使用AI云智控后 - 案例

汽车汽配

利用物理AI技术
实现制冷站节能近10%

　　你一定在智能驾驶的发布会上听过这四个词——感知。预测。决策。执行。汽车用摄像头看见路况，算法预测前车轨迹，系统决定变道还是刹车，最后电机执行。

微信图片_20260827153922_30_43.png

　　吉利汽车的工厂把智能驾驶的"感知-预测-决策-执行"闭环逻辑，原封不动搬进了工厂的能源站房——制冷站。

　　制冷站，绕不开的三个问题

　　造车的人都知道，涂装是全厂空调耗能最大的工艺——全年不能停：夏天要深度除湿+降温，冬天要加热+加湿。

　　这家汽车厂，光是喷漆中喷期间空调，能耗占整厂的 50%。支撑它的，是7台混装离心机组——特灵、开利、格力混装、年限不一。

　　看不见末端。 厂房里没装末端监控传感器，车间温湿度超没超标，得等工人跑过去发现、再反馈回来——时效性差，浪费已经发生。

　　不会跟着天气走。 工厂建在东部沿海，夏天最高37℃、湿度75%，冬天最低-3℃，用冷极具地域特点。原系统全年把冷冻水温度“钉死”，大量能源被悄悄烧掉。

　　设备各自为战。 7台离心机组、冷冻泵、冷却塔——它们本是一个强耦合系统，但传统PLC把它们当孤立设备来控制。离心机组之间不会“商量”谁该多出力、谁该降载待机，结果是反复启停、过度冷却，舒适度和能耗两头都顾不好。

　　对工厂高层来说，这不仅是电费有点贵，也是ESG披露、国家绿色工厂目标里绕不开的硬指标。

　　造智能驾驶汽车的人，最懂什么叫"感知-预测-决策-执行"。所以他们选择用蘑菇物联的物理AI来接管离心制冷站。过去7台离心机"各跑各的"，现在是一个被实时联合寻优的整体：

　　1、感知：AI物联网关三层采集——室温、湿度、CO₂等环境参数;冷冻水出水温度、供回水温差等系统参数;机组功率、COP、泵频率、冷却塔转速等设备运行状态。比人工巡检覆盖更全、频次更高，设备数据不再有盲区。

　　2、预测：基于灵知AI垂直大模型，融合历史数据与物理机理，对未来2小时冷负荷进行精准预测，并对设备COP进行机理拟合。不再是"今天天气热，把水温调低两度"这种经验式操作，而是每一度电的节省都有据可查。

　　3、决策：LingX Agent作为安全调控引擎，在设备运行边界和供冷保障底线之内，秒级输出全局最省电的调控策略。

　　不是"能调"，而是"调得安全、调得最优"。

　　4、执行：多Agent协同，将策略自动编译为离心机组、水泵、冷却塔的可执行指令，毫秒级下发至现场设备。从"算法算完等人操作"到"算完即执行"，真正闭环。

　　上线AI云智控后，离心制冷站给工厂交出了一份实打实的成绩单：

　　1、安全供冷：设备需保养时自动提醒，设备、冷量异常提前预警，不再出现'机器坏了才发现'或'供冷质量是否达标不清楚'的情况。

　　2、无人值守：站房24小时全面监测，运维人员从"跑现场"变成"看大屏"

　　3、节能降碳：AI云智控在保障末端环境温湿度的前提下，实现制冷站节能10%。

　　用智能驾驶的逻辑管制冷站，本质上不是"上了一套新系统"，而是把工厂里最费电、最难管的环节，交给能24小时不犯错的大脑。