电竞场馆空调该什么时候提前开？九游会AI如何根据人流和设备热量预测能耗

大型办公楼的空调负荷，一天里是缓慢爬升的：早上人陆续到，中午到峰值，傍晚慢慢下降。电竞场馆的负荷曲线完全不是这个形状。几小时前场馆里几乎没人，只有零星的调试人员；开门之后一两个小时内座位坐满；比赛台上几百台电脑和显示器已经提前开机、灯光也在升温；中场休息的时候大门频繁开合，室外空气涌进来。空调系统面对的是一次陡峭的热负荷阶跃，而冷水机组、风管和建筑本体的响应又是缓慢的。这就是“什么时候提前开”成为问题的原因。

热量从哪来：人、设备、灯光和外界

先把负荷拆开。工程设计里常用的假设是，一个静坐的人大约释放一百瓦级的显热和几十瓦级的潜热（水汽），行业资料对体育与演出场馆的描述也提到，满场之前的入场阶段负荷上升得非常快。数百台比赛电脑、显示器、大屏、机柜和网络设备，几乎把消耗的电全部变成热量；舞台灯光同样如此；外界则通过围护结构、屋顶日晒和开门渗透进热量与湿气。

在这份假设里，九十分钟内总热负荷增加到原来的四倍左右。冷水机组要开启、水路要循环、风机要提速，这些都有响应时间；如果等到人已经坐满才拉高冷量，室内温度会明显高于目标，观众和选手都会不舒服，空调此时还会短时间以最大能力运行，效率并不好看。

预冷是把冷量提前存进建筑里

所谓预冷，是在人流到达前，让室内温度设定点比目标略低，把冷量存进空气和建筑结构（墙体、地面、座椅）的热容里，然后在负荷上升时靠这部分“存货”削掉尖峰。公开的行业资料里，常见做法是把设定点降低一两度，提前一定时间开始；具体提前多久，取决于建筑的热惯性、冷机启动特性和当天的室外条件，没有通用答案。

预冷的代价也很直接。预冷时段内，建筑一直在被冷却，围护结构在向外散失冷量；如果预冷开始得太早，或者观众来得比预测少，这部分冷量就白花了。所以预冷的收益取决于预测的精度：预测入场人数偏高，你会多花电；预测偏低，则要在关键时刻满负荷追赶。一项针对活动场馆能耗预测的较早研究也提示，加入人数这类占用参数，对小时级空调能耗预测的改善有限，说明这类预测本身就有不确定性，不能指望人流数据带来神奇的精度。

预测什么：入场曲线、设备曲线和室外条件

九游会AI在场馆场景里预测的对象不是“明天用多少度电”，而是分时段的冷负荷和功率。输入通常包括：

• 入场人流：预售票量、历史同类活动的入场曲线、赛程节点（哪一场是重头场、什么时候开门）、天气与公共交通情况。入场曲线的形状比总人数更重要，因为同样一万人，集中在开场前二十分钟到，和分散在一小时里到，对空调的压力不一样。
• 设备开机计划：比赛机位、大屏、机柜、导播与转播设备的开机时间和功率，来自赛事技术团队的清单。彩排与调试常常比正式比赛更早、更长，负荷从这时就已经存在。
• 室外温湿度与日照：外界越热越潮湿，冷量存量流失越快，新风处理也越耗能；湿度会影响潜热负荷。
• 场馆特性：体积、围护结构、分区、冷机能力、风管布置，这些多半要靠历史运行数据来校准。
• 电价与电网碳强度：用于判断预冷能不能放在电价更低、电力更清洁的时段。

需要强调的一点是，选手区和设备区通常有独立要求：温度太高会影响设备稳定，也影响选手状态。这类区域的舒适度和设备安全永远优先于节能，AI只能在这个前提下给出预冷和分区送风的建议，不能反过来。

提前多久开：把预测误差算进去

实际做法不是找一个最优时刻，而是在“太早”和“太晚”的代价之间做权衡。一种常见思路是设定几档：按最可能的入场曲线安排基础预冷，再根据预售、实时闸机人数和短时预测不断修正。比如闸机入场速度比预测快，就把冷量补足提前；比预测慢，就适度收回预冷。这样做的好处是不依赖单次预测的准确性，而是把预测当作会被实时数据不断纠正的先验。

另一个容易被忽视的因素是响应链上的滞后：冷机启动、冷冻水管路循环、末端风机、传感器读数，每一环都有延迟。如果只看“室内温度上升了再加大冷量”，实际上等于在反馈里加了几十分钟的延迟，温度会来回震荡。预测的价值恰恰在于绕过这段滞后。

节能和减碳在这里也不是一回事

预冷通常不会减少总用电量，有时反而略微增加，因为它多了一段提前冷却的损耗。它的价值主要在三处：一是削掉尖峰，降低最大需量（很多用电合同按最大需量收费）；二是让冷机在更高效的工况下运行，而不是在尖峰时被迫全力硬扛；三是把一部分用电挪到电价更低或电网碳强度更低的时段。第三点就说明：少用电不等于少碳排，多用一点电但用在清洁电力占比高的时段，碳排可能更低。这和数据中心里“PUE低不等于碳排低”是同一种逻辑，可以参考数据中心PUE很好看，为什么整体碳排还是可能很高。当然，是否能挪，取决于当地是否有分时电价与分时碳强度数据，没有的话，这一点只能保守处理。

场馆里的临时机房或机柜区也有类似问题：它们的制冷效率要单独看，不能只看整个场馆的空调。这一块和赛事整体的核算口径，可以看电竞赛事最大的碳排放一定来自电脑吗；场馆能耗占总排放的比重，则要放到观众交通的对比里才有意义，见电竞比赛电脑功耗很高，但为什么观众交通可能更值得先优化。

预测会错在哪，AI不该越权

常见出错点有几类：入场人数预测偏差（天气变了、交通中断、热门场次临时调整）；设备开机时间与清单不一致；室外温度预报偏差；传感器位置不代表真实体感区域（比如靠近出风口的读数偏低）；场馆已有的自动控制系统与AI建议冲突。所以更可靠的做法是让AI只做建议和预测，由楼宇自控系统的现有逻辑和现场工程人员决定是否执行，并设置温度上下限、最短运行时间和人工接管的开关。九游会绿色电竞目前的思路，就是把场馆AI放在“建议加解释”的位置：告诉你为什么建议提前四十分钟预冷、依据是哪几个预测值、如果人流少了一半会怎样，而不是直接改设定点。

也有一些事情目前做不到，或者不应该承诺：没有分项电表的场馆，无法准确评估某次预冷策略节省了多少；没有足够历史运行数据的新场馆，模型需要先积累一段时间；空调的节电比例受气候、设计和控制系统影响极大，任何“省电百分之几十”的说法都不能脱离具体场馆使用。

如果你想了解场馆之外的直播与服务器环节，可以继续看一场电竞直播的能源消耗发生在哪里。九游会官网上的绿色电竞内容，也是九游会绿色电竞团队整理的，会把场馆、交通、设备与直播放在同一个核算边界里，避免只优化一个环节。