一、项目简介

工业大数据的产生为挖掘企业节能潜力，评估企业综合能效提供了崭新的研究视角。基于体量庞大的多源异构能源计量大数据的深度学习，可以精细化分析各级生产过程的综合能效，从设备、工序、系统等不同尺度，深度挖掘综合能效提升潜力。在设备级，根据设备计量数据及工况数据，挖掘提升供能设备能源转换率及耗能设备能源利用率的最佳工艺参数或控制参数；在工序级，挖掘产品特性与能效的对应关系，在满足产品质量与生产要求的前提下，优化工序之间的衔接关系及生产节拍，降低设备低负荷工作产生的能源浪费现象；在系统级，挖掘面向节能的长时能效计划，根据企业能效整体情况和企业发展规划，通过大数据分析，优化能源供应方案，合理匹配企业产能发展要求。

典型案例：

(1)上海氯碱化工股份有限公司——电解槽节能潜力分析

将大数据分析应用于企业电化厂F2离子膜车间，通过对电解槽设备大量生产工况数据的分析，寻找影响烧碱用电单耗和碱浓度的重要关键因素，从而为电解槽提供最佳的工况运行参数，使得在保证烧碱质量和产量的前提下，尽可能减少电解用电。

(2)上海重型机器厂有限公司——热处理工艺方案能耗预测

对企业动力处和锻件厂能耗数据进行分析，预测加热设备在不同工艺方案下的能源消耗量，为企业制定面向节能的最优工艺方案提供了决策依据。

(3)宝钢工业炉工程技术有限公司——钢铁工业加热炉节能潜力分析

构建加热炉工业大数据本体模型，实现基于语义网的多源异构加热炉大数据综合治理；运用神经网络的深度学习，构建以吨钢能耗为输出的加热炉工艺模型，并运用遗传算法获得降低加热炉吨钢能耗的最佳设备工艺参数。

(4)上海宝钢节能环保技术有限公司——余热锅炉节能潜力分析

采用语义网技术进行余热锅炉工业大数据整合。以余热锅炉主蒸汽产量和粉尘排放量为分析对象，采用序列最小优化(SMO)算法构建余热锅炉蒸汽模型和粉尘模型。以余热锅炉主蒸汽流量最大和出口烟气粉尘含量最小为优化目标，采用多目标粒子群算法对余热锅炉工况运行参数进行优化，为调整工况参数提供参考。

二、项目产业化前景与应用领域

随着互联网技术的快速发展，能源设备可以实现端对端的连接，并产生天量数据。互联网将融入能源工业生产的每个环节，包括对能源数据的采集、分析、共享和处理，由此带来能源生产、传输、存储和使用模式的巨大变革，催生出能源互联网系统。相比于传统能源系统，能源互联网系统的整个能效将更加依赖数据的深度挖掘和处理。面向能源互联网系统的数据特征，研究能源互联网大数据分析技术，通过能源大数据的深入分析和处理，挖掘企业节能潜力，动态调配能源生产、传输和消费，提高整个能源产业的效率和能源使用的效率。

成果适用于各种规模及生产特点的制造型企业。

三、预期合作方式及投入

采取产学研合作方式。