01 · SOURCE
多热源智能调度
结合负荷预测，计算未来数日热负荷变化，形成热源逐时启停策略，辅助多热源经济性调度。
ENERGY AI AGENT · MULTI-MODEL DECISION
能源智能体平台：大模型知识决策 + 专业模型精准执行
围绕用能负荷、供能周期与能源价格等变化，融合机理模型与专家知识，形成“大模型知识决策 + 专业模型精准执行”的协同架构。四层能力分工协作，支持供热运行自主感知、智能决策与精准控制。
01运营辅助
通用 AI 大模型
承担自然语言交互、知识问答与运营辅助，降低业务人员使用系统的门槛。
02全局分析
能源垂直领域模型
结合能源行业知识与业务数据，开展面向能源系统的分析与理解。
03安全校验
机理仿真
以暖通机理和在线仿真计算校核工况与候选策略，提供物理约束依据。
04精准控制
场景化小模型
围绕具体能源场景与控制对象，形成精准预测和控制策略。
FROM DATA TO EXECUTION
感知、预测、仿真、决策与执行协同
AI 决策不能脱离能源系统的物理边界。现场数据提供动态输入，模型与仿真提供计算依据，边缘设备承接执行，运行反馈用于校准与优化。
现场感知
温度 · 压力 · 流量状态识别与预测
负荷 · 设备 · 工况机理仿真校核
水力计算 · 约束AI 决策与执行
策略生成 · 优化边缘执行与反馈
状态回传 · 模型校准
温度 · 压力 · 流量状态识别与预测
负荷 · 设备 · 工况机理仿真校核
水力计算 · 约束AI 决策与执行
策略生成 · 优化边缘执行与反馈
状态回传 · 模型校准
能源智能体平台以知识决策与专业模型执行协同为主线：①通用 AI 大模型负责交互与知识决策；②能源垂直领域模型负责全局分析；③机理仿真负责安全校验；④场景化小模型负责精准控制。各层职责清晰，协同完成预测、调度、优化与诊断。
FINGO · 20+ CORE CAPABILITIES
覆盖“源—网—站—端”的四类核心运行场景
FinGo 生产运行系统将多模型协同能力落到具体能源生产环节，围绕负荷预测、长输联控、站级调控与二网平衡组织运行策略。
02 · TRANSMISSION
长输智能联控
集成长输全域调控、泵站监控、水力仿真、沿线监测与水泵电机安全监测，支持各级泵站协同联动。
03 · STATION
热力站智能调控
结合天气、室温与运行数据，在热源条件和现场控制边界允许时开展智能托管与按需供热调节。
04 · NETWORK
二网 AI 群控
依据二次网回水温度一致原则，计算阀门开度并形成矩阵调控指令，促进水力平衡，减少系统震荡与水力耦合。
PRODUCTION OPERATIONS
运行监视与控制执行，回到真实现场
FinGo 生产运行系统围绕热源、长输管网、热力站与二次网组织生产调度和运行控制。系统以预测、仿真与现场数据为依据，支持从负荷研判到设备联动的生产运行管理。
对象组织
按照管网、站点、设备、数据与点位的关系建立运行对象。
运行呈现
通过总图与站级工艺图查看设备、状态和运行数据。
操作入口
设备操作方式、控制权限与联锁逻辑以现场系统配置为准。
长输运行
关注跨泵站系统联动、空间联锁、网络冗余与事故工况协同。
ENGINEERING BOUNDARIES
让能力边界清楚，才能让系统稳定运行
不同能源场景的控制对象、数据基础和现场自控条件不同。运行系统与 AI 算法应按项目边界配置，不将演示功能或单一站点能力泛化为全网自动控制。
站点级调控
结合既有控制属性、设备模式与现场条件，组织站点运行参数的辅助分析与调节流程。
长输系统联动
围绕多泵站协同、控制信号可靠性、网络冗余和空间联锁组织系统级运行。
人在回路与现场约束
涉及物理设备的控制操作，应结合权限、联锁和现场规程完成核对确认。
把 AI 能力放进具体能源运行场景
从运行对象、数据基础与控制边界出发，规划平台、模型和现场执行的协同方案。