不断升级的能源需求和日益严重的环境问题正在加速制造业对可持续能源实践的需求。然而，在这种紧迫性中，一个令人不安的统计数据迫在眉睫：据美国能源信息署报告，全球产生的能源中有60%被浪费了。
应对气候变化的斗争继续面临挫折，许多制造商都在努力减少温室气体排放并有效减少能源消耗。
只需考虑以下有关资源使用情况的统计信息：
- 美国能源信息署最新的《短期能源展望》（STEO）预测，仅在2024年，美国的电力消耗就将增长2.5%。
- 目前的预测发现，到 2030 年，人工智能 （AI） 数据中心预计将在美国增加约 323 太瓦时的电力需求。
图1：AI可以在促进可持续发展战略和推动制造商实现净零碳目标方面发挥关键作用。
AI是问题的一部分，还是解决方案的一部分？
虽然这些统计数据是由AI采用的速度驱动的，但技术本身也可能是解决方案的一部分。AI可以在促进可持续发展战略和推动制造商实现净零碳目标方面发挥关键作用。
相关研究显示，到2028年，全球制造业市场的AI预计将增长到 208 亿美元。施耐德电气首席人工智能官Philippe Rambach认为，AI解决方案可以在三个领域优化制造业的能源效率和可持续发展目标：
1. 减少能源消耗和碳排放
AI驱动的解决方案擅长优化能源密集型流程，例如建筑物中的暖通空调系统、海水淡化和区域供热。通过利用先进的算法，AI可以根据实时数据洞察动态提供调整能源使用的建议，从而最大限度地减少浪费并减少碳足迹。
例如，由 AI 提供支持的预测性维护模型可以在设备升级之前检测到设备效率低下，从而确保最佳性能，同时延长资产使用寿命。
2. 优化能源需求和组合
AI能够以无与伦比的准确性预测能源需求模式，包括需求峰值，使企业能够优化能源采购策略并有效平衡供需动态。通过分析历史消费数据、市场趋势和天气状况等外部因素，AI算法可以推荐最佳能源组合，包括电网中的可再生能源，以在满足企业需求的同时最大限度地降低成本和对环境的影响。
3. 消除采用清洁能源的障碍
向清洁能源的过渡面临各种障碍，从基础设施挑战到监管复杂性。在这里，AI成为一种战略工具，简化了电网拓扑发现、面板洞察和电气设备管理等流程。使用基于AI的分析，制造商可以确定将可再生能源集成到现有基础设施中的最可行途径，同时优化能源分配和存储。
通过采用AI驱动的技术，制造商不仅可以降低环境风险，还可以获得显著的成本节约和竞争优势。对于工业自动化和制造专业人士来说，这意味着要采用将AI融入到能源管理中一种整体方法，从生产过程到供应链物流，以更有效地利用能源。
随着越来越多的制造商接受这种范式转变和AI的更多潜力，他们将把可持续发展与业务盈利能力结合起来，并最终提高运营生产力、弹性和环境管理。
图 4：将先进的 ML 模型与 AVEVA PI 系统集成，使企业能够最大限度地发挥其运营数据的潜力
通过实时机器学习监控碳排放
多年来，炼油石化厂一直在努力减少碳排放。传统的监测方法缺乏主动改善环境的即时洞察力。随着技术的最新进步，我们能够使运营商能够优化流程并最大限度地减少碳排放。在最近的一个用例中，施耐德电气实施了一个先进的解决方案：采用一个近乎实时的机器学习模型监测真空蒸馏装置的6个排放源。
该模型利用 AVEVA PI 集成每 5 分钟分析一次数据流，从而即时了解二氧化碳排放的潜在偏差。这使操作人员能够及时做出反应，调查根本原因，并做出有针对性的调整，以优化工艺流程，最大限度地减少二氧化碳排放。
为了实现近乎实时的二氧化碳跟踪，基本步骤包括：
- 验证运行数据；
- 对排放性能进行基准测试；
- 选择机器学习算法来预测排放；
- 标记性能下降；
- 进行根本原因分析。
在项目执行阶段，主题专家协助进行运营数据验证和更正，同时提供流程理解。在此之后，数据科学家专注于特征工程、选择 ML 算法和识别指标。最终，机器学习算法可以根据特定的工厂运行条件预测关键的运行参数。
将先进的 ML 模型与 AVEVA PI 系统集成，使企业能够最大限度地发挥其运营数据的潜力。该集成提供了可操作的见解，以优化流程性能并实现数据驱动的决策。通过使用历史 PI 数据，企业可以进行实时预测，以检测偏差和潜在的根本原因。这样可以提高性能、降低成本和竞争优势。
图 4：Hydrogen Plant Configurator是西门子最新推出的一款基于生成式AI技术的智能聊天机器人，可帮助用户进行制氢工厂的设计。
利用生成式AI提升绿氢产量
绿氢对于实现工业领域的可持续发展目标至关重要。为了提升绿氢产量，西门子公司将通过基于生成式AI的软件工具为氢气生产提供支持。特别是在制氢方面，这些新的解决方案旨在帮助显著简化制氢厂的设计、工程和自动化，从而更快地扩大制氢规模。
Hydrogen Plant Configurator是西门子最新推出的一款基于生成式AI技术的智能聊天机器人，可帮助用户进行制氢工厂的设计。该AI软件能够根据生产设备所需的具体设计要求创建模块流程图，精确呈现系统单元和各连接处的布局。
此外，AI还能预测工厂的多项关键数据，如功耗、发热量和重要组件详情等。这些数据能够便于用户了解工厂的基础情况，这些数据还能够传输到西门子COMOS和gPROMS等工程和仿真软件中，自动创建管道和仪表图。
“绿氢对工业去碳化至关重要。在可预见的未来内，绿氢有着广阔的市场需求，亟需提升产量。” 西门子过程自动化首席执行官Axel Lorenz说，“生成式AI可以在制氢的关键阶段提供支持，从而节省大量时间和成本。借助Hydrogen Plant Configurator，规划和运营一家可持续的制氢工厂变得前所未有的简单，使得更高效的生产成为可能。”
西门子还面向制氢工厂的项目规划阶段推出了一款AI工具：COMOS AI工程助手。这款AI工具可以根据自然语言描述创建设备规格和图表，并自动完成或修正模型和图纸。在工程的跨领域阶段或跨产品工作流程中，该助手还能通过转换模型、图纸和信息结构，为例如西门子的Simit等仿真软件提供支持。
用户还可以使用COMOS AI从工程产品中检索信息，COMOS AI能够提供有关文档、规格或技术细节的答案。通过输入图像、扫描件或PDF文件，它还可以主动提供相关资源，并将其转化为精确的图表和模型。
