VoltMap

如何运作

三样东西协同工作:一个模型、一份预测、一组智能体。

VoltMap 为您的建筑维护一个可运行的模型,用它看清未来三天,并为每台主要设备配一个知道“正常是什么样”的智能体。

数字孪生:您的建筑的一个可运行模型。

孪生模型学习您的设施按小时、按日期、按设备类型的用电方式。它从电力公司已经记录的数据起步,所以第一天就有东西可用。

接入传感器或楼宇管理系统后,孪生模型升级为物理模型:它能模拟热量在库房和货物中的传递,这正是预冷可以被安全规划的前提。

输入

15 分钟电表数据
最多 24 个月的账单
历史天气与天气预报
可选:传感器与楼宇系统

孪生模型

  • 按设备类型拆分的负荷
  • 库房与货物的热特性
  • 新数据到来时持续校准

输出

72 小时需量预测
任意运行计划的假设推演
用于衡量节省的基准
偏离正常时的提示
15 分钟
每一项预测的时间精度
72 小时
预测范围,每天更新
每次运行
孪生模型都会报告自身的准确度和数据质量

预测式能源优化:在峰值之前行动,而不是在账单之后。

峰值一旦出现,需量电费就无法挽回。VoltMap 预测未来 72 小时的需量并给出置信区间;当高价峰值很可能出现时,它提前规划应对方案,并先在孪生模型上验证。

72 小时需量预测示例数据
100200300kW今天明天第 3 天提前 18 小时以上发出提醒
  • 预测需量
  • 置信区间
  • 发出提醒
  • 预测峰值
同一天,两种运行计划示例数据
高价时段10020030000:0006:0012:0018:0024:00
  • 原有计划
  • 优化后的计划
  1. 预测

    未来 72 小时的需量、天气和电价,以 15 分钟为步长。

  2. 推演

    在孪生模型上运行候选方案:预冷、错峰、转移。任何会突破限值的方案都被剔除。

  3. 建议

    您至少在峰值前 18 小时收到最优方案,以及原因和预计节省金额。

  4. 验证

    事后把实际结果与预测对比,孪生模型从差异中学习。

智能体运行时:每台主要设备配一个智能体。

每个智能体只学习一台设备:它正常的用电特征、运行时间表、对天气的反应。设备有变化时,它会自我诊断并向上汇报。场站协调智能体综合这些汇报,化解设备之间的冲突,并在任何建议到达您之前,逐条对照您设定的限值进行检查。

自我诊断是怎么做的

智能体把自己这台设备的实际用电,与孪生模型按当天天气和工作量给出的预期值进行对比。当差距持续三天以上,它会根据变化的形态推断可能的原因,估算故障正在造成的损失,并说明应该检查什么。

制冷系统用电 · 最近 30 天示例数据
正常范围高出正常水平 23%

贴近设备

全场平均值会掩盖一台正在失效的压缩机。只盯着一台设备的智能体则能发现。

没有悄悄进行的操作

智能体只提出建议。它们能自主做什么,取决于您选择的自主级别,而且全部留有记录。

向其他系统开放

同样的发现可以通过 MCP 和 API 提供给您的维保、财务和自动化工具。

看看您自己场地的数字。

发来最多三个地点、最近三个月的账单。我们用您自己的数字告诉您多付了多少、错在哪里。

预约演示