高密度商务区
午间光伏出力峰值叠加空调负荷，策略把制冷启动错峰 20 分钟，单日削峰约 340kW。
这是一个网页样式设计参考 · 暖调可持续 · 智慧网络 AI 平台视觉稿
运行机理 · 可持续设计
把「省电」翻译成 AI 能执行的约束，而不是口号
绿脉不追求堆更多传感器，而是让每一路数据都回答同一个问题：这一步调度，让城市的碳账本变好了吗？下面四件事，是它每天替你默默完成的功课。
-
统一碳口径
把电、热、水、交通里程折算到同一套排放因子，园区与楼宇数据按 15 分钟粒度对齐，杜绝各系统口径打架。
-
智慧网络自愈
边缘节点断连时本地保留 30 分钟推理缓存，恢复后按时间戳补传，策略下发不因单点故障中断。
-
策略可解释
每次空调与照明调参都附带「为什么」：触发阈值、参考时段、预计碳节省，运维人员一键可回滚。
-
用户体验优化
控制台首屏只保留 5 个关键指标，异常用暖色小圆点提示，避免告警洪水淹没真正重要的一条。
解决方案对比
传统楼宇自控 vs 绿脉 AI 平台
同样的园区，同样的设备，差别在于策略是「按表运行」还是「按碳运行」。下表数值来自两个 5 万㎡ 园区的并行实测口径。
传统定时策略
按预设时间表开关设备，人工月度复盘
- 调度粒度60 分钟
- 碳排核算月度人工汇总
- 异常发现平均 6 小时
- 能耗预测精度78%
- 策略回滚需现场操作
绿脉 · 可持续 AI 调度
碳足迹驱动的动态策略，可解释、可回滚、可外接
- 调度粒度15 分钟
- 碳排核算近实时 · 自动折算
- 异常发现平均 40 秒
- 能耗预测精度96%
- 策略回滚一键 · 保留 90 天
落地清单 · 可照做
六条落地步骤，让可持续设计真正跑起来
不必一次改造整座城市。按下面的顺序推进，通常 3 周内就能看到第一条可信的碳减排曲线。
1 · 先选 3 类高价值计量点
优先接入中央空调主机、照明总回路、电梯动力三类，占园区电耗约 62%；先覆盖 80% 能耗，别追求点位数量。
2 · 统一采样与时间对齐
所有计量点统一 15 分钟 采样、UTC+8 时区、NTP 校时；偏差超过 2 分钟 的节点自动标记为低置信数据。
3 · 设置碳排基线而非目标值
用前 4 周同天气类型的历史均值作基线，把「下降 8%~12%」设为第一阶段目标，避免一上来就定不可达的激进指标。
4 · 策略只调 2 个参数起步
先从温度设定点（±1℃）和公共照明时段入手，单次调整幅度不超过 1.5℃，观察 48 小时再叠加第二组变量。
5 · 建立人工接管兜底
任何自动策略必须支持一键接管，接管后 5 分钟内不自动夺回控制权；这是运维团队愿意长期使用的前提。
6 · 每周复盘一次偏差
重点看预测偏差与碳节省是否同向；若连续两周碳节省 <3%，优先检查排放因子是否过期，而非加码模型复杂度。
应用场景
三类真实城区，三种被照顾的方式
同一个 AI 平台，在不同密度与业态里会呈现完全不同的最优策略。以下是绿脉已跑通的三类典型场景。
产业园区
按生产班次预测负荷，提前 90 分钟预热空压机，蒸汽与电力协同调度，季度碳排下降 12.4%。
居住社区
公共照明按人流与日照动态调光，夜间无人时段降至 30% 亮度，年度照明电耗节省约 18%。
核心能力
五块能力，撑起一张会呼吸的智慧网络
碳足迹实时核算
电热水中交通四类排放统一折算，支持自定义因子库。
智慧网络拓扑
自动发现边缘节点，断连自愈，拓扑变更可视化追溯。
AI 调度引擎
负荷预测与策略生成，24 小时预测命中率 96.2%。
响应式布局
大屏、平板、手机同一套组件，窄屏自动转卡片式呈现。
用户体验优化
告警分级与一键接管，让运维人员被系统支持而非打扰。
工作流程
从接入到见效，四步走完一个闭环
1接入数据接入与清洗
通过标准协议接入计量点，完成时区、单位与排放因子对齐，输出数据质量报告。
2建模建立基线与预测
用 4 周历史数据训练负荷模型，给出分时段基线曲线与置信区间。
3调度生成并下发策略
AI 平台输出可解释策略，经人工确认或自动执行，15 分钟粒度滚动更新。
4复盘碳节省归因
对比基线与实际曲线，量化碳节省并归档，形成下一轮策略输入。