文档目录

C1.1.2-暖通空调管理

本文档介绍元序·智序体暖通空调管理平台，通过AI负荷预测、冷站群控和末端协同控制，解决建筑冷热不均与能耗高的问题，实现舒适度提升和综合节能15%~25%。

  • 核心流程：环境感知→负荷预测→AI调优→自动执行→效果验证
  • AI负荷预测提前24小时预测各区域冷热负荷需求
  • 冷站COP从4.5提升至5.5，综合能效提升20%
  • 暖通能耗降低25%，舒适度达标率提升至95%，租户投诉减少80%
  • 实施分三阶段共9个月，需打通BA系统并部署边缘计算

暖通空调管理是建筑舒适度的"温度计"——从冷热源控制到末端调节，从季节切换到日常运行，暖通空调管理水平直接决定建筑环境舒适度和能耗水平。 然而，暖通空调管理长期面临"控制策略固化但无法自适应、冷热不均但调节靠投诉、能耗占比最高但优化手段少"的三重困境。元序·智序体以暖通优化引擎为核心，为建筑运营方构建从"环境感知→负荷预测→AI 调优→自动执行→效果验证"的一体化暖通空调管理平台，助力实现"舒适度最优、能耗最低、运维最省心"的核心目标。

一、场景概述

1.1 场景定义与范围

暖通空调管理涵盖建筑内 HVAC 系统的全过程智能管控，包括冷热源管理、空调末端控制、新风系统管理、温湿度调控、能耗优化等。适用于商业综合体、写字楼、酒店、医院。

维度范围说明
业务类型冷热源管理、末端控制、新风管理、温湿度调控、能耗优化
参与主体暖通运维人员、物业管理部门、租户/使用者、管理层
核心流程环境感知→负荷预测→AI 调优→自动执行→效果验证
技术挑战负荷预测精度、多区域协调控制、能耗与舒适度平衡

1.2 政策背景

时间政策/事件影响
2021年《"十四五"建筑节能与绿色建筑发展规划》暖通节能
2022年《公共建筑节能设计标准》修订能效要求提升
2024年近零能耗建筑标准暖通近零碳

二、核心痛点分析

2.1 数据之痛

痛点表现后果
环境数据不细分仅测总回风温度冷热不均
负荷数据不预测不知道明天需要多少冷量供冷过量或不足
能耗数据不关联暖通能耗与运行参数不关联优化无方向

2.2 流程之痛

痛点表现后果
策略固化全年固定时间表运行过渡季浪费
调节靠投诉租户投诉才调整响应被动
切换靠人工冬夏切换手动操作切换不及时

2.3 协同之痛

痛点表现后果
冷热源与末端不协同主机供冷量与末端需求不匹配能耗浪费
暖通与自控不联动BA 系统无法深度控制优化受限
运维与使用不沟通运维不知使用需求体验差

三、元序解决方案

3.1 核心能力映射

元序基座具体应用
引擎基座暖通控制引擎、负荷预测引擎、能耗优化引擎
数据基座暖通运行数据库、环境时序数据库、能耗数据库
智能基座负荷预测模型、舒适度优化算法、COP 优化模型
开放基座BA 系统对接、冷站群控接口、气象数据 API
BI 引擎暖通看板：温湿度分布、能耗趋势、COP 分析
系统基座IoT 接入：温湿度传感器、CO₂传感器、智能阀门

3.2 核心业务流程

环境感知 ──→ 负荷预测 ──→ AI 调优 ──→ 自动执行
    │            │            │            │
多源传感       气象+历史     供水温度      冷站群控
实时采集       人员密度      风量调节      末端控制
              │            │            │
              ▼            ▼            ▼
效果验证 ──→ 能耗分析 ──→ 舒适度评估 ──→ 策略迭代
    │            │            │            │
节能量核算     分项能耗      PMV指标       AI学习
持续优化       COP趋势      投诉关联      策略进化

3.3 关键功能详解

AI 负荷预测与供冷优化：AI 综合天气预报（温度、湿度、日照）、建筑热惯性、人员排班、历史负荷数据，提前 24 小时预测各区域冷/热负荷需求。冷站群控自动优化——冷水机组台数控制、冷冻水供水温度优化、冷却塔风机变频。冷水机组 COP 从 4.5 提升至 5.5，冷站综合能效提升 20%。

五、运维协同管理：与设备运维系统深度联动，BA 系统发现的设备异常自动生成运维工单。设备维修后自动恢复原有控制策略，确保系统持续稳定运行。

  • 协议标准化：统一设备通信协议标准，降低集成难度

四、空调能效优化：基于空调系统运行数据，自动计算冷水机组 COP、系统能效比等关键指标。AI 算法分析不同工况下的最优运行参数组合，实现空调系统全局能效优化，综合节能 15%~25%。

五、运维协同管理：与设备运维系统深度联动，BA 系统发现的设备异常自动生成运维工单。设备维修后自动恢复原有控制策略，确保系统持续稳定运行。

  • 协议标准化：统一设备通信协议标准，降低集成难度

四、核心价值

4.1 量化价值对比

价值维度传统方式元序方案提升幅度
暖通能耗基准值降低 25%显著节能
舒适度达标70%95%提升 36%
冷站 COP4.55.5提升 22%
租户投诉基准值减少 80%大幅改善
运维效率人工调节AI 自动提升 10 倍

4.2 定性价值

  • 一"算"知负荷：AI 提前预测冷热需求，精准供能不浪费
  • 一"感"调舒适：多区域独立调控，告别冷热不均
  • 一"屏"看暖通：温湿度、能耗、COP 实时可视
  • 一"策"优能耗：AI 持续学习优化，能效不断提升

五、数据资产沉淀

5.1 核心数据资产

数据类别核心数据应用价值
环境数据温湿度、CO₂舒适度优化
运行数据供水温度、流量、COP设备优化
能耗数据分项暖通能耗节能分析
负荷数据历史负荷、预测负荷负荷模型优化

5.2 四层沉淀路径

暖通运行数据 → 暖通台账 → 暖通知识库 → AI 模型
      │              │              │             │
      │              │              │             └─ 负荷预测、COP优化
      │              │              └─ 控制策略、运维标准
      │              └─ 标准化运行数据
      └─ 全维度暖通数据

六、实施建议

6.1 分阶段推进策略

阶段周期重点任务
第一阶段3 个月传感器部署+BA 系统对接+基础监控
第二阶段3 个月AI 负荷预测+冷站群控上线
第三阶段3 个月多区域舒适度优化+能耗分析+BI 看板
持续优化长期AI 模型迭代、更多区域覆盖

6.2 关键成功因素

  • BA 打通：暖通优化的前提是 BA 系统可控
  • 边缘计算：关键控制逻辑下沉至边缘层，断网仍可自主运行
  • 持续优化：定期评估控制策略效果，持续迭代改进 建筑智能化是不可逆的趋势，BA 系统将成为建筑数字化运营的核心基础设施。
  • 季节适配：根据季节变化自动调整控制策略
  • 边缘计算：关键控制逻辑下沉至边缘层，断网仍可自主运行
  • 持续优化：定期评估控制策略效果，持续迭代改进 建筑智能化是不可逆的趋势，BA 系统将成为建筑数字化运营的核心基础设施。
  • 数据连续：环境数据的连续性决定 AI 模型效果
  • 边缘计算：关键控制逻辑下沉至边缘层，断网仍可自主运行
  • 持续优化：定期评估控制策略效果，持续迭代改进 建筑智能化是不可逆的趋势，BA 系统将成为建筑数字化运营的核心基础设施。

暖通空调作为建筑能耗的最大单元，其智能化管理水平直接决定了建筑的能耗表现和用户的舒适体验。

元序·智序体让建筑更智慧、让空间更舒适、让能耗更节约。

七、结语

元序·智序体为智慧建筑提供全流程数字化管理能力，助力行业高质量发展。

相关标签能耗优化楼宇自控负荷预测冷站群控舒适度暖通空调管理AI负荷预测BA系统AI节能建筑智能化舒适度优化智慧建筑
C1.1.1-BA系统管理C1.1.3-给排水管理