傍晚六点整，电价进入当天最贵的一档，而这户三口之家的四个变量几乎同时越过了临界点：室外温度34℃，家用储能只剩40%电量，家里此刻没人但七点前会有人陆续到家，电动车电量28%、需要在第二天早上七点前充到80%。这四件事没有一件是孤立的。"该不该开空调"从来都不是真正的难题，难的是这几件事互相牵制之后，谁先让、谁后动、谁能等、谁不能等。家庭能源管理走到今天，已经不再是"看一眼电表"就能应付的事情。

模拟场景：六点到十点，一户人家的四个临界值

以下是一个用于说明系统逻辑的模拟场景，不代表真实用户数据。这户人家安装了5kWh的家用储能、6.5kW屋顶光伏和一台7kW交流慢充桩。当地电价采用分时机制：18:00—21:00为峰段，约1.15元/度；21:00—次日7:00为谷段，约0.38元/度；其余为平段，约0.68元/度。18:00时系统记录到的状态是：室外34℃、室内28.5℃，储能剩余电量40%（2kWh），电动车电量28%，天气预测显示次日9点到15点为晴天、光伏发电预计充足。18:20，两位家庭成员的手机定位显示将在18:50和19:10左右到家。这些数据本身并不复杂，复杂的是它们同时出现，而且每一条都会改变其他几条的最优解——如果现在就用储能给空调降温，晚上给车充电的电量就会不够；如果现在从电网买电，就要按峰段价格买；如果等谷段再动作，室温可能在人到家时还没降下来。系统还记录了一个容易被忽略的细节：这户人家的电表容量上限是9.6kW，空调启动瞬间功率加上电动车7kW慢充，如果同时全功率运行会逼近跳闸阈值，这也是纯粹"各设备各自为政"的方案容易踩中的坑。

为什么单设备的"自动化规则"解决不了这个局面

传统智能家居的做法是给每台设备写一条独立规则：室温超过28℃就开空调，电价低于某个阈值就给车充电，储能低于20%就停止放电。这类规则在设备只有一两台、彼此不抢资源的时候是够用的。但当同一个家庭里同时存在光伏、储能、空调、热水器和电动车，这些规则会开始互相冲突。设想一个真实会发生的失败案例：空调规则在18:50检测到有人到家，立刻全功率启动降温；与此同时，电动车规则检测到车辆已连接充电桩，也在同一分钟启动7kW慢充；两条规则互不知情，叠加功率逼近9.6kW的电表上限，触发限电保护，空调被强制降频，室温反而降得更慢。储能规则更麻烦——它只看"电量是否低于20%"这一个数字，不知道接下来两小时还有降温和充电两项任务在排队，很可能在还没到最需要它的时刻就已经被提前用光。每条规则都是局部最优，但没有一条规则知道全局正在发生什么，这正是零碳住宅讨论中经常被忽略的一点：设备越多，单靠开关逻辑能覆盖的场景就越少，缺的不是更多设备，而是一个能同时看到全部变量的决策层。

Agent实际在权衡的，是三个经常互相打架的目标

百家乐的家庭能源Agent在做的事情，本质上是一次多目标的实时优化，而不是"哪个更省钱"这么简单。三个目标经常互相冲突：

  • 成本目标：尽量把耗电安排在电价低的时间段，避免在峰段从电网买电，同时不能超过电表容量导致跳闸。
  • 舒适目标：家庭成员到家时室温要降到可接受区间（通常设定在26℃左右的舒适带），热水要能用，这些不能无限延后，延后本身就是一种代价。
  • 资产目标：储能电池和电动车电池都有循环寿命，频繁深度充放会加速衰减；电动车第二天的续航需求是硬约束，不能因为省了电费就没充够电。

这三个目标在多数时间是可以兼顾的，但在场景描述的这种临界时刻，往往只能取舍。比如提前用储能给空调降温，虽然多用了一点本可以留到谷段以外的电量，却换来了人到家时的舒适度，也保住了电动车夜间的完整谷段充电窗口。这类取舍没有唯一正确答案，只有在给定约束下相对更优的解——而"相对更优"这四个字，恰恰是单设备规则永远给不出的东西，因为规则只能回答"是"或"否"，回答不了"现在值不值得"。

除了成本、舒适和资产这三个目标，实际部署中往往还要考虑第四个维度：电网侧的实时状态。同样一度电，在电网负荷高峰期使用和在负荷低谷期使用，对应的碳强度和对电网的压力并不相同；如果一个片区傍晚集中出现大量空调和电动车同时启动，即便每一户都按分时电价"省了钱"，也可能在同一时间段把区域负荷推得更高。这也是为什么这类调度不该只看单个家庭账单最小化，还需要把电网信号当作输入的一部分——这一点会在讨论碳账本和社区能源协同的内容里展开，这里只需要知道，Agent的优化对象比"这个月电费多少"要复杂得多。

调度背后的逻辑：输入、约束和优先级是怎么排出来的

Agent在做决策前，至少要同时读取五类输入：实时与未来24小时的分时电价、本地天气与光伏发电预测、家庭成员的到家时间预测、储能与电动车当前电量及健康状态、以及各设备的物理约束，比如空调的最大制冷功率、热水器加热到可用温度需要的时间、电表的容量上限。这些输入被送入一个带约束的优化过程：目标函数把电费、舒适度偏差和电池损耗折算成同一个可比较的"代价"，约束条件则包括电表容量上限、电动车必须在指定时间前充到目标电量、室温不能超出设定的舒适区间太久。系统不是简单地"选一个最省钱的动作"，而是在未来几个小时的时间轴上，反复比较不同动作序列的总代价，找出代价最低、同时不违反硬约束的那一种排列，并且每隔几分钟根据实际到家时间、实时天气这类新信息重新计算一次——如果19:10到家的成员提前到了18:55，整个排列会立刻重新求解，而不是按原计划机械执行。这类逻辑和数字孪生里描述的"先在虚拟环境里试跑几种方案"是同一套底层思路，只是这里的动作发生在几分钟到几小时的时间尺度上，需要更快给出结果，也需要更保守地处理预测误差——比如把到家时间预测的置信区间也当成一种不确定性纳入计算，而不是当作精确数字使用。

这套调度也有边界：它解决不了的事情

Agent能做的是在给定约束下找相对更优解，它解决不了约束本身不合理的问题。如果这户人家的电表容量长期不够用、或者储能容量本来就小于日常峰值负荷，再精细的调度也只是"矬子里拔将军"，真正该做的是升级硬件而不是依赖软件硬撑。预测也会出错：到家时间预测基于历史定位数据，遇到临时改变行程的情况会失准；天气预测提前一天看晴天，实际执行日变成阴天，光伏发电量不及预期，系统需要有能力在当天上午重新规划、而不是死守前一晚的计划。此外，多目标优化里的权重设置本身包含主观判断——愿意为了省电费牺牲多少舒适度，不同家庭答案不同，这也是为什么这类系统需要保留手动调整和临时覆盖的入口，而不是把决策权完全交给一个不透明的黑箱。一个实际的设计原则是：任何一次调度动作都应该能追溯出"为什么这么排"——是电价原因、天气原因还是电池健康原因，用户临时不同意，应该可以一键覆盖当前这一步，而不影响系统对后续时段的判断。看不懂的自动化，最终只会让人选择关掉它。这也是为什么百家乐把每一次调度的关键理由留在记录里，而不是只给出一个执行结果——用户可以随时回看"昨晚为什么先给空调降温而不是先充电"，这条理由链本身，和调度动作的准确率同样重要。

模拟场景收尾：那天晚上Agent实际做出的六个决定

回到18:00的场景。系统在18:02给出的调度序列是这样的：第一，先用储能里剩余的2kWh中的1.2kWh给空调降温，把室温从28.5℃降到27℃左右，避开峰段电价买电降温的代价；第二，热水器不立即加热，安排在21:05谷段开始进入低价窗口后启动，预计21:40前能达到可用温度，晚于两人到家但早于洗漱需求；第三，电动车充电全部推迟到21:00谷段之后，按7kW功率充到80%大约需要2.5小时，21:00开始可以在23:30前完成，早于第二天7点的目标时间，留出充分余量，也避开了和空调抢电表容量的风险；第四，18:50到19:10之间，如果室温仍高于27.5℃，允许短时从电网补电继续制冷，但设置了金额上限，避免峰段电费失控；第五，储能剩余的0.8kWh保留作为应急，不参与本轮调度；第六，次日9点到15点的光伏发电窗口被标记为低成本时段，系统建议把洗碗机、洗衣机这类可推迟负荷排到那个时间段运行。整个夜晚，这户人家没有一次手动操作，室温在两人到家时是26.8℃，电动车在23:20充到80%，当晚电费比"不做任何调度、全程按需即开即用"的对照情形明显更低，具体差异取决于当天实际电价和天气，此处数字仅用于说明调度逻辑，不代表可复现的真实账单。第二天早上7点，系统没有停在"任务完成"，而是把昨晚的执行结果和原计划做了一次比对：实际到家时间比预测提前了几分钟、室温达标时间比目标晚了不到十分钟、电动车充电完成时间留出的余量比预期更充裕。这些偏差会被记录下来，用于修正下一次对同一家庭到家时间和空调降温速率的预测，调度不是一次性算好就结束，而是每天都在根据实际结果微调自己的判断。

换一套思路：如果只靠"规则+人工"会怎样

可以用同一个模拟场景做一次对照，帮助理解Agent到底多做了什么。假设这户人家不用Agent，而是沿用市面上常见的"定时+阈值"方案：空调设为18:30定时启动、电动车设为到家后立即充电、热水器全天维持恒温保温。18:30空调启动时室温还是28.5℃，全功率运行下叠加19:00左右电动车开始的7kW慢充，总功率一度逼近电表容量上限，社区电网也在这个时间段处于当日负荷高峰；热水器为了全天保温，在21:00到次日7:00的谷段之外也在反复小功率加热，多花的电全部按峰段或平段价格结算；电动车从19:00左右开始充电，正好落在电价最贵的18:00—21:00区间内，充满80%所需的两个多小时电量几乎全部按峰段价格购买。三件事各自看起来都"没做错"——定时启动、随到随充、全天保温都是合理的默认设置，问题是它们叠加在一起之后，既没有避开峰段电价，也没有充分利用当晚21点之后的低价窗口，还在负荷高峰时段给电网增加了压力。这不是某个设备坏了，而是"各自独立设定"这种方式，天生就没有办法处理同一时刻出现的多个约束。Agent的价值不在于哪一台设备变得更聪明，而在于它把这些原本互相不知情的决策，放进同一个时间轴上一起求解。这也解释了为什么单纯升级"更智能的单品"效果有限——把空调换成支持远程控制的型号，把充电桩换成能看实时电价的型号，如果它们之间仍然不共享彼此的状态和目标，冲突照样会发生，只是从人工冲突变成了两套各自"聪明"的系统之间的冲突。

家庭能源的复杂度只会增加，不会减少

这户人家今天的变量是电价、天气、到家时间和两块电池，明天可能还会加上热泵、洗碗机的动态电价响应、甚至邻居家的车网互动需求。单设备自动化能应付一台设备，应付不了五台设备互相抢资源的局面，而这正是家庭能源系统未来几年要面对的常态——设备数量和数据来源都在增加，调度的复杂度是乘法关系，不是加法关系。百家乐把这套能力叫做家庭能源Agent，不是因为它比传统智能家居"更智能"这种笼统说法，而是因为它处理的问题本身已经变成了一个需要实时求解、且不断根据新数据重新计算的多目标优化问题，而不是一串写死的开关指令。这也是为什么百家乐官网把这套调度能力定义为家庭的能源操作系统，而不是又一个遥控App。