供暖季二次侧供水温度上不去，拆开板换才发现结垢糊满——本文解析传热系数K值衰减的四类机理，给出K值衰减率、换热温差收窄、板片压差缓升、一次侧阀门开度爬升四条预警判据，附预警信号速查表与从预警到治理的六步闭环清单。

锅炉房全年九成时间在部分负荷下运行，开一台长期低负荷爬行、开两台每台都吃不饱，燃气单耗高、启停频繁、低温结露腐蚀逐年加重。本文聚焦“开几台、每台开多少”的群控核心问题：先说明锅炉效率曲线的倒U特性——负荷率八九成最高效、低于三成效率跳水且回水低温结露；再对比均等分配、主从分配、效率优先三种负荷分配策略的取舍与适用场景；随后给出台数启停的滞环控制与负荷预测、回水温度管理三条治理思路；最后列出群控计量数据底座与六步实施清单。某三甲医院锅炉房改造实例：燃气消耗同比下降约9%到12%，启停次数减少约六成，回收期两个供暖季以内。

供暖季近端楼层热得开窗、末端还是冷，水泵加到上限也救不回来——问题多半不在热源而在管网水力失调。本文按认识失调、三步诊断、平衡调试、持续监测展开：先区分静态失调与动态失调、水平失调与垂直失调；再给出温差普查、流量确诊、压差复核的三步诊断法与判据速查表；随后说明数字锁定平衡阀静态调节与动态压差平衡阀的分工及调试次序；最后给出持续监测架构与节能效果验证方法。某高校家属区改造实例：室温达标率从约七成提高到97%，水泵频率从50赫兹降到42赫兹，水泵电耗下降约16%，供暖投诉归零。

多数能耗监测系统只统计千瓦时数，却漏掉了电能质量这个隐形的能耗与成本来源。谐波让变压器与电缆额外发热，功率因数偏低带来力调电费的持续惩罚。本文按指标速查、谐波、功率因数、监测落地四部分展开：先建立电压偏差、谐波畸变率、功率因数、三相不平衡四个关键指标的概念与参考限值；再说明变频设备与开关电源如何产生特征谐波，谐波如何以涡流损耗与谐振形式偷走电量；随后解释无功功率、功率因数考核与电容补偿柜的取舍；最后给出回路级计量加边缘计算的监测架构与常见坑。某产业园改造实例：总谐波畸变率从百分之十二降到百分之五以内，月平均功率因数从零点八二提高到零点九五，力调电费由罚变奖，变压器运行温度下降十余度。

能耗监测上线后真正消耗值班精力的是报警：阈值松了漏报，紧了误报泛滥。本文按三层递进设计报警规则。第一层固定阈值并不淘汰，但要配三个工程细节：死区回差防报警乒乓，持续时间确认让瞬时越限不扰眠，报警分级决定通知渠道与响应时限。第二层分时段分工况规则把日历与运营知识显式写进系统，常能消除一半以上误报。第三层动态基线用预测值当随动阈值，报警条件写成基线来源、带宽（正负一成到两成起步）、游程长度（连续三到五点）三个参数；某商业综合体冷站改造后月误报从四十余条降到个位数，确认时间从两小时缩到二十分钟以内。链路工程同样关键：缺测补零是假越限重灾区，维护模式可抑制检修期无效报警，ZYH-WFS水流开关与ZYH-100防冻开关等开关量为电流类报警提供旁证。落地顺序：安全类阈值、分时段规则、动态基线试点；配套每月误报回顾、每条报警挂处置预案、每季度清理无人处置规则。

能耗监测回答发生了什么，能耗预测回答将要发生什么。预测的回报具体而分层：月度预算允许5%到10%误差，日级调度需要3%到5%。入门路径是三层模型逐级加码——第一层度日数回归，把天气对能耗的影响浓缩成供暖度日数(HDD)与供冷度日数(CDD)做一元线性回归，公共建筑R²通常可达0.8以上，配合工程实例（固定项1.8万千瓦时、度日数系数每度日320千瓦时、R² 0.86）即可生成下月预测；第二层多变量回归纳入入住率、客流量、日历特征三到五个业务变量，变量符号须符合工程常识；第三层机器学习（梯度提升树、长短期记忆网络）只在控制级应用与多建筑组合预测场景才值得复杂度，评估用MAPE横向比较（月度5%到10%及格、3%到5%良好）。预测质量的天花板在数据侧：时间粒度从月度到十五分钟级、断传缺测先插补或整月剔除、计量口径对齐。落地三场景：需量预警、预测值加减带宽的动态阈值异常报警、供暖与冷站调度排班。

节能改造的效果验证常陷入扯皮：乙方宣布节能两成，甲方拿着上涨的电费单反问。能耗跟着天气、业务量、运行时长波动，改造前后直接相减把节能效果和外部变化搅在一起；更隐蔽的是向均值回归——选在异常高能耗年份后的改造，次年什么都不做也会回落。科学答案是基线回归模型：用改造前至少十二个月数据拟合能耗与度日数、业务量等驱动因素的关系，把改造后实际天气代入模型算出假设不改造的能耗，实际值与预测值之差才是真实节能量。本文讲清IPMVP全楼路线的核心思想，按数据条件给出度日数单变量、多变量、高频数据三种模型形态，列明ASHRAE Guideline 14的R²与CV-RMSE双门槛，整理建基线五步流程，并提醒基线期过短、变量遗漏、施工期数据混入三个高频翻车点。

业主问“这栋楼能耗高不高”，乙方答“上月用了多少万度电”——绝对耗电量没有可比性，行业需要的是通用尺子：单位面积能耗指标(EUI)。本文给出办公、商业综合体、酒店、医院、学校、图书馆、体育馆、地铁车站、数据中心等11类建筑的EUI参考区间及能耗结构特点，提醒对标前必须按气候区、功能密度、服务深度修正；指出EUI偏高只是症状，需按暖通空调、照明插座、动力系统、特殊负荷逐级拆解到设备层能效指标；并给出建基线、做对标、抓异常三步持续改进路径。口径不清的基线比没有基线更糟，明显低于下限先怀疑漏计而不是庆祝。

能耗监测平台验收时曲线平滑、报表齐全，运行三个月后质疑声却陆续来了：凌晨照明能耗高得离谱，冷机能效比接近九，周末曲线凭空缺一整天——问题八成出在数据质量。本文给出可落地的清洗方法：异常值识别用四层漏斗（物理范围校验、变化率校验、箱线图法与Hampel滤波、能量平衡校验）；缺失值补全按缺口长度分级，短缺口插值、中缺口同期类比按度日数修正、长缺口标记缺失不硬补；并提醒假异常的第一大来源是传感器漂移而非算法。附一份可直接照抄的清洗规则清单，以及完整率、有效率、及时率三项每日巡检指标，让数据清洗从上线前的大扫除变成日复一日的例行工作。