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。

Logo

中国智能体开发者社区,聚焦智能体与大模型开发,提供前沿资讯、实用工具链、开源项目及行业案例。通过技术沙龙、开发者大赛等活动,促进经验交流与协作,助力开发者快速构建创新智能应用。

更多推荐