arXiv cs.AI· Kirtan Bhatt, Xiachong Lin, Matthew Amos, Flora D. Salim, Wen Hu·· 11 小时前AI 评分31
ThermoLLM：基于 LLM 与时空上下文的多区域 HVAC 控制框架
ThermoLLM: LLM-Based Multi-Zone HVAC Control with a Spatiotemporal Context
AI 导读
ThermoLLM 是一个基于 LLM 的多区域 HVAC 控制框架，利用 Brick 风格建筑语义构建空间知识图谱，并结合滚动历史观测作为时空上下文。在五区域建筑、六种气候季节场景的测试中，ThermoLLM 在全部六个场景的 TOPSIS 排名上均优于标准控制方法和近期 SOTA 基线，取得最佳能耗-舒适度权衡。
正文 · AI 翻译
摘要：多区域 HVAC 控制是一个空间决策问题，其中室内热演化与控制决策不仅取决于室外条件和内部得热，还取决于区域布局、物理邻接关系以及建筑内跨区域的延迟热相互作用。近期基于 LLM 的 HVAC 控制器已表明基于提示的控制是可行的。然而，这些方法产生的结果不一致，难以泛化，并存在控制延迟问题。它们的性能还严重依赖数值奖励值、文本反馈或非结构化检索，这限制了它们做出考虑区域动态和热力学的控制决策的能力。现有基于 LLM 的方法均未将建筑语义和动态以及滚动历史作为 LLM 上下文的中心，同时测试和比较 HVAC 控制性能与现有基于 LLM 的 HVAC 方法。本文提出 ThermoLLM，一个在多区域建筑环境中测试的基于 LLM 的 HVAC 控制框架。时空上下文接地是 ThermoLLM 的主要组成部分，它使用源自 Brick 风格建筑语义的空间知识图谱，并与滚动历史中的近期观测相链接。我们在五区域建筑环境中跨六种气候-季节场景，将 ThermoLLM 与标准控制方法和近期最先进的基线进行评估比较。ThermoLLM 始终实现最佳的能耗-舒适度权衡，并在所有六种场景中在逼近理想解排序法（TOPSIS）排名上优于所有评估的基线。
| 评论： | 16 页，3 幅图。提交至 ACM |
| 主题： | 人工智能（cs.AI）；机器学习（cs.LG）；系统与控制（eess.SY） |
| ACM 分类： | H.2.8；I.2.4；I.2.8 |
| 引用为： | arXiv:2606.22911 [cs.AI] |
| （或此版本的 arXiv:2606.22911v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2606.22911 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Kirtan Bhatt 先生 [查看电子邮件]
[v1]
2026 年 6 月 22 日星期一 06:51:42 UTC（276 KB）
[v2]
2026 年 11 月 5 日星期四 03:34:18 UTC（1,037 KB）
来源：arXiv cs.AI · arxiv.org