近日，由国家建筑节能质量检验检测中心主导的“海信HiBuilding智慧建筑AI数字化平台节能控制系统”福耀科技大学项目节能率现场检测顺利完成。检测数据显示，该校图书馆水机中央空调 控制系统节能率达27.6%，行政楼多联机中央空调控制系统节能率更是高达28.9%，显示出海信智慧建筑AI节能系统在实际应用中的卓越性能。

　　日前，海信集团与福耀科技大学正式签署战略合作框架协议，双方将在人才培养、科技创新、人员交流合作等领域开展深层次合作。作为双方多年来合作的重要一环，海信网科智慧建筑全面助力福耀科技大学智慧校园建设。

　　依托海信智慧建筑“1+N+X”解决方案架构，搭载30种行业领先的AI算法模型，海信网科智慧建筑实现了福耀科技大学87万平方米建筑面积、2.8万+设备、12万+点位的全域智能化管理与特色应用，为大型公共建筑的精细化运营提供了前沿的解决方案与成功案例。

　　智能分时分区控制：自适应调节、精准供冷热

　　福耀科技大学行政楼共有5层，冷源为多联机空调机组。为了满足行政楼多联机空调控制系统高效节能运行的需求，海信网科为其配备了基于建筑机理模型的智能分时分区控制算法，通过分析建筑使用时段、区域特征和实时环境数据，动态优化空调运行策略。系统自动识别高峰/低谷时段及不同区域负荷需求，结合自学习用户习惯，实现精准的按需供冷供热。此外，系统还采用了自适应调节技术，在保障环境舒适度的同时，节能效果显著，且能够随使用时间持续优化性能，越用越节能。

　　负荷预测全局寻优：专家经验，动态节能

　　福耀科技大学图书馆采用的是水机中央空调控制系统，人员流动性较大，对暖通系统的动态调节需求度高。为了提高图书馆的舒适度、降低无效耗能，海信网科智慧建筑为其匹配了专家经验模型+负荷预测的全局寻优模型。

　　其中，负荷预测的全局寻优模型以精确的建筑冷负荷预测作为前馈控制的基石，输入包含气象数据、实时负荷数据、各类设备运行数据与能耗数据，利用最小二乘法以及LSTM、XGBOOST等机器学习算法构建高精度的设备性能与能耗预测模型。

　　在此基础上，综合考虑系统运行约束(设备台数、泵频、温差上下限)、设备耦合关系及安全保护机制，采用遗传算法、粒子群算法等全局寻优方法，以“系统整体能效最优”为目标，迭代计算出各设备的运行台数、供回水温度、温差与频率设置。

　　专家经验模型提供控制策略边界、精准提前关机算法、气温补偿策略以及异常响应与应急处理方案。在指令下发前，系统还会通过边界校验、逻辑判断和故障检测等多重安全机制保障运行可靠性。此外，系统的在线自学习模块也会持续采集现场运行数据，动态更新负荷预测与能耗模型参数，进一步提升系统节能效果。

　　此次检测结果，充分验证了海信网科智慧建筑AI节能控制系统在不同类型暖通系统上的广泛适用性和卓越有效性。这不仅大幅降低大型建筑能耗节约和运营成本，更意味着每年可观的碳排放量减少，成为科技创新赋能绿色低碳发展的有力印证。目前，海信网科智慧建筑的AI节能系统早已形成了一套成熟、可复制的解决方案，并赋能于不同类型的公共建筑：

　　在海信国际中心，该系统助力办公园区实现了智慧化和低碳化运营，年节省费用约20余万;在齐鲁医院(青岛)这类对环境稳定性要求高的特殊场所，海信网科智慧建筑的AI节能系统在保障安全、舒适医疗环境的前提下，同样实现了显著的降本增效：齐鲁医院(青岛)二期目前在就诊人数增加近15%的情况下，受智能体智控的门诊公区仍可实现节能率17.5%，月均节省电费6W+。

　　未来，随着海信网科智慧建筑AI节能系统的不断迭代和推广应用，必将有更多的公共建筑告别“能耗巨兽”的旧标签，披上“绿色智慧”的新外衣，共同迈向绿色、低碳、可持续的发展之路。

免责声明：以上内容为本网站转自其它媒体，相关信息仅为传递更多信息之目的，不代表本网观点，亦不代表本网站赞同其观点或证实其内容的真实性。如稿件版权单位或个人不想在本网发布，可与本网联系，本网视情况可立即将其撤除。