一、方案背景與政策驅(qū)動

在“雙碳"戰(zhàn)略目標(biāo)下，節(jié)能減排已成為國家戰(zhàn)略部署與企業(yè)高質(zhì)量發(fā)展的必然要求。中央空調(diào)作為建筑與工業(yè)領(lǐng)域的核心能耗設(shè)備，其能耗占建筑總能耗的40%以上，部分大型公共建筑及工業(yè)廠房占比可達(dá)60%，占社會總能耗的12%~18%，年消耗標(biāo)準(zhǔn)煤7~10億噸，對應(yīng)二氧化碳排放量19~29億噸，具備顯著的節(jié)能潛力。

國家及地方層面相繼出臺多項政策標(biāo)準(zhǔn)推動中央空調(diào)節(jié)能升級，包括《“十四五"節(jié)能減排綜合工作方案》《重點用能產(chǎn)品設(shè)備能效水平、節(jié)能水平和準(zhǔn)入水平（2024年版）》《高效制冷機房技術(shù)規(guī)程》（T/CECS 1012-2022）等，明確要求提升中央空調(diào)系統(tǒng)能效水平。其中，T/CECS 1012-2022規(guī)定綜合能效≥5.0為一級高效機房，而我國現(xiàn)有中央空調(diào)制冷機房綜合能效3.5以下占比高達(dá)85%，5.0以上占比不足3%，亟待通過系統(tǒng)性改造實現(xiàn)能效提升

二、中央空調(diào)系統(tǒng)能耗現(xiàn)狀與核心痛點

（一）普遍能耗問題

1. 設(shè)計冗余導(dǎo)致低效運行：系統(tǒng)設(shè)計階段按大負(fù)荷選型，實際運行過程中，受氣候條件、人員密度、生產(chǎn)負(fù)荷等動態(tài)因素影響，系統(tǒng)普遍處于“大馬拉小車"的低效運行狀態(tài)，能源浪費現(xiàn)象突出；

2. 輸配系統(tǒng)能耗占比偏高：冷凍水泵、冷卻水泵、冷卻塔風(fēng)機、末端風(fēng)機等輸配設(shè)備能耗占系統(tǒng)總能耗的20-40%，傳統(tǒng)定頻設(shè)備無法根據(jù)實際負(fù)荷需求進(jìn)行動態(tài)調(diào)節(jié)，能耗管控難度較大；

3. 運行管理模式粗放：依賴人工巡檢與操作，缺乏精準(zhǔn)的負(fù)荷感知能力與智能調(diào)控手段，易出現(xiàn)運行參數(shù)設(shè)置不合理、設(shè)備協(xié)同運行效率偏低等問題；

4. 維護(hù)保養(yǎng)體系不完善：換熱器結(jié)垢、管路保溫破損、水質(zhì)惡化等問題未能及時處置，導(dǎo)致系統(tǒng)換熱效率下降，額外增加能耗20%以上。

（二）典型場景痛點

1. 工業(yè)場景：制造業(yè)車間中央空調(diào)能耗占比20%-40%，電子、PCB等行業(yè)對溫濕度參數(shù)要求嚴(yán)苛，老舊系統(tǒng)運行穩(wěn)定性不足，易影響產(chǎn)品良品率；

2. 商業(yè)建筑：商場、寫字樓等場所人員密度波動較大，新風(fēng)量調(diào)節(jié)精度不足，高峰時段能耗高度集中，電費成本持續(xù)居高不下；

3. 公共建筑：醫(yī)院、數(shù)據(jù)中心等場所需保障中央空調(diào)24小時連續(xù)運行，傳統(tǒng)系統(tǒng)應(yīng)急保障能力薄弱，運維人力成本較高。

三、核心解決方案：中央空調(diào)節(jié)能管控一體化方案

中央空調(diào)節(jié)能管控一體化方案構(gòu)建“感知-傳輸-分析-調(diào)控-運維"全鏈路智能化能效管理體系，通過“源頭優(yōu)化+運行智能+維護(hù)精準(zhǔn)"三維協(xié)同發(fā)力，實現(xiàn)系統(tǒng)從粗放式用能向精細(xì)化管控的轉(zhuǎn)型，綜合節(jié)能率可達(dá)15%-46%。

（一）智能化系統(tǒng)架構(gòu)搭建

1. 感知層：部署智能電表、冷熱量表、溫度傳感器、壓力傳感器、流量傳感器、CO?傳感器、遠(yuǎn)傳水表等感知設(shè)備，實時采集主機運行參數(shù)、輸配系統(tǒng)運行狀態(tài)、室內(nèi)環(huán)境參數(shù)、能耗數(shù)據(jù)等核心信息，實現(xiàn)系統(tǒng)全節(jié)點數(shù)據(jù)覆蓋；

2. 網(wǎng)絡(luò)層：依托智能網(wǎng)關(guān)、IO模塊、信號隔離器等設(shè)備，構(gòu)建穩(wěn)定可靠的有線與無線融合傳輸網(wǎng)絡(luò)，保障數(shù)據(jù)安全上傳與調(diào)控指令精準(zhǔn)下達(dá)；

3. 數(shù)據(jù)層：采用MySQL、MongoDB、Redis等混合數(shù)據(jù)庫架構(gòu)，完成海量運行數(shù)據(jù)、能耗數(shù)據(jù)、氣象數(shù)據(jù)的存儲、清洗與整合，為后續(xù)分析優(yōu)化工作提供堅實數(shù)據(jù)支撐；

4. 應(yīng)用層：集成能效分析、負(fù)荷預(yù)測、AI調(diào)優(yōu)、群控管理、費用分?jǐn)偟群诵墓δ苣K，基于機器學(xué)習(xí)算法實現(xiàn)系統(tǒng)全局能效尋優(yōu)；

5. 展現(xiàn)層：通過WEB端管理平臺、移動APP、大屏可視化系統(tǒng)，實時展示能耗數(shù)據(jù)、能效指標(biāo)、設(shè)備運行狀態(tài)，支持遠(yuǎn)程操控與故障報警功能。

（二）核心算法與功能

中央空調(diào)AI調(diào)優(yōu)輸入?yún)?shù)

須采集的運行數(shù)據(jù)

典型能源站供能系統(tǒng)的算法層級

1、中央空調(diào)系統(tǒng)制冷調(diào)優(yōu)

2、換熱站供熱調(diào)優(yōu)

3、太陽能制熱預(yù)測及空氣源熱泵系統(tǒng)調(diào)優(yōu)

4、冷/熱源與末端溫控風(fēng)控調(diào)優(yōu)

AI調(diào)優(yōu)原理

通過建立高精度的能效模型，在保證安全的前提下，采用全局主動優(yōu)化算法確定該負(fù)荷條件下各子系統(tǒng)的運行策略。

關(guān)聯(lián)性分析

熵權(quán)-灰色關(guān)聯(lián)分析法。這一方法首先利用熵權(quán)法客觀地確定各指標(biāo)權(quán)重，然后運用灰色關(guān)聯(lián)分析探究各指標(biāo)與決策目標(biāo)之間的關(guān)聯(lián)度，最終根據(jù)關(guān)聯(lián)度的大小對方案進(jìn)行排序，實現(xiàn)對復(fù)雜系統(tǒng)的有效評價和決策，再有針對性地進(jìn)行調(diào)整和優(yōu)化。

設(shè)備調(diào)優(yōu)

群智能算法是受到自然現(xiàn)象的啟發(fā)，鯨魚優(yōu)化算法模擬了座頭鯨時采用的一種特殊技巧。算法的核心在于模擬鯨魚捕食的三個階段：包圍獵物、泡泡網(wǎng)攻擊以及搜尋獵物。在算法實現(xiàn)中，每個鯨魚個體代表一個可能的解，而優(yōu)解則相當(dāng)于被追捕的小魚。算法通過迭代過程不斷更新這些“鯨魚"的位置，以期逐漸逼近問題的優(yōu)解。

中央空調(diào)能效監(jiān)測

包括系統(tǒng)COP

系統(tǒng)單耗

主機COP

制冷量

系統(tǒng)今日電耗

組態(tài)監(jiān)控

中央空調(diào)能效監(jiān)測詳情

瞬時數(shù)據(jù)和累積數(shù)據(jù)的計算分析

48小時能效數(shù)據(jù)橫向?qū)Ρ确治?/span>

中央空調(diào)能效對標(biāo)

可自行設(shè)定能效對標(biāo)數(shù)據(jù)

可按國家標(biāo)準(zhǔn)、銘牌數(shù)據(jù)等進(jìn)行對比

瞬時數(shù)據(jù)與累積數(shù)據(jù)同時對比

空調(diào)面板監(jiān)控

可遠(yuǎn)程監(jiān)控空調(diào)。

感知空調(diào)的運行狀態(tài)、溫度、模式、風(fēng)速、風(fēng)向等

遠(yuǎn)程設(shè)置：開關(guān)、溫度、模式（制冷、制熱、送風(fēng)、除濕）、風(fēng)速（高速、中速、低速）、風(fēng)向（擺動、前后左右導(dǎo)風(fēng)板位置）。

群組控制：同區(qū)域空調(diào)可以同時控制、多用戶同時異地監(jiān)控管理

能耗監(jiān)測

監(jiān)測末端空調(diào)總用電量、單臺空調(diào)用電量等。

按建筑、房間拓?fù)浔O(jiān)測房間空調(diào)日、月、年用電量。

按不同時段，對比查看多個房間用電量。

四、典型案例-上汽檢氫能基地

上海汽檢氫能與燃料電池檢測基地坐落于嘉定氫能港，占地面積約50畝，建有氫能整車試驗樓、氫能零部件試驗樓和輔助試驗樓，包括輕重型車轉(zhuǎn)轂環(huán)境實驗室、燃料電池汽車四驅(qū)動力總成實驗室、燃料電池發(fā)動機實驗室等各類實驗室15個，總建筑面積約5萬平方米。是上海覆蓋燃料電池整車、發(fā)動機、電堆及關(guān)鍵零部件等技術(shù)的氫能第三方檢測研發(fā)公共服務(wù)平臺

客戶需求