AI与大模型应用
建筑负荷预测：涵盖短期与中长期逐时负荷预测，融合建筑特征、气象数据及运行统计信息，利用深度学习、时空图神经网络及大语言模型（LLM）实现高精度、细粒度预测；提出基于LLM的EnergyPlus模型自动生成方法，支持从设计图纸到仿真文件的端到端流程。
自动化建筑性能分析：基于分层多智能体系统与大语言模型构建AutoBEE框架，实现从自然语言指令到建筑能耗与环境性能报告的全自动分析，涵盖任务解析、参数调整、仿真执行与结构化报告生成，显著提升效率、准确性与经济性。
节能改造与优化支持：采用LLM驱动的多智能体系统（规划师、研究员、顾问角色），通过建筑非结构化数据处理、性能诊断与改造建议三阶段流程，自动挖掘节能潜力；结合知识库与检索增强技术，在多样输入下低成本生成可靠优化方案。
利用大数据提高建筑能耗管理
建筑典型人流年提取：通过对移动终端获取的建筑内人流数据进行分析，提取出不同类型建筑典型人流年数据；
建筑精细化运维管理：结合建筑运行数据和人员数据实现建筑精细化的运维管理。
建筑信息化技术
基于IFC的空调系统自动化设计：基于数字化建筑模型，实现设计参数的自动提取、系统自动生成和自我优化学习迭代;
建筑模型自动分区：对BIM建筑模型进行轻量化，实现能耗模型的自动构建和空调热分区的自动划分。
故障诊断
基于分项计量的故障诊断：依据实测能耗数据，建立基于模型和规则的能效诊断算法，从逐周、逐天、逐时三个层面诊断其能源使用情况;
基于设备主要参数的故障诊断：利用能效限值和性能指标拟合等手段进行能效检测和故障诊断；
基于图像的故障诊断：结合图像识别算法，基于设备红外图像对其运行状态进行分析和诊断。