一、项目建设背景与现存痛点
随着人工智能产业快速发展，重庆人工智能学院作为区域内聚焦人工智能人才培养、科研创新与实训实践的核心院校，校内建有 AI 算力实训机房、多媒体教室、学术报告厅、行政办公楼、专业图书馆等多类型功能建筑，配套多联机中央空调系统覆盖全部教学、科研与办公空间，承担室内环境温湿度调节、保障设备稳定运行的核心作用。
学院原有多联机空调系统采用分户独立控制模式，各室内机配置专属线控器，无统一管控中枢，随着办学规模扩大与智慧校园建设推进，传统管理模式暴露出多重核心痛点。
1. 运维管理效率低下，人力成本高企。后勤管理人员需逐层逐间现场巡检空调运行状态，手动调整参数与开关机，教学楼房间数量多、分布散，单次巡检耗时久，节假日、寒暑假需逐台关停设备，临时科研活动又需现场开启，响应速度慢，人力投入大。
2. 用能行为缺乏约束，能源浪费严重。公共教室、实训区域常出现人员离开后空调持续运行的情况，制冷温度设置过低、制热温度设置过高的现象普遍，不符合公共建筑节能管理规范。不同房间温度设定差异大，导致同一外机下多台内机负荷冲突，外机频繁启停，既加剧电能消耗，也加速压缩机老化。原有线控器无权限限制，师生可随意修改参数，节能管理制度无法刚性落地。
3. 系统级监测缺失，故障响应滞后。原有模式仅能通过现场感知发现空调不制冷、不出风等显性故障，无法监测外机压缩机频率、冷媒压力、运行电流等核心参数，隐性故障无法提前预警。AI 实训机房部署大量算力设备，发热量高且对温度敏感，空调故障若不能及时发现，短时间内室温飙升将影响实验数据稳定性，甚至造成服务器硬件损坏。
4. 能耗数据无法分区统计，节能管理缺少数据支撑。后勤部门仅能获取楼宇总电表数据，无法单独核算不同楼栋、不同功能区域的空调耗电量，难以精准定位高能耗点位，节能考核与优化工作缺乏数据支撑。
5. 多品牌设备协议不兼容，集中改造难度大。学院不同批次建设的楼宇采用不同品牌多联机设备，原厂通讯协议互不开放，传统集控方案需定制网关，成本高、周期长，且多数系统高度依赖网络，断网后管控功能全部失效，可靠性不足。
为破解上述管理难题，学院启动多联机空调集中控制改造项目，经多轮技术调研与方案比对，最终选用广州派谷多联机空调控制器搭建集中管控体系，实现全校多联机空调的统一监测、远程控制、策略调度与能效管理，助力智慧校园与绿色低碳校园建设。