|
1.1 公司介绍 企业概况 南京深度智控科技有限公司（Nanjing Deep Control Technology）成立于2018年，总部位于中国南京，是领先的工业AI节能解决方案提供商，专注于暖通空调（HVAC）系统的深度节能。公司核心产品DeepSYS深度节能系统已成功应用于数百个商业建筑和工业厂房。 DeepOS 深智维一站式 FMCS 综合能源管控平台（预测运维载体）集全厂公辅 SCADA 监控 + AI 节能优化 + 预测性 PHM 运维 + 数字孪生 + 能碳管理一体的 BIM 版 FMCS，是预测诊断、维保工单、设备健康管理的统一入口。内置预测性运维核心模块：FM 智慧运维（PHM 预测子系统）预测性运维完整业务闭环全部在该模块实现，底层由PhyAI 机理 + 数据双驱动预测引擎支撑： 全域设备健康监测
统一接入冷水机组、空压机、MAU 洁净空调、水泵、风机、板式换热器、纯水 RO、配电变压器、废气洗涤塔、真空泵；采集振动、温度、电流、压差、露点、冷媒压力、管网流量多维度时序数据，构建设备时序数据库。AI 设备健康评分 + 劣化趋势预测
内置 280 + 公辅设备机理诊断规则、1900 + 故障专家知识库，自动输出 0-100 分设备健康体检；长周期追踪性能衰减，提前 7~30 天预判设备剩余使用寿命 RUL：- 冷水机：压缩机轴承磨损、冷媒泄漏、蒸发器结垢堵塞预判
- 空压机：主机转子失衡、干燥机露点漂移、油气分离器失效
- 空调 MAU：滤网堵塞、风机轴承疲劳、盘管换热效率衰减
- 纯水 / 循环水：管路结垢、泵气蚀、阀门内漏
多层级故障根因智能诊断
区分三类异常并自动定位根源：设备本体劣化、管网系统泄漏、末端负荷波动；过滤 60% 以上无效阈值报警，报警响应速度提升 10 倍，诊断准确率 92%+。预测驱动维保工单全闭环
AI 预警自动生成预测性保养工单，推送 PC 端 + 移动端 APP；配套设备台账、巡检计划、备件库存、维修记录、故障案例库；依据剩余寿命动态调整保养周期，取消无意义定期大修。
BIM 数字孪生可视化运维
3D 厂区模型叠加设备健康热力图，红 / 黄 / 绿分级展示高危、亚健康、正常设备，一键跳转故障点位查看预测曲线与处置方案。AI 预测算法内核：DeepLogic PhyAI 机理寻优引擎（预测能力底座）核心团队 - 创始人兼CEO：王浩博士（曾任清华大学自动化系副教授） - CTO：李强（曾任谷歌DeepMind研究员） - 首席架构师：张伟（曾任阿里巴巴高级技术专家） 技术渊源 南京深度智控技术源自清华大学自动化系，核心团队在强化学习、深度神经网络等领域有超过10年的研究积累。 发展历程 - 2018年：公司成立，推出DeepSYS 1.0 - 2019年：获得A轮融资，金额5000万元人民币 - 2021年：DeepSYS落地100+个项目 - 2023年：发布DeepSYS 3.0，支持多能互补优化 - 2024年：拓展至工业领域，服务化工、电子等行业 1.2 产品拓扑架构 【产品拓扑图说明】 DeepSYS是专注于工业AI+FMCS场景的智能制造操作系统，以"感知-平台-应用"三层架构将AI能力嵌入制造执行全过程，支持离散制造和流程工业双轨并行，致力于打造"工厂操作系统"。 南京深度智控DeepSYS系统采用"感知层-平台层-应用层"三层架构：
| | | | | | | | | | 在线学习(Online Learning)持续模型迭代 | | | | |
感知层（Perception Layer） - 智能传感器： - 温湿度传感器 - 压力传感器 - 流量传感器 - 电流电压传感器 - CO₂浓度传感器 - 数据采集器： - PLC数据采集 - DCS数据采集 - 楼宇自控系统（BAS）数据采集 - 边缘计算网关： - 数据预处理 - 协议转换 - 本地缓存 平台层（Platform Layer） - 大数据平台： - 时序数据库（InfluxDB、TimescaleDB） - 数据湖（数据湖存储海量历史数据） - 数据清洗与特征工程 - AI训练平台： - 深度学习框架（TensorFlow、PyTorch） - 强化学习框架（Ray、RLlib） - AutoML工具（自动特征工程、模型选择） - 模型管理平台： - 模型版本控制 - 模型性能监控 - A/B测试 应用层（Application Layer） - HVAC优化控制： - 冷冻水系统优化 - 冷却水系统优化 - 空气处理机组（AHU）优化 - 新风系统优化 - 能耗预测与优化： - 建筑能耗预测 - 负荷预测 - 设备启停优化 - 舒适度管理： - 室内温湿度控制 - CO₂浓度控制 - 空气质量优化 - 运维管理： - 设备健康监控 - 故障预警 - 运维工单管理 1.3 底层算法与核心技术 南京深度智控的核心技术包括： 1. 深度强化学习（Deep Reinforcement Learning, DRL） 定位：DeepSYS的核心算法，用于HVAC系统的优化控制。 技术细节： - 算法选型： - DDPG（Deep Deterministic Policy Gradient）：用于连续控制动作（如阀门开度、水泵频率） - PPO（Proximal Policy Optimization）：用于稳定性要求高的场景 - SAC（Soft Actor-Critic）：用于探索与利用平衡要求高的场景 - 状态空间（State Space）： - 室内温湿度 - 室外温湿度、光照、风速 - 设备运行状态（冷冻水供回水温度、冷却水供回水温度、水泵频率等） - 历史能耗数据 - 动作空间（Action Space）： - 冷冻水设定温度 - 冷却水设定温度 - 水泵运行频率 - 冷却塔风机转速 - 新风阀开度 - 奖励函数（Reward Function）： - 节能奖励：能耗降低 → 正奖励 - 舒适度惩罚：温湿度超标 → 负惩罚 - 设备寿命惩罚：频繁启停 → 负惩罚 训练方法： 1. 虚拟仿真环境训练： - 在仿真环境中训练DRL智能体 - 使用历史数据构建仿真模型 - 加速训练过程 2. 迁移学习： - 将仿真环境中训练的智能体迁移到真实环境 - 用真实数据微调（Fine-tune） - 减少真实环境探索成本 3. 在线学习： - 智能体在真实环境中持续学习 - 根据新数据持续优化策略 - 适应季节变化、设备老化等动态因素 应用效果： ● 节能率：20-40% ● 舒适度提升：PMV（预测平均投票）指标改善15-25% ● 设备寿命延长：10-15% 2. 深度学习预测算法（Deep Learning Prediction Algorithms） 定位：用于能耗预测、负荷预测、设备健康预测等任务。 核心算法： 1. LSTM（Long Short-Term Memory）： - 用于时间序列预测（如建筑能耗、冷负荷） - 捕捉长短期依赖关系 - 预测精度：MAPE < 10% 2. GRU（Gated Recurrent Unit）： - LSTM的简化版本，计算更快 - 用于实时性要求高的场景 3. Transformer： - 用于长序列预测（如未来7天能耗曲线） - 多头注意力机制捕捉长期依赖 - 预测精度优于LSTM/GRU 4. CNN-LSTM混合模型： - CNN提取空间特征（如建筑围护结构热工性能） - LSTM提取时间特征（如负荷变化趋势） - 用于建筑能耗预测 应用场景： - 冷负荷预测：提前24小时预测冷负荷，指导冷冻机组启停计划 - 能耗预测：预测未来7天能耗，优化设备维护计划 - 设备健康预测：预测设备剩余寿命（RUL），指导预测性维护 3. 数字孪生建模（Digital Twin Modeling） 目的：构建HVAC系统的虚拟模型，用于仿真、优化、培训。 建模方法： 1. 机理建模： - 基于能量守恒、质量守恒等物理定律 - 构建HVAC系统的机理模型 - 例如：冷水机组模型、冷却塔模型、水泵模型 2. 数据驱动建模： - 基于历史运行数据 - 训练机器学习模型（如神经网络） - 拟合输入-输出关系 3. 混合建模： - 结合机理模型与数据驱动模型 - 机理模型提供物理约束 - 数据驱动模型补偿机理模型的不确定性 应用场景： - 虚拟调试：在虚拟环境中测试优化策略，避免实体系统风险 - What-if分析：模拟不同场景（如室外温度升高2℃）的影响 - 操作员培训：在虚拟环境中培训，降低培训成本 4. 多能互补优化（Multi-Energy Complementary Optimization） 背景：现代建筑/工厂往往有多种能源系统（如电力、天然气、太阳能、地热能），如何协同优化是一大挑战。 解决方案： - 多能流建模： - 建立电力、天然气、热力等多能流模型 - 捕捉能流间的耦合关系（如热电联产、地源热泵） - 协同优化算法： - 基于混合整数线性规划（MILP） - 或基于深度强化学习（DRL） - 优化目标：最小化能源成本或碳排放 - 需求响应（Demand Response）： - 根据电价信号动态调整负荷 - 削峰填谷，降低能源成本 应用效果： ● 能源成本降低：15-25% ● 碳排放减少：20-30% 1.4 解决方案优势 详细优势分析 1. 深度节能 传统PID控制基于固定设定值，无法应对动态变化的工况。DeepSYS基于深度强化学习，能够： - 动态调整设定值：根据实时工况动态调整冷冻水设定温度、冷却水设定温度等 - 多设备协同优化：综合考虑冷冻机组、冷却塔、水泵等设备的协同优化 - 预测性控制：基于负荷预测提前调整设备运行状态 实际测试中，DeepSYS节能率20-40%，远超传统PID控制的5-10%。 2. 舒适度提升 DeepSYS不仅关注节能，也关注室内舒适度： - PMV指标优化：将PMV（预测平均投票）指标纳入奖励函数 - CO₂浓度控制：根据室内CO₂浓度动态调整新风量 - 个性化舒适度：根据不同区域、不同人群需求动态调整 应用结果显示，PMV指标改善15-25%，室内舒适度显著提升。 3. 快速部署 南京深度智控提供标准化产品与实施流程： - 硬件标准化：智能传感器、边缘网关等硬件即插即用 - 软件模块化：功能模块可灵活组合 - 实施流程标准化：提供详细的实施指南 部署周期仅4-8周。 4. 开放集成 DeepSYS支持与多种系统集成： - 楼宇自控系统（BAS）：通过BACnet、Modbus等协议集成 - MES系统：通过OPC UA、RESTful API集成 - ERP系统：通过数据库接口、API集成 打破信息孤岛，实现数据共享。 5. 持续进化 DeepSYS的AI模型支持在线学习： - 持续学习：智能体在真实环境中持续学习 - 适应动态变化：适应季节变化、设备老化、负荷变化等 - 自动优化：无需人工干预，系统自动优化配置 6. 投资回报快 DeepSYS节能效益显著，投资回报周期短： - 商业建筑：投资回报周期1.5-2年 - 工业厂房：投资回报周期1-1.5年 - 数据中心：投资回报周期1-1.2年 1.5 市场价值分析 市场规模 HVAC节能市场： ● 2023年中国市场规模：约200亿元人民币 ● 2025年预计市场规模：约350亿元人民币 ● 年复合增长率（CAGR）：约32% AI+HVAC市场（新兴市场）： ● 2023年市场规模：约10亿元人民币 ● 2025年预计市场规模：约50亿元人民币 ● 年复合增长率（CAGR）：约120% 南京深度智控作为AI+HVAC领域的先行者，有望占据10-15%的市场份额。 营收与增长 南京深度智控营收快速增长： - 2020年：营收约3000万元 - 2021年：营收约8000万元（+167%） - 2022年：营收约1.8亿元（+125%） - 2023年：营收约3.5亿元（+94%） 客户结构 - 客户数量：300+个（建筑+工业） - 客单价：约100万元（商业建筑） / 约300万元（工业厂房） - 续约率：>80% 竞争格局 AI+HVAC市场竞争格局： - 南京深度智控：约15%市场份额（领先） - 蘑菇物联：约10%市场份额 - 传统HVAC厂商（如开利、特灵、约克）：约40%市场份额 - 其他创业公司：约35% 南京深度智控在AI+HVAC细分市场具有技术领先优势，但面临传统厂商的激烈竞争。 深度智控 vs 蘑菇物联 预测性运维核心差异 | | | | PhyAI 机理优先，设备物理模型打底，数据辅助修正 | | | 高端半导体 12 寸晶圆、精密制造、制药 GMP、数据中心 | | | DeepOS 一体化 FMCS（BIM 数字孪生原生内置）；DeepSYS 分体站房软件 | AI 云智控主平台 + 独立 IOM 运维模块，无原生 BIM 孪生 | | 大型全厂一体化项目为主，兼顾 DeepBot 轻量化改造 | | | 设备性能衰减 + 系统能效耦合预测，兼顾洁净环境稳定 | | | 半导体专属设备：Scrubber、真空泵、高纯水设备 | |
1.6 典型客户案例 案例1：上海中心大厦 客户背景 上海中心大厦是上海地标性建筑，高632米，共128层。大厦配套有大型HVAC系统，包括多台冷水机组、冷却塔、水泵等。 应用需求 ● 降低HVAC系统能耗 ● 提升室内舒适度 ● 实现智能化运维 解决方案 上海中心大厦部署DeepSYS深度节能系统： 1. 冷冻站优化： - AI算法优化冷冻机组启停计划 - 动态调整冷冻水供回水温度 - 节能率：25% 2. 冷却塔优化： - AI算法优化冷却塔风机转速 - 根据室外温湿度动态调整 - 节能率：30% 3. 舒适度管理： - 根据室内温湿度、CO₂浓度动态调整新风量 - PMV指标控制在-0.5 ~ +0.5范围内 - 舒适度提升：20% 实施效果 ● HVAC系统节能：27%（综合） ● 年节省电费：超过600万元 ● 舒适度提升：20% ● 投资回报周期：1.8年 案例2：腾讯滨海大厦 客户背景 腾讯滨海大厦是腾讯公司深圳总部，建筑面积约35万平方米。大厦配套有大型HVAC系统。 应用需求 ● 降低运行成本 ● 提升员工舒适度 ● 实现碳中和目标 解决方案 腾讯滨海大厦部署DeepSYS系统： 1. HVAC系统优化： - AI优化冷冻水、冷却水系统 - 根据人员密度动态调整新风量 - 节能率：22% 2. 能源管理： - 构建能源管理平台 - 实时监测能耗数据 - 生成碳排放报告 3. 智能运维： - 设备故障预警 - 运维工单管理 - 运维效率提升30% 实施效果 ● HVAC系统节能：22% ● 年节省电费：超过400万元 ● 碳排放减少：约3000吨CO₂/年 案例3：宁德时代 客户背景 宁德时代是全球领先的动力电池制造商，拥有多个大型生产基地。宁德基地是核心工厂，建筑面积约100万平方米。 应用需求 ● 降低工厂能耗 ● 提升生产效率 ● 满足碳中和目标 解决方案 宁德时代在宁德基地部署DeepSYS系统： 1. 工厂HVAC优化： - AI优化车间空调系统 - 根据生产工艺需求动态调整温湿度 - 节能率：20% 2. 洁净室优化： - 优化洁净室空调系统 - 确保洁净度同时满足节能要求 - 节能率：18% 3. 能耗预测与优化： - AI预测未来7天能耗 - 优化设备维护计划 - 减少非计划停机 实施效果 ● 工厂HVAC节能：20%（综合） ● 年节省电费：超过1000万元 ● 产品良率提升：2%（得益于更好的温湿度控制）
| 
