成果简介 1、背景介绍： 钢铁企业是高耗能行业，占全国工业用电量的15%左右，电力成本约占生产成本的10%。为满足节能降碳政策和降低生产成本的需求，节能降耗成为钢铁企业的必然选择，重点关注除尘风机、煤气加压站、轧机等高能耗设备。 2、技术难点： 工业设备的能耗优化涉及生产工艺、设备运行工况、控制参数和环境因素的差异。如何平衡这些因素对设备运行的影响，在保障设备功能的前提下实现能耗和效率优化是一个技术难题。 3、技术先进性： 本技术是一种基于多指标时间序列预测与参数寻优的设备能耗优化方法，基于FEDformer的编码器与解码器的结构，构建能够提取能耗相关数据的时域信息、频域信息和季节性-趋势分解信息的神经网络模型，进行设备能耗指标序列预测，之后在时窗内历史数据的负压范围中，找到使能耗目标函数最优的设定值，当推荐设定值与当前设定值差值达到一定阈值后，自动进行下控。 4、创新点： 1）自动控制节能：平台到多设备的自动控制，打破了对传统DCS/SCADA功能性限制和约束的突破，减少人为操作失误和提高执行效率。 2）先进的模型算法：采用了结合频域、时域双域的FEDformer时间序列预测模型。 3）可适配性强：高自由度算法模型适用于各行业的高能耗设备，不局限于单一行业、系统、设备。 5、可推广性： 该成果采用高自由度的AI大数据算法模型，可根据设备的工艺、参数、特点进行灵活适配，通过自动AI大数据学习，建立针对每台设备专属的模型服务进行设备能耗优化，可以进行跨行业、跨设备类型的推广。 6、经济效益： 以某2000kW功率风机为例，年用电量约1300 万度，以节能 2.5%指标预估，电费 0.65 元/kw·h 测算，单台除尘风机年度节省电费约21万元。 7、推动行业进步： 1）AI算法模型优化工业企业的高能耗设备，积极响应低碳政策，推动节能减排 2）数据和算法模型应用于工业互联网，打破了工业互联网与传统工控的壁垒，实现了IT与OT的结合，推动了行业的进步。