AI人工智能技术是新型工业化的重要推动力。随着AI技术在工业领域逐步落地，产业数字化进程迈入全新阶段——AI技术与行业知识的融合，将带来生产力和效率的极大提升。在工业领域，通过将AI、大语言模型、机器学习等前沿技术与工业自动化专业知识相融合，企业可从质量与产量预测、预测性维护以及人机协作等维度实现高度智能的工业自动化。
目前，施耐德电气已经将AI技术应用于能源管理和工业自动化领域的具体场景，帮助用户加速实现节能减碳和智能化运营。从生产排班预测、泵和变频等水冷设备控制、啤酒过滤工艺优化、汽车涂装工艺优化，到冷机和空压机等暖通设备节能等实体场景中，都能看到施耐德电气通过AI技术赋能用户的身影。
接下来，让我们以暖通空调冷站场景为例，来看一下AI技术如何发挥价值。
暖通空调冷站AI优化方案，助力用户实现优化控制与智慧节能
暖通空调系统可以控制空气的温度及湿度，在制药、电子、关键任务设施、数据中心等领域和行业中有着举足轻重的作用。空调制冷站作为空调系统的冷源部分，承担着为空调系统提供冷冻水的任务。冷站的低碳稳定运行，关系着整个空调系统的节能和用户整体的用能效率。
传统上，企业通常采用PID控制手段进行单回路的闭环控制，十分依赖现场操作人员经验。由于是针对单个回路的控制系统，各系统孤立调节，缺乏全系统寻优和对冷站负荷预测的能力，既不能达到最大的制冷效率也无法保障安全稳定运行。对此，施耐德电气智能冷站解决方案结合AI建模和数据分析算法，搭建系统层的智能“大脑”，对系统整体进行负荷、能耗预测，找到全局优化控制方式，从而利用校核的系统模型实时寻找机房运行的最佳效率点，节能率相比传统节能手段能够提高10%以上。
同时，该智能冷站解决方案将AI技术与PID控制相结合，在不影响现有PID控制的基础上，为系统提供有效的安全与故障检测，保证系统正常运行，并带来50%以上人员效率提升，实现操作员的高效值守与设备安全稳定运行。具体而言，该方案将从以下四步实现系统寻优：
1. 建模与数据采集：通过对冷站系统进行建模和可视化应用，对环境数据、系统实时及历史运行数据、主动测试数据进行采集与清洗，确保数据的准确性和完整性，为能耗分析提供数据支撑。
2. 精准预测：利用AutoML自动化机器学习引擎等AI算法模型来处理和计算各种数据，对冷机/冷站负荷实现分钟级别的预测，助力企业精准把控用能需求。
3. 优化求解：依托机理框架与深度学习技术，建立设备级的性能预测模型，帮助企业进行主动预测与优化。
4. 策略输出：通过计算对比同一负荷下数万种控制参数组合，寻找出系统能耗最低的控制参数组合，为企业输出最优控制策略。
目前施耐德电气智能冷站算法已经成功应用于商业建筑、数据中心、半导体和汽车等众多行业。在某银行数据中心暖通节能优化项目中，施耐德电气智能冷站解决方案，对冷水机组现场进行优化，根据温差来调整水泵频率控制，根据负荷需求来调整供水温度和供回水温差设定值，同时为冷水机组提供安全模式、低功率性能模式和高功率性能模式三种情景下的优化控制策略。优化策略执行一周后的效果估算显示，该数据中心冷机的额定工况性能（COP）提升将近20%，平均用电量降低16.4%。
以场景应用为牵引，以提质增效、持续优化为目标，AI技术的迅速发展和快速迭代，为产业发展带来前所未有的智慧和力量。施耐德电气在自身工厂以及数十家行业头部客户的应用数据显示，基于AI技术的解决方案，可以帮助用户实现年度5%-10%的能耗降低，以及3%-5%的效率提升。
作为全球产业科技领先者，施耐德电气致力于通过整合AI等先进技术，不断为千行百业的数智化转型赋能。6月6日，施耐德电气即将举办以“双擎并进，数智新生”为主题的2024年创新峰会，现场将开启“AI加速数字化转型，迈向智能新时代”主题圆桌会议，并展示面向工业和能源领域的更多的创新技术与成功实践，助力工业加速迈向高效与可持续的未来！敬请期待。
×
