电量平衡、全社会碳排放达峰、可再生能源电力消纳、可开发资 源条件等，以政策及市场机制为指导，计算最优经济成本，研究不同路径对全省完成“双 碳”目标的影响。 3.2 模型搭建 3.2.1 目标函数 以 2024 年为基准年，构建高分辨率的运行模拟模型，研究满足电力电量平衡、碳 排放约束、年经济成本低条件下的最优电力系统结构。 其中 13 ：表示投资成本，为各电源总投资减去残值后除以折旧年限； 缺口前提下的不同电源装机配比进行计 算，得到各场景下的经济成本。在考虑电力扩张约束、容量约束、地方资源禀赋约束以 及地方政策约束的基础上，通过反复迭代计算，得到各水平年最小经济成本的各类电源 最优装机。 3.3.1 基准情景 该场景下，仅考虑现阶段已核准和在建项目，不考虑未来经济和电力需求负荷的增 加，因此该场景可得到湖南省在各关键水平年不考虑新增电源装机后的电力电量缺口， 17 预计 储能支撑能力强化情景 该情景下，设置 2030 年和 2035 年煤电、风电、新型储能、抽水蓄能装机范围， 在满足电力缺口、电量缺口、可再生能源消纳权重等条件的约束下，可计算得到经济成 本最低的最优电源装机选项。 表 3-7：储能支撑能力强化情景下各电源新增装机范围 （单位：万千瓦） 煤电 风电 储能 抽水蓄能 2030 年 0-1000 0-500 0-1000 0 2035 年 0

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“

电厂项目设计采用 Smart Plant 3D 等先进 的工厂设计软件系统，借助 3D 模型，对仪表设 备进行定位，然后再对仪表进行优化布置、集 中布置。最后由软件计算后选择最优的电缆敷 设路径，自动完成电缆敷设，达到最优电缆量 的目的。同时节约了施工成本及施工周期，提 高了接线效率，方便了后期仪表调试和维护。 使用 Revit 等 BIM 软件搭建建筑物三维模 型，利用其所见即所得功能复核结构、建筑设

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 追求，对于暖通空调系统的控制和管理也会带来不同的要求。因此，单一环节的“最优化”，实际上并不是工程所追求的本质。 传统所称的“自动控制”，往往都是建立在对某些单一设备、单一系统或者局部环节进行控制的基础上，各环节相对单一或独立 进行。要整合这些设备系统和环节之间的关联， 同优化。典型策略包括： ●负荷预测与群控调度：利用历史运行和气象预报等数据，对负荷与设备的占用率进行预测，从而动态启停与分 配冷机、锅炉和泵组负荷； ●变频与泵群优化：通过变频调速与并联系统的最优工况选择，降低泵和风机能耗； ●按需通风与末端自适应：基于CO�浓度和人员分布，动态调整送风和冷量供给；通过以上对源、传输和末端的控 制，实现节能的最高境界，供需平衡。 ●冷热源耦合与储能调度 暖通智控技术未来趋势 （一）基于AI的自学习控制技术 人工智能正在重塑暖通控制逻辑。通过深度学习、强化学习等算法，系统能够在运行过程中不断“学习”建筑的使 用模式、环境条件和设备特性，逐步形成最优控制策略。实践表明，在系统设计合理、数据质量高的前提下，AI自学 习控制有望在基准线基础上实现��%至��%的额外能耗降低[��]。 未来，AI模块将从局部辅助功能扩展为楼宇管理平台的核心组件，

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）