Охлаждение как услуга в Гонконге: комфорт без капитальных затрат
🇭🇰 Гонконг: CLPe внедряет модель «охлаждение как услуга» (CaaS) для модернизации систем кондиционирования в высотных зданиях. Партнёрство между владельцами объектов и поставщиком энергорешений позволяет обновить инженерные системы без капитальных затрат со стороны заказчика, перенося риски эксплуатации на подрядчика.
Ключевые проекты включают Shui On Centre (Wan Chai), Nina Tower (Tsuen Wan), Manulife Financial Centre (Kwun Tong) и Cordis Hotel Hong Kong (Mong Kok). Модель реализуется по схеме Build-Own-Operate-Transfer (BOOT): CLPe финансирует, проектирует, монтирует и обслуживает оборудование в течение 15–20 лет. Владелец здания платит ежемесячную подписку, что исключает необходимость разовых инвестиций и отдельных контрактов на техническое обслуживание. Инженеры CLPe обеспечивают работу системы 24/7 и гарантируют показатели энергоэффективности на весь срок договора.
Сложность модернизации в Гонконге обусловлена ограниченным пространством технических этажей, нагрузкой на несущие конструкции и логистикой подъёма тяжёлого оборудования на верхние этажи. Для решения этих задач применяются технологии BIM и модульное производство MiMEP (механика, электрика, сантехника). Точное 3D-сканирование существующих коммуникаций позволяет выявить коллизии на этапе проектирования, а заводская сборка модулей сокращает сроки монтажа на 50%.
Особое внимание уделяется гидравлическим нагрузкам в высотных зданиях. Вертикальные водяные столбы создают статическое давление, превышающее допустимые параметры стандартного оборудования. Для управления этим риском здания делятся на изолированные гидравлические зоны с использованием пластинчатых теплообменников на промежуточных этажах. Современные теплообменники обеспечивают разность температур подхода около 1 K, минимизируя потери эффективности при разделении контуров.
Энергоэффективность достигается за счёт перехода от воздушного к водяному охлаждению и применения хладагентов с низким потенциалом глобального потепления (HFO). Цифровой слой системы использует ИИ и машинное обучение для анализа данных в реальном времени, прогнозирования нагрузок и оптимизации управления. Это позволяет экономить 10–15% электроэнергии даже без замены оборудования, а также проводить предиктивное обслуживание, предотвращая простои.