面向智慧建筑以人为本能源管理系统的上下文感知 LLM AI Agent

本研究提出一个概念框架，并对基于大语言模型（LLM）的建筑能源管理系统（BEMS）AI Agent 进行原型评估，以通过自然语言交互实现智慧建筑中的上下文感知能源管理。所提框架包含三个模块：感知（传感）、中央控制（大脑）与行动（执行与用户交互），构成一个闭环反馈回路，捕获、分析并解读能源数据，以智能响应用户查询并管理相连的电器。借助 LLM 的自主数据分析能力，BEMS AI Agent 力图就能耗、成本预测与设备调度提供上下文感知的洞察，从而弥补现有能源管理系统的不足。原型的性能评估使用了来自四个真实住宅能源数据集的 120 条用户查询，以及延迟、功能性、能力、准确性和成本效益等不同评估指标。框架的泛化性通过 ANOVA 检验得到验证。结果显示出良好前景：设备控制的响应准确率为 86%，记忆相关任务为 97%，调度与自动化为 74%，能源分析为 77%，而更复杂的成本估算任务准确率为 49%，凸显了有待改进之处。这项基准研究朝着规范评估基于 LLM 的 BEMS AI Agent 迈进并指出未来研究方向，同时强调响应准确率与计算效率之间的权衡。