基于大模型智能体的公共建筑运行碳排放自适应管控方法及系统
本发明属于建筑节能与低碳控制,具体涉及一种_基于大模型智能体的公共建筑运行碳排放自适应管控方法及系统。
背景技术:
1、建筑运行阶段的碳排放量在全社会总碳排放中占据显著比重,其主要来源于暖通空调、照明、电梯等子系统的能源和资源消耗。特别是在公共建筑中,内部机电设备种类繁杂、人群流动规律高度随机,且不同物理区域对室内环境品质的要求各异,这导致公共建筑运行碳排放呈现出高度的非线性、时空耦合性与动态波动性。因此,如何在满足建筑综合服务质量的前提下,有效降低公共建筑的运行碳排放,是一项具有挑战性的技术难题。
2、目前,传统的公共建筑运行碳排放管控方法普遍存在以下技术瓶颈:
3、首先,各子系统存在严重的数据与控制孤岛。现有的楼宇自控系统通常针对单一子系统采用基于静态规则的逻辑控制或传统的反馈调节,缺乏将全域机电设备、可再生能源、储能设施及人员轨迹感知等多源异构数据进行深度融合与跨域交互的机制,难以实现跨设施的多能互补与余能回用。
4、其次,缺乏应对复杂约束条件的全局协同博弈能力。当面临区域高频负荷激增或产能供给不足等复杂工况时,传统的控制算法难以在“最小化运行碳排放量”与“保障建筑综合服务质量”之间寻找最优解,往往为了满足瞬时的高负荷需求而产生过量的碳排放,容易出现顾此失彼的现象。
5、最后,缺失融合柔性交互与闭环追踪的自适应进化机制。 传统控制方法难以解析人群交互等非结构化数据,无法主动生成柔性引导策略。由于缺少对设备能效、绿电消纳与行为减排量的实时量化反馈,调控执行与实际减碳追踪产生断层,导致底层知识库与奖励机制无法动态修正,难以适应高度随机的时空碳排放演变。
6、因此,亟需一种新型技术方案,通过深度融合多源感知数据与多智能体跨域协同博弈,实现公共建筑运行阶段碳排放的自适应管控。
技术实现思路
1、为了克服现有技术的上述缺陷,本发明提供了基于大模型智能体的公共建筑运行碳排放自适应管控方法,包括以下步骤:
2、s1、获取碳排放关联感知数据:实时采集公共建筑运行阶段的多维产能、用能与资源消耗数据,室内外环境参数,人群活动时空特征,以及外部电网与市政水气管网的碳排放因子;
3、s2、构建分层协同式智能体网络:将所述全要素碳排放关联感知数据输入至预构建的分层协同式大模型智能体架构中,通过空间需求智能体、设施执行智能体、源网供给智能体的交叉感知,动态刻画建筑运行碳排放拓扑图;
4、s3、生成跨域自适应调控决策:以最小化运行碳排放量为目标,以满足建筑综合服务质量为约束,由全局决策智能体统筹协调各底层智能体之间的资源冲突,自主生成全系统的自适应减碳调控指令;
5、s4、执行闭环碳排放追踪更新:将调控指令下发至各子系统底层控制器执行,实时计量各子系统执行后的实际碳排放变化,更新全局决策智能体的本地知识库与强化学习奖励函数。
6、进一步地,所述步骤s1中的多维产能、用能与资源消耗数据的来源,涵盖建筑全域机电设备、产能用能设施、资源消耗设施、智能化感知交互系统,根据建筑实际功能配置,具体包括以下各项设施系统中的部分或全部:
7、核心机电设施:包含生活热水系统、梯控管理系统,用于提供建筑核心运行能耗数据;
8、环境调控设施:包含暖通空调系统、智能照明系统,用于提供室内环境调控状态数据;
9、产能储能设施:包含分布式光伏、风电等可再生能源发电系统以及储能系统,用于提供建筑侧的动态发电量、充放电状态数据,作为核算净运行碳排放的能源抵消调节项;
10、日常用电设施:包含建筑常规插座负荷、特定业务运行设备等用能系统,用于提供建筑基础负荷、特定功能侧的实时用电数据;
11、非电能耗设施:包含锅炉或直燃机等燃气消耗系统,用于提供非电能源的使用量数据,以核算化石燃料直接碳排放;
12、资源消耗设施:包含自来水管网、污水处理等市政给排水系统,用于提供水资源的使用量数据,以核算水资源的间接碳排放;
13、人员轨迹感知系统:整合出入口访客管理系统、视频监控系统及入侵报警系统,用于提供建筑内人员流动时空轨迹的多源感知数据;
14、公共交互引导系统:包含公共广播系统、信息发布系统及内部通信终端,用于提供公共区域的信息播发记录、柔性引导交互反馈数据。
15、进一步地,所述步骤s2中的分层协同式智能体网络,其架构具体包含:
16、空间需求智能体:以物理区域为颗粒度,通过融合解析人员轨迹感知系统、日常用电设施、公共交互引导系统的多源数据,动态刻画不同区域的人员聚集密度、区域业务用能强度及基于人群交互反馈的综合环境舒适度需求,形成需求侧状态;
17、设施执行智能体:垂直对接核心机电设施、环境调控设施、非电能耗设施、资源消耗设施,基于多物理场机理与设备底层控制逻辑保障设备安全与运行规范,形成执行侧约束;
18、源网供给智能体:统筹产能储能设施的动态发电、充放电状态,获取外部电网与市政水气管网的碳排放因子,形成供给侧边界;
19、全局决策智能体:作为跨域统筹决策层,向上承接运行碳排放与综合服务质量目标,向下接入所述空间需求智能体、设施执行智能体与源网供给智能体,通过提取并对齐所述需求侧状态、执行侧约束、与供给侧边界,动态刻画建筑运行碳排放拓扑图。
20、进一步地,所述步骤s3中的跨域自适应调控决策,具体调控机制包括:
21、基于时空轨迹的前馈自适应调控:全局决策智能体融合所述“需求侧状态”,预判人群前往特定物理区域的时空分布,提前生成针对核心机电设施、环境调控设施的预冷、预热或群控调度指令;
22、跨设施能源替代协同博弈:在满足所述“执行侧约束”的前提下,当空间需求智能体感知到局部存在高频负荷时,全局决策智能体动态决策优先开启核心机电设施、环境调控设施中的具备余能回收条件的子系统进行能量回收,或调节非电能耗设施、资源消耗设施的运行档位,实现多能互补条件下的综合碳排放最小化;
23、产能储能自适应协同调度:全局决策智能体结合产能储能设施的动态发电量预测,在可再生能源供给充裕时段优先全额消纳绿电,控制储能系统充电蓄能,在可再生能源供给不足时控制储能系统放电,以最大化建筑内部的绿电替代率,减少对外部电网的能源依赖,实现多能供给与负荷需求的时空碳排放动态匹配;
24、基于公共交互的柔性引导减碳:当通过外部数据接口获取到外部电网处于高负荷峰值或需求响应区间,且所述“供给侧边界”趋紧时,全局决策智能体主动生成柔性引导策略,通过公共交互引导系统向人群推送低碳行为引导信息,以在严格维持建筑综合服务质量约束的前提下,通过激发人群的行为响应,实现核心机电设施、环境调控设施运行负荷的柔性削减与时空转移。
25、进一步地,所述步骤s4中的闭环碳排放追踪更新所依赖的运行碳排放实时计算模型,整合了以下反馈抵消机制:
26、机电优化反馈机制:实时计算由基于时空轨迹的前馈自适应调控,以及跨设施能源替代协同博弈所带来的设备运行能效提升与余能回用等效碳减排量;
27、源储调节反馈机制:实时计算产能储能设施中可再生能源发电系统绿电消纳,以及日常用电设施与储能系统充放电调节所产生的直接碳减排量;
28、柔性引导反馈机制:实时量化由公共交互引导系统触发人群行为响应后,核心机电设施与环境调控设施运行负荷柔性削减所带来的附加碳减排量;
29、全局核算更新机制:结合外部电网与市政水气管网的碳排放因子,核算建筑全域净运行碳排放量,并将其作为反馈信号修正全局决策智能体的本地知识库与强化学习奖励函数。
30、基于上述管控方法,本发明还提供了一种基于大模型智能体的公共建筑运行碳排放自适应管控系统,包括:
31、碳排放数据获取模块:用于实时采集公共建筑运行阶段的多维产能、用能与资源消耗数据,室内外环境参数,人群活动时空特征,以及外部电网与市政水气管网的碳排放因子;
32、智能体网络构建模块:用于将所述数据输入至预构建的分层协同式大模型智能体架构中,通过空间需求智能体、设施执行智能体、源网供给智能体的交叉感知,动态刻画建筑运行碳排放拓扑图;
33、跨域自适应决策模块:用于以最小化运行碳排放量为目标,以满足建筑综合服务质量为约束,由全局决策智能体统筹协调各底层智能体之间的资源冲突,自主生成全系统的自适应减碳调控指令;
34、闭环碳排放追踪模块:用于将调控指令下发至各子系统底层控制器执行,实时计量各子系统执行后的实际碳排放变化,更新全局决策智能体的本地知识库与强化学习奖励函数。
35、此外,本发明还提供了一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的基于大模型智能体的公共建筑运行碳排放自适应管控方法。
36、同时,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的基于大模型智能体的公共建筑运行碳排放自适应管控方法。
37、与现有技术相比,本发明具有以下显著的有益效果:
38、1. 提出了分层协同的公共建筑运行碳排放管控架构,改善了数据与控制孤岛问题。 本发明通过构建分层协同式智能体网络,底层利用“空间需求、设施执行、源网供给”三大智能体,将海量异构的物理设备状态与感知数据转化为标准化的约束特征,并由顶层的全局决策智能体进行跨域信息对齐与统筹,有效融合了传统楼宇自控系统中分散的数据与控制指令,实现了跨设施碳排放拓扑图的动态精准刻画。
39、2. 提出了跨域协同博弈与前馈自适应调控机制,有效应对了多目标约束难题。针对公共建筑运行碳排放的复杂时空演变,本发明引入全局决策智能体进行统筹调度,在严格保障建筑综合服务质量的前提下,通过跨设施能源替代协同博弈与产能储能自适应协同调度,自主推演并协调底层资源冲突,改善了传统静态规则在多目标寻优中的局限性,实现了多能互补与全系统的碳排放优化调度。
40、3. 构建了柔性交互与闭环追踪机制,提升了系统的自适应进化能力。 本发明在物理机电设备调控的基础上,通过公共交互引导系统主动挖掘人群行为侧的减碳潜力。此外,建立了覆盖机电优化、源储调节与柔性引导的全方位量化反馈机制,有效衔接了调控执行与实际减碳追踪环节,使得全局决策智能体能够基于真实反馈动态修正本地知识库与强化学习奖励函数,在长期运行中实现自我迭代与持续优化。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com