徐春 王玮

摘 要：油漆车间作为整车厂的能源消耗主体，车间的能源管理较为重要。随着数字化技术和工业4.0的不断推进和发展，油漆车间能源管理系统通过大量的能源计量仪表和网络技术实现能源耗量的有效计量，同时结合大数据技术，可实现能源消耗预测和耗量异常的分析功能。能源智能化管理系统可有效指导车间的能源管理，减少能耗浪费，辅助工厂的生产管理。

关键词：油漆车间;能源管理;智能化;大数据;节能

中图分类号：TP391  文献标识码：A  文章编号：1671-7988（2020）14-228-03

Abstract： As the main body of energy consumption in the vehicle factory， the energy management of the paintshop is more important. With the continuous promotion and development of digital technology and industry 4.0， the energy management system of paintshop realizes the statistical report of energy consumption by a large number of energy instruments and network technology. Meanwhile， combined with big data technology， it can effectively predict energy consumption and analyze abnormal consumption. The intelligent energy management system can effectively guide the energy management of the paintshop， reduce the waste of energy consumption， and assist the production management of the factory.

Keywords： Paintshop; Energy management; Intelligence; Big data technology; Energy conservation

CLC NO.： TP391  Document Code： A  Article ID： 1671-7988（2020）14-228-03

前言

传统整车厂的能源管理方式呈现为管理过程粗放化、数据采集人工化、分析整理复杂化以及问题处理滞后化和数据不充分化的特点。伴随信息技术发展和大数据的应用，能源管理系统旨在建立一个实时化、透明化、集成化、数据共享化、智能化的能源數字化管理平台，基础层面通过仪器仪表实现能耗数据的实时的采集和传输，过程层面通过规则或者大数据提供能耗异常的及时判定与预警，应用层面借助采集的大数据给出不同维度的能源报表为管理层提供可视，最终指导相关人员了解相关设备的能耗梯度，找出存在的浪费或者供求关系的不平衡，以降低车间的能耗及碳排放。[1][2][3]

1 能源智能化管理系统架构

1.1 能源系统的简介

油漆车间能源智能化管理系统是基于传统的油漆车间能源计量平台进行进一步开发，同时与车间生产管理系统、物流生产管理系统互联，实现了能源消耗计量与统计功能、能源异常分析以及能耗预测功能。该能源管理系统是对油漆车间内部的工业水、纯水（RO1、RO2）、冷冻水、热水、电、天然气、压缩空气、废水全介质、全范围进行耗量采集，分析，控制，实施的系统管理。对于生产过程中每类能源消耗存在的异常，该系统做到及时报警，并从仪表的自检状况、生产过程工艺、设备的变化、开关机时间以及外界环境变化等多维度进行有效的分析，并提示出指导建议。随着后续生产能耗数据的不断收集和积累，最终可实现在不同生产模式条件下的能耗预测功能。

1.2 能源系统的架构

此能源智能化管理系统分硬件和软件两部分，硬件系统由计量仪表系统和网络通信系统组成，软件系统由数据统计量统计系统以及大数据分析系统组成。其中，硬件系统由194套的能源计量仪表、30个协议转换网关、2台服务器以及1套客户端组成的，系统架构图如图1所示。每一种能源系统管网规划均需考虑能源计量的工艺性、能源消耗重要性和计量便利性，能源计量仪表的安装位置是根据管网的布局进行选择定位，计量仪表的选择要考虑能源实际应用范围，对于超出流量范围的计量是无法做到准确计量。其系统的计量仪表的分布模式如图2所示。

系统的软件架构均分为信息发布层，业务应用层和数据管理层三部分。信息发布层是实现个性化的显示界面和数据报表，业务应用层是实现数据计算统计，能耗曲线（饼图）以及单车能耗分析功能;数据管理层是用于数据采集和存储。

2 能源智能化系统的功能规划

2.1 数据收集与报表功能

系统统计的数据主要分为两类，一类是能耗用量，一类是成本计算。为了进一步细化分析能源的消耗状况，分别从时段、工艺段及生产组织阶段三个维度进行数据细化。时段能耗分析主要针对每年/月/日/班次的能耗数据进行分析，目的用于评估固定时间段内能耗状况和能源绩效状况。工艺段能耗分析主要针对油漆车间不同工艺段的能耗占比进行分析，确定能源管理的重点。生产组织阶段能耗分析主要针对车间开机、运行以及关机三个阶段的能耗进行分析，用于判定是否存在开关机浪费以及停机阶段非正常能耗问题（如跑冒滴漏问题）的有效管理。

通过能耗数据的收集，主要是为了给管理人员一目了然的数据或者分析图表，同时为后续的大数据统计和分析奠定基础。在收集能耗数据的同时，也收集能耗的相关联数据，如物流生产产量信息，外界环境温湿度、车身进出工艺段的AVI信息、公用动力的性能参数信息（冷冻水送回水温度、热水的温度、压缩空气的压力等），设备开关机信号、停机信息及工艺参数监测信息等，这些数据之间的打通与关联用于后续能耗异常的分析。

2.2 能耗数据异常分析功能

油漆车间在生产或者非生产阶段难免会出现能耗异常的情况，目前整车厂较为先进的能源管理系统对于异常能耗状况只做到报警提示，后续需工程技术人员结合现场的实际情况进行人工分析，费时费力，而且对技术人员有一定的技术要求。该能源智能化管理系统结合平时能耗失效分析的模式经验，开发了能源异常分析模块，系统能及时给出能耗异常的原因，引导工程技术人员及时进行问题的发现和整改。

能耗数据的异常主要从仪表異常和生产状态异常两个维度进行考虑。计量仪表的损坏是常见能耗数据异常因素之一，系统首先进行计量仪表是否有异常的判定。仪表的自身故障的报警信号要接入能源系统，同时能源仪表自检的结果也也是作为仪表异常的判定依据之一。若仪表正常，则从生产工艺状况角度进行能源分析，判定失效的工艺设备范围，再针对该工艺设备状态进行失效因素的判定，其中包含对该时间段的产量、外界环境条件、设备运行状态。对于能源系统应用的前2年时间是属于数据收集阶段，此阶段能耗异常分析是通过能源计算规则进行失效判定，2年之后是系统大数据成熟阶段，可以通过日常收集的同类大数据进行异常对比分析。其能源异常诊断分析的思维导图如图3所示。

2.3 能源负荷率分析

在油漆车间规划阶段，能源规划值是根据设备用能额定值以及地区的气候条件进行理论经验计算得到，在现场实际运营过程中，规划值与实际运行值有一定程度偏差，能源负荷率就是这个偏差的评价指标，能源负荷率是指某一能源能耗实际运行值与规划最大值之间的比例。系统的最大能源负荷率在80%-95%范围内较为合理，高于95%的能源负荷率会产生一定条件下能源供应不足的风险，同时后续车间改造优化有会产生限制，若能源供应系统进行改造，涉及改造工作量比较大。若最大能源负荷率低于80%，则会造成站房能源资源浪费。对于后续工厂站房的规划或者改造，车间能源负荷率的变化规律是供能资源的优化配置的重要参考数据之一。

2.4 能源大数据的开发应用

随着能源消耗及相关关联数据的不断收集，剔除一定的异常偏差值后，剩下的海量的数据通过相关优化算法进行学习，进一步开发能源管理新功能[4]。利用学习后的数据，可以预测每一种生产模式条件下能耗，可以作为判定能源异常判定标准，能源大数据的应用和开发也是目前行业内热点研究内容，需要不断的研究和探索。

3 能源智能化管理系统应用

能源系统对各类能源每几分钟进行一次数据采集，通过计算实现能耗的统计分析功能，根据车间管理人员要求差异分层级界面显示，主界面显示如图4所示。对于每一工艺段做实时数据监控，出现能耗异常时可做出及时报警和分析，其界面如图5所示。

根据目前系统运行的报警分析的信息，能源消耗异常的主要三个原因是：设备或生产停线故障（小时产量不足）、外界温湿度变化大、设备提早开机及延时关机（包含调试或延时生产），该系统判定分析的异常原因与实际生产状况较为接近。

4 结论

油漆车间能源智能化管理系统的建立和使用是体现国家“互联网”+智慧能源发展的战略，通过对生产全过程各类能源消耗数据进行采集、加工、分析和处理，让车间管理者更充分、深入的了解车间能源利用状况，发现生产和设备运行节能空间，实现能源精细化管控，优化生产能耗，均衡实际生产与能耗之间的关系，提高能源利用效率，降低单车能源消耗[5]。结合后续不断积累的能源大数据，不断开发和完善能耗大数据在能耗异常分析和能耗预测模型的功能，不断挖掘出最优的能源消耗与价值创造之间的关系。

参考文献

[1] 托马斯，米夏埃尔，布里吉特.实施工业4.0[M].北京：电子工业出版社，2016.

[2] 王志恒，王娇.能源管理系统（EMS）在轻型商用车制造能耗数字化中的应用[J].汽车工艺师， 2019， 9：21-24.

[3] 胡荣.浅析能源统计在企业能源管理工作中的作用[J].资源节约与环保，2019，12： 120～125.

[4] 刘详妹.基于BP神经网络的组合预测技术在企业能源管理系统中的应用研究[D].青岛科技大学，2012.

[5] 瞿超畅，倪俊.企业能源管理系统大数据平台的研究[J].能源研究与利用，2019，5： 54～55.