AI 如何帮助中小城市判断地热供暖的适用性

AI 如何帮助中小城市判断地热供暖的适用性

适合地热供暖的城市，不一定拥有最高温资源。稳定热负荷、现有管网、建筑密度与建设能力，同样影响项目能否长期运营。

梳理资源证据、供热需求、现有能源价格、基础设施和本地工程维护条件，区分已知与待勘探。系统应保留数据形成时的上下文，尤其是业务变化、维护、异常和人工修正。孤立数字看起来正常，组合起来却可能属于不同情境。把这些差异清楚标记，模型才能提出值得核实的问题，而不会把本来合理的变化制造成虚假的异常。

模型形成城市适配画像，比较地热、其他热泵和既有热源改造，并提出分阶段验证路径。城市筛选可以将资源证据、稳定需求、基础设施与实施能力分别评分和解释，而非直接生成投资排名。模型组织多部门资料，专业调查确认关键条件。对证据薄弱却影响很大的项目，提出小规模验证任务，让城市能够在充分了解不确定性后决定试点、调整或暂缓。

选址分析适合采用约束筛选与情景比较。先剔除不满足关键条件的方案，再讨论资源、需求、基础设施与社会影响之间的取舍。模型可整理多源资料并发现冲突，空间与工程分析负责验证；数据丰富度、地图精细度都不能直接当成方案可靠度。

假设资源潜力尚未证实，城市可先做小规模调查与需求摸底，而不是直接按全城替代规划投资。这个假设场景强调的是核查路径，并不代表某家企业已经取得对应成果。真正使用时，还应让相反证据有进入判断的机会。

中小城市还需要评估实施能力。即使技术可行，缺乏长期维护、计量与应急保障也会影响实际绩效。可以先选择需求清楚、边界可控的片区试点，把地质、用户与运营三类证据逐步补全，再决定是否扩大，避免让全城供暖承担尚未验证的技术和管理风险。

更有价值的方向，是让系统知道哪些事情可以自动核对、哪些需要进一步测量、哪些必须交由专业人员决定。边界清楚之后，自动化才可能稳定减少负担，而不是将风险藏进流畅回答。

不能把邻近城市成功经验等同于本地可行，也要评估财政、用户负担与运营能力。候选方案应保留不确定性和继续调查的条件。对于无法轻易相抵的安全、生态和权益影响，应单独说明，不能靠一个综合评分掩盖。后续调查得到新证据时，允许排序和决策发生变化。

衡量有效需求、全周期成本、能源韧性和居民受益，设置继续、调整与停止的决策条件。落地时可保留一份改进记录，说明每项建议改变了什么、依据是什么、结果怎样。没有被执行的建议，不宜直接计入收益；无法区分外部变化的部分，应说明归因局限。持续复盘错误与例外，比反复展示理想案例更能支持可靠扩展。

适用性判断应允许城市作出有依据的暂缓选择。

参考资料（背景核对，检索截至2026年10月26日）：

国际能源署：The Future of Geothermal Energy

https://www.iea.org/reports/the-future-of-geothermal-energy