一门给工程师的代码课

复刻 BrainBox AI 的暖通(HVAC)AI 栈

BrainBox AI 把 AI 装进了 14,000+ 栋楼,号称区域温度预测 6 小时精度 96%、节能约 25%。 这门课带你从零把它亲手复刻出来——仿真环境、Neural ODE 预测、无模型强化学习控制、安全门控部署,每一根支柱都能照着代码走通。

全 8 课 + 2 份速查。假设你会 Python,懂基本深度学习与强化学习。

从第 1 课开始 →

三根支柱地图

环境 EnergyPlus 仿真 + Sinergym Gymnasium 封装 —— 整门课的"沙盒",所有模型都在这里训、评、对比。
支柱 A · 预测 物理信息 Neural ODE + LSTM,预测每个 zone 未来 6 小时温度 / 能耗。"少数据、更准、更稳"的来源是物理先验。
支柱 B · 控制 无模型深度强化学习(SAC),优化冷机 / 水泵 / 风量的设定值,在能耗与舒适度之间找最优。
支柱 C · 部署 安全门控 + 云边协同:硬约束 → 限幅 → PID 回退 → 人工接管。让 RL 敢上真楼的前提。

课程目录

随时可查

适合谁会 Python、懂基本 DL/RL、想亲手复刻的工程师
技术栈EnergyPlus 25.1 · Sinergym · torchdiffeq · Stable Baselines3
资料一手论文 + 官方仓库 + 仓库内事实核查