功耗双账本 / Dual Energy Ledger
实测电气平衡与部件归因分离；未计量残差留在独立项目中，不用“完美分摊”掩盖测量缺口。
网侧输出—P_export
辅助自耗—P_aux
瞬时净功率—P_export − P_aux
归因闭合误差—目标 ≤ 0.5%
网侧输出自耗净功率
累计 —SUPPLY BUS ALLOCATION
EDGE INTELLIGENCE / REFERENCE MODEL
让每一度电
都可解释
在单台风机端侧，把发电与自耗电、偏航动作和发电机电磁热状态放进同一条可计算、可审计、可回退的安全闭环。不是展示一个黑箱分数，而是开放每一个输入、算子和动作边界。
双账本 · 闭合可审计
偏航 · 反事实可解释
热点 · 不确定度在线
scroll to map the system
EDGE ALGORITHM LAB / 01
三项算法，
同一条安全闭环
选择一个 illustrative 工况并启动仿真。三个算法共享 1 s 算法节拍、数据质量门和确定性安全监督器；页面中的功率、效率、温度与收益均为参考模型输出。
00:00 / 10:00 · 数据质量 98%
账本闭合
过度偏航 / Counterfactual Yaw
把实际偏航与同一信息集下满足安全约束的可行反事实轨迹比较，区分“需要纠偏”和“系统自己制造的无效往复”。
风–机舱偏差—angle error
实际累计行程—actual travel
可避免行程—actual − feasible
过度偏航指数—0..1
机舱角反事实目标风向
决策 —建议增量—
启动 / 换向—
偏航能耗—
发电机电磁–热降阶模型 / PMSG Thermal ROM
电流、频率、磁链和负载先映射为损耗源，再驱动八节点热网络；不可测热点带不确定度，包络外进入回退。
绕组热点—estimated winding
永磁体估计—unmeasured rotor
总电磁/机械损耗—loss source
30 min 风险裕度—target limit
建议：保持当前负载
模型位于标定包络内，安全监督器未发现冲突。
A
绕组热点永磁体冷却介质
包络内5 min 绕组—
15 min 绕组—
30 min 绕组—
SYSTEM CONTRACT / 02
AI 可以优化，
但不能越过物理边界
三个算法共享输入质量门、模型版本和运行记录。安全监督器拥有最终裁决权，并保留向成熟基线控制回退的确定性路径。
A / 能量可审计
实测与归因分离，执行器按运行时间和输入功率积分，缺口以残差呈现。
E_net = ∫(P_export − P_aux)dt
ΣEᵢ ≠ measured → residualB / 偏航可反证
不把每次纠偏都称为“过度”；必须存在同样满足安全要求的更优可行轨迹。
excess = actual − argmin J(feasible)C / 热状态可回退
损耗—热网络输出热点与不确定度，不可测部位不被伪装成直接测量。
risk = limit − max(T̂ + u)01 · 独立保护AI 不直接触发或绕过急停、超速、过流、过温保护。
02 · 有界学习残差学习只在标定包络与幅值上限内生效。
03 · 无未来泄漏偏航反事实仅使用当时可获得的信息。
04 · 可观测回退质量下降、模型冲突与拒绝动作都留下原因。
01 / 第一性原理
先回答一个问题：
系统究竟在优化什么？
不是把瞬时功率推到最大，而是在不确定的环境里，持续选择对未来最有价值、并且真正能够安全执行的行动。
◌
感知与估计
知道设备现在处于什么状态，而不仅仅是读取传感器。
⌁
预测与推演
判断风况、载荷、健康度与不同动作可能造成的后果。
↗
优化与决策
在发电、辅助服务、寿命、履约风险之间做动态权衡。
02 / SYSTEM MAP
五层架构，
一条可追溯的价值链
纵向分层保证安全和责任边界，横向统一模型、数据与接口。点击左侧任意层级，查看它接收什么、做什么、交付什么。
03 / CAPABILITY CONTRACT
群控与单机之间，
交换的是能力，不只是指令
一台风机可以说“不”。
当场站收到 10 MW 上调需求时，系统不再按额定功率平均分配，而是询问每台机组：现在能贡献多少、能维持多久、代价是什么、有没有更好的替代方案。
可兑现能力执行成功率载荷代价不可执行原因
bidirectional protocol实时 · 可审计
集群 → 单机目标功率 · 备用 · 响应速度 · 载荷预算
⇄
单机 → 集群可用容量 · 持续时间 · 健康度 · 成功概率
约束并网要求 · 任务期限 · 优先级
⇄
反馈执行结果 · 偏差 · 能力更新
安全约束优先 · 单机可返回可行替代方案
04 / VALUE FUNCTION
最大化的，是可兑现的
全生命周期净价值
拖动权重，感受一个动作如何在发电、灵活性、寿命与风险之间重新分配价值。示例用于说明权衡关系，不代表现场实时数据。
illustrative net value index
78.4
当前权重下，策略更倾向于保留备用与寿命余量，同时维持稳定的能量收益。
05 / MULTI-TIMESCALE
让每个决策，
待在正确的时间尺度
慢速 AI 提供监督目标，快速控制与保护保持确定、可验证。点击时间尺度查看对应任务与技术。
06 / UNIVERSAL ADAPTERS
同一套智能框架，
不同的物理模型
泛化不是“一个模型控制所有能源”，而是用统一的 State / Action / Capability / Constraints / Cost / Response 接口组合各自的专用控制器。
07 / DELIVERY PATH
先建立闭环，
再逐步增加自主性
每一步都要有数字孪生、影子运行、场景测试与回退条件；模型升级必须能回答“适用范围是什么”。
PHASE 01
统一数据与能力模型
定义状态、动作、约束、能力包络与任务协议。
PHASE 02
数字孪生与离线优化
连接风况、功率、载荷、寿命和电气模型。
PHASE 03
预测与决策建议
AI 与现有策略并行，比较可行性与真实收益。
PHASE 04
单机受约束闭环
启用经济 MPC 与健康感知降载，保留回退。
PHASE 05
群控与市场协同
优化功率、备用、尾流与履约风险。
PHASE 06
跨机型规模化
通过校准、影子运行与验收逐步推广。
SYSTEM PRINCIPLE
让 AI 决定什么最有价值，
让控制系统保证它安全发生。
真正的壁垒不是某个模型，而是把物理机理、设备控制、全场协同、市场价值和长期运行经验连接成一个可验证、可复制、可持续进化的系统。
回到系统起点 ↑