基于风光储充的工业园区综合能源系统 解决方案及典型案例 目录 一、系统构建 二、协同优化 三、安全保护 四、运行维护 五、典型案例 一、系统构建 n 上海电气电站集团上海电机厂的主要产品有大中型交流电动机、直流电动机、风力发电机、 汽轮发电机等； n 占地面积约 80 万平方米，最大厂房长 312 米，主跨宽 36 米，高 34 米； n 生产设备 3000 余台、精细设备 280 现有能源管理存在诸多问题与痛点 一、基于风光储充的工业园区综合能源系统构建 场景 n 提高可再生能源使用率，优化工业园区 能源结构； n 与工业园区高度融合，和谐发展，量身 定制解决方案； n 构建停车棚光储充系统，解决员工“绿 色”出行难点； n 采用智慧能源技术，降低企业能耗和成 本，实现园区企业共赢； n 削峰填谷、需求响应，降低用电成本， 探索用户侧储能参与参与需求侧管理； n 低碳绿色园区智慧能源商业模式示范。 低碳绿色园区智慧能源商业模式示范。 一、基于风光储充的工业园区综合能源系统构建 系统构建原则： n 根据厂区提供的日负荷曲线数据可知， 夏季为负荷高峰，峰值负荷约为 16MW 。 n 根据 1 月、 4 月、 7 月、 10 月典型日负荷特性曲线可知，上午 9-11 点以及下午 14-16 点是两个负荷高峰，负荷比较稳定，峰谷差明 显。 一、基于风光储充的工业园区综合能源系统构建 1 月 平 均

Checkpoint数据等热数据，以及未 清理的海量数据、训练好的模型数据等温冷数据，因 为两者的访问频率和性能需求不同，需分别考虑其存 储方案。 d）对于热存储，为保障性能，采用高性能介质 NVME SSD，建议优选高速并发 NAS 协议，高带宽接 入。考虑到磁盘阵列性价比和扩展性的问题，后端存 储可以采用 Diskless 架构，其典型整体架构如图 1 所 示。以在智算中心中广泛应用的 Lustre/GPFS 端或节点发生故障时，存储在该节点上的数据在重新 启动前将不可访问，此时 Diskless 架构的高可靠优势 就更为凸显。 e）对于温冷存储，主要考虑性价比，应配置高密 度、大容量的硬盘。可以选择传统的分布式对象存 储，或者采用配置多盘位大容量机械硬盘的高密度新 型Diskless架构存储设备。 2.4 前瞻组网、无损传输 当前运营商已经部署了布局广泛的通算资源以 及运力充沛的网络资源。在部署智算中心的过程中， IB 协议实现无损转 发，Leaf 作为接入节点的网关独立部署，通过 200 GE 链路与训练服务器互联。Leaf之上可以部署一层或两 层 Spine作为汇聚，每层网络之间按 1∶1 进行收敛。充 分利用 RoCEv2 和 IB 协议，实现流量负载均衡，防止传 统基于流的五元组进行 hash 机制失效导致负载不均 和网络吞吐下降、集群业务性能下降。 b）样本面。采用 Spine-Leaf

13 ● 绿色算力电力区位条件 15 第四章，智算加速建立新型电力系统 17 ● 24/7 全天候“智”“能”调度 17 ● 绿电直供与跨区域交易 18 ● 源网荷储碳一体的配电网与微电网 18 ● 虚拟电厂 19 结论：让智算率先实现净零碳电力 21 附录 22 关于报告 23 ● 未尽研究 23 ● 环球零碳 23 目录 产单位电力过程中平均排放的二氧化碳量）的大幅下降，是中国建立绿色算力 网络的基本前提。 从区域碳排因子的分布上看，中国西部地区水电、光伏及风力发电等资源丰富， 具备发展绿色智算中心、承接东部算力需求的潜力。智算中心的建设，应当充 分利用不同区位的清洁电力。国家的东数西算项目提出了八大枢纽与十大集群 建设规划，其中八大枢纽分别为西部的内蒙古枢纽、宁夏枢纽、甘肃枢纽、成 渝枢纽、贵州枢纽，和东部的京津冀枢纽、长三角枢纽和粤港澳枢纽。 键解决方案。通过 AI 算法与气候大模型，实现天气、发 电功率、负荷能力的精准预测。中长期来看，能计算储 能的充放电计划、风光的削减计划以及整体的风光储聚 合出力曲线。 远景运用智能物联操作系统 EnOS，以高精度预测、多目 标及多时间尺度优化策略，打通微网协同调度系统全链 路，覆盖源网荷储，基于云边一体实现基础数据接入， 提供高阶应用产品套件。 乌兰察布市与远景共建的源荷互动平台，融合市级碳管

13 ● 绿色算力电力区位条件 15 第四章，智算加速建立新型电力系统 17 ● 24/7 全天候“智”“能”调度 17 ● 绿电直供与跨区域交易 18 ● 源网荷储碳一体的配电网与微电网 18 ● 虚拟电厂 19 结论：让智算率先实现净零碳电力 21 附录 22 关于报告 23 ● 未尽研究 23 ● 环球零碳 23 目录 产单位电力过程中平均排放的二氧化碳量）的大幅下降，是中国建立绿色算力 网络的基本前提。 从区域碳排因子的分布上看，中国西部地区水电、光伏及风力发电等资源丰富， 具备发展绿色智算中心、承接东部算力需求的潜力。智算中心的建设，应当充 分利用不同区位的清洁电力。国家的东数西算项目提出了八大枢纽与十大集群 建设规划，其中八大枢纽分别为西部的内蒙古枢纽、宁夏枢纽、甘肃枢纽、成 渝枢纽、贵州枢纽，和东部的京津冀枢纽、长三角枢纽和粤港澳枢纽。 键解决方案。通过 AI 算法与气候大模型，实现天气、发 电功率、负荷能力的精准预测。中长期来看，能计算储 能的充放电计划、风光的削减计划以及整体的风光储聚 合出力曲线。 远景运用智能物联操作系统 EnOS，以高精度预测、多 目标及多时间尺度优化策略，打通微网协同调度系统全 链路，覆盖源网荷储，基于云边一体实现基础数据接入， 提供高阶应用产品套件。 乌兰察布市与远景共建的源荷互动平台，融合市级碳管

智能窗口运维专员 Al 平台工程师 知识库管理工程师 Al 安全工程师 1.2 工作基础 口 大 数 据 中 心 抓 准 时 机 、 积 极 拥 抱 新 质 生 产 力 ， 增 加 人 才 储 备 ， 全 面 向 AI 智 能 化 全 面 转 型 。 组织架构 职责定位 人才配置 资规文秘 融合智能检索与内容生成，确准查询政策业务，智能解读提炼要点 4 女画出平 专重留各 被 面 确 判 面 地 ) A 短 文 e 平 m 者 专业智能体 5 城心点，量顺储 天 a, n a ta n A g 门户首页 青是 文四器点匮然 ie 生 人 e 中该市自通通和理蚜大面 e A 能体中心 资 规 文 秘 助 手 np B 断 目 烛 鄂人量 ( 加； thunen 加 储 eLIFIE,DPR 面 移 的 轨 + 隐 保 一 胜 片 非 书 核 统 共 上 后 片 理 是 于 随 地 E 的中普国施家王地，服 B 施车些 F 控 , 如中属于

1:3。 从上述数据可以看出，国内充电基础设施建设与新能 源汽车市场增长存在脱节，优化充电基础设施、提升充 电效率是解决充电难问题的有效举措。在常规充电场 站，充电方式主要还是以人工操作充电枪为主，充电模 式分为交流慢充和直流快充，慢充虽不费劲，但存在充 完电忘记拔枪的风险；直流快充线缆较重，对于女车主 来说，体验较差。 随着无人驾驶、自动泊车技术的应用和普及，无人化 充电、提高充电桩车位的使用效率等举措，成为解决以 新能源汽车充电机器人通过视觉系统自动定位充电口 的空间位姿，遨博智能机械臂根据充电口的空间位姿坐 标自动将充电枪头对准充电口并实施插入动作，直至充 电枪插接到位为止。在充电过程中，机械臂一直保持充 电枪的可靠连接状态，直至充满电以后，机械臂自动进 行拔枪操作，完成整个充电过程，轻松实现“代客充 电”。 （2）精准定位，提升充电安全性 遨博智能 iH 系列全线产品具有 3kg-16kg 的有效载荷、 625mm-1350mm 制技术和视觉定位系统，可精准识别充电接口并实现充 电枪的自动插拔，无需对车辆及充电插座进行任何改 造，适应性强。 （3）前景广阔，深受市场欢迎 遨博智能协作机器人占地不到 1 ㎡，末端不同规格的 有效负载，可完成各类型充电插头的抓取任务。通过与 AGV/RGV 有效融合，可以实现一台充电机器人完成多 台车辆的充电任务，且不受固定场地限制，高效节能。 移动式充电机器人可被召唤至指定的任意车位进行充 电，实现桩找车，可灵活转场部署至公共停车场、公共

在智能控制器生产中， 平台采用自研的光学 检测设备和算法，在 对工厂每年数亿片检 测数据进行深度学习 的基础上，融入历史 人工经验，在数秒内 完成对数千个检查点 的快速“阅判” , 并 充 分兼容非质量原因 造 成的颜色、形状差 异， 误判率由原来的 10% 降低至 0.3%, 检 出 率达 99.99% 。 卡奥斯工业互联网平台中深度融合 AI 技术，包括视觉监控检测、质量缺陷检测、智能安防、智 云边 协同 云网 一体 数据分析层 多维分析搜索分析 内存分析 转钢自动化 废钢定级 制造 经营 集团 管理 管理 管控 数据存储层 分 布 式 数 据 系 统 对 象 存 储 系 统 端 工业应用 安全管控 供应链管理 设备管控 物流管控 能源管控 生产管控 质量管控 运营决策 全过程质量监控 智悬管理 诊断智能 ROMA 支持 头戴式 / 手持取像 车 间 推理服务 智能边缘 - 软件 Al 推理 边 缘 模 型 算 法 智能边缘 - 硬件 Atlas 智能边缘平台 工 厂 模 型 训 练 + 数 据 存 储 + 视 频 接 入 管 理 智能计算中心 模型下发 图：华为工业 AI 质检方案架 构 8 大应用场景 定位引导 电驱与减速机装配 定位测量

质量。 - 数据归一化：将不同来源的数据格式统一，便于后续分 析。 - 数据存储：采用分层存储策略，将热数据（频繁访问的数 据）存放在高速存储介质中，冷数据（历史数据）存放在低成本存 储介质中。 智能计算层是系统的核心，负责实现医疗数据的深度分析和决 策支持。该层集成了多种人工智能算法，包括深度学习、机器学习 和自然语言处理（NLP），以满足不同医疗场景的需求。关键功能 模块包括： 存储单元采用分层设计，结合高速 NVMe SSD 和大容量 HDD，以满足不同应用场景的需求。NVMe SSD 用于存储高频访 问的医疗数据和模型参数，提供极致的读写速度；HDD 则用于存 储历史数据和大规模数据集，确保数据的长期保存和低成本管理。 同时引入 RAID 技术，提供数据冗余和故障恢复能力，保障数据的 高可用性。 网络单元设计为高带宽、低延迟的架构，支持 10GbE 甚至 机。散热系统结合液冷和风冷技术，根据负载动态调整散热策略， 确保硬件在高负载下的温度控制。 安全模块是医疗场景中的核心组件，包含硬件级加密芯片、安 全启动机制和物理防护设计。加密芯片用于保护敏感医疗数据的存 储和传输，支持国密算法和国际标准加密协议。安全启动机制确保 系统启动时的固件和操作系统的完整性，防止恶意代码的植入。物 理防护设计包括防拆卸、防篡改等措施，保障硬件在物理环境中的 安全性。  计算单元：多核

能力介绍 03 部署形态与展望 01 安全困 境 Web 流量检测大模 型 • 新增检测大模型， 补 充 高级检测能力 • SaaS 化 • 本地化 • SaaS 化 • 本地化 • 新增 aES 终端安全插 件 + 安全 GPT ， 补 充 防钓鱼检测能力 • 新增 XDR （检测响应平 台） + 安全 GPT ， 对接 现 有安全运营平台

是静态方 式，利用叉车或其他设备将废钢原料投入电炉。通过引入 AI 技 术，可以实现对充电过程中废钢质量和数量的实时监控与优化，制 定最佳的充电策略。AI 模型可以根据过去的数据分析，推荐每次充 电的最佳配比，如：  各种类废钢的比例  合金元素的添加量  杂质含量的监管 在熔化阶段，电炉加热需依赖于电极产生的电弧热量。熔化阶 段的温度控制至关重要，过高或过低都会影响钢水的质量及合金元 缺失值处理：对缺失数据进行填补，常用方法包括均值填充、 插值法等。 3. 异常值检测：利用统计方法或机器学习模型识别并处理异常 值。 数据清理完成后，接下来是数据的存储与管理。合理的数据存 储方案可以提高数据的访问效率和安全性。可以考虑不同类型的数 据库，根据数据种类选择关系型数据库（如 MySQL、PostgreSQL）或非关系型数据库（如 MongoDB、Cassandra）。此外，云存储服务（如 模型的训练和优化，从而提升生产效率和产品质量。 4.3.2 云存储解决方案 随着钢铁行业对大数据与人工智能应用的逐步推广，云存储解 决方案成为数据存储与管理的重要环节。云存储不仅提供灵活的存 储空间，还能够保证数据的安全性与可访问性。考虑到钢铁行业的 具体需求，云存储解决方案需要具备高可靠性、可扩展性和成本效 益。 首先，选择云存储解决方案时，应关注以下几个关键因素： 1. 数据安全