家里的电，以前只有一种角色：被消耗。开关一按，电表就转。但光伏、家庭储能和电动车的出现，让"电"第一次有了"该在什么时候用、该在什么时候攒、该攒在哪里"这种需要持续决策的属性——而做这类决策的，正在从一堆独立定时器，变成一个专门的AI Agent。

一套家庭能源系统，现在同时有多少个变量要处理

如果家里只有电网供电和普通电器，用电决策很简单：需要就用。但一旦接入光伏、储能和电动车，情况变成了一道多变量优化题：光伏发电量随天气和时段实时波动，中午前后可能有几个小时的发电盈余；电网执行分时电价，谷电和峰电价格能差出三四倍；家庭储能电池有容量上限，也有"多次深充深放会加速衰减"的隐性成本；电动车电池本身也是一块可以参与调度的储能，但什么时候要出门、需要多少续航，只有结合家庭日程才知道；空调、热水器、洗衣机这类可以延后或提前执行的柔性负载，也有各自的舒适度约束。传统的"低谷电价时段自动给电动车充电"这种固定定时器规则，只解决了电价这一个变量，完全没有考虑光伏发电正好落在哪个时段、储能电池当前电量够不够撑过晚高峰、电动车明天到底要不要出远门——这套系统需要的是同时权衡这些变量的调度能力，而不是几条互不相关的定时任务。

具体场景：光伏发电最多的那几个小时，AI在做什么

模拟场景：晴天下午一点到三点，家庭光伏板发电功率持续超过当前家用负载约3千瓦，也就是说这两个小时有明显的发电盈余。百家乐的能源Agent会先判断：家庭储能电池当前电量62%，结合当晚的电价预测和历史晚高峰用电曲线，判断需要把电池充到90%以上才能覆盖晚高峰大部分用电，于是优先把盈余电力灌入储能。与此同时，电动车正插枪在车位，通过家庭日程得知车主明天早上八点才需要用车，续航需求不紧急，于是电动车充电被安排为较低优先级，只用储能充满之后的剩余盈余电力慢速补能。同一时间窗口里，Agent还判断家里当前无人（日程显示全家要到下午六点才回家），于是把热水器的一次加热循环和洗衣机的一段程序提前安排在这两个小时内运行——这部分用电原本晚上回家后也要用，提前到光伏盈余时段执行，相当于用近乎零成本的太阳能顶替了原本要从电网按峰值电价购买的电量。整个过程没有一条指令是提前写死的定时任务，而是结合光伏实时发电、电池状态、电动车日程和家庭在家状态动态算出来的。

"协商"是什么意思：不是排队执行，而是互相让步

把这套系统叫作"协商"而不是"排队"，是因为多个用电需求之间经常没有绝对优先级，需要按当下情境动态让步。如果光伏盈余不足以同时满足储能充电和电动车充电，通常情况下储能会优先，因为它承担着削减晚高峰用电成本的任务；但如果电动车的日程显示车主一小时后就要出门，且当前电量不足以支撑行程，优先级会立刻反过来，电动车抢占这部分盈余电力，储能的充电目标相应下调。天气预测的变化也会实时打断计划：原本预计下午持续两小时的强光照，如果云层提前到来导致发电骤降，Agent需要重新评估储能是否还能充到目标电量，进而调整晚高峰的放电策略是否需要更保守。电价预测同样会影响决策力度——如果预测今晚的峰值电价会出现罕见的高位，Agent会更激进地把储能充到接近满电，哪怕这意味着牺牲一部分电动车的充电速度。这些都是需要多方案比较之后才能拍板的取舍，而不是一条"谁先申请谁先充"的简单队列逻辑能覆盖的。

晚高峰，才是真正检验这套系统的时候

模拟场景：傍晚六点到九点是电价最贵的时段，峰值电价可能达到平时谷电价的三到四倍。这几个小时里，Agent的策略从"怎么攒电"切换成"怎么花攒下来的电"：优先用白天储存的电池电量和当下仍有的少量光伏余量覆盖家庭负载，尽量减少从电网购电；多个房间的空调不会在同一时刻集中启动，而是错峰依次达到设定温度，避免瞬时功率冲高导致电池放电速率过快或者触发电网侧的需量费用；不紧急的柔性负载，比如非当天必须完成的烘干程序，会被继续顺延到夜间谷电时段。按照典型场景估算，如果白天储能充分利用了光伏盈余，晚高峰三个小时里由电池覆盖的负载比例可以达到六成左右，这部分电量原本要按峰值电价从电网购买，现在相当于提前用近乎免费的太阳能置换了下来。这个环节最能体现能源Agent的价值不是单点节能技巧，而是把一整天的发电、储电、用电安排成一条前后呼应的曲线。

省钱不是唯一目标，这盘棋还有别的玩家

能源Agent不是关起门来自己算账。它的调度方案在下发之前，通常需要先经过数字孪生的模拟验证，确认错峰启动空调不会导致某个房间长时间偏离舒适温度；也需要跟负责舒适度和安全的其他Agent协商，避免为了省电牺牲掉不该牺牲的体验——这类跨Agent的分工协调方式和百家乐多Agent协同系统里的思路是一致的，能源只是众多需要被兼顾的目标之一，不是唯一目标。它能同时驱动光伏逆变器、储能电池管理系统、不同品牌的电动车充电桩和家电，也离不开设备能力标准化带来的基础——如果每个品牌的充电协议和状态查询接口都各不相同，协商式调度想覆盖的设备范围会窄很多。

预测会出错，这套系统的风险在哪

这套系统的可靠性很大程度上依赖预测质量。天气预测出现偏差，光伏发电量估计就会跟着偏，储能充电计划可能落空；电价预测在极端天气或电网调度异常时也可能失准；电动车下一次出行时间如果依赖用户日历或历史习惯推断，遇到临时改变行程的情况就可能判断错误，导致电动车该充满的时候没充满。储能电池频繁参与充放电调度，本身也会加速容量衰减，如果调度策略只盯着眼前电费差价而不把电池寿命成本计入优化目标，长期来看可能得不偿失。另外，家中无人时自动启动洗衣机、烘干机这类电器，也需要更严格的异常监测和自动断电保护，安全冗余不能因为追求节能效果而被弱化。这些都是能源Agent在实际部署中必须持续打磨的部分，不是接入光伏和储能硬件就能自动解决的。比较现实的做法是给系统设置明确的保守边界——比如储能电量无论如何都要预留一部分应对突发停电或极端天气，电动车充电即便预测显示不紧急，也要设一个"最晚必须充到多少"的兜底线，而不是把所有决策空间都完全交给预测模型的置信度去赌。

算的是电，衡量的其实是整个家庭的节奏

把能源Agent做好，最终解决的不只是电费单上的数字。一套能提前判断"这两个小时阳光充足，可以把该做的事都往前挪"的系统，本质上是在用电力调度的方式重新组织家庭里那些原本随手就做的日常动作——什么时候洗衣、什么时候给车充电、什么时候让家电全力运转。这也是为什么能源管理不该被当成一个孤立的省钱功能，而应该被理解成家庭AI整体决策能力的一个具体切面：它和调度空调、调度机器人任务用的是同一套"先比较、再执行"的逻辑，只是这一次比较的维度换成了电价、光照和电池寿命。