很多甲方和集成商有一个固有认知：做 AI 暖通节能，前提必须有一套完好可用的 BA 楼宇自控系统。

如果原有 BA 瘫痪、点位残缺、DDC 老化、部分设备无法自动闭环控制，就做不了 AI 优化。

现实中，国内大量存量办公楼、医院、产业园、商业综合体恰恰就处在这种状态：BA 平台还能看数据，但无法稳定自动控制；部分设备只能就地手动操作；设备品牌杂乱，协议割裂，翻新一套完整 BA 成本高、周期长，还需要停机施工。

那没有完整 BA 自控，AI 暖通节能还能不能落地？

拉孚给出的答案是可以，核心就是「数据进‑策略出‑人执行」人机协同工作模式。它和 BA 闭环模式互为补充，解决存量楼宇 “有设备、无自控” 的改造痛点。

一、行业现实：大量存量 BA，只剩 “监控”，没有 “控制”

一套完整可用的 BA 系统，既要能采集冷机、水泵、冷却塔、末端的运行参数，更要能够可靠下发指令，实现设备自动调节。

但存量公建普遍面临几种情况：

BA 硬件老化，DDC 故障，部分点位失联，只能做数据监视，无法下发控制指令；
项目分期建设，设备品牌混杂，协议不统一，部分机电设备根本没有接入 BA；
BA 系统虽然在线，但后期运维缺失，调试人员离场，策略长期未更新，运维人员不敢投自动，长期切就地手动；
预算有限，业主不愿意投入百万级别翻新整套 BA 自控，却希望实现暖通节能降本。

这种场景下，传统 MPC、AI 闭环方案直接卡死。闭环方案高度依赖稳定可靠的自控链路，一旦控制链路不可靠，算法再优秀，指令下不去，一切都是空谈。

如果为了上 AI 节能，先推倒重建整套 BA，改造周期拉长、成本大幅抬升，很多项目直接就此搁置。

这也是存量改造的一大矛盾：节能需求真实存在，但补齐 BA 自控的代价太高。

很多项目不是不想自动，而是现阶段条件做不到自动。这就催生出一套不依赖 BA 闭环，同样可以落地 AI 暖通节能的路径：「数据进‑策略出‑人执行」。

二、什么是「数据进‑策略出‑人执行」模式

简单概括整个链路：

采集层把现场设备运行数据送入 AI 平台 → 暖通智能体完成计算、负荷预测、全局能效寻优 → 输出标准化可执行操作策略 → 交由现场运维人员现场完成操作执行，再把执行结果回传系统，形成闭环。

它不是全自动无人值守，而是AI 负责算最优解，人负责执行落地，把算法能力和现场运维能力结合起来。

整套链路拆解为四个环节：

1、数据进：完成异构设备数据采集，不强制要求具备控制能力

数据是 AI 智能体的基础，但不等于必须拥有控制权限。

依托拉孚 Deepbasic Folar 物联基座，借助 Larfelink 协议适配能力，对接冷机、水泵、冷却塔、阀门、气象、室内温湿度等核心运行数据。

支持 BACnet、Modbus 等主流协议，对接原有网关，或者新增轻量化物联网关做数据采集。

重点：此阶段只做读取采集，不强制写指令、不接管设备控制。

哪怕设备只能就地手动，只要能读到运行工况数据，就可以进入算法模型。

图纸缺失、设备多品牌混杂，不需要统一更换控制器，只解决 “读得到数据” 的问题，改造工作量、施工成本大幅下降。

2、AI 计算：暖通节能智能体做负荷预测与全局寻优

拉孚暖通节能智能体拿到持续的时序运行数据之后，完成三件核心工作：

第一，建立建筑动态负荷模型，结合气象预报，预测未来数小时建筑冷热负荷变化；

第二，对冷机组合、冷冻水供水温度、冷却水温度、水泵、冷却塔等全机房设备做全局能效寻优；

第三，输出适配当前工况的一组具体可落地操作指令，不是抽象能耗报表，而是运维看得懂的操作建议。

和传统机理模型不同，智能体采用机理 + 数据融合方式，不需要完整精准的建筑图纸，会在项目运行过程中持续自迭代，越适配本建筑真实工况。

即便没有 BA 下发通道，算法本身的寻优能力不受影响。

3、策略出：输出面向运维人员的标准化操作工单

算法不会输出晦涩的参数代码，而是转化成运维看得懂的执行工单：

示例：

当前负荷下降，建议冷机由 2 台减为 1 台运行；

冷冻水供水温度上调至 9.2℃；

冷却塔开启 2 台，调整风机频率至 65%。

策略通过 web 端、运维移动端推送，附带当前工况说明、预期收益提示，告诉运维人员 “做什么、为什么这么调”。

同时增加安全约束边界，所有输出策略都限定在设备安全运行区间，不会输出超设备阈值的危险操作。

4、人执行：现场运维就地操作，结果回传，形成迭代闭环

运维人员收到策略工单，结合现场实际情况确认，在设备就地控制柜手动完成调整。

操作完成后，系统持续采集后续运行数据，观察温度、机组功耗、机房能效变化。

真实执行后的工况数据再次回流给暖通节能智能体，用于下一轮模型迭代优化。

完整闭环：数据输入‑AI 寻优‑输出策略‑人工执行‑结果回传‑模型迭代。

这里要区分：这不是简单的能耗监测平台。普通平台只负责看数据报警；这套模式是 AI 输出明确操作动作，指导人去调设备，并且根据执行效果持续进化模型。

三、「数据进‑策略出‑人执行」模式的优势与适用场景

✅优势

对 BA 依赖度极低：BA 残缺、瘫痪、无 BA 自控都可以落地，不需要大规模 DDC 改造，不用动原有控制逻辑，不干预现有设备安全。
改造周期短，投入可控：以数据采集工作为主，无需大规模停机施工，适合医院、商业综合体这类不能长时间停机的建筑。
平滑过渡到全自动闭环：后期项目预算到位，BA 系统完成修复升级之后，同一套 Deepbasic Folar 基座与暖通节能智能体，可直接切换为策略自动下发 BA 闭环模式。前期训练好的模型、积累的工况数据全部复用，不用重新做项目实施。
风险可控：所有操作由运维人员确认后执行，不会出现 AI 直接接管设备带来的误动作风险，对于医疗等高安全等级建筑尤为友好。

📌最适合的项目场景

存量老楼，BA 系统损坏，翻新 BA 预算不足；
医院、数据中心附属建筑，对设备运行安全要求极高，不希望 AI 直接接管控制；
产业园多楼栋，部分机电设备没有接入自控系统；
短期想要拿到节能收益，计划后续再分步建设完善 BA 自控的项目。

四、客观看待边界：这套模式不是万能，有明确前提与短板

很多人会产生误解：有了这个模式，以后就不需要 BA 自控了。这里必须厘清边界。

❌短板与约束

依赖运维团队的执行力。策略再好，如果运维不执行、不按工单调整，算法的价值无法转化为真实节能收益。项目实施中需要配套运维培训，建立工单执行反馈机制。
响应速度受限于人。遇到负荷突变，人工操作响应速度比不上 BA 自动闭环。负荷剧烈波动场景下，优化效果会打折扣。
基础数据必须可用。完全无法读取设备运行数据，所有点位全部缺失，那么该模式同样无法运行。至少需要冷机、水泵、冷却塔、温度、气象等核心工况数据。
它是过渡和补充方案，全自动闭环依然是长期理想形态。条件允许的情况下，闭环自动运行可以释放更大的节能潜力。

✅适用前提总结

设备硬件本体状态良好；可以实现核心工况数据采集；现场具备基础运维力量；现阶段不具备 BA 闭环改造条件。

五、两种模式对比：人机协同 VS BA 自动闭环

BA 自动闭环模式

条件：BA 系统完好，控制链路稳定可靠

工作方式：智能体计算策略，直接下发 BA 自动执行

优点：响应快，7×24 小时持续自动优化，对人力依赖低

局限：依赖完整可靠自控系统，改造成本高，老旧项目落地门槛高
数据进‑策略出‑人执行（人机协同）模式

条件：可采集设备数据，无需可靠控制下发链路

工作方式：AI 输出工单，运维就地手动执行，结果回传迭代

优点：适配存量残缺 BA，改造快、投资低、风险小，可平滑升级闭环

局限：依赖运维执行，人为响应存在延时

拉孚暖通节能智能体是一套双模式一体化产品，同一个平台，一套算法底座，根据项目现场 BA 现状，灵活选择人机协同模式或者自动闭环模式，后期可以无缝切换。不用根据现场情况更换整套系统。

六、存量改造，不能拿新建项目的标准来要求

新建建筑可以一步到位做好 BA 自控，实现全自动 AI 优化。

但海量存量建筑，现状千差万别，大量项目做不到一步到位。

「数据进‑策略出‑人执行」模式，本质是给存量楼宇提供了一条低门槛入场路径。

先把 AI 节能做起来，拿到可验证的节能收益，积累建筑工况模型；后续预算到位，再补齐自控硬件，平滑升级全自动闭环。

而不是把 “必须拥有完整 BA” 作为一道硬性门槛，把大量存量项目挡在 AI 节能门外。

FAQ

Q1：没有 BA，是不是就不需要自控系统了？

A：不是。BA 自控依然是建筑自动化重要载体。人机协同是存量条件不足下的落地手段，项目条件改善后，可直接切换自动闭环模式。

Q2：人机协同模式，能达到什么样的节能水平？

A：在运维执行到位、设备本体状态良好前提下，综合暖通节能率大致 12%‑22%，和闭环模式差距主要来自人为响应延时；负荷变化平缓的园区、办公楼表现更优；负荷剧烈波动场景收益会受一定影响。

Q3：现场运维人手不足，这套模式还能用吗？

A：需要基础运维配合。如果现场完全没有人员执行调整，该模式无法发挥价值，更适合考虑先完成 BA 改造做全自动闭环。

Q4：后期升级闭环，需要重新做一套项目吗？

A：不需要。拉孚 Deepbasic Folar 物联基座、暖通节能智能体、已经训练完成的建筑模型全部保留，只需要打通 BA 控制下发链路，即可切换全自动模式，保护前期项目投入。

#建筑双碳 #暖通节能 #拉孚暖通节能智能体 #楼宇自控 BA #AI 建筑节能

没有完整 BA 自控系统，AI 暖通节能如何工作？「数据进‑策略出‑人执行」模式详解