Larfe拉孚—“暖通节能智能体”技术方案
技术背景与行业痛点
传统暖通空调节能领域长期被EMC(合同能源管理)模式主导,项目前期需要投入大量资金进行硬件改造、传感器加装和控制系统升级,实施周期长、资金占用大、回报不确定性高。与此同时,现有冷源机组的运行控制大多依赖运维人员的经验判断,面对多变量、非线性的暖通系统动态工况,人工控制难以实现全局最优,系统长期处于"能运行但非最优"的亚稳态,能耗浪费普遍在15%-30%之间。
拉孚暖通节能智能体的核心思路是:在不改变任何硬件的前提下,通过AI智能体对现有控制策略进行深度优化,将经验驱动的人工控制升级为数据驱动的自动控制。
产品定位:纯软件智能体工具
拉孚的定位非常明确——只输出智能体工具,不做EMC。我们摆脱传统AI节能公司的重资产投入方式,将节能能力以纯软件形式交付给运营方。
运营方无需更换主机、无需加装传感器、无需改造管路,仅需将项目的历史运行参数输入智能体,系统即可基于内置的暖通优化算法模型,自动分析当前工况并输出最优控制策略建议。
技术架构
plain
┌─────────────────────────────────────────────────────────────┐
│ 拉孚暖通节能智能体 │
├─────────────┬─────────────────────────────┬─────────────────┤
│ 数据输入层 │ 智能分析层 │ 输出执行层 │
├─────────────┼─────────────────────────────┼─────────────────┤
│ 主机运行参数 │ 负荷预测模型 │ 优化策略建议 │
│ 水泵运行参数 │ 能效映射模型 │ (独立模式) │
│ 冷却塔参数 │ 多目标优化算法 │ │
│ 环境参数 │ 控制策略生成引擎 │ 自动控制指令 │
│ │ │ (对接群控模式) │
└─────────────┴─────────────────────────────┴─────────────────┘
│
┌─────────┴─────────┐
▼ ▼
DeepBasic Folar 人工确认执行
物联基础平台
核心输入参数说明
智能体的分析能力建立在全面、准确的运行数据基础上。运营方需要输入以下关键参数:
冷源主机参数
表格
|
参数类别 |
具体指标 |
作用 |
|
设备属性 |
位置、主机类型(离心式/螺杆式) |
建立设备画像,匹配对应优化模型 |
|
功率参数 |
额定功率、实时功率、电流 |
评估实际负载率与能效偏离度 |
|
温度参数 |
出水温度、回水温度、蒸发温度 |
判断换热效率与系统匹配性 |
|
压力参数 |
蒸发压力、冷凝压力 |
识别系统运行边界与优化空间 |
冷冻水循环系统参数
表格
|
参数类别 |
具体指标 |
作用 |
|
循环泵 |
频率、电流、出口压力、压差 |
评估水力输送效率,优化变频策略 |
|
管网特性 |
供回水温差、流量估算 |
识别水力平衡问题 |
冷却侧系统参数
表格
|
参数类别 |
具体指标 |
作用 |
|
冷却塔 |
风机频率、电流、进回水温度 |
优化冷却效率与风机功耗平衡 |
|
冷却泵 |
频率、电流、进出口参数 |
协调冷却水侧整体能效 |
双模式运行架构
模式一:独立智能体模式(建议模式)
运营方将上述历史参数批量导入或API接入智能体,系统基于内置的暖通AI模型自动完成以下运算:
·负荷特征识别:分析建筑冷负荷变化规律
· 设备能效映射:建立各设备在不同工况下的能效曲线
· 多目标优化求解:在舒适度约束下,求解总能耗最低的控制参数组合
· 策略建议输出:生成可执行的优化控制策略报告
· 联系拉孚厂家可免费测试。 运营方可通过实际数据验证节能潜力,确认效果后再进入正式合作。
模式二:自动控制模式
若运营方已完成DeepBasic Folar物联基础平台的部署,并与原有群控系统完成对接,智能体可直接将优化策略转化为自动控制指令,下发至现场执行机构,实现从"给建议"到"自动控"的闭环。
该模式无需人工干预,系统根据实时工况持续迭代优化控制策略,真正实现无人值守的智能节能运行。
定价与商业模式
拉孚暖通节能智能体采用轻量级定价策略:
表格
|
项目 |
说明 |
|
产品定价 |
9613元 |
|
售前阶段 |
免费测试 |
|
硬件投入 |
0元(不改变任何硬件) |
|
实施周期 |
数小时至数天(纯软件部署) |
相比传统EMC项目动辄数十万至数百万的前期投入,9613元的定价彻底打破了暖通节能领域的高门槛,让中小项目也能享受AI节能技术红利。
节能效果预期
表格
|
指标 |
数值范围 |
|
节能率 |
5% - 40% |
|
见效周期 |
策略部署后即可体现 |
|
效果影响因素 |
现场工况复杂度、运维人员对项目的理解深度、历史数据完整度 |
节能率的宽幅区间反映了暖通系统的复杂性:对于运行管理粗放、长期依赖固定设定的项目,优化空间通常可达20%-40%;对于已有较好管理基础的项目,智能体主要在动态工况匹配和精细化控制上挖掘5%-15%的节能潜力。
与传统AI节能方案对比
表格
|
对比维度 |
传统AI节能公司 |
拉孚暖通节能智能体 |
|
硬件改造 |
需加装大量传感器、改造控制柜 |
零硬件改动 |
|
资金投入 |
重资产EMC模式,前期投入大 |
9613元轻量级定价 |
|
实施周期 |
数月 |
数小时至数天 |
|
合作模式 |
绑定长期合同,分成复杂 |
工具输出,自主可控 |
|
风险控制 |
改造风险、合同纠纷风险 |
先测试后付费,风险极低 |
|
适用场景 |
大型项目为主 |
大中小型项目全覆盖 |
拉孚暖通节能智能体的技术本质,是将暖通节能从"工程项目"重新定义为"软件服务"。通过AI智能体对现有系统的运行数据进行深度挖掘和策略优化,在不触动任何硬件的前提下释放被忽视的节能潜力。
对于运营方而言,这不仅是成本的降低,更是能力的升级——从依赖个人经验的传统运维,迈向数据驱动的智能运营。当前市场推广阶段开放免费测试,建议有节能需求的运营方尽快接入验证,用实际数据检验AI优化效果。
技术改变的不是设备,而是控制设备的方式。
更多推荐


所有评论(0)