深圳市博思智控科技有限公司

机场中央空调AI节能方案

核心目标‌：通过“需求预测+设备协同+动态优化”实现航站楼空调系统综合节能30%以上，同时保障旅客舒适度‌

‌一、系统架构与关键技术‌
‌数据感知层‌

部署温湿度、CO₂、红外热成像等传感器，实时监测航站楼各区域环境参数（采样频率≥1次/秒）‌
融合航班动态、气象数据、客流热力图，构建多维度数据池‌
‌智能决策层‌
‌冷量需求预测‌：采用LSTM神经网络+循环神经网络，预测精度达93%（较传统方法提升40%）‌
‌设备协同优化‌：基于强化学习动态匹配冷水机组、冷却塔、风机盘管运行策略，全局能效提升28%‌
‌执行控制层‌

兼容磁悬浮主机、双冷源机组等设备，通过Modbus协议实现群控‌
动态调节冷冻水温度（±0.5℃精度），避免过度供冷‌

‌二、创新技术应用‌
技术方向 实现方式 效益案例
‌动态分区控温‌ 红外热成像识别旅客密集区，自动增强局部供冷‌登机口投诉率下降65%‌
‌削峰填谷‌ 电价峰值前2小时预冷，转移30%负荷至低谷时段‌ 年节省电费超600万元‌
‌预测性维护‌ 通过电流/振动数据分析，提前预警设备故障‌突发故障减少80%‌
‌三、标杆案例‌
‌白云机场‌

全国首个应用“需求侧预测+供给侧调控”协同算法的机场‌
冷量需求预测工具集成11个子算法，实现动态冷量精准匹配‌
‌青岛胶东机场‌
采用磁悬浮主机+双冷源机组，主机能耗降低50%‌
廊桥嵌入机实现-30℃至60℃宽温运行，制热季节能50%‌

‌四、行业趋势‌
‌技术迭代‌：2026年将推出AI+磁悬浮直膨式空调耦合方案，预计再降耗10%‌
‌政策支持‌：符合《绿色机场建设指南》补贴标准（最高500万元/项目）‌
‌市场空间‌：全国200+机场待改造，潜在市场规模超80亿元‌
‌注‌：本方案需结合机场实际负荷特性定制，建议优先选择具备边缘计算能力的AI控制盒（如CET-7100）实现本地化部署‌