三大应用场景
能源优化场景全覆盖
工业与园区
智能工厂 • 产业园区
典型应用案例
核心技术特点
您的建筑暖通系统，可能正在浪费超过40%的能源！
亟需一种智慧、高效、便捷的技术来加持既有建筑的节能改造
能源成本居高不下
暖通能耗占运营成本30-40%，电费年年涨
设备各自为政
空调、水泵、冷却塔各自运行不协同，能源浪费严重
依赖人工经验
靠老师傅凭经验调节，天气一变就手忙脚乱，无法精准控制
传统改造风险高
大规模工程改造周期长、投入高、施工期间影响正常运营
核心技术 —— DeepEnergy AI
基于无模型强化学习 (Model-Free RL) 的全局寻优
DeepEnergy 不仅仅是自动控制，它是拥有"大脑"的智能体
技术核心：PPO 算法
近端策略优化算法
我们将传统的控制算法升级为更先进的 PPO（近端策略优化）无模型强化学习算法。
自动找到最优方案
将所有设备视为一个整体，AI自动从上万种运行组合中找出最节能的方案
确保稳定运行
平滑渐进的调节过程，确保系统安全稳定，避免设备频繁启停
无需复杂改造
直接从现场数据学习，对传感器精度要求低，适配各种老旧设备
AI 介入后的改变
根据实时负荷、天气、峰谷电价，动态调整设备频率和数量
AI控制下温度更稳定，预测性调节提升舒适度
部署方案 —— 边缘计算，快速上线
不换设备、不停工、约28天完成部署
边缘计算，快速上线
边缘计算部署
AI Box直接部署在现场，只需网线连接上位机或PLC
施工量极小
无需更换大型机电设备，不影响建筑日常运营
快速上线
从硬件安装、数据对接到算法上线，最快28天见效果
实时反馈
现场读取数据 → 边缘计算处理 → 下发优化指令 → 实时反馈
数据流向：现场读取数据 → 边缘计算处理 → 下发优化指令 → 实时反馈
安全保障 —— 您的顾虑，我们都有"多重锁"
安全边界 + 心跳机制，比原有系统更安全
我们深知安全是设施管理的底线，DeepEnergy 设置了三重保护
安全边界
算法内置严格阈值（如水温、频率限制），任何AI决策必须在安全范围内，绝不越界指令
心跳检测
服务器持续发送心跳信号，一旦信号中断或设备故障，系统毫秒级自动切回原有PID控制或手动模式
冷量冗余
算法自动计算冷量冗余，预留安全裕度应对突发负荷增加
数据安全
核心数据本地运行，不强制公网上传，支持防火墙保护
标杆案例 —— 节能效果真实可见
商业综合体与三甲医院的节能实证
经过实证的真实节能效果
G60科创走廊
商业综合体 / 园区
项目概况
总面积超100万平方米，由23栋高层建筑组成，配备冰蓄冷系统
解决方案
关键数据
厦门弘爱医院
医疗健康
项目概况
大型现代化三级甲等综合医院，对环境温湿度控制和系统安全性要求极高
解决方案
关键数据
商务合作模式
灵活合作，共享绿色收益
两种灵活的支付方案，匹配您的预算规划
EMC模式
能源管理合同
💡 适合希望零投资和共享收益的客户
EPC模式
工程采购施工
💡 适合希望完全拥有和专属收益的客户
常见问题
常见问题解答
Q:我需要安装大量传感器吗？
A: 不需要。DeepEnergy不需要复杂的建模，对传感器的依赖性低。它通常利用现有的BA系统数据（如主管道温度、功率等），无需大规模硬件改造。
Q:如果AI失效了，会影响空调吗？
A: 不会。系统有一个“热备用”机制。当AI失效时，它会自动无缝切换回原始控制模式，就像系统的“插件” - 移除插件，系统正常运行。
Q:节能率是如何计算的？
A: 我们通常使用A/B测试（交替操作）方法。即“AI控制一天，原始模式控制一天”，比较相似天气和负载条件下的能耗，数据公开透明。
Q:DeepEnergy与传统BMS系统有什么区别？
A: 传统BMS根据固定规则（如PID）控制，DeepEnergy通过AI学习自动找到最优解决方案。BMS告诉系统“怎么做”，DeepEnergy通过学习找到“最优解决方案”。
Q:28天部署周期包括什么？
A: 包括：现场调查和数据集成（5-7天），AI Box硬件安装（3-5天），AI学习和优化（10-14天），试运行和验证（5-7天）。具体周期取决于项目规模。
Q:PPO算法相比传统RL有什么优势？
A: PPO技术在更新优化策略时更稳定和安全，避免系统突然波动。特别适合对稳定性要求高的场景，如暖通控制。