān)閉）”故障。GPT-4學(xué)習(xí)了過多的知識，但是又沒有精準理解知識之間的關(guān)系,因此其推理可能會過度擬合。75GPT對腦力勞動的革命:生成式AI(AIgenerateactions)76GPT對腦力勞動的革命:生成式AI(AIgenerateactions)77GPT對腦力勞動的革命:生成式AI(AIgenerateactions)78GPT對腦力勞動的革命:生成式AI(AIgenerateactions)79浙大趙陽研究員團隊在暖通GPT方面的初步嘗試目前學(xué)會了暖通本科生課程,和ChatGPT相比具有更為體系的專業(yè)基礎(chǔ)知識80結(jié)論:未來已來,工業(yè)4.0革命的序幕即將拉開GPT初步具有通用人工智能，具有一定的普適應(yīng)用價值，是新生產(chǎn)力未來大部分知識的生產(chǎn)創(chuàng)造的邊際成本趨近于零從SaaS（軟件即服務(wù)）到MaaS（模型