产品功能说明

本页按平台 → 模块 → 功能明细逐层展开。所有模块均为已实现能力（非规划），采用 mock / http 双数据源：默认 mock 演示，连接真实后端经 NEXT_PUBLIC_API_MODE=http 切换。

共享底座 · 类脑 AI 电池管控

两大平台复用同一套数据接入 → 告警 → 安全 → 决策 → 报表的类脑 AI 闭环底座，实现“数据一张网、管控一个脑”。

数据接入（协议插件化）

• 协议插件框架：每品牌协议 = 一个插件类（ProtocolPlugin），只解码不涉业务，新增品牌@Component 注册零主干改动（PRD 验收）。
• 已接入 4 品牌：KUNGONG-PB（昆工铝基铅炭，徐汇）/ BYD-BMS（比亚迪）/ CATL-BMS（宁德）/ GBT32960（国标）。
• 国标报文：Gbt32960ProtocolPlugin 解析 GB/T 32960.2 实时上传（命令 0x02），输出 VIN/车速/里程/总电压/总电流/SOC/绝缘/单体电压/温度等标准点位，支持往返解码。
• 模拟器：VehicleSimulator 每 10s 注入 20 类异常（过温/压差/绝缘/SOC/复合等），供售前演示与验收；BusbarSimulator/PowerSimulator 覆盖母排与节电。

安全与决策引擎

• 规则引擎：RuleEngine 将过温/压差/绝缘/SOC 等判级为五色安全等级（绿/黄/橙/红/深红）。
• 硬边界约束：储能每簇安全功率边界计算 ≤1s，越界指令 100% 拒绝（区别于重收益轻安全竞品）。
• PCS 降级态：接口未开放时自动降级为“建议+人工确认”，全量审计（一等公民设计）。

数据服务底座

• 设备监控四级穿透：簇 → 包 → 模组 → 单体，电芯级点位展开（≥200 点/簇）。
• 协议归一引擎：多品牌 BMS/PCS 归一为统一点位流，破解设备通信碎片化。

公交智慧运营平台

面向公交集团。以湘西州 229 台纯电动公交为基线（33 常规/13 校园/3 园区/2 大站/89 支线/89 微循环），实现电池安全、运营、降本、双碳全链路数字化。

说明：安全告警（五色分级 + 规则引擎 + WebSocket 实时推送 ≤3s）是大屏/售前的核心卖点；部件预测维保提供每个组件的健康度与预测失效模式。

智慧能源管理平台

面向园区/公共机构/公交场站。以徐汇临港储能项目为落地标杆（6.9MW/51MWh 铝基铅炭），覆盖储能、安全、节电、能碳、监管全环节。

储能安全联动 · 氢浓度三级

铅炭入地下室的核心安全论证（徐汇客户最关切）：水系电池热/机械滥用不燃；气体被极板吸收 + 安全阀排气 → 满足 GB51048-2025 可入人员密集建筑。

后勤智慧节电 · 白名单保护

面向公共机构/园区/机关后勤的独有节电场景——不止“削峰填谷”，更做全网设备 AI 智能调度节电，且以白名单保护守住关键业务设备底线。

价值：传统节电只盯着电表和空调，我们延伸到全网路由器/交换机的 AI 低功耗调度——既节电又不影响办公与关键业务（白名单保护），自动核算财政节约成效，形成机关节能考核闭环。

电池 AI 基准测试（面向客户验收）

沐安自研 Busbar 汇流母排 AI 健康检测算法在完整 11 项基准测试（MUAN-BUSBAR-BENCH-V1）中，相对传统固定阈值报警方案实现可量化验证的检测能力提升——这是给客户的可复现、可验收的测试集。

同时以 353 参数的端侧液时间常数网络（LTC）（参考 Hasani et al. 2020, MIT / AwareLiquid MT-LNN / Liquid AI）在原始传感器信号上实测 5 类故障分类准确率 90.9%，验证「边缘离线初筛 + 云端深度研判」分层部署可行性。

工程诚实说明：端侧 LTC 在「接触电阻仅上升 10%」的极端微弱早期漂移上独立检出率约 70%（200 组小样本），微弱漂移需全量历史数据的回归与统计融合，由云端完成——这正是边缘初筛与云端深度研判的合理分工。数据来源为可复现的模拟物理模型数据集（随机种子 20260813）+ 端侧液网络实训练，完整报告见技术中心《Busbar-AI 电池健康检测基准报告》。

跨平台 · 合规与治理

部署形态

• SaaS 订阅 / 永久授权+运维 / 私有化部署 三种报价模式，软硬件解耦独立商用。
• 前端 Next.js（官网+双控制台+docs），后端 Spring Boot 3.4 + H2，可 Docker 一键搭建。
• 私有化：docker compose up -d；云上：Vercel + 独立子域（www/bus/energy/api）。