光伏运维 · 储能运维 · 单据处理
面向新能源企业的
数字员工
覆盖光伏运维、储能运维与单据处理，
让过去靠人盯盘、经验判断、人工流转的工作，升级为主动监测、根因分析、协同闭环。
覆盖光伏运维、储能运维与单据处理，
让过去靠人盯盘、经验判断、人工流转的工作，升级为主动监测、根因分析、协同闭环。
使命：用行业大模型和数字员工能力，推动新能源企业进入更高效的人机协作阶段
定位：能碳数智化场景中的人工智能大模型技术服务商
围绕能源数字化应用场景推进大模型技术研发与产品准备。
完成技术验证，上线知识、数据分析等专家能力，并进入新能源企业等场景交付。
完成种子轮融资。
持续完善面向业务场景的数字员工能力。
进一步扩展光伏、储能等新能源场景的数字员工能力。
2 项专利（已受理）
13 项软件著作权（已授权）
2025 工赋软件产品精选清单
浦东新区垂类大模型典型应用场景案例集
AIIA 成员单位人工智能产业发展联盟成员
中国海归创业大赛入围复赛2025 年复赛项目
上海市科技型中小企业技术创新资金立项2025 年立项项目
WAIC 2025 Future Tech 展区首发亮相「智子能碳专家」公开展示
过去靠人盯、靠经验判、靠人工流转的方式，正在成为新能源企业效率提升的瓶颈。
光伏、储能场站和设备规模持续增加，一线团队很难只靠人工持续盯住运行状态、异常趋势和处置进展。
很多问题不是一个告警就能解释，需要结合时序运行数据、设备状态、环境数据和历史经验一起判断。
新能源结算单据涉及识别、校验、填报、审核和同步，重复录入和人工核对会持续消耗财务与运营人员时间。
关键判断依赖少数专家和业务骨干，经验如果不能沉淀到系统里，就难以覆盖更多场站、设备和业务流程。
大量时间耗在看告警、找数据、问专家、追工单、对单据上，真正用于判断风险和提升经营效率的时间反而最少。
运维人员每天要在监控系统里查看告警、切换设备、翻运行曲线，很多时间消耗在确认“到底有没有问题”。
告警只是提示，真正要判断影响范围、疑似根因和处置优先级，仍然依赖专家经验和人工排查。
从发现异常到派单、处理、反馈、复盘，涉及多个角色和系统，过程容易断点，结果还要靠人持续追。
结算单据识别、校验、填报、审核和同步都需要人工参与，重复录入和核对容易出错，也占用财务与运营时间。
系统能展示数据、记录流程、提示告警，但真正拖慢效率的是：信息没打通、诊断靠人工、闭环还要人追。
监控、告警、经营、财务和知识资料分散在不同系统，系统能展示信息，但跨系统判断仍靠人工查找、核对和串联。
多数系统能提示异常，但很难结合时序数据、设备状态、历史案例和专家知识给出可解释的疑似根因。
派单、处理、反馈和复盘分散在不同角色之间，系统能留痕，但很难主动推动问题从发现走到关闭。
智子熹源不是替代专家，而是让数字员工先监测、分析和整理证据，再由人确认和推进，帮助团队降本增效。
能展示数据、记录流程、提示告警，但通常停在“看到问题”，后续诊断、派单、复盘仍靠人工串联。
专家懂现场、懂设备、懂经验，但人不可能 7×24 覆盖所有场站，也难把每次判断规模化复制。
持续监测运行数据和业务流程，识别异常、分析疑似根因、整理证据和建议；人的确认和反馈会继续沉淀为经验。
围绕光伏运维、储能运维和单据处理，把监测、诊断、流转、知识和人工确认组织成一组协同工作的数字员工。
围绕光伏场站与设备运行，支持运行监控、健康度诊断、功率偏差分析、损失影响评估、故障根因定位和诊断报告生成。
面向储能电站日常运行，支撑告警查看、异常诊断、根因分析、工单闭环、设备监控和运维报告生成。
面向新能源结算单据处理流程，串联单据识别、校验、填报、审核流转和业务数据支撑。
把知识问答、数据分析和人工确认串联起来，让专家经验、处理流程和现场反馈持续沉淀，帮助数字员工越用越懂业务。
把专家经验、历史案例和处理流程沉淀到系统中，减少不同人员之间判断标准不一致的问题。
从监测感知、异常识别、根因分析到建议生成和工单协同，让问题不止停留在告警提示。
每次人工确认、现场反馈和处理结果，都可以沉淀为案例与经验，让数字员工越来越贴近现场。
光伏场站不缺运行数据，缺的是能持续结合运行数据、环境数据和设备状态，定位异常设备并输出诊断依据的数字员工。
光伏场站有运行数据、环境数据和设备状态数据，但一线人员往往要反复看曲线、比指标、找证据，才能判断哪里异常、先处理什么。
结合时序运行数据、环境数据和设备状态数据，通过健康日、相似日和同群体对比分析功率偏差，并进行数据质量审计，减少误判。
从场站整体健康度下钻到逆变器性能异常和组串电流不均衡，把异常定位到可排查对象，并输出状态、位置、趋势、损失影响、疑似根因和建议。
数字员工持续跟踪日度问题和近 30 天滚动趋势，帮助运维团队判断问题是否持续、影响是否扩大、哪些设备需要优先处理。
关注当前急需处理的问题，跟踪行动指令是否反馈、问题是否处理，帮助一线把当天风险及时推进。
结合累计损失、异常天数、连续性评估和 TOP10 风险设备，判断问题是否真实存在、是否持续加重、是否需要优先处理。
数字员工先做数据可用性校验，再识别异常触发项、提出候选根因，形成归因影响、证据包和行动建议；工程师反馈现场结果，让数字员工持续沉淀处置经验。
数字员工 7×24 跟踪电压极差、温度极差和 SOC 偏差，先输出异常趋势、判断依据和处置建议，再交给人确认。
储能风险往往先在电压极差、温度极差等趋势里露出苗头，单体电压看似正常时，靠人工翻曲线也容易漏掉早期异常。
持续采集电压、温度、SOC、功率等数据，计算电压极差、温度极差、SOC 偏差等指标，帮助运维人员看清哪些指标正在偏离、哪些风险需要优先关注。
当指标偏离正常模式时，数字员工先给出风险判断、证据链和处置建议；工程师现场确认后转维修工单，完成销项和日报复盘。
储能异常常来自多个轻微指标一起“不对劲”，数字员工先识别异常组合，再给出可核验的根因建议。
电压、温度略高，SOC、效率略降时，单看每个指标都可能没有报警，但多维特征已经偏离正常模式。
数字员工先给出风险影响、可能原因和排查方向，再展开异常指标、趋势证据、知识库和历史案例依据。
工程师可以确认、质疑或追问诊断建议；处理完成后，推理过程、工单结果和真实反馈沉淀为场站案例库。
新能源结算单据的难点不只是录入，而是取数、核对、审核、追溯都分散在人手里，重复、易错，也难沉淀。
结算涉及来自电站、电网和用户的多方数据，财务人员要在不同平台间上传、录入、核验、开票和追溯，机械性重复劳动多，也容易出错。
支持批量上传、批量识别和批量匹配，通过模型识别和规则引擎校验关键字段、标准映射和校验结果，先把重复识别、字段校验和规则匹配交给数字员工处理。
对识别失败或模型效果不佳的信息保留人工补录；审核环节支持智能审核和人工审核，让人聚焦异常处理、复核确认和流程督办。
单据处理完成后，结果可以同步至 BI，并通过数据接口对接资管等业务部门或第三方系统，支撑后续分析和决策。
审核通过的结算信息支持批量同步至 BI，并反馈同步状态；归一化结果可通过接口传给资管等业务部门或第三方系统，减少线下表格反复流转。
系统对识别结果进行验证，重点校验关键字段完整性、单位转换和标准映射；识别失败的单据可重新识别或补录，降低人工核对遗漏和出错概率。
把单据模板、校验规则、项目实体映射和同步数据管理沉淀在系统中，减少对个人经验和线下表格流转的依赖。
看数字员工如何持续监测设备状态、识别异常趋势、整理诊断依据并给出处置建议，帮助运维人员更快判断问题、明确下一步处理方向。
看数字员工如何先完成批量识别、规则校验和异常提示，再由人完成补录确认、复核把关和审核流转。
智子熹源围绕新能源企业真实业务，把系统接入、场景验证和客户反馈持续转化为可用的数字员工能力。
已接入分布式光伏场站 1200+，规模超过 2GW，围绕运行监控、异常识别、故障根因分析、健康度报告和运维建议，帮助团队减少人工翻数据，更快定位问题。
已覆盖分布式储能场站 25 个、规模超过 22MWh，集中式储能场站规模 400MWh，围绕关键指标监测、异常诊断、根因分析和工单闭环，帮助团队更早发现风险苗头。
已覆盖 600 余个新能源结算项目、每月 2000 张单据识别场景，支持批量识别、规则校验、人工补录、审核流转和同步至 BI，减少重复录入和人工核对。
围绕系统接入、场景验证和客户反馈持续打磨产品能力，和新能源企业一起把新的业务痛点拆清楚、试出来，再沉淀成可上线、可使用的数字员工能力。
可以先从光伏运维、储能运维或单据处理聊起；如果问题不完全属于这三类，也可以一起拆一拆，找到更合适的切入点。
