零目标背后，必须有详细的路线图和可落地的减排举措作为支 撑。当节能降耗、绿电替代、抵消机制等多种方案摆在面前 时，需要数字化的手段模拟不同路径的减排效果、对能源供应 的影响以及潜在的成本，从而筛选出最优的组合，并通过持 续跟踪减排进程和方案的迭代优化，将降碳的蓝图最终转化 为现实。 碳交易与认证： 清洁电力的生产与消费不仅意味着减排贡献，更是宝贵的碳资 产。将发电、用电数据转化为减排量，通过交易平台出售，可 的电力价格。这种精准的预测能力帮助发电企业制定更有效的 交易策略，减少价格波动带来的不确定性。在自动化电力交易 场景，通过实时监控电力市场和预测需求，AI系统可以自主决 策，快速执行交易，确保在最优价格点卖出或买入电力。这样 的自动化交易系统提高了发电企业参与市场的响应速度，优化 交易效率。 未来，电力AI大模型将不断向场站设计建设、设备控制、经 营管理、用户服务等领域拓展应用，并基于其强大的自省能 端实现算法优化与集中式管理，提高全局策略的可靠度。云端 算法通过对多设备、多时段建模，在时间维度（如短期、中 长期）和空间维度（如楼宇、园区）实现多维预测，以成本最 优、绿电用量最优、系统可靠性与稳定性最优、发电机组寿命 与安全性最优为目标，实现多目标协同优化，支持前端用能优 化应用、售电业务应用、虚拟电厂应用等。 未来，随着新型电力系统建设的深入，以及微网应用领域向工 业制造、智慧城市和计算网络的不断拓宽，微网协同调度技术

零目标背后，必须有详细的路线图和可落地的减排举措作为支 撑。当节能降耗、绿电替代、抵消机制等多种方案摆在面前 时，需要数字化的手段模拟不同路径的减排效果、对能源供应 的影响以及潜在的成本，从而筛选出最优的组合，并通过持 续跟踪减排进程和方案的迭代优化，将降碳的蓝图最终转化 为现实。 碳交易与认证： 清洁电力的生产与消费不仅意味着减排贡献，更是宝贵的碳资 产。将发电、用电数据转化为减排量，通过交易平台出售，可 的电力价格。这种精准的预测能力帮助发电企业制定更有效的 交易策略，减少价格波动带来的不确定性。在自动化电力交易 场景，通过实时监控电力市场和预测需求，AI系统可以自主决 策，快速执行交易，确保在最优价格点卖出或买入电力。这样 的自动化交易系统提高了发电企业参与市场的响应速度，优化 交易效率。 未来，电力AI大模型将不断向场站设计建设、设备控制、经 营管理、用户服务等领域拓展应用，并基于其强大的自省能 端实现算法优化与集中式管理，提高全局策略的可靠度。云端 算法通过对多设备、多时段建模，在时间维度（如短期、中 长期）和空间维度（如楼宇、园区）实现多维预测，以成本最 优、绿电用量最优、系统可靠性与稳定性最优、发电机组寿命 与安全性最优为目标，实现多目标协同优化，支持前端用能优 化应用、售电业务应用、虚拟电厂应用等。 未来，随着新型电力系统建设的深入，以及微网应用领域向工 业制造、智慧城市和计算网络的不断拓宽，微网协同调度技术

为解决以上问题，根据平台发展目 标针对某些特定行业构建了从设计、 工艺与生产，到仓储、物流全流程的 仿真验证与智能优化的闭环系统，快 速响应生产需求及其变化，仿真与优 化相互结合综合运用，从众多可行方 案中提供最优解决方案。通过设计与 仿真软件对制造过程进行全流程仿 真、工艺参数决策，实现制造模式选 择及多类别、多模式混合加工制造， 综合提升产品性能和制造效率。仿真 系统将来自多传感器、多尺度的信息 和数据，在一定准则下加以分析和综 2030中国智能制造及自动化行业展望 11 融合生态 拥抱智能： 2030中国智能制造及自动化行业展望 12 智能优化决策技术与系统可以从全部 可行性方案中快速选出能实现最优目标 方案的技术和系统。智能优化决策技术 包括最优性条件、凸优化、线性优化、 无约束优化的求解方法、约束优化的求 解方法、动态规划、求解优化问题的智 能算法、决策论、对策论、图与网络分 析、排队论、存储论等。智能化决策系 统采用工况协议智能解析技术、多源异 的高维非线性强耦合过程统计学习理 论、多质量指标逆映射建模方法、以及 基于数据的知识学习与规则提取方法， 实现自愈控制和自优化。通过全流程仿 真与智能优化融合，平台在应对复杂多 变的需求时构建了多方案全流程仿真以 及最优方案智能决策闭环系统，为产品 设计、工艺与生产、仓储、物流等提供有 力的辅助决策功能，极大提高生产智能 化程度。 三、 对于制造业企业的启示 工业自动化的演进，本质是生产关系与 生产力的持续重构——从“设备管人”到“

球66.9%锂资源中资企业 无法控股，中期维度来看，在其余地区地质勘探有显著成果之前，阿根廷、巴西，非洲（津巴布韦等）等地为中资企业出海最优选。 15 资料来源：USGS， 五矿证券研究所 图表19：阿根廷、巴西，非洲（津巴布韦等）等地为中资企业出海最优选 北美7.4% 不允许持股 巴西1% 阿根廷10.4% 智利35.7% 政府强制控股 津巴布韦1.2% 澳大利亚23.8% 绿地项目最高10%

构建全生命周期的“能源新质生产力”是企业实现转型的有力方式。从优化能源效率和调整能 源结构两方面入手进行整体规划，从看清楚、给办法、能落地和可持续等全生命周期角度进行建 设运营，达到整体能源利用效率最优。而这则对企业的运营能力提出了更高的要求和挑战：不仅 要在技术手段上不断创新，更要在经济性上实现可持续。 为此，施耐德电气商业价值研究院联合上海交通大学ESG研究院，通过对建筑楼宇、制造 工厂 源结构两 方面入手。考虑到此过程中，建设和参与方众多，利益难以协同，所以必须从用能企业视角来进 行整体规划，从看清楚、给办法、能落地和可持续等全生命周期角度进行建设运营，达到整体能 源利用效率最优，从而构建用能企业的能源新质生产力。 五：灵活参与电力市场化改革，将为企业带来新的商业机遇 在用能企业的能源产消一体化转型过程中，经济性分析不可或缺。首先，“能算得过来账” ，也就是说，部署光 时电价的波动和自身发用电波动下的最优解。先进的预测技术是解决此问题的关键，这其中不仅 需要具备分布式能源发电预测和负荷用电预测，更为重要的是通过人工智能的机器学习算法模型 长期迭代所建立的市场电价波动的预测算法；从二者协同拟合计算出最佳日前竞价机制、日内交 易采买机制以及实时结果策略调整。微电网系统具备了用能企业的聚合能力，基于人工智能算法 获得最优解，并能通过完备的接口与现货市场达成电力实时交易。

可按照水量实现排水用电自动削峰填谷，智能优化排水方式，实 现能耗自评估和故障自诊断，具备智能报警、智能统计分析排水 量等功能。 建设主供水智能控制系统，实现主供水系统设备的智能运行， 供水用电自动削峰填谷及管网调配，自动选择最优电量；通过水 泵运行等参数的监测，实现水泵控制及监测的智能化，实现对系 统异常低压现象的预警；通过多传感器和各系统数据融合实现按 需供水，并能实现对用水量的预分析功能。 建设污水智能处理系统，通过监测水泵及管路的运行参数、 温；主供热设备应具有在线监测及控制功能，并配备视频监控系统。 通风系统设备应具有一键启停功能；具有在线监测及控制功能；可根 据烟雾、温度等环境参数智能控制风量及风速。系统用电自动削峰填 谷及管网调配，自动选择最优电量。 能源管理系统：采用先进的智能化集成技术，建设由能耗计量装 置、数据传输系统及监控平台组成的矿山能耗实时监测系统，实现矿 37 山固定设施及大型作业装备等的实时能源消耗监测、能耗统计、故障 2.分类重点建设内容 智能化选煤厂建设应根据选煤厂的类别、服务年限、煤质特 征、产品定位、规模大小、工艺技术特征，因地制宜、分步实施。 （1）炼焦煤选煤厂智能化重点建设内容 以产率最大、效益最优为原则，选择配置先进、合理、可靠 的工艺技术方案及技术装备。开展有压、无压重介旋流器等智能 化主洗工艺系统建设，加强洗选过程智能检测、计量技术的应用， 建立可靠的洗选过程智能模型，实现浮选过程智能控制及自主决

0分钟~4小时）、长时储能（>4小时）。各种储 能技术路线的发展路径及市场格局本质上由场景适配性、全生命周期成本和技术特性三要素协同决 定，其价值实现取决于能否在特定场景下达成技术性能与经济性的最优匹配。 图22 不同技术路线储能时长 资料来源：《新型电力系统发展蓝皮书》，EESA [7] 《NB/T 11194-2023新能源基地跨省区送电配置新型储能规划技术导则》 2023年国家能 障并提出解决方案，在未来，EMS甚至可以在无需人工干预的情况下，独立完成复杂的能量调度任 务。同时，伴随光伏、风电、柴发以及各种负载等共同接入，或是参与VPP调度，EMS也需要支撑这 类复杂场景下的智慧能源管理，实现用户的用能最优。其次是更加友好的人机交互，智能化是运行策 略的不断演进，而更加友好的人机交互则是为了让非技术人员也能便捷地操作和管理储能系统，注重 用户体验。比如更加符合用户使用习惯的可视化界面、语音助手、移动终端支持等，让用户和能源的 从当前开始，建立螺旋上升的循环体系，实现应用、数据和算力三者的协同发展，推动行业持续向前 发展。 （2）典型场景：AI 2.0（大模型）赋能储能高价值场景 AI技术正在为储能行业带来三大核心能力：实时监控系统状态、智能制定最优策略、自动调整运 行方案。这种“监测-决策-优化”的闭环管理，已经在提升经济效益、保障系统安全、加快市场拓展等 方面产生显著成效。目前最具应用价值的AI场景包括： 1. 智慧大脑：储能系统优化与能量管理（高价值）

过材料分析技术和数值模拟，研究了能量损耗的主要来源，并 制定、展示了缓解能量损耗的策略。 第三章 硬件整机 45 总体而言，超导路线依托成熟的电子工业体系，在当前已成为技术最成熟、性 能最优越、从业者最集中的量子计算分支之一。预计在中短期内，超导量子计算仍 将维持其在量子计算领域的主导地位。长期来看，随着其他技术路线配套设备的不 断突破，量子计算的内部格局或将面临调整。 AI助力量子纠错 混合算法的核心特征在于，量子计算仅负责处理特定子任务，而经典系统主导 参数优化循环。对应到硬件上，量子处理器执行含参量子线路并输出计算结果，经 典优化器依据损失函数对参数进行调整，通过不断迭代逐步逼近最优解。二者分工 协作，共同解决复杂问题。也就是说，量子-经典融合计算包含了“混合”与“协同” 两大基本特征。 量子-经典混合架构有效地缓解了当前量子资源受限的难题，为量子计算在现有 条件下的发展提供了可行路径。 VQE凭借其对量子系统 基态能量的高效求解能力，在量子化学领域大放异彩，能够精准模拟分子结构，助 力新型材料的研发。QAOA则在组合优化问题中表现出色，如在物流配送的路径优 化中，能够快速找到最优配送路线，显著降低运输成本。 图表 量子-经典异构算力混合示意图 SISD SIMD SISD MIMD 通用量子 计算机 专用量子 计算机 SISD SIMD SISD MIMD

新型产消融合能源系统 纯电力 消费者 ©SPIC 2022. All Rights Reserved. 绿色 创新 融合，真信 真干 真成 8 单个项目（站） 天枢云 能源网络 • 只能在单点上做到经济能效最优，被 动应对外部条件变化，实现能源价值 维度单一且易受外部环境影响。 • 充分释放能源时空价值、协同价值和品类价 值，实现能源业务经营质的提升。 价值释放 价值释放 • 单一主体，业务特性相对简单明确。

的持续进步和成本效益的改善，预计它将在更广泛 的制造领域内得到应用，为行业的创新和发展注入新动力。金属多工艺一体化制造技术的发展聚焦于以下几 个关键方向：① 多材料、多工艺协同金属增材制造，通过最优工艺组合实现金属构件的高性能和多功能； ② 增减材一体化复合制造，在同一流程中交替使用增材和减材工艺，提高生产效率和零件质量；③ 智能化复 合加工控制系统的开发，利用多尺度建模、仿真、机器学习和 能、减重、散热、高集成度和敏捷制造周期等方面的优化。“金属多工艺一体化增材制造关键技术和装备” 工程开发前沿的发展路线如图 4.15 所示，技术前沿主要集中以下方面： 1）多材料、多工艺协同金属增材制造：采用最优的增材工艺组合实现多种类金属材料制造成型，在 复杂整体构件内部同步实现多材料设计与布局、多层级结构创新与打印，实现构件的高性能和多功能。 2）增减材一体化复合制造：在同一制造流程中交替使用增材和减材工艺。通过增材制造实现材料的 进而探索生成式人工智能技术支持下的城市、街区及建筑多 尺度形态可控生成路径，实现能通过设计师“图灵测试”，且能高效响应不同空间尺度与品质需求的可控 设计生成，实现规划与设计从“经验较优”到“计算最优”的技术转型。 4）数智化设计效能评价：大模型能够基于建筑类学科专业背景，针对规划与设计“研判困难”的难点， 建构城市、街区、建筑多尺度效能测度模型与精准诊断方法。在多模态知识图谱引导下开展知识嵌入，在