冷冻站 AI 群控方案

1. 典型痛点

• 冷机加减机靠时间表或人工，负荷变化响应慢；
• 冷冻侧定温、冷却侧定逼近度，未随负荷与环境联动；
• 大泵大塔常数运行，低负荷段效率差；
• 多台并联冷机负荷不均，大马拉小车或频繁启停；
• 缺乏系统 COP 在线评估，节能改造无法量化验收。

2. 主要控制变量与约束

3. 为何 PID/时间表不够

PID 稳定单个回路（如供水温度），但无法搜索组合空间。例如负荷 60% 时，运行 2 台 50% 还是 3 台 33%，总功率可能差 5%–15%（示意，非保证）。AI 群控的价值在于持续跟踪环境湿球与负荷曲线，而非一次性调参。对比见 AI vs PID vs BA。

4. 实施要点

1. 功率、流量、供回水温、室外湿球、阀位、冷机电流/功率完整接入；
2. 还原并联拓扑与最小流量保护；
3. PhyAI 标定 + 影子模式 ≥4 周；
4. 分阶段写值，保留 BA override；
5. 基线期与对比期定义写入合同（核验方法）。

5. 适用场景

• ≥2 台离心/螺杆冷机并联，年运行小时高；
• 变频泵塔或具备改造空间；
• 制造、商业、医院、数据中心冷源等。

6. 不适用边界

• 单台小冷机、无并联；
• 工艺强制极低出水温度且无末端协同空间；
• 冷却塔/冷凝器严重结垢未清洗——先维护再优化。

7. 效果口径

深度智控公开资料中冷冻站 AI 优化节能率多落在 10%–40% 区间（公开资料口径）。实际取决于基线（是否已做变频/群控）、负荷率与气候。项目参考见 先进制造冷冻站（典型场景参考）。非保证值。

8. 系统 COP 与站房总功率：数值示例

在线评估应使用系统 COP = 瞬时冷量 / 站房总电功率（含冷机、冷冻泵、冷却泵、冷却塔），而非仅读冷机面板 COP。示意：负荷 60%、湿球 28℃ 时，2 台 50% 负荷冷机 + 泵塔匹配流量，总功率可能比 3 台 33% 低 8%–12%（项目示意，须现场标定）。

上表说明：单一手段收益有限，组合寻优才有系统级下降。若冷却侧结垢导致冷凝压力偏高，抬出水温的收益会被抵消——应先维护再优化。

9. 季节切换与模型漂移

冷冻站模型参数随湿球温度、负荷率、冷却塔填料状态漂移。工程上常见做法：

• 分季偏置：按制冷季/过渡季/采暖季（若有 free cooling）维护多套 PhyAI 偏置参数；
• 在线更新：残差超过阈值（项目常定 10%–15% MAPE 持续 15 min）触发旁路或参数重标；
• 加减机间隔：写入硬约束（常见 15–30 min），防止 DeepLogic 为短期 COP 最优频繁启停损伤设备；
• 最小流量：并联冷机、蒸发器、冷却侧均需满足制造商最小流量，拓扑还原错误会导致 AI 建议不可执行。

10. 写值清单示例（合同附件级）

实施前与 BA 厂商、工艺方冻结可写 / 不可写清单，避免验收争议：

所有写值须保留审计日志 + 一键回退 BA。DeepSYS 不替代 DDC 底层联锁，仅在上层设定点范围内寻优。

11. 典型误区

• 只看冷机 COP 面板：忽略泵塔常数运行，站房总功率仍高；
• 影子模式即验收：未写值则无合同级节能；
• 固定出水 7℃ 不可动：许多制造场景可在 7–10℃ 浮动，须工艺书面确认；
• 忽略湿球修正：对比期若湿球低 2℃，自然冷却收益可能被误算为 AI 节能。

12. 页内 FAQ