信息技术助力制造业实现碳中和

引言

《关于加强产融合作推动工业绿色发展的指导意见》提出，要加强产融合作推动工业绿色发展。自2021年以来，绿色产品、绿色工厂及绿色制造等成为主流趋势，是制造业实现工业碳中和的重要途径与目标。制造业是实体经济的支柱，实现工业碳中和既能助力实现国家层面的战略目标，又能使企业降低成本，实现绿色可持续发展。对于制造业而言，要想实现工业碳中和，最直接、效果最显著的方式是实现节能，通过技术手段实现节能目标的落地，信息技术在其中起到核心作用。

绿色发展

自第一次工业革命将人类社会带入“机械时代”后，能源就成为工业发展、人类进步所离不开的“动力”，能源的稳定供给更是“电气时代”“信息时代”高速发展、稳定运行的重要保障。制造业场景极多，不同行业的工艺、业务需求决定了设备、解决方案均会差别大、通用性低，本文就常见、重要的几个场景进行阐述，希望为工业碳中和的技术落地提供一定的借鉴意义。

2.1电机节能场景

不论离散行业，还是流程行业，电机是最为常见的拖动设备，同时也是较大的耗能场景。电机的分类较多，本文从能耗角度进行剖析。电机不论用作何种用途，电能始终是其主要的能源供给。结合实际经验，对电机节能实现较明显的效果主要从两方面考虑：正常运转维护、节能。对于制造业的关键拖动设备处的电机，一定要确保关键设备在一个检维修周期内平稳、安全地运行，而一个检维修周期可能为3年以上。关键电机如发生故障或异常导致停车事故，会给企业带来直接和间接的损失，尤其是流程行业，会直接导致批量产品的报废，间接的设备清理/清洗、重开车等需额外增加时间、费用成本等。随着传感器、5G和信息技术等的发展，对设备状态监视、异常处理及设备巡检等提供了高效的手段。

1）设备状态监视。传统的设备状态监视是通过SCADA组态软件获取 PLC、DCS、设备控制器等中的数据实现，关键设备画面需安排人员24 小时值守，状态出现异常通过对讲机呼叫维修人员进行处理。目前较为成 熟的方案为在关键设备的电机上安装传感器（传感器供电方式为自带电池或外接电源），可连续采集电机运行期间的电压、电流、XYZ三向振动、声音及扭矩等信息，将传感器数据定时上传至系统中，系统对数据进行实时监视、事后分析，根据曲线中的异常情况对设备隐患进行预判，给出是否需要提前维修的建议，保证了设备的稳定运行。同时该系统可与设备管理系统对接联动，当需要维修时，设备管理系统结合历史维修经验、设备关联部件及备品备件库存等，向维修人员终端推送建议维修方案、需更换的备品备件等信息。该部分在应用时需要注意几个问题：①由于工业现 场环境复杂，直接应用运营商提供的5G可能会发生网络中断、延时等问题，造成数据丢失。可考虑：现场部署局域无线网络，接入工厂的网络；传感器具备一定的数据缓存能力，完善数据断点续发能力。②在流程行业，电机异常信息不能单独看待与分析，需关联上下游的工艺信息，比如某搅拌泵电机运行电流发生波动，但电机其余状态都正常，此时需要关联上下游工艺参数进行分析，不能直接判定设备异常。

2）设备巡检。传统的设备巡检主要是依靠人工完成，存在漏检、巡检不到位及管理难度大等问题。中大型企业会上线设备管理系统，其中有设备巡检功能模块。在现场需巡检设备处放置二维码，人工通过PDA（Personal Digital Assistant，掌上电脑）扫描二维码确认、录入巡检信息。该方式减轻了人工部分工作量，若人员偷懒，拍摄现场二维码的照片，不去现场就用PDA扫描巡检点二维码完成巡检，会带来设备运行风险，也加大了管理难度。随着机器视觉、AI、语音识别等新一代信息技术的发展，AR头盔集成这些技术后在工业设备巡检中进行应用，取得了较为明显的效果。可在系统中提前设置巡检路线，人员戴上AR头盔按指定路线进行巡检，到达某一巡检位置时，人员可以通过语音下达抄表、拍照等指令，完成指令后AR将数据上传至系统，系统记录数据、通过图片判断设备状态（如是否漏油、位置是否偏移等）， 并可与设备管理系统设备检维修功能模块对接联动，出现异常时通知相关班组人员进行现场确认、维修等。该技术的应用可大幅减少人员巡检时的工作量，精准记录 巡检数据，对人员巡检行为是否合规及时判断，根据上传的仪表数据实时监视工艺情况是否正常，根据设备图片对设备状态进行实时判定。但AR 自带的摄像头存在成像角度、效果有时不理想等情况，对设备状态的判断会存在一定的误差，结合系统与现场部署的摄像头联动可以取得不错的效果。

2.2 空压机节能场景

空压机是规模企业中最常见、关键的设备，也是能耗较高的地方。常规的节能方案主要是用在离心机、螺杆机机组的节能，透平机组目前几乎无节能方案。工厂设置空压机组时，一般均会预留几台备用机，此处也是节能方案、延长机组使用寿命的关键所在。结合实际使用情况，效果显著、性价比高的方案为“联控”方式，即：根据主管道、分管道的压力变化，采用PLC+ 变频的方式实现压力恒定，根据机组的运行时间切换备用机组，可有效保证管网的压力稳定，设备均衡使用，延长机组的运维时间与使用寿命。部分空压机厂商也可提供该方案。对于空压机机组节能需要注意以下几点：

1）压缩空气管网铺设后，随着生产工况与需求变化，可能做过比较大的改动，甚至是临时进行分管的改造，未做全局合理的规划与优化。在对空压机组进行优化前，需要对管网分布、终端用气情况、漏气点及堵点进行详细的了解与梳理，对漏点和堵点进行治理。对于主管和分管安装传感器（流量、压力等）的位置进行确认，如存在不适合安装的位置，对改造方案、节能方案需进行充分的论证与评估，切勿为了节能而做节能，若为了节能而做过大的改造，反而会增加生产成本与停机风险。

2）要确定节能是否有效果，需要收集1~2年的历史数据，主要包括耗电量、空压机加载率、用气量及生产工况等，建立生产工况与能耗的实际关系，对节能效果真实情况进行合理、有效的对比。

3）在工业场景中，加装的传感器要能与系统或人员进行联动，实现“闭环”。例如在空压机机房中加装露点仪检测空气中的湿度，实时了解机组工作条件，此时需要考虑若空气中湿度较高时，该如何进行处理？对于 在海边的厂房，是否有加装该传感器的必要？对于仪表气，其供气中已包含过滤、干燥工艺，是否还有加装露点仪的必要？

4）合理的设备配置是节约成本的方案，过高的配置会导致设备闲置率过高，造成浪费；过低的配置难以满足生产多变的状况，会存在使用不久就要改造的情况，二次投资增加运营成本。从这个角度来看空压机节能，合理配置的情况下节能空间在3%~5%，若节能效果超过10%，是否应该对当时配置的技术方案进行反思？对节能方案进行充分的论证？

2.3 锅炉燃煤效率优化

在工业现场，高温高压蒸汽是较为常见的需求，其靠锅炉燃烧所产生。众所周知，锅炉是燃煤消耗大户，对于锅炉节能优化，主要从两方面考虑：燃煤效率优化，节约用煤量；对蒸汽输送管道“治堵防漏”，优化终端用能效率。燃烧效率优化。借助传感器、摄像头等，实时采集锅炉点位数据，对实时数据和原料数据（如热值）进行多维度分析和监控，实时监视锅炉燃烧核心指标变化，变化超过设定阈值时，算法/模型自动推荐需要调节的参数和推荐值，将该值反馈给锅炉中控操作人员，人员进行确认后进行调参操作。该部分涉及到大数据分析、AI建模等相关技术的应用。用汽终端优化。通过AR巡检及时发现输汽管道中的漏点，将位置信息推送至相关维修人员；通过压力传感器实时获取压力变化情况，与锅炉燃烧联动，稳定压力在合理的范围内；通过MES获取相关生产计划，根据产能预算用汽量，与供煤系统、锅炉燃烧控制系统等联动，提前对用煤量、所需蒸汽及压力波动等情况有所预判。锅炉是一个典型的非线性、复杂控制系统，随着传感器、大数据及AI等技术的发展，能够多维度采集、获取锅炉数据；通过大数据技术对数据进行分析，探索数据内在的联系进行建模；结合历史工艺情况、专家调参经验等数据，应用AI建立生产与参数稳定的模型，当参数变化超出规定阈值时，模型能给出参数调整建议值。此部分的难点：

1）流程行业工艺流程长且复杂，用汽需求端与工艺、生产息息相关，结合这些实现锅炉燃烧优化控制是一个 极大的挑战，目前所建立的模型属于探索、尝试阶段，建立准确、有效的模型还有很长的路要走。

2）节约的用煤量较难准确计量，很多时候并不是系统所产生的节能效果，主要因素：每批煤的热值高低直接影响用煤量，当某批次的燃煤热值较高时，用煤量会显著减少；破碎机对煤块破碎程度高，进入炉膛燃烧时 颗粒越细，燃烧越充分，耗煤量越少。

展望

节能和扩大绿色能源的使用占比是实现工业碳中和的直接手段。光伏发电、风力发电等新能源的使用可减少碳排放，新能源投用目前最大的问题是能源供应不稳定，可通过储能装置进行解决。在绿电使用过程中，通 过信息技术对设备状态实时监视、实现能源供给与调度等，充分用好新能源。

结束语

能源是制造业驱动的基础，节能是降低企业经营制造成本重要、有效的手段。通过信息技术助力节能减排是必不可少的途径，传感器技术让数据获取的方式多样性、多维度，数据的准确性更高；网络技术让数据传输与交互更为高效、可靠，打通了复杂工业场景中的毛细神经网络；IT技术让数据的存储与应用、系统间的关联、管理效率提升等逐步成熟与完善；新一代信息技术是企业实现数字化、智能化的关键所在，如通过大数据技术去发现数据间的内在联系，让数据开始反哺生产经营的各个环节，通过 AI 可建立相应场景下的模型，解决相应场景下的难题，对某些行业也会带来改变。信息技术与工业业务场景结合应用，通过数据去发现问题、解决问题，找到问题的根本，突破瓶颈。信息技术是助力工业碳中和落地的关键手段。能源贯穿生产制造的全过程，随着工业数字化的建设，终将打通全厂供应链、生产制造与经营管理等的数据壁垒，构建全域数据平台，建立工厂级的模型，联动资源，通过数据实时反馈生产状况，某环节发生异常时能通过模型，及时对各环节给出最优化的联动、调整参数等建议，实现基于数据驱动的智能化，助力制造业尽快实现碳达峰碳中和。

审核编辑 ：李倩