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。
不依赖任何人为因素,只用三个物理量建立能效基线——电表、热表、温度。同样天气下,同样的冷热交付量,用更少的电完成,差额即节能量。
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
季节性综合能效系数
合同结算核心依据
SCOP = ΣQout / ΣWin
运行综合能效比
月均/年度统计
用途:ESG报告、绿色建筑认证
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。
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。
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。
方法论依据:GB/T 28750-2012 方案B(设备隔离法)| GB/T 13234-2018 系统法
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。
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。
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。
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。
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。
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。
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。
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。
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。
30天纯物理数据采集
建立SCOP基线函数f(Toutdoor)
AI引擎接管调度
实时优化系统SCOP
逐时段对比W基线与W实际
差值即节能量,不可争议
按GB/T 24915-2020结算
阶梯式递减分成
«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
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〔2010〕110号 三免三减半
财建〔2010〕249号 240元/tce奖励
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
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
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。
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。
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)。
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。
| 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 |
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。
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。
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。
"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。
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。
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。
"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。
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%。
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。
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"。
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)
记录策略标识、执行动作、状态、耗时、触发来源
ControlLog记录设备ID、寄存器、目标值、来源"strategy_engine"
寄存器解析 → Modbus封装 → FBox转发 → 互斥锁保护(100ms) → PLC执行(10-50ms)
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。