纯物理数据SCOP基线体系

三层能效指标体系

L1 设备层

COP

单台设备瞬时能效比

实时监测,5分钟采集

用途:诊断设备效率,指导AI调度

GB/T 15316-2024
L2 系统层

SCOP

季节性综合能效系数

合同结算核心依据

SCOP = ΣQout / ΣWin

GB/T 28750-2012 GB/T 24915-2020
L3 建筑层

EERop

运行综合能效比

月均/年度统计

用途:ESG报告、绿色建筑认证

GB/T 51161-2016 GB 55015-2021

三组不可争议的物理数据

电表 Win

依据JJG 596-2026检定规程,计量院强制检定,精度0.5级。属《实施强制管理的计量器具目录》P+V类,双方可随时申请重新检定。

热表 Qout

依据JJG 225-2024检定规程,超声波热量表,精度2级,3年检定周期。独立安装于系统供回水管路,不干预控制逻辑。

温度 Toutdoor

中国气象数据网(data.cma.cn)逐时公开数据,任何一方可独立获取验证。现场传感器作为辅助校验源。

核心计算公式
W基线 = Qout × f-1(T室外)   →   节能 = W基线 - W实际

方法论依据:GB/T 28750-2012 方案B(设备隔离法)| GB/T 13234-2018 系统法

SCOP季节性与部分负荷分析

制冷季 SCOP

室外温度35°C+时冷机满载COP典型值3.5-4.5;过渡季部分负荷(40-60%工况)占运行时间超60%,是AI优化主战场。

满载COP 3.5-4.5 AI优化后 +15-25%

制热季 SCOP

低温工况下热泵COP降至2.0-3.0,辅热频繁介入。AI通过预判负荷曲线、优化除霜周期和辅热策略,显著提升制热SCOP。

低温COP 2.0-3.0 AI优化后 +20-35%

AI核心价值:部分负荷工况占全年运行时间70%+,传统控制仅做开停机切换。AI通过负荷预测 + 多机组最优组合 + 变频协调,在部分负荷区间实现SCOP最大化。

三层能效审计机制

依据 GB/T 17166-2019 能源审计技术通则,建立设备→系统→建筑三层递进式能效审计框架,每层数据独立可验、可追溯。

L1 设备层

COP 实时监测

单台设备瞬时能效比 · 5分钟采集

持续跟踪每台主机运行效率,识别低效设备和异常工况偏移,为AI调度提供实时依据。

审计输出:设备效率报告、异常工况日志
GB/T 15316-2024
L2 系统层

SCOP 基线验证

季节性综合能效系数 · 合同结算核心

以基线函数f(Toutdoor)为基准,逐时段对比实际SCOP与基线SCOP,差值即节能量。不受人为因素干扰。

审计输出:节能量验证报告、SCOP趋势分析
GB/T 28750-2012 GB/T 24915-2020
L3 建筑层

EERop 综合评估

运行综合能效比 · 月均/年度统计

衡量建筑整体能效水平,对接ESG报告与绿色建筑认证体系,为碳核查提供数据支撑。

审计输出:建筑能效评估、ESG/碳核查报告
GB/T 51161-2016 GB 55015-2021

GB/T 17166-2019  三层指标从设备级到建筑级层层递进,构成完整能源审计数据链。每层数据独立可验、可追溯,审计结论具备法律公信力。

通俗理解:中适能到底是做什么的?

你办公室墙上的空调面板,和你家空调遥控器,本质上是同一个东西。开机、关机、调高、调低。没了。

你家一个房间,这么控制没问题。但你公司楼顶那十几台巨型外机,控制逻辑也这么简单——是不是有点离谱?这么大一个系统,它的"大脑"就是一个温控开关。温度到了停,温度低了开,来来回回。浪费不浪费?惊人地浪费。

中适能做了什么?

一句话:不换你的设备,不动你的系统,只给它装一个会思考的大脑。

第一,接管通讯。你的设备只会说"太热了""要启动",但它不会算。现在应该开几台?哪台效率最高?转速调多少最省电?中适能通过通讯协议接入你的系统,拿到指挥权。

第二,实时计算。室外温度、湿度、风速、光照、电价……近百项参数,每分钟算一次,实时生成最优工作指令。不是"开还是关",而是"开几台、开多少、怎么配合"。

第三,持续进化。系统越用越聪明。它会记住去年夏天那波热浪、冬天那波寒流,你是怎么扛过去的;记住你公司周一和周五的用电规律,记住每台设备的脾气。用得越久,省得越多。

为什么我们敢这么说?

因为我们不靠嘴算,靠表。接入前,中适能在你系统上装电表和热量表,跑30天,记录你原来的系统在不同天气下的真实能耗表现。这就是基线——纯物理数据,电表读数加气象记录,没有人为调整空间,不存在扯皮余地。

接入后,每天系统自动对比:同样的天气条件,原来要花多少电,现在花了多少电。省下来的,就是你的收益。每天一结,每笔可查。

中适能为什么现在才出现?

全世界的暖通空调本质上还停留在"油车时代"——机械驱动,被动响应。而欧适能从1978年就在做"电车"了。每台欧适能热泵装了19个传感器,1000多个数据采集点,积累了万亿级运行数据和百亿级的策略逻辑。

以前的问题是:数据太多,人算不过来。现在AI来了,这些沉睡的数据醒了。中适能就是那个驾驶员。商场、酒店、写字楼、工厂,只要有冷热系统,接进来就等于让万亿级参数为你的能耗系统服务。

怎么合作?

零投入。设备我们装,系统我们接,前期你不花一分钱。省下来的电费我们分——前几年我们多拿点回本,后面逐年递减,第六年系统白送给你。省不到承诺值?全额退款。

不卖设备,不换系统,只给你的能源系统装一个会思考的大脑。这就是中适能·数字能源AI引擎。

商业模式法律验证

BOT合作模式的每个环节均有法律和国标支撑,形成技术-法律-商业的完整验证链条。

🔎

基线建立

30天纯物理数据采集
建立SCOP基线函数f(Toutdoor)

GB/T 28750 方案B

AI优化运营

AI引擎接管调度
实时优化系统SCOP

AI策略闭环 1-5秒
📈

节能量验证

逐时段对比W基线与W实际
差值即节能量,不可争议

GB/T 13234-2018
💰

收益结算

按GB/T 24915-2020结算
阶梯式递减分成

GB/T 24915 第7章
法律层

«节约能源法»§66 确立EMC法律地位
«民法典»§843 技术服务合同保障

技术层

GB/T 28750 方案B 设备隔离验证
JJG 596/225 计量器具强制检定

财税层

财税〔2010〕110号 三免三减半
财建〔2010〕249号 240元/tce奖励

技术-审计-商业 闭环逻辑

技术闭环

SCOP基线 + AI优化

纯物理数据建立基线
AI实时优化系统SCOP
每日自动对比验证

审计闭环

三层指标 + 法定计量

L1/L2/L3 三层递进审计
计量院强制检定数据
GB/T 17166 合规审计

商业闭环

BOT模式 + 收益分成

零投资BOT合作
按验证节能量结算
阶梯递减第6年移交

技术产生可验证的节能数据 → 审计确保数据法律公信力 → 商业模式基于可信数据实现价值分配

三个闭环环环相扣:技术越优化,节能越多;审计越严格,数据越可信;商业模式越透明,合作越持久。

AI引擎核心技术体系

自主学习能力

六大自主学习机制驱动的持续进化AI引擎,覆盖在线学习、迁移学习、强化学习、联邦学习、自适应阈值、知识图谱。

三级数据库架构

L1设备通讯层(Modbus/BACnet/OPC-UA/MQTT)→ L2结构化时序层 → L3开放数据资产层(碳核查、绿色金融接口)。

变异返回闭环

AI策略计算→写入二级库→回写一级库→协议封装执行→传感器反馈验证。完整闭环1-5秒,可执行、可验证、可回溯。

云端 AI 引擎

COP预测 ±0.05 误报率 <3-5%

边缘 FBox 网关

可用性 99.9%+ 本地边缘计算

端侧 PLC + 传感器

7层安全防护 响应 1-5秒

为什么选择中适能?

对比维度 传统EMC 中适能AI引擎
基线方法 总能耗对比法 SCOP纯物理基线法
争议风险 高(入住率/天气修正) 极低(三个物理量验证)
前期投入 通常需客户配套 完全零投资
上线速度 3-6个月 2-3个月
效果保证 通常无硬性保证 SCOP提升≥12%
数据透明度 年底才知道 每天实时可见
资产归属 大多不移交 第6年无偿移交
国标合规 无明确标准对应 完整对应GB/T 24915/28750/13234

端-边-云三层架构

端侧 · 毫秒级

PLC控制器 + 传感器

寄存器级实时控制、PID运算。断网时维持最后参数运行,确保供冷安全不中断。

  • 三菱FX / 西门子S7-200
  • D200系统启停 / D201出水温度
  • 10-50ms PLC扫描周期
边缘 · 秒级

FBox设备网关

协议转换、本地缓存、紧急告警、指令中转。断网时本地规则自治,缓存24h数据。

  • Modbus RTU/TCP / BACnet
  • OPC-UA / MQTT统一纳管
  • 设备级写锁防并发冲突
云端 · 分钟级

AI引擎集群

深度分析、全局优化、策略下发、知识推理。断网后自动补分析+补决策。

  • FastAPI异步高并发服务
  • APScheduler定时策略执行
  • DeepSeek大语言模型集成

断网降级与恢复

通信中断FBox本地自治PLC维持参数缓存24h恢复自动补传

六大自主学习机制

01

在线学习

"调用即训练",模型随每次查询自动更新。COP预测精度从首月±0.30进化到12个月后±0.05。

02

迁移学习

分层模板机制,新项目从已有项目的"经验肩膀"上运行。冷启动从3-6个月缩短到1-2周。

03

强化学习

每次策略执行后采集COP变化作为奖励信号,COP提升增强策略权重,实现参数自主优化。

04

联邦学习

"数据不动、模型动"的隐私保护训练。原始数据永不离开本地,模型参数不可逆推。

05

自适应阈值

24h滑动窗口动态3σ阈值,设备超8000小时自动下调告警。误报率从15-20%降至3-5%。

06

知识图谱

新异常模式自动提取特征写入HEAT_PUMP_KB知识库,形成正反馈飞轮,越用越精准。

变异返回闭环

业界首创以二级数据库写入为唯一触发点的AI-设备闭环控制。打通数据分析到物理设备执行的"最后一公里"。

1

AI策略计算

读取时序数据,执行算法,输出目标控制参数(如供水温度=42°C)

2

决策写入二级数据库

记录策略标识、执行动作、状态、耗时、触发来源

3

变异返回 → 指令回写一级数据库

ControlLog记录设备ID、寄存器、目标值、来源"strategy_engine"

4

协议封装与设备执行

寄存器解析 → Modbus封装 → FBox转发 → 互斥锁保护(100ms) → PLC执行(10-50ms)

5

传感器反馈 → 闭环完成

状态变化被传感器采集,回到一级数据库→标准化→二级数据库→新一轮AI分析。完整闭环1-5秒。

技术栈

scikit-learn
AI算法
FastAPI
后端框架
SQLAlchemy
时序存储
DeepSeek
大语言模型