平台赋能—石化装备AI管理实践 中化能源科技有限公司 平台赋能石化装备AI管理 石化领域创新实践应用 2 科学至上 创新发展 2018年世界500强排名 98 国家4大石油公司之一 4 国务院国资委业绩考核 13A 能源、化工等五大事业部 中化能源科技有限公司 中化集团全资子公司 能源互联网转型先行者 10亿注册资本金 1年30+软著/专利 70%研发人员 技术支撑 人工智能 人工智能 区块链 物联网 大数据 云计算 5 3 中化能源科技发展工业互联网 中化工业互联网 致力于研究以人工智能、区块链、物联网为代表的创新科技，将创新技术与传统行业应用相 结合，为能源业务创造新价值。中化工业互联网蓬勃发展，目前正在科研、市场等领域不断证明自己的独特价值。 I. 2018年5月，中化能源科技入选中科院、中国自动化学会先进 制造业发展联盟会员单位，获得“智能制造先进解决方案单位”、 “智能制造优秀项目案例”奖项。 II. 2018年7月，中化能源科技首登2018上半年中国B2B行业百强榜。 III. 2018年8月，中化能源科技项目入选工信部2018年制造业与互 联网融合发展试点示范项目。 IV. 同月，由工信部中国信通院批准，中化能源科技成为“工业云工 作组”成员，该月还正式成为工业互联网产业联盟成员； V. 2018年11月，牵头工业和信息化部工业互联网垂直行业组石化 行业特色组建设。

拥抱智能： 2030中国智能制造 及自动化行业展望 2025年6月 伴随工业4.0的蓬勃发展和生成式AI领 域的技术颠覆，全球智能制造和工业自 动化行业变革提速。麦肯锡从自动化延 展性、自我组织、数据分析、数字化技术 栈、数字化工人、生态融合和商业模式 七个维度分析智能制造行业发展情况。 我们认为，到2030年，中国、日韩和西欧 等先进制造市场有望率先实现自动化革 命。这些市场中的领先企业，将通过多 和软件驱动、AI高度赋能的生产环境。 届时，高价值且可延展的自动化技术将 全面应用于端到端业务流程，智能工厂 具备完全集成的IT/OT技术栈，无处不 在的高阶数据分析成为新常态，基于标 准化解决方案的半开放式平台生态应用 普遍，数字化集成和AI赋能的人机结合 运营模式全面实现，大幅提升制造行业 生产效率。 中国高度重视智能制造和工业自动化 发展。国务院、工信部、发改委、科技 部等有关部门陆续出台了一系列政策鼓 等载体，构建虚实融合、知识驱动、动 态优化、安全高效、绿色低碳的智能制 造系统，推动制造业实现数字化转型、 网络化协同、智能化变革。到2025年， 规模以上制造业企业大部分实现数字 化网络化，重点行业骨干企业初步应用 智能化。到2035年，规模以上制造业企 业全面普及数字化网络化，重点行业骨 干企业基本实现智能化。近两年，国产 生成式AI大模型的全面突破，更是为行 业加速发展提供了新契机。 同时，全球制造业及其供应链也面临前

�������������������� 3.1�CAGE������ 私营企业在出海过程中日益重要，数量和规模显著增 长。根据数据显示，从2006年到2020年，中国对外 非金融类直接投资存量中，非国有企业的占比从 19%上升至53.7%，已超过国有企业，表明私营企业 已成为中国企业出海的主力军。 地理距离（G - Geographic Distance） Ø ������务��������� ����������� &��������������������������� 私营企业在出海过程中日益重要，数量和规模显著增 长。根据数据显示，从2006年到2020年，中国对外 非金融类直接投资存量中，非国有企业的占比从19% 上升至53.7%，已超过国有企业，表明私营企业已成 为中国企业出海的主力军。 Ø GDP����%����GDP�$� Ø �������$Billion�������

DOI: 10.3969/j.issn.1000-6826.2022.03.1002 人工智能在钢铁能源管控 中的应用 Application of Artificial Intelligence Technology in Energy Management and Control of Iron and Steel Industry 供稿|赵耕 1，柳军 1，孙文权 2，张哲 1，刘向国 提升。钢铁 企业智能化、绿色化需求必将使人工智能深度融入钢铁能源综合管控。 随着能源管理系统 (Energy Management System， EMS) 的发展和推广，钢铁工业已收集了各类能源相 关产、消、存等环节的海量数据，并进行了集中管 理、分析预测和调度优化等研究应用工作，从系统 层面上取得了一些初步进展。然而，随着生产流程 日趋复杂、个性化产品需求日益强烈，传统的模型 北京科技大学，北京 100083 29 题的首选方法。然而，由于钢铁制造流程日趋复 杂，综合能源系统各变量间关系耦合程度不断加 深，传统的浅层神经网络等模型已难以挖掘深度特 征。此外，钢铁产品个性化需求的日益增加，也为 能源管控带来全新挑战，一般数据驱动方法建立的 模型已无法有效应对。 作为当前第四次工业革命的技术代表，人工智 能 (Artificial Intelligence，AI)

洁能源的大型工程。在世界屋脊青藏高原，光伏阵列在 稀薄的空气中汲取耀眼的阳光，转化为绿色电能，减少 化石能源燃烧带来污染和碳排放，为应对全球环境和气 候挑战添砖加瓦。 光伏地图清晰地显示着这些“蓝色能源基地”的密 度与规模。它们不仅源源不断地输送着绿色电力，支撑 起东部发展的脉搏，更在荒漠治理、生态修复和促进当 地经济发展方面展现潜力。 从全球来看，集中式光伏电站的规模化建设，也可 能引发土地利用、生态扰动及社区问题。应对这些挑战， 能引发土地利用、生态扰动及社区问题。应对这些挑战， 多地在近年来的光伏建设中，探索农光互补、渔光互补、 牧光互补，建设光伏扶贫项目，以及将光伏发电和采煤 / 采矿沉陷区和石漠化山区修复相结合，实现能源转型 与土地可持续利用的共赢。 在部分偏远地区，一批分布式光伏成了阳光银行， 为村民带来收益；在西北干旱地区，部分光伏电站在转 化阳光能量的同时，通过减少蒸发留住更多水分，助力 荒漠化治理。在东中部的广袤农田，一些光伏电站拓展 拓展 “棚顶发电、棚下种植”的双赢路径，一批水上光伏项 目在探索为渔民开拓新的收入来源；在西南石漠化山区， 部分光伏项目已经开始尝试将发电与修复结合；在北方 采煤塌陷区，光伏电站成为新的土地利用形式，一些地 区也在探索 " 板上发电、板下修复，板间种植 "。 在“双碳”目标引导下，中国光伏在技术创新能力、 生产能力和市场应用能力等方面领跑全球。从星罗棋布 的分布式微光，到规模庞大的集中式阵列，中国光伏建

应用等阶段。 建筑暖通空调系统的运行管理，从根本上来说，为实现建筑的使用功能是其第一任务。随着建筑功能需求的多样化，不但对建筑 环境的控制要求也越来越复杂，同时随着建筑能源与资源的消耗不断增大，需要暖通空调系统在满足使用功能的基础上，尽最 大的能力去节省能源与资源。因此，多样化的需求之间，实际上构成了一个多维矩阵。 工程建设是以价值导向为目标的。工程的价值反映了工程多方面的述求：既有经济层面的，也有社会层面的。不同的目标设定和 为我们在技术上提供了强大的数学工具。AI让我们的每一步都有可能按照 自己头脑中设定的目标来进行，这也就是“智控”的主要含义。 尽管AI的数据与算力远远超过传统“自控系统”，但在AI深入应用的过程中，有一个值得重视的思想就是：AI的应用应与被控对 象的数理逻辑相结合。AI的感知层，更适合用于哪些目前我们还没有完全掌握规律的环节；AI算力的发挥，也应在已经被人们掌 握、且明确无误的数理逻辑基础 智控系统的实现并不能在技术层面上得到完全的保障，它需要在建设和运行的 过程中设计体制和机制，即建设阶段如何协调投资方、建设方和运营管理方的行为，在运行阶段系统如何保证维护更新的投入， 以确保全生命期的可持续。这还有待于编写者和业内同行一起通过总结工程的经验教训，不断完善了。 卷首语 建筑设备监控系统（BA）的国产化经历了��余年的历史，虽然取得了不小的成绩，但重硬轻软，缺少常驻软件支撑一直是国产品