前言：尋找寫作靈感？中文期刊網用心挑選的企業能源管理及能耗預測研究，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。

摘要：隨著國家能源戰略的全面實施，通過能源管理及能耗預測技術實現企業節能逐漸成為一種必然趨勢。本文回顧了企業能源管理的傳統方法，分析其缺陷，進而介紹了新型能源管理系統與能耗預測的方法，并對企業能源管理系統未來的發展趨勢進行分析。科學高效的能源管理更加注重數據的挖掘、分析與綜合應用，能源管理系統應具備能耗分析、建模與預測、能源使用測量以及平衡優化等功能，提高企業能源管理水平，從而實現企業節能減耗的目標。

關鍵詞：能源管理；能耗預測；能源管理系統

1引言

隨著我國工業化的快速發展，企業正面臨著能源成本上漲所帶來的極端挑戰。通過能源管理及能耗預測技術實現企業節能已逐漸成為企業經濟生產的發展趨勢。制造業作為我國能源消耗最大的產業之一，具有生產線長，介質種類繁多、范圍廣泛，能源消耗過程復雜，設備間緊密相連，能源網絡交錯等特點；同時，由于制造業類別繁多，每個行業的管理需求各不相同，管理流程煩瑣，既具有一定的共性也具有各自的特性。針對不同行業的生產工藝及能耗特點，國內外學者對于科學化、智能化的企業能源管理做了大量研究。如馮為民、叢力群[1]研究了冶金企業能源管理系統，蔡翔云等人[2]以香煙制造廠為對象研究了能源實時在線監測計量管理系統等等。此外，企業能源消耗呈現出非線性、時變性、大延遲以及大慣性等特點為能耗預測造成了一定困難。張加云等人[3]對鋼鐵制造企業能源損耗預測方法進行了綜述，劉煥彬[4]等人則建立了造紙企業能耗預測模型。由此可見，能源管理系統是制造業實現能源科學管理的有效手段，而能耗預測作為企業能源智能化管理的核心模塊，是實現企業節能的重要研究方向。

2企業能源管理方法

能源管理系統是指運用科學原理和方法，采用自動化、智能化的信息技術，對企業日常運營所需能源的生產、存儲、輸配與消耗進行動態監控以及數字化管理，從而實現及能源分析、平衡、優化調度以及系統節能降耗于一體的綜合性管控系統。

2.1傳統能源管理方法

1）總量管理

根據購入的能源總量，結合實際使用時間進行統計，生產現場并未安裝傳感器及能源計量設備，對于自然資源（如水資源）不計入使用和排放量。這種管理方式被動，數據不夠全面且準確性不高。

2）人工管理

生產現場安裝傳感器及能源計量設備，但儀表設備較為落后，不具備通信能力，無法通過采集設備采集，只能采取人工取值方式實現數據的采集和統計。這種方式對于人力和時間的耗費巨大，數據處理周期長且以出錯。

3）獨立管理

為重點能耗設備配備獨立的監控設施，實時監測設備的運行狀態、采集能耗參數以及遠程調控。這種管理方式能夠實時管理單個設備，但無法實現數據共享，交互性差，不具備全廠統一的綜合管理能力，致使管理部門無法進行及時合理調配。

2.2新型能源管理方法

隨著“智能制造”以及“兩化融合”的推進，企業采用信息化、自動化技術，通過建立新型能源管理系統，實現節能優化已成為一種必然趨勢。新型能源管理方式通過將自動化、信息化與工業化進行有機融合，以泛在的網絡為基礎，將分布在企業內各車間的現場采集儀表與互聯網結合起來，形成一個綜合信息網絡；然后通過軟件、建模和數據庫等技術，建立企業能源管理系統，實現企業能源消耗過程中數據的采集、傳輸、存儲及分析。企業能源管理系統一般可分為三個子系統：1）數據采集子系統，通過安裝在能耗設備上的采集儀表，為系統提供準確可靠的現場實時能耗數據；2）數據傳輸子系統，通過光纖環網或GPRS無線網絡等實現采集數據安全、可靠的傳輸；3）管理應用子系統，對所上傳的數據進行分析與處理，實現數據的存儲、分析、顯示以及系統的應用管理。

3能耗預測方法

能耗預測作為企業節能的重要研究方向，是能源管理系統的核心模塊。通過系統性分析技術手段，探究企業生產量與能耗之間的關系，建立能源消耗預測模型，實現企業未來生產過程所需能源的總量的預估。目前常用預測方法有：基于回歸的方法、時間序列方法、人工智能方法（如專家系統、人工神經網絡算法等）。

3.1基于回歸的方法

回歸分析預測法（RegressionAnalysisPredictionMethod）通過分析自變量與因變量之間的關聯關系建立回歸方程，并將其作為預測模型，根據自變量在預測期的數量變化來預測因變量[5]。回歸分析中最簡單的形式是y=β0+β1x，x、y均為標量，β0、β1為回歸系數，稱為一元線性回歸。

3.2時間序列方法

時間序列分析法（TimeSeriesAnalysisMethod）作為統計學的一個分支，屬于數據驅動模型。時間序列分析根據系統觀測得到的時間序列數據，通過曲線擬合和參數估計來建立數學模型，對數據的未來值進行預測[6]。基于時間序列的能耗預測方法多用于建筑能耗預測，主要有以下四個步驟：1）時間序列的建立與預處理；2）季節調整序列模型的建立與預測；3）季節因子的溫度處理與預測；4）能耗的預測。

3.3人工神經網絡算法

人工神經網絡（ArtificialNeutralNetworks，ANN）能夠通過其良好的學習能力，掌握數據樣本間相對復雜的依從關系，實現非線性擬合，預測精度較高。目前應用最廣泛的神經網絡是BP神經網絡，屬于多層前饋神經網絡，因其采用誤差反向傳播算法（ErrorBack-Propagation，即BP算法）而得名[7]。BP神經網絡采用輸入層、隱含層和輸出層的模型結構。在應用時，首先應確定影響企業能源消耗量因子作為輸入層節點，預測對象作為輸出信息節點，并采用試湊法確定隱含層節點個數為5初步確立模型結構，再根據訓練樣本數量、預測精度需求等選取合適的訓練方法對預測模型進行訓練。

4能源管理系統的發展趨勢

隨著信息化、智能化技術的發展，以及“中國制造2025”對能源管理建設的迫切需求，一大批集成了現代數據分析技術、智能化預測技術、地理信息技術、信息共享與融合技術、調度決策最優化技術等能源管理系統隨之應運而生。

4.1數據分析技術

在采集數據的基礎上，通過應用數據分析、統計和挖掘等技術手段，向能源管理人員提供即時、前沿、高端的整合信息服務，提高能耗數據后臺處理及應用的能力，為企業能源系統的總體規劃進行優化設計。

4.2智能化預測技術

傳統能源管理僅能完成基本數據的監測與采集，而能耗預測技術根據現有的數據，利于模型對企業未來能源需求進行預測，有助于管理人員了解企業能耗趨勢，為企業能源精細化管理及使用規劃提供依據，企業可根據自身能源需求情況進行能源政策、指標、管理辦法等的優化。

4.3地理信息技術

能源管理系統的基礎是遍布企業廠區內的各類數據信息采集設備和網絡傳輸線路。在能源管理系統中融入地理信息技術，能夠幫助管理人員及時掌握系統運行狀態，提高系統故障分析的準確度，加快故障處理的進度，對提升能源管理系統自身穩定性和運行可靠性都具有的良好的支撐作用。

4.4信息共享與融合技術

過往的能源管理系統與其他系統間缺乏行之有效的整合手段，集成化程度也相對偏低，易形成“信息孤島”。為逐步提高完善能源管理系統的數據共享與服務功能，應考慮到系統的異構性與信息共享實際需求，構建基于面向服務架構的能源管理系統信息共享與融合技術方案，以解決企業內部不同系統間的數據共享與互相應用的技術難題，進而為企業提供全方位、多層次的綜合性能源管理服務。

4.5調度決策最優化技術

大中型制造類企業的能源系統相對龐大且復雜，使得能源調配工作始終無法達到理想預期的狀態。優化能源傳輸、合理進行能源轉換、充分考慮生產需求與經濟成本間的能源分配、及時監控能源系統的運行狀態，是平衡能源系統安全運行與減少經濟成本的必然要求。通過建立企業能源最優化模型是滿足上述需求行之有效的手段。

5結論

1）傳統能源管理方式雖能實現能源使用和損耗數據的計量，但是在數據的準確性、全面性方面仍尚存不足。新型能源管理方法利用信息化、自動化技術建立能源管理系統實現能耗數據的實時采集、存儲及處理，建立全廠集中統一的能源管控。2）科學化、智能化的能源管理要求系統具備能耗分析、建模與預測、能源使用測量以及平衡優化等功能，更加注重數據挖掘、神經網絡、分析處理等理論在能源管理系統中的綜合應用，進一步提高企業能源管理水平。

參考文獻：

[1]馮為民,叢力群.冶金企業能源管理系統[J].控制工程,2005(6):96-99.

[2]蔡翔云,姜麟,李文,張慶.企業能源實時監測計量管理系統[J].測控技術,2002(2):57-60.

[3]張加云,張德江,冷波.基于小波神經網絡模型的冶金企業能耗預測[J].鐵合金,2010,41(3):38-41.

[4]劉煥彬,李繼庚,吳波,周艷明,尹勇軍.造紙企業能源管理與優化信息平臺的研發與應用[A].中國造紙學會、芬歐匯川集團.造紙工業能源效率論壇論文集[C].中國造紙學會、芬歐匯川集團:中國造紙學會,2011:9.

[5]景濱杰．試論回歸分析預測法在經濟預測中的應用[J]．生產力研究，2006（3）：17-18．

[6]周芮錦,潘毅群,黃治鐘.時間序列方法及其在實際辦公樓能耗預測中的應用[J].建筑節能,2012,40(02):55-59,62.

[7]史忠植．神經網絡[M].高等教育出版社,2009.

作者:顏瑾 楊宇航 劉麗 陳紅杰 劉歐陽 元哲 單位:西安石油大學