在氟化工這一高耗能流程工業領域，公用工程系統能耗占比居高不下，且長期面臨負荷波動大、供需匹配難、調控依賴經驗等行業共性挑戰，成為企業節能降耗的關鍵堵點。面對行業節能降碳與數智化升級的迫切需求，以人工智能技術破解能源優化難題，已成為行業共識與核心路徑。在寧波巨化化工科技有限公司（以下簡稱“寧波巨化”）一期公用工程系統優化項目中，中控技術以自主研發的時間序列大模型TPT(Time-series Pre-trained Transformer)為核心技術支撐，助力寧波巨化在其高效運營基礎上，進一步實現公用工程系統從“精細化管理”向“智能化最優”的躍升，推動企業能源管理邁入數據驅動的新階段。這一實踐，為氟化工行業綠色低碳高質量發展注入強勁的數智動能。

作為國內領先的氟化工企業，寧波巨化始終將節能降耗與可持續發展置于戰略高度，其公用工程系統長期保持穩定高效運行。為進一步挖掘能效潛力、響應國家“雙碳”目標與工業數智化轉型趨勢，寧波巨化攜手中控技術，率先在其一期公用工程3# 循環水系統與1裝置部制冷系統部署時間序列大模型TPT，以AI原生方式重構能源調度邏輯，實現從“高效運行”到“智能最優”的全新跨越。

技術內核 TPT構建數字孿生優化模型

TPT是中控技術面向流程工業打造的工業AI核心引擎，基于多年積累的裝置運行數據與行業機理知識預訓練而成，具備強大的時序建模、動態尋優與策略生成能力。在本項目中，TPT實時融合環境溫濕度、冷卻/制冷負荷、設備能效曲線等多維工況參數，構建面向公用工程系統的數字孿生優化模型，動態生成科學、安全、可執行的調控建議——涵蓋風機頻率調節、水泵組合啟停、冰機群控調度等關鍵決策，真正實現“按需供能、精準匹配”。

場景成效 實現節能率近10%，精準協同調度

在循環水系統應用中，TPT深度融合冷卻負荷需求、供水溫度、環境濕球溫度、風機水泵特性曲線及系統實時運行狀態，構建多變量協同優化模型，動態生成變頻風機轉速調節指令，并智能優化工頻與變頻風機的啟停組合策略，確保冷卻能力與生產需求精準匹配，避免無效能耗。自2025年8月上線以來，系統運行平穩可靠，風機電耗顯著下降：8月較7月降低約10%，10月較夏季峰值下降近46%。在生產負荷與環境條件基本穩定的前提下，初步測算投運首月即實現9.63%的節能率，遠超項目設定的3%~5%綜合目標，充分驗證了TPT在應對復雜工況、破解供需匹配難題上的卓越能效提升能力。

在制冷系統應用中，TPT同樣展現出強大的智能調度價值。其通過實時感知冷負荷變化，融合各冰機能效特性與運行狀態，構建多機組智能協同調度模型，動態實現冷量供需的精準匹配，同時優化高低壓冰機聯動策略與滑閥開度控制。系統上線后，制冷單元運行更加平穩，冷量供給與生產需求高度契合，有效避免了傳統模式下的冷量冗余或負荷波動。目前，該系統已進入常態化智能運行階段，節能效果穩步提升，為后續全廠制冷網絡的深度優化奠定了堅實基礎。

安全保障 人機協同，工業AI從“可用”到“長效可靠”

尤為關鍵的是，TPT在設計上始終堅持“安全第一、人機協同”原則。所有優化建議均通過標準操作界面推送，可與現有控制體系無縫集成，在保障生產連續性與設備安全的前提下，穩步推動運維模式向智能化升級。投運以來，系統數據采集完整率超98%，即便在高溫、雷雨等復雜工況下依然保持高魯棒性，充分展現了工業AI從“可用”到“可靠”的成熟跨越。