換熱站與管網運行總覽
在地圖與拓撲視圖中查看熱源、管線、換熱站、樓宇分區與關鍵運行狀態，快速判斷異常影響範圍。
核心能力
連接資料、流程與現場執行，協助團隊理解上下文、快速行動並保留可追溯紀錄。
- 熱源到用戶的營運上下文
把熱源、一次網、換熱站、二次網、樓宇分區、住戶回饋與現場工單放在同一個營運視圖中，減少系統之間來回切換。
- 熱負荷預測與調度建議
結合天氣、歷史負荷、建築熱慣性與運行限制，提前判斷負荷變化，為供回水溫度、泵頻率與閥門策略提供建議。
- 水力平衡與異常診斷
圍繞溫度、壓力、流量、補水量與換熱效率識別失衡、洩漏、結垢、旁通與遠端供熱不足等問題。
- 能碳核算與營運報表
按熱源、管網與用戶側沉澱能耗、熱損與碳排資料，為節能改造、營運復盤與管理報表提供統一依據。
- 安全可控的執行閉環
支援 AI 建議、人工確認、指令下發、結果回看與操作稽核，適合供熱季逐步從輔助決策走向閉環調度。
- AI Advisor 與知識庫
把設備手冊、運行規程、歷史告警與現場經驗接入知識庫，協助值班員解釋異常、生成處置步驟並聯動工單。
應用場景
涵蓋培訓、巡檢、維護、營運複核等可落地場景。
寒潮與負荷波動前的調度準備
提前評估天氣變化對熱負荷的影響，形成預熱、升溫、泵頻與人員值守建議，避免完全依賴事後投訴。
遠端供熱不足與水力失衡排查
把室溫回饋、供回水溫度、壓差、流量與閥門狀態放在同一條診斷鏈路上，定位失衡、旁通或局部阻塞。
能耗、熱損與碳排復盤
圍繞供熱季運行資料建立能碳帳本，協助營運團隊復盤熱損、泵耗、氣耗與節能改造效果。
從告警到工單的現場閉環
把異常診斷結果轉化為巡檢、清洗、保溫修復、閥門調整或 PLC 寫回任務，並保留處置紀錄。
供熱營運需要可執行閉環
區域供熱的難點通常分散在熱源運行、管網水力、換熱站設備、樓宇末端、住戶回饋、收費系統與工單流程之間。值班員需要判斷今天哪裡會缺熱、哪裡可能過熱、哪條支路存在失衡，現場團隊則需要知道該查哪個閥門、哪段管線、哪台換熱器。
在 FactVerse AI Agent 中，HeatOps 模組把這些資訊組織成供熱營運上下文。它運行在現場自動化系統之上，復用 FactVerse AI Agent 的行業推理、預測、診斷與知識問答能力，並透過 Data Fusion Services 接入既有 SCADA、SIS、PVSS、計量、氣象、客服與工單系統。
從真實供熱改造設計中沉澱的能力模型
這個行業模組的設計來自多站點供熱營運場景。系統通常按五層展開：感知層採集溫度、壓力、流量、補水、閥門與泵狀態；Data Fusion Services 治理熱源、站點、管線、樓宇與住戶物件；FactVerse AI Agent 做負荷預測、異常診斷、水力平衡與能碳分析；執行層對接 PLC、調度指令與現場工單；互動層服務於值班室、管理者、維修團隊與客戶服務。
這個模型也讓 Physical AI 在供熱側有明確落點：AI 決策結合運行資料、管網拓撲、熱慣性、設備邊界、控制權限與現場安全流程。每一條建議都需要能解釋來源、影響範圍與執行條件。
能看：熱源、管網、換熱站與樓宇
HeatOps 模組可以把供熱資產放到 GIS 地圖、管網拓撲與站點視圖中。維運團隊可以查看換熱站狀態、供回水溫度、壓差、流量、熱量、泵和閥門狀態，也可以疊加樓宇區域、室溫回饋、告警與工單。
相比單點監控，這種視圖更適合供熱季的現場判斷：某個遠端區域投訴增加時，團隊可以同時看到上游站點、支路線、閥門狀態、壓差變化與歷史處置紀錄。
能算：預測、診斷與能碳復盤
負荷預測讓團隊在天氣變化前看到需求曲線，提前準備調度動作。異常診斷則把供回水溫差、補水量、壓力波動、換熱效率、泵耗與用戶回饋放在一起，判斷是熱源不足、支路失衡、換熱器結垢、管網洩漏、保溫退化還是局部控制問題。
在管理側，該模組可以把熱量、氣耗、電耗、熱損與碳排資料整理為供熱季營運帳本，協助團隊復盤調度策略、節能改造與異常處置是否真正改善了運行品質。
能控：從建議到執行的安全閉環
供熱控制適合分階段推進：先讓 FactVerse AI Agent 提出調度建議，由值班員確認，再逐步接入受限寫回與稽核。HeatOps 模組支援把閥門開度、泵頻、供水溫度等動作納入安全邊界與審批流程，保留誰確認、何時下發、執行後結果如何的完整紀錄。
這種方式既能讓 AI 進入真實運行流程，也能保留供熱企業對安全、責任與合規的控制。
能用：知識庫、客服與工單協同
供熱營運的問題會同時出現在控制室、現場和服務回饋中。住戶投訴、現場巡檢、維修紀錄、設備手冊與應急預案都會影響判斷。HeatOps 模組可以透過 FactVerse AI Agent 的 AI Advisor 調用知識庫，協助值班員解釋告警、生成排查步驟，把診斷結果轉成工單，並把現場回饋沉澱回後續營運。
營運模型與模組範圍
HeatOps 基於 FactVerse AI Agent 的營運模型和區域供熱設計工作，是面向供熱營運的行業模組。模組重點放在預測、診斷、調度輔助、工單協同和可審計執行。
推薦落地方式
建議從有限範圍的換熱站和管網分區開始：先透過 Data Fusion Services 接入關鍵即時資料和資產拓撲，驗證站點總覽、異常診斷、負荷預測與工單閉環；再擴展能碳核算、水力平衡與調度建議；最後根據現場控制權限接入 PLC 或控制系統寫回。這樣可以把 FactVerse AI Agent 的行業模組逐步落到可運行、可稽核、可擴展的供熱營運體系中。
相關能力
- FactVerse AI Agent 承載 HeatOps 行業模組，支撐預測、診斷、知識問答與調度建議
- Data Fusion Services 連接 SCADA、SIS、計量、氣象、收費、投訴與工單等系統
- FactVerse Platform 管理熱源、管網、站點、樓宇和設備的數位孿生上下文
- Smart Facility Management 將類似營運模式擴展到園區和建築設施管理
常見問題
HeatOps 是 FactVerse AI Agent 的區域供熱行業模組，復用 FactVerse AI Agent 的預測、診斷、知識問答與調度建議能力，並透過 Data Fusion Services 連接現場系統。
該模組運行在既有系統之上，透過 Data Fusion Services 連接 SCADA、SIS、PVSS、熱表、氣象、收費、投訴與工單等資料，形成面向營運決策的統一上下文。
可以依專案階段接入 PLC 或控制系統，但建議從 AI 建議和人工確認開始，再逐步引入受限寫回、速率限制、安全校驗與稽核機制。
一般大屏主要展示指標。FactVerse AI Agent 的 HeatOps 模組關注從資料到行動的閉環：預測負荷、診斷原因、推薦動作、聯動工單、記錄執行並復盤效果。
可以。該模組可圍繞熱源、管網、換熱站與用戶側建立能耗、熱損與碳排資料鏈路，具體核算口徑需要結合當地標準和客戶管理要求配置。