影響電采暖能耗有以下三大因素

1、建筑保溫

2、熱轉換率

3、行為節能

前兩項是相對靜態的因素，行為節能是動態的。但人的行為是復雜的，甚至是不可控的，筆者在跟蹤多個電采暖項目的過程中發現，很多時候電采暖的管理人員是憑個人經驗以及想象來實施管理的。

非專業人士的經驗有時候往往會成為提高管理效率的阻礙，但是數據會客觀公正的記錄下發生的結果。比如，

1、耗電量、

2、加熱時間、

3、室內外溫度......




當然，僅僅是記錄下這些歷史數據，甚至即便是客觀反饋電采暖現場的實時狀況，也不是大數據最終的目的。

如何把這些支離破碎的數據真正應用到電采暖項目管理上去，如何利用人工智能，機器學習這些先進技術提高管理效率，降低電采暖能耗，才是2026孜孜以求的最終目的。

那么基于大數據的電采暖人工智能技術到底能為項目節約多少能耗，實現多大的管理效益呢？

以黑龍江某中學為例：



該學校早上8點上課，考慮到采暖需要設置提前量，管理員在4點左右將溫度設置在18度，下午16:30下課，管理員在16:30將溫度設置成10度。

但實際上，每個教室或房間的面積，朝向，功率配置等情況都不一樣，管理員為保證最佳的室內溫度，把這個提前加熱和提前降溫的時間都留出了較大空間，但這樣管理是不盡合理的，同時也沒充分考慮房間的差異性。

2026能盟云平臺通過對海量的歷史數據進行分析，可對未來一段時間的加熱條件進行精準的預判，借助人工智能技術接管一部分管理工作，以最佳的溫度曲線方式來管理現場的電采暖設備，實現精準、個性、節能管理。

通過人工智能的算法，我們對2018年采暖季30多個項目，進行真實運行條件下的模擬測試，可綜合實現15%的節能。

以下是通過兩種不同方式，對能耗的對比分析：








以該項目2018年采暖季40萬左右的采暖費計算，15%比例即可節約6萬元電費，而這是在不需要增加任何軟硬件設備投資的條件下實現的。

我們要做的就是“擰干毛巾里的每一滴水”，向管理要效益，向人工智能要效益。



電采暖作為一種舒適、環保、節能的采暖方式，已經開始影響很多人的生活，而基于大數據分析的人工智能也才剛剛起步。但是我們相信，就是這一小步，必將成為影響未來中國電采暖市場的一大步，我們愿與業內同行砥礪共進。