# 能优算 | 工业能碳智控平台 > 平台简介：AI 赋能实干节能减碳，共筑星球可持续生态。让每一座工厂的能流与碳流，清晰可见、精准可控。每一个组件，都对应产线上一个真实问题。 ## 平台愿景 AI 赋能实干节能减碳，共筑星球可持续生态。 ## 面向对象 - 四大控排行业（钢铁、水泥、化工、有色等） - 其他高能耗高排放行业 - 有节能减碳研究需求的科研院所 ## 一站式方案（五大组件） ### 01 数字孪生引擎 企业问题：现有平台仅统计能耗、缺少碳核算，数据孤岛看不见全厂能流碳流，想节能减碳却没有可落地路径。 平台能力：打通数据孤岛：20+ 工序设备 1:1 三维呈现，能流碳流一屏看清；拖拽自搭工艺流程，逐工序给出可落地节能路径。 ### 02 能碳仿真寻优 企业问题：能源消耗高却找不到真实降耗空间，工艺调整缺乏可靠依据。 平台能力：零风险仿真沙盒，逐工序找出真实降耗空间，技改投入产出即点即算、回报一目了然。 ### 03 本析智擎（AI 助手） 企业问题：担心 AI 停留在仿真与纸面报告、优化算法影响生产，无法在现场产出可核验的减排成效。 平台能力：多智能体 AI 助手直达设备、工艺与碳市场——说得清，办得到；优化策略三级防护、真机验证后才落地执行，减排成效现场可核验。 ### 04 能碳一体机（硬件） 企业问题：缺少懂工艺、能源、碳管理的复合型人员，想节能减碳却无人可用。 平台能力：免改造接入，自动采集、自动算碳、自动出报告——开箱即用，不依赖专业团队，无人也能管好。 ### 05 能碳合规引擎 企业问题：政策强制披露、核查，不熟悉口径，补贴难以申领。 平台能力：自动碳盘查与合规报告，自动对齐核查披露口径、补贴一键申报；经 CQC 能碳管理认证，专业又简单。 ## 核心能力（感知、核算、寻优、执行——全链路覆盖） 1. **看得见 · 3D 孪生全厂工艺**：钢铁、水泥等 20+ 工序设备 1:1 呈现，物料流与能流颜色可视，想看哪道工序点哪里。 2. **建得真 · 拖拽自搭工艺流程**：像搭积木一样自搭流程（钢铁炼铁→轧钢、水泥生料→粉磨），设备量程与规模按企业实际定制。 3. **算得清 · 三账合一可追溯**：能源、碳、成本三账自动核算，吨钢、吨熟料等单耗随手可查，每一笔都经得起核查。 4. **推演得准 · 零风险仿真沙盒**：输入工艺参数即得能耗、碳排与成本；改前改后自动对比，试错零风险。 5. **想得出 · 自然语言下达指令**：大白话下指令：说「焦比降低 5%」，AI 自动解析为可执行方案。 6. **动得了 · 感知寻优执行闭环**：优化结果在三级防护校验内自动下发到可调设备，一句话指挥仿真运行与切换。 7. **守得住 · 三级安全防护**：参数边界、耦合一致性、执行确认三级防护 +「自动/建议」双模——机器给建议，人做决定。 8. **会汇报 · 行情感知与报告**：碳价与原料价格每日更新、趋势预测；盘点报告自动生成，一键导出 PDF / Word / Excel / PPT。 ## 技术优势（核心优势） 1. **资深双碳专业团队**：落地多项零碳园区、能源与碳管理标杆项目，具备扎实的场景实践能力。 2. **算法研发团队实力雄厚**：全员硕士及以上学历；技术负责人出自清华大学计算机系人工智能国家重点实验室，深耕工业具身智能算法，拥有大量工业场景算法落地经验。 3. **自建软硬件一体化平台实验室**：依托自研云边协同架构，融合先进 AI 算法，可在真实物理设备上完成算法验证与迭代调优。 ## 开源平台研发进度 - 能碳智管终端研发成功 → 一体化云边协同平台 → 加入能碳管理方法学 → 智能体「本析智擎」加入 → 逐步增加行业工艺流程仿真环节 → 增加 AI 智能调控策略 → 持续优化… ## 常见问题（FAQ） **Q：平台是什么？** A：连接「真实工厂」与「数字工厂」的能碳一体化平台：三维孪生看清能流碳流，仿真沙盒零风险试错，策略在三级防护下执行。 **Q：平台怎么落地到我们厂？** A：从诊断现有数据与工艺入手，硬件、软件、算法与实施一并交付：先建模打通数据，再仿真寻优，最后在安全边界内接入执行。 **Q：「本析智擎」能做什么？** A：内置多智能体 AI 助手，可调用设备数据、工艺仿真、碳市场行情与知识库。机器给建议，人做决定。 **Q：如何接入现有数据系统？** A：能碳一体机旁路对接计量系统，或直连电表、气表、流量计等现场设备，断网续传不丢数据。 **Q：仿真会影响真实生产吗？** A：不会。仿真沙盒零风险试算，策略执行前自动展示「改前 vs 改后」的能耗、碳排与成本对比。 **Q：自动下发安全吗？** A：三级防护（参数边界 / 耦合一致性 / 执行确认）+「自动/建议」双模协作，决策权始终在工程师手中。 ## 技术文章 **《工业具身智能的第一步：数据建模、系统辨识与控制策略》**（http://36.151.146.71:40200/article-sysid.html，V2.2，2026-09-23） 工业流水线零侵入节能减碳改造全流程技术文档：不改动原有设备硬件、不破坏安全联锁、不中断产线，通过只读采集 + 低扰动 PRBS 激励辨识建立 Hammerstein (FOPDT) 模型（静态非线性块 + 一阶惯性纯滞后线性动态），再做上层监督优化（SSTO / 非线性 MPC，只下发 CV 设定值、不接管底层执行器），底层原有 PLC/PID 与安全联锁永久保留、随时一键切回。第 1 章系统回答「为什么这样能节能」的四个来源：① 工艺要求是「水温 ≤ 30℃」这类不等式约束，可行解无穷多，而 PID 只能在设置好的常数设定值上解等式并把系统钉死在那里，差出的那一段裕度是全年无休支付的溢价；② 企业为防止出问题层层加码的冗余（容量冗余「大马拉小车」、台数冗余并联常年同开、设定值冗余层层加码、策略冗余冷热同时投入），核心是必须区分「备用能力必须保留」与「日常投放量可以压缩」；③ 驱动势的边际代价递增（制冷 COP 随温差下降、泵功率 P ∝ Q³、TEC 的 COP 对电流先升后降），由此推出最优工作点必然落在约束边界上；④ 多设备耦合使每个回路各自最优不等于系统最优。进而说明 PID 结构上做不到的四个原因（设定值来自人、没有目标函数只有误差、无约束处理能力、积分项把工作点钉死），以及上层真正在做的是在随 DV 移动的可行域内滚动求解 min P(u) s.t. 工艺约束。文档覆盖：变量筛选与零侵入测点规划 → 多电平 PRBS 激励设计（幅值信噪比下限、驻留 1/3~1 倍时间常数、总时长 10~20 倍时间常数）→ 数据预处理（先划分后归一化防数据泄漏、无线传感器测量滞后时间轴还原）→ 持续激励 PE 检验（去均值信息矩阵条件数 < 1000）→ Hammerstein 增益归一化 → 外层枚举整数滞后 + 内层 LM 的 NLS 参数估计 → ACF/CCF 残差检验与 AIC/BIC 择优 → 三种控制策略（模型辅助 PID 整定 / 增益调度 PID / 非线性 MPC）→ 影子模式→手动推荐→半自动→全自动的四阶段软投切 → 硬旁路/速率限幅/通信看门狗安全机制 → 验收指标（NRMSE<5%、R²≥0.90）→ 节能量与碳减排核算（IPMVP 反事实基线，电力排放因子以生态环境部发布为准）。第 13.3 章给出两条智能寻优实现路线（粒子群 PSO 静态/周期寻优、强化学习 RL 序贯决策，含可运行代码示例），第 13.2 章为 MPC 工程实现手册：Hammerstein (FOPDT) 离散化与多步预测（y[k+1] = a·y[k] + (1−a)·(y_free(d) + K·z[k−nk])，a = exp(−Ts/τ)，nk = round(θ/Ts)，滞后向上取整）、代价函数（能耗项 + 移动惩罚 + 约束松弛）、硬约束与软约束（CV 约束必须软化，δ ≥ 3σ_model）、零侵入下退化为 SSTO + 设定值斜坡与完整 MPC 两种求解形态、按维数选求解器（二分/投影梯度/SQP/PSO）、参数整定表与七类失效模式对策；含 2 小时闭环实测：MPC 顶住 26.2 ℃ 约束边界比死守 26.0 ℃ 保守设定节能 17.8%，且 CV 全过程未触碰工艺红线。开篇第 0 章专题论述工业具身智能落地的三道现实坎（sim2real 差距、仿真平台并非总存在、产线无法做对照实验），并给出对策（域随机化、保守动作、安全屏蔽、反事实基线）。附 TEC 制冷小样真实实验数据（815 点 × 5s）：功率静态模型 P = 1.05·I² + 4.25·I（W），快通道（电流→风口）τ=76s、K=−1.08 ℃/A、R²=0.968，慢通道（电流→水杯）τ=909s、K=−0.98 ℃/A、R²=0.950；第 19 章案例另附可一键复现的 PRBS 生成、滞后枚举辨识、一步预测 vs 自由仿真验证与静态功率块拟合代码。 **《企业AI的法典：本体论》**（http://36.151.146.71:40200/article-ontology.html，V1.0，2026-09-24） 企业智能体的四个硬瓶颈：数据隐私（核心数据上传外部模型不可接受）、模型可控（非国产模型合规障碍、国产模型缺乏企业私有语义适配）、权限粒度（多数系统权限停留在「能搜到 / 搜不到」的二元开关）、系统割裂（知识在文档库、业务数据在数据库、关系在人脑，智能体没有通道接入数据库）；四者同一根源——AI 没有被「邀请进门」，它不是企业知识体系的一部分，而是门外的工具：你叫它它来、你问它它答，从未真正「理解」过企业。让 AI 进门的关键是本体论（Ontology）：对某一领域内概念及其相互关系的形式化描述，定义共享词汇与分类体系，使人与机器、机器与机器基于统一语义交换与推理信息；它做三件事——声明企业有什么、它们怎么连、得守什么规矩。第一幕以控排企业清缴季为例（配额缺口 38 万吨、现金敞口超两千万、CCER 3 万吨即将到期、碳价月内涨 9%，负责人问「配额缺口多少？CCER 怎么用最划算？」），说明系统能秒回通顺答案却不可依赖的三个原因：不知道配额结转系数、不知道 CCER 到期日、不知道涨幅对持仓的含义——不是 AI 不聪明，是知识没有结构。第二幕对比 RAG 检索模式与本体驱动模式（「配额缺口」：命中段落概括 vs 定位概念→查台账→套公式→算出缺口→标注来源；「CCER 怎么用」：原则性建议 vs 比到期日+套 5% 约束+出三套方案；新法规出台：答不出或引用过时 vs 更新规则后新数据自动代入重算；隔月再问：前后矛盾 vs 同一台账同一规则答案一致），指出 RAG 本质是「语义搜索引擎」，能处理相似度但处理不了关系与规则，三个结构性天花板：答案可被验证吗（片段不同则答案不同，无法复现与审计）、答案有约束吗（没检索到硬约束就给出违规建议）、答案能算吗（跨表计算不是语言生成）；工业级底线是非幻觉、可验证、可审计，本体驱动用形式化规则体系补上裂缝，让 AI 基于声明的规则和确定的数据来算。第三幕给出五步路径：① 建立 TBox 宪法层（业务专家定义 10~20 个核心实体与关系，AI 从文档库发现候选、由人裁决；OWL 描述实体与关系、SHACL 定义校验形状；入库前过 SHACL，缺必填 / 类型错 / 端点不匹配一律拒绝——本体是机制性约束，不是参考性建议）；② 本体约束下的知识抽取（先把 TBox 的类型与约束注入提取指令，只抽已声明类型、只建已定义关系；三道校验：类型对齐、关系校验、属性校验；通过后进 Neo4j 并保留与源文档的引用边）；③ 规则规划不编查询（理解交大模型、规划交规则引擎，按 TBox 中注册的字段绑定自动生成查询计划，大模型只翻译不编造，SQL 白名单受控执行）；④ 五层分层架构（数据层 PostgreSQL 保 ACID / 知识层 BM25+向量融合处理「面」、结构树导航处理「点」/ 图谱层 OWL-RDF，TBox 存 GraphDB、ABox 存 Neo4j，AI 从「猜」升级为「理解」/ 决策层语义探测优先，能确定性算的绝不概率猜 / 智能体层 DAG 任务编排，执行即验收、禁止编造；每层因前一层到达上限才引入）；⑤ 回到碳管理场景（语义探测→证据判定→并行取数→核算引擎输出三套方案，每个数字可追溯；从「翻台账查行情对政策算方案两周」压缩为「选哪套」的人的判断）。行动路线：选领域（规则清晰、数据齐全，如碳管理、合同管理）→ 人主导（最熟悉业务的人梳理核心概念产出初始本体）→ 接数据（跑通提问→概念解析→数据查询→规则计算→带来源答案）→ 验证后扩展（核心概念可复用再扩展至其他业务线）；三条原则：业务专家主导而非算法自动生成、每个阶段有明确验证标准、先小闭环再扩展。设计反思三条：用痛点定义功能边界（不看「技术上能不能」而看「用户是否真的疼过」，UI 与宣传应更注重解决方案而非功能介绍）、敢说边界的方案才值得托付（区分「能给确定性答案」与「只能给建议」，不把二者混在一起）、本体需要业务专家参与（权威来自人的共识而非概率，技术辅助发现与校验但裁决权在人）；底层一致：工业级设计的核心不是「我们能做什么」，而是「我们选择不做什么，以及为什么」。 ## 联系与获取 - 电话 / 微信：15963564658 - 网页版在线体验：http://36.151.146.71:40014/ - Windows 客户端下载：https://github.com/zhibinQiu/power_simulation/releases/download/v2.0.3/SteelCarbonTwin-windows-x64-setup.exe - macOS 客户端下载：http://36.151.146.71:40280/SteelCarbonTwin-macos-arm64.dmg - 服务方式：预约产品演示、订阅最新动态（添加微信即可）