梁昕

上海交通大学日博网址

讲师

电子邮件：

liangxinpku@gmail.com

xinliang@sjtu.edu.cn

研究领域

基于人工智能的行为仿真（agent-based modeling）、大数据与数据挖掘、决策支持系统、居民行为分析、环境政策与可持续发展、合作治理、跨组织合作等

教育背景

08/2013-08/2016 香港理工大学（建设与房地产学系）

专业：管理科学与工程博士学位

08/2015-01/2016 伯克利劳伦兹国家实验室

专业：能源技术与城市系统访问学者

09/2007-07/2010 北京大学（信息科学与技术学院）

专业：通信与信息系统硕士学位

09/2003-07/2007 北京大学（信息科学与技术学院）

专业：信息科学与技术学士学位

09/2003-07/2007 北京大学（中国经济研究中心）

专业：经济学双学位

工作经历

07/2010-07/2013 广东省电力设计研究院，技术咨询

03/2008-02/2009 摩托罗拉欧洲研发中心 （丹麦），研发

主要项目及成果  

1 国际能源署项目“Annex 66: 居住者行为与建筑能耗”

    居住者行为会显著影响建筑能耗，但与此相关的研究几乎是空白。由于人类行为的随机性和高度不确定性，人类行为研究一直是一个非常有挑战的课题,

    首次开发同一平台对人的行为与建筑能耗进行联合仿真。使用人工智能(AI) 模型仿真居住着在楼宇内的移动、灯控、开窗、调节空调等行为，并在此基础上首次对人的行为及其对能耗的影响进行了量化分析。

    首次使用3D可视化工具对居住者行为进行仿真。

2 “基于数据挖掘方法的楼宇能耗模式研究”

    该研究基于商业建筑多年的能耗数据，通过数据挖掘算法分析楼宇能耗模式

    首次使用数据挖掘和机器学习的方法识别楼宇动态人数的不同模式，通过算法优化，对楼宇人数的预测准确度高达86%。

    在居住着行为基础上对建筑能耗进行预测。此算法和原伯克利劳伦兹国家实验室模型相比，使能耗预测的准确度提升了10%-25%。在未来能源合同管理中有巨大的商业潜力。

3 国家自然科学基金项目“基于多代理系统的绿色建筑改造决策平台”

    由于建筑行业占世界整体能耗的50%，并且既有建筑占建筑行业的能耗的80%以上，绿色建筑改造是非常重要的节能手段。由于目前的决策系统滞后，激励未得到优化，市场处于无效状态。

    本研究首次采用基于人工智能的多代理系统进行决策分析，每一个楼宇视为一个自主决策的人工智能体，通过多方的博弈达到系统平衡。并可根据不同的决策目标对系统进行优化，使系统的效率提升50%以上。

    在MATLAB算法验证的基础上开发决策平台的软件版本。

4 “南方电网十二五规划”， 项目协调人与项目组主要负责人

    “南方电网十二五规划”项目极有挑战。从技术角度看，它是全球范围内首个大规模推广特高压直流技术及相关智能电网技术的规划。 从项目组织角度看, 它是首个由多个咨询企业共同完成的大型规划，广东省电力设计研究院作为牵头单位需要协调合作并平衡多方利益。

    规划中大胆论证并首次使用了多项新技术（包括2M电接口改为光接口等），使电网的安全性能得到了显著提升。同时规划以保护投资为原则，将多项原有系统重复利用，降低系统的成本约30%。规划最终涉及投资56.6亿人民币，受到委托方南方电网公司的高度好评。由于本次规划的成功，后续获得了广东电网公司，贵州电网公司，海南电网公司及几十家地市电网公司的十二五规划咨询合同。

    作为项目协调人负责与其他四家合作咨询企业沟通，并作为代理方统一接口与委托方南方电网公司进行沟通。在项目过程中进行需求与问题分析，进度控制，平衡各方工作分配，调解矛盾冲突等。项目的组织工作非常成功，与四家咨询企业均有后续合作。

    本规划获得2012年度电力行业优秀工程咨询成果一等奖（电力行业最高奖项）。

5 “智能电网中的通信解决方案研究”， 主要研究负责人

    首个智能电网中通信网络的专项研究。主要多种技术进行分析，对各种技术的先进性，安全性，适用性及经济价值进行全面评估。根据评估结果对后续的智能电网建设给出指导性意见。

    主要研究技术包括智能家居，充电汽车，充电桩，可再生能源，微网，直流保护，北斗通信，LTE通信等。

    该研究获得2项发明型专并发表多篇研究论文。

论文发表

[1]Liang, X., Yu, T., Guo, L., & Rosen, M. A. (2017). Understanding stakeholders’ influence on project success with a new SNA method: a case study of the green retrofit in china. Sustainability, 9(11), 1927.

[2]Chen, Y., Liang, X., Hong, T., & Luo, X. (2017). Simulation and visualization of energy-related occupant behavior in office buildings. Building Simulation, 10(6), 1-14.

[3]Liang, X., Hong, T., & Shen, G. Q. (2016). Improving the accuracy of energy baseline models for commercial buildings with occupancy data. Applied Energy, 179, 247-260.

[4]Liang, X., Hong, T., & Shen, G. Q. (2016) Occupancy data analytics and prediction: a case study. Building and Environment. 102, 179-192.

[5]Liang, X., Peng, Y., & Shen, G. Q. (2016). A game theory based analysis of decision making for green retrofit under different occupancy types. Journal of Cleaner Production, 137, 1300-1312.

[6]Liang, X., Shen, G. Q., & Bu, S. (2016) Multi-agent systems in construction: a ten-year review. Journal of Computing in Civil Engineering,

[7]Liang, X., Shen, G. Q., & Guo, L. (2015). Improving management of green retrofits from a stakeholder perspective: a case study in china. International Journal of Environmental Research & Public Health, 12(11), 13823-13842.

[8]Bu, S., Shen, G. Q. P., & Liang, X. (2015). Literature Review of Green Retrofit Design for Commercial Buildings with BIM Implication. Smart and Sustainable Built Environment Vol. 4 Iss: 2, 188 - 214

[9]Guo, L., Bu, S. S., Zhu, Z. G., Su, Y. F., & Liang, X. (2014). The research of BIM theory applied in decision making of commercial building green retrofit. Applied Mechanics & Materials, 667, 68-71.

[10]Liang, X., Shen, G. Q. P., & Bu, S. (2014). A Bayesian Approach for Best Practice Recommendations in Collaborative Designs of Construction Projects. ICCREM 2014 Smart Construction and Management in the Context of New Technology (pp.721-732). ASCE.

[11]Bu, S., & Shen, Q. P & Liang, X. Conjoint Analysis in the I3-E GRD framework of Green Retrofitting commercial buildings. Proceedings of International Conference on Sustainable Development in Building and Environment 27-29 July 2015, Reading, UK