算法层
负责预测、异常识别、资源画像与优化求解,通过标准模型接口持续迭代。
负责预测、异常识别、资源画像与优化求解,通过标准模型接口持续迭代。
负责推理、任务排队、迁移和功耗控制,对上提供统一算力资源池。
负责采集、保护和最终控制执行,保持既有认证与安全边界不变。
任何优化策略都必须先通过电气容量、设备保护与业务 SLA 校核。
断网、云端异常或模型不可用时,现场仍能按照安全策略独立运行。
记录调节深度、持续时长和恢复窗口,避免任务堆积与负荷反弹。
策略、执行回执和关键状态形成闭环记录,支持复盘、核验和结算。
原始业务数据优先本地处理,只上传优化所需的摘要与资源状态。
接口、数据模型和策略插件保持开放,便于适配多种芯片、设备与云平台。
AI 给出预测和建议,涉及关键电气动作时仍由既有终端或调度系统确认执行。
数据归属、留存位置和使用范围在项目接口中明确,不依赖黑盒云端。
支持标准协议与可替换模块,降低单一芯片、OEM 或平台造成的长期锁定。
试点不以大屏数量或接入设备数作为最终成果,而以安全、经济、低碳和业务质量四组指标验收。
关注越限次数、保护裕量、策略失败率和故障降级成功率,确保收益不以系统风险为代价。
量化需量峰值、峰谷迁移电量、绿电消纳、储能利用效率以及单位算力能源成本。
跟踪任务完成率、推理时延、迁移成功率、延期时长和关键业务 SLA 达成率。
统计设备在线率、数据完整率、策略响应率、告警闭环时长和远程升级成功率。
设备注册时绑定唯一身份、硬件信息和固件基线,激活、变更、吊销和退役均有明确状态。
策略携带来源、版本、有效期与适用范围,边缘控制器只执行通过授权和本地校核的指令。
关键状态、策略摘要和响应回执形成不可抵赖的证据链,原始业务数据仍保留在授权环境。
验证不同设备在不同工况下的可调深度、持续时间、响应速度和恢复特性,而不是只使用额定参数。
在真实网络、协议和权限边界下验证策略下发、现场校核、执行回执与失败回退。
使用一致基线和核验方法跨多个运行日复测,区分算法贡献、设备贡献和外部环境变化。
沉淀设备模板、点表、策略模板、验收指标和运维流程,验证第二站点的交付效率。
真正的算电协同,不是把能源大屏和算力平台放在一起,而是把两侧的状态、约束和动作接入同一个可验证的运行闭环。