能耗数据：楼宇自控系统从“被动响应”走向“主动寻优”的钥匙

在“双碳”目标与商业地产租赁竞争加剧的双重压力下，楼宇自控系统早已不再是单纯执行开关机指令的PLC逻辑堆叠。玖温城（上海）科技有限公司在服务多个超高层与园区项目时发现，真正让智慧建筑产生溢价能力的，是对海量能耗数据的二次挖掘与反向驱动。传统BAS系统往往只解决“设备是否在运行”的问题，而基于数据驱动的优化策略，则要回答“设备为何要在这个工况下运行”以及“能否运行得更经济”。

一、从“阈值报警”到“能效边界”的动态重构

传统控制策略依赖固定时间表与温度设定点，这导致系统在部分负荷率下出现严重的“大马拉小车”现象。我们建议将历史能耗数据（包括分项电表、冷热量表、温湿度传感器）导入机器学习模型，构建暖通智控的能效边界曲线。

• 设备特性辨识：利用回归算法拟合冷水机组在不同冷却水温度、负载率下的COP（能效比）曲面，而非依赖厂商样本值。
• 动态设定重置：结合天气预报与室内人员密度预测，将冷冻水供水温度设定值从固定的7℃放宽至6~9℃的柔性区间，寻找系统整体能耗最低点。
• 设备轮值与加减机策略：依据实时能耗与效率衰减模型，预判最优开机台数与组合，避免频繁启停造成的峰值冲击。

这种做法的核心在于，将原本静态的PID环路升级为具有“记忆与预判”能力的寻优器。例如，在过渡季节，基于数据挖掘发现冷却塔风机能耗与主机能耗的耦合关系，可自动调整逼近度与风机频率，从而实现节能与舒适的平衡。

二、暖通智控的数据治理：先厘清“脏数据”再谈优化

不少业主困惑于为何AI节能算法落地效果不佳。症结往往不在算法，而在底层数据的质量——计量表具的时钟漂移、网络中断导致的空值、以及风机电表与变频器反馈的数值冲突，都会让模型产生“幻觉”。我们建议在优化层与物理设备层之间，增设一套轻量级的数据清洗与特征工程中间件。具体动作包括：对冷站总功率进行基于四分位距的异常值剔除，针对不同时间粒度（15分钟/小时/日）进行能耗序列的线性插值填充，并利用小波变换去除传感器噪声。

只有完成这一步，能源优化策略才能从“实验室数据”走向“生产环境”。以某陆家嘴金融项目为例，在清洗数据后仅优化了冷却塔风机的启停逻辑，就消除了因传感器读数跳变导致的误动作，一个制冷季节电约11.6万kWh。

三、案例复盘与可执行路径

在玖温城参与的某滨江总部办公项目中，我们基于能耗数据驱动对原有BA系统进行改造。项目建筑面积约12万㎡，原系统存在严重的“冷热抵消”现象——同一时刻，周边区在供热而内区在制冷。通过建立全楼宇的热负荷预测模型，并结合分区域CO₂浓度与光照传感器数据，执行了分区变风量重置与水系统平衡自适应调节。改造后系统依据实时能耗反馈自动修正阀门开度，而不是依赖安装初期的静态平衡报告。

1. 第一周：部署边缘计算网关，采集冷站、空调箱、末端VAV箱共计3200余个数据点，形成连续一周的基线数据。
2. 第二周：利用K-Means聚类识别出低效运行工况模式，发现冷冻水泵存在约23%的时间在低效区运行。
3. 第三周起：运行基于强化学习的优化策略，系统在满足PMV（预测平均评价）指标的前提下，自动下发频率与阀位指令。

最终实测显示，在夏季典型工况下，冷站综合能效比（EER）从原先的3.2提升至4.1，年累计节约电费超过40万元，投资回报周期不足2年。该案例证明，智慧建筑的价值不在于堆砌传感器，而在于让数据在楼宇自控的决策链条中真正“流动”起来，让每一度电都有据可循，每一次调节都指向能源优化的终极目标。

展望未来，随着碳计量与电力现货交易的推进，能耗数据的货币化属性将更加突显。物业运维团队需要从关注设备完好率，转向关注单位面积碳排放强度与需求响应潜力。这是一场从“自动化”到“智能化”的认知升级，而数据就是唯一的导航图。