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)

特别鸣谢以下人员给与本研究的建议与支持 张立、任景哲、刘晓凤 | 苏州高新区（虎丘区）碳中和国际研究院 鸣谢（按首字首字母顺序排列） 感谢阿里巴巴、巴斯夫、广东电力交易中 心、海澜电力、华北电力大学武昭原、金风 科技、腾讯、远景能源、中广核新能源、中 国华电集团清洁能源有限公司给与的建议与 支持 感谢李星宇、孙一丹、马倩儒、雍容、刘宇 呈秋、赵雨晨给与本报告的帮助 目录 执行摘要 1 第一章 研究背景 48 4.1 问题与挑战 49 4.2 思考与建议 50 注释 52 中国省级绿色电力市场建设：现状与展望 1 1 执行摘要 2 省级电力市场是中国电力市场体系中的核心。当 前，基于资源禀赋、经济发展和供需关系等因素的差 异，各省级电力市场在国家顶层设计的指导下，形成 了符合本地实际的关键市场机制，并探索了发挥本地 优势的特色创新实践。 展望未来，更高比例的可再生能源部署和加速入 源的发展趋势。第二章梳理了全球可再生能源发展 历程中的关键共性问题和典型市场机制设计。第三章 选取了中国八个典型省（市、地区）电力市场，围绕电 能量、辅助服务、容量和绿电交易四个方面的关键市 场机制进行了总结。在研究的基础上，第四章进一步 讨论了中国绿色电力市场建设的挑战，并提出相关政 策建议与企业建议，为未来市场建设提供参考。 主要发现 ● 可再生能源发展中的共性问题与应对机制：以 风电、光伏为代表的波动性可再生能源的大规