EMS против оптимизации энергоэффективности: руководство по выбору для сценариев низкоуглеродных промышленных парков

В условиях «двойной углеродной» цели, реформы рыночных цен на электроэнергию и требований к прецизионной эксплуатации парков управление энергией в индустриальных парках, производственных парках, коммерческих комплексах и центрах обработки данных переходит от простого снятия показаний, статистики и энергосберегающей модернизации к системной оптимизации энергоэффективности на базе EMS. Ранее основной акцент в управлении энергией на территории парка делался на установке электросчётчиков, счётчиков воды и газа, а также формировании месячных отчётов; теперь паркам необходимо одновременно решать вопросы безопасности, стабильности, затрат, углеродных выбросов, потребления зелёной электроэнергии и управления активами. Управление энергией больше не является задачей только отдела эксплуатации оборудования, а представляет собой комплексную работу, затрагивающую производство, управляющую компанию, привлечение резидентов, финансы и цепочки поставок.

Судя по отраслевой практике, энергопотребление в парках существенно различается: в производственных парках основными потребителями являются электроэнергия, пар, сжатый воздух и технологическое охлаждение, а нагрузка тесно связана с производственным планом; в коммерческих парках — системы отопления, вентиляции и кондиционирования, освещение, лифты и зарядные станции, а энергопотребление зависит от погоды и потока людей; в центрах обработки данных — охлаждение и электроснабжение, а PUE является ключевым показателем. Разные энергетические структуры означают, что технологические решения нельзя просто копировать. В этой статье, опираясь на ключевые слова EMS, оптимизация энергоэффективности, энергосбережение и «двойная углеродная» цель, сравниваются основные технологические направления текущего управления энергией в парках, а также анализируются их параметры, применимые сценарии и границы выбора.

Традиционные BMS (система управления зданием) и SCADA (система сбора данных и диспетчерского управления) представляют собой раннюю форму управления энергией в парках. Их типичная архитектура включает полевые измерительные приборы, PLC/DDC/RTU, шлюзы связи, верхний уровень управления и базу данных, а сбор данных по электроэнергии, воде, газу, теплу и холоду осуществляется через протоколы Modbus, BACnet, OPC UA, MQTT и другие. Частота сбора обычно составляет от 1 до 15 минут, а логика управления базируется на локальных порогах, временных графиках и блокировках оборудования. Преимущества этого направления — стабильность, хорошая оперативность и низкая зависимость от сети, что подходит паркам с существующей автоматизацией и высокими требованиями к безопасности.

Однако у традиционного направления есть явные недостатки. Во-первых, системы часто разделены по зданиям, производственным линиям или поставщикам оборудования, образуя изолированную «столбчатую» архитектуру с несогласованными口径 данных, что мешает межсистемной оптимизации. Во-вторых, аналитические возможности слабы: большинство систем способны выводить только исторические кривые и отчёты, а прогноз нагрузки, диагностика аномалий и рекомендации по стратегиям отсутствуют. В-третьих, стоимость модернизации немалая: протоколы старого оборудования могут быть закрытыми, а уровни учёта неполными, поэтому часто требуется установка интеллектуальных счётчиков, шлюзов и периферийных вычислительных устройств. Опыт отраслевых проектов показывает, что для лёгкого промышленного парка площадью около 100 000 м² с подключением 800 электросчётчиков, 100 датчиков температуры или давления и 20 шлюзов инвестиции в модернизацию обычно составляют от 300 000 до 800 000 юаней, а срок внедрения — от 1 до 3 месяцев. После запуска базового мониторинга трудозатраты на ручной опрос приборов учёта можно сократить на 70–90%, но только за счёт мониторинга экономия энергии обычно составляет 2–4%, а большая часть ценности заключается в прозрачности данных и оперативности реагирования эксплуатации.

Для парков, где уже установлено много приборов учёта, но отсутствует единая платформа, это направление остаётся практичным стартом. Оно помогает парку сначала решить вопросы «есть ли данные, насколько точны口径 и быстро ли работают оповещения». Но если цель парка ограничивается снижением стоимости электроэнергии или выполнением углеродного учёта, традиционные BMS/SCADA обычно недостаточны для последующей оптимизации энергоэффективности, и требуется переход к EMS, управлению данными и интеллектуальным стратегиям.

Облачная EMS — одно из самых быстрорастущих направлений в управлении энергией парков за последние годы. Её особенность в том, что подключение оборудования, хранение данных, аналитические панели и эксплуатационные заявки реализуются через облачную платформу, а парк может подключать модули по необходимости: учёт энергопотребления, раздельный учёт по направлениям, анализ максимальной мощности, оповещения об аномалиях, углеродный учёт и панели энергоэффективности. Для многопарковых операторов, сетевых коммерческих объектов, логистических парков и лёгких производственных площадок преимущество облачной EMS по скорости внедрения очевидно. Типичный срок реализации — от 2 до 6 недель, а оплата может рассчитываться по точкам подключения, площади или функциональным модулям. В отраслевой практике годовая стоимость обслуживания составляет примерно 10 000–30 000 юаней на 10 000 м² или около 50–200 юаней в год за точку сбора данных; конкретный уровень зависит от количества оборудования, условий сети и необходимости локального обслуживания.

Преимущества облачной EMS — низкий порог входа, быстрая итерация версий и удобная удалённая диагностика; она подходит для перевода разрозненных парков под единый контроль. Её риски связаны с зависимостью от сети, суверенитетом данных и стоимостью подключения «длинного хвоста» оборудования. Если парку требуются управление с минутным интервалом, изоляция внутренней сети или вопросы производственной безопасности, облачное решение должно дополняться периферийным шлюзом для локального кэширования и догрузки данных при обрыве связи. Локальная EMS размещает серверы, базы данных и приложения в машинном зале парка или в выделенном облаке и подходит для химических, энергетических, полупроводниковых объектов и ЦОД, где высоки требования к непрерывности и безопасности. Инвестиции в локальное внедрение обычно составляют от 800 000 до 3 000 000 юаней, срок реализации — от 3 до 9 месяцев, а последующее обслуживание выполняется совместно IT-командой парком и энергетической командой.

В качестве примера: один сетевой индустриальный парк внедрил облачную EMS для трёх парков общей площадью 360 000 м², подключив 1800 точек; стоимость обслуживания в первый год составила около 420 000 юаней, а после года эксплуатации совокупное энергопотребление снизилось примерно на 5,2%, при этом около 60% эффекта дали системы кондиционирования и общее освещение. Другой химический парк использовал локальную EMS, подключив сеть пара, систему сжатого воздуха и оборотное водоснабжение; инвестиции составили около 1 800 000 юаней, а за счёт прогноза балансировки и блокировок по оповещениям годовая экономия условного топлива составила около 1200 т, со сроком окупаемости примерно 3–4 года. Эти два типа решений не имеют абсолютного преимущества или недостатка: ключевые различия связаны с чувствительностью данных, оперативностью управления и организацией эксплуатации. При выборе облачного или локального решения также следует оценивать догрузку данных при обрыве связи, горячее резервирование двух узлов, аудиторские журналы, восстановление после аварий и изоляцию данных между арендаторами.

ИИ-оптимизация энергоэффективности решает вопрос «как работать лучше» на основе данных EMS. Типовые применения включают групповое управление чиллерами, оптимизацию конечных устройств кондиционирования, частотное регулирование и задания давления для компрессоров сжатого воздуха, стратегии освещения, управление нагрузкой зарядных станций, прогноз производственной нагрузки и контроль максимальной мощности. Технологический путь обычно включает очистку данных, подготовку признаков, прогнозирование нагрузки, оптимизационные алгоритмы и замкнутый контур управления. Цифровой двойник связывает энергетическую систему парка с моделями зданий, оборудования, технологических процессов и погодных данных, позволяя имитировать различные режимы работы: например, изменять температуру воды на выходе чиллеров, корректировать периоды накопления холода или оптимизировать баланс пара.

В ИИ-направлении важны не названия алгоритмов, а качество данных и границы управления. Обычно требуется не менее 3–6 месяцев данных работы с минутным интервалом, включая энергопотребление, состояние оборудования, погоду, производственный план или данные о потоке людей. Моделирование и верификация занимают от 2 до 4 недель, а полевое тестирование — от 1 до 3 месяцев. Если оборудование не имеет регулируемых интерфейсов или собственник не разрешает алгоритму напрямую управлять процессом, система сможет только давать рекомендации, и выгода существенно снизится. По отраслевым проектам, в системах отопления, вентиляции и кондиционирования ИИ-оптимизация позволяет достичь экономии 5–15%; в системах сжатого воздуха — 3–8%; в комплексных парках при совместном управлении кондиционированием, освещением, силовыми нагрузками и максимальной мощностью общая экономия чаще составляет 2–8%.

Типичный пример — один центр обработки данных. Исходный PUE составлял около 1,48, а основные затраты энергии приходились на чиллеры и насосы. После подключения ИИ-системы к данным градирен, чиллеров, насосов, конечных устройств кондиционирования и IT-нагрузки система динамически оптимизировала температуру воды на выходе, частоту вращения и комбинации пуска/останова. При IT-нагрузке около 9 млн кВт·ч исходный PUE 1,48 соответствовал общему годовому электропотреблению около 13,32 млн кВт·ч; после оптимизации PUE снизился примерно до 1,35, что соответствовало общему годовому потреблению около 12,15 млн кВт·ч, годовой экономии около 1,17 млн кВт·ч и снижению потребления на охлаждение примерно на 17%; срок окупаемости составил около 2,5–3,5 года. Другой пример — логистический парк, где ИИ-связка освещения и кондиционирования с учётом планов складских работ корректировала зонное освещение и охлаждение; совокупная экономия составила около 6,5%, а неэффективное ночное освещение сократилось примерно на 20%. ИИ-направление подходит паркам с большим количеством оборудования, значительными колебаниями работы и регулируемой нагрузкой; оно менее оправдано в небольших сценариях, где проблему можно решить только заменой высокоэффективного оборудования.

Интеграция «генерация — сеть — нагрузка — накопители» — важное направление, расширяющее управление энергией парка от «потребительской стороны» к «стороне энергоснабжения». Его суть в том, чтобы на территории парка комплексно управлять распределённой солнечной генерацией, накопителями, зарядными станциями, управляемыми нагрузками, интерфейсом с сетью и системой диспетчеризации энергии, формируя узел микросети или виртуальной электростанции. Типичная конфигурация включает кровельную фотоэлектрическую генерацию, накопители на стороне потребителя, интеллектуальные распределительные шкафы, контроллеры максимальной мощности, прогноз нагрузки и стратегии диспетчеризации. Для парков с большой разницей пиковых и ночных тарифов, высокой базовой платой за мощность, потребностью в зелёной электроэнергии или участием в механизмах управления спросом выгода этого направления более заметна.

По параметрам: в регионах Восточного и Южного Китая с хорошей инсоляцией на кровле площадью 1000 м² обычно можно установить 100–150 кВт фотоэлектрических модулей; годовая выработка от 1 МВт составляет примерно 1–1,3 млн кВт·ч в зависимости от ориентации, затенения и обслуживания. Ёмкость накопителей часто рассчитывается под сглаживание пиков и заполнение провалов нагрузки, а также под контроль максимальной мощности; накопитель 1 МВт·ч с учётом глубины разряда и КПД преобразования за один пиковый период может отдать около 700–900 кВт·ч. Если разница пикового и ночного тарифа составляет 0,6–0,9 юаня/кВт·ч, потенциал годовой арбитражной экономии зависит от числа циклов заряда/разряда, тарифной политики и деградации батарей. Контроль максимальной мощности позволяет за счёт разряда накопителей и переноса нагрузки снизить месячную максимальную мощность; в отдельных парках базовая плата за мощность может сократиться на 10–20%. Чем выше доля самопотребления солнечной электроэнергии, тем лучше экономика; если тариф на продажу избыточной электроэнергии в сеть низкий, доход снижается. В части безопасности накопители должны соответствовать требованиям по пожарной защите, тепловому управлению, сетевой защите и изоляции аварийных участков.

Один индустриальный парк построил 5 МВт кровельной фотоэлектрической генерации и 2 МВт·ч накопителей; годовая выработка составила около 5,2 млн кВт·ч, доля самопотребления — примерно 72%. После подключения к EMS и контроля максимальной мощности пиковая базовая плата за мощность снизилась примерно на 18%, а общий срок окупаемости составил около 6–8 лет. Другой парк участвовал в провинциальном механизме управления спросом: мощность отклика за один раз составляла около 300 кВт, а при компенсации 3–5 юаней за кВт годовой доход достиг нескольких сотен тысяч юаней. Преимущества направления «генерация — сеть — нагрузка — накопители» — энергетическая самостоятельность, потребление зелёной электроэнергии и доход от активов; но недостатки также выражены: высокая начальная стоимость, строгие требования безопасности, сложность диспетчерских стратегий, а доход зависит от тарифной политики, кривой нагрузки и уровня эксплуатации. Направление подходит средним и крупным паркам со стабильной нагрузкой, доступными кровельными ресурсами, бюджетом на накопители и компетенциями в управлении энергией.

«Двойная углеродная» цель переводит управление энергией парков от «снижения энергопотребления» к «снижению углеродных выбросов». Платформы управления выбросами углерода обычно строятся на данных энергопотребления EMS и, с учётом границ Scope 1, Scope 2 и Scope 3, преобразуют данные по электроэнергии, природному газу, пару, дизельному топливу и утечкам хладагентов в объём углеродных выбросов. Ключевые функции включают базу коэффициентов выбросов, управление организационными границами, углеродный след продукции, погашение сертификатов зелёной электроэнергии, реестр углеродных активов и отчётность по раскрытию информации. Для экспортно-ориентированных производственных предприятий, автомобильных цепочек поставок, интернет-парков и индустриальных парков, где важны ESG-оценки при привлечении резидентов, управление выбросами углерода становится одной из базовых инфраструктур.

По технологическому направлению платформа управления выбросами углерода может строиться отдельно или как модуль EMS. Типичный срок внедрения — от 1 до 3 месяцев, а инвестиции составляют около 100 000–500 000 юаней в зависимости от количества источников данных, сложности границ учёта и необходимости подключения к стороннему аудиту. Прямой эффект энергосбережения обычно ограничен, но ценность соответствия требованиям и сделок выражена отчётливо. Например, при расчёте косвенных выбросов от электроэнергии с использованием среднего коэффициента выбросов национальной электросети около 0,57 кг CO₂ на кВт·ч парк с годовым потреблением 120 млн кВт·ч имеет выбросы Scope 2 около 68 400 т CO₂. Если через покупку зелёной электроэнергии или погашение сертификатов учесть 100 млн кВт·ч, соответствующая компенсация составит около 57 000 т CO₂; точный расчёт должен выполняться по актуальным методикам и нормативной口径. Коэффициенты выбросов для пара и природного газа рассчитываются на основе низшей теплоты сгорания топлива, коэффициента выбросов углерода и КПД котла.

После создания платформы управления выбросами углерода один экспортно-ориентированный парк консолидировал данные счётчиков арендаторов, данные самопроизведённой солнечной электроэнергии, договоры на закупку зелёной электроэнергии и данные по паровым энергоресурсам, завершив годовую организационную инвентаризацию выбросов. Платформа выявила, что около 35% выбросов приходилось на электроэнергию Scope 2, около 25% — на пар, а около 20% — на поездки сотрудников, логистику и другие оценочные источники Scope 3. На этой основе парк приоритетно продвигал кровельную фотоэлектрическую генерацию, закупку зелёной электроэнергии и энергосберегающую модернизацию арендаторов, а также ввёл рейтинг углеродоёмкости арендаторов. Направление управления выбросами углерода подходит паркам с требованиями раскрытия информации, цепочек поставок или квот на выбросы; оно менее подходит сценариям, где единственная цель — экономия на счетах за электроэнергию, но его долгосрочная ценность в превращении энергетических данных в аудиторские углеродные активы.

По интенсивности инвестиций традиционные BMS и базовая модернизация мониторинга обычно находятся в диапазоне 300 000–1 000 000 юаней, срок внедрения — 1–3 месяца, а основная ценность — прозрачность учёта и оперативность оповещений; облачная EMS имеет более низкие первоначальные затраты и подходит для быстрого тиражирования в многопарковых структурах, но долгосрочные расходы на подписку нужно закладывать в бюджет; локальная EMS требует высоких начальных вложений и подходит для критичных нагрузок и чувствительных к безопасности сценариев; инвестиции в ИИ-оптимизацию энергоэффективности составляют примерно 300 000–1 500 000 юаней, а выгода зависит от возможности регулировать оборудование и качества данных; инвестиции в «генерацию — сеть — нагрузку — накопители» могут достигать уровня 10 млн юаней, а срок окупаемости — 5–10 лет; платформа управления выбросами углерода требует относительно небольших вложений, но нуждается в качественных энергетических данных.

По структуре выгоды базовый мониторинг и управление выбросами углерода больше связаны с соответствием требованиям и управленческой ценностью, а прямая экономия энергии обычно ниже 5%; облачная EMS и локальная EMS за счёт раздельного учёта, диагностики аномалий и оптимизации эксплуатации могут обеспечить совокупную экономию 3–8%; ИИ-оптимизация в HVAC, сжатом воздухе и охлаждении ЦОД может дать локальную экономию 5–15%; выгода направления «генерация — сеть — нагрузка — накопители» складывается из снижения стоимости электроэнергии, контроля максимальной мощности, арбитража пиковых и ночных тарифов, самопотребления зелёной электроэнергии и участия в управлении спросом; совокупное снижение расходов на электроэнергию может достигать 10–25%, но капитальные затраты выше. При выборе нельзя смотреть только на экономию энергии: нужно также учитывать срок окупаемости, сложность эксплуатации, безопасность данных, распределение затрат между арендаторами и требования по углеродному соответствию.

По применимым сценариям: паркам с большим количеством приборов учёта, но без единой системы следует сначала восполнить сбор данных и модернизировать BMS/SCADA; многопарковым операторам, лёгкой промышленности и коммерческим комплексам подходят облачная EMS и панели энергоэффективности; химическим, энергетическим, полупроводниковым объектам и ЦОД подходят локальная EMS и управление в реальном времени; паркам с большими колебаниями нагрузки, регулируемым оборудованием и накопленными историческими данными подходит ИИ-оптимизация; паркам с хорошими кровельными ресурсами, большой разницей пиковых и ночных тарифов, бюджетом на накопители и потребностью в зелёной электроэнергии подходит направление «генерация — сеть — нагрузка — накопители»; паркам с экспортными цепочками поставок и сильным давлением ESG-раскрытия следует параллельно строить модуль управления выбросами углерода. Более логичная последовательность внедрения обычно такая: сначала учёт, затем анализ, далее оптимизация и потом капитализация активов. Если база данных недостаточна, прямой переход к ИИ или «генерации — сети — нагрузке — накопителям» может привести к ситуации «есть платформа, но нет выгоды».

Контроль проектных рисков также важен. Типовые риски управления энергией в парках включают неполные уровни учёта, неясное распределение данных и затрат между арендаторами, закрытые протоколы старого оборудования, неопределённые границы управления алгоритмов и недостаточное разграничение ответственности за кибербезопасность. Рекомендуется в тендерной документации или договоре проекта чётко указывать показатели: охват раздельного учёта, полноту сбора данных, время реагирования на оповещения, методику расчёта экономии, PUE или энергоёмкость на единицу продукции, снижение максимальной мощности, погрешность углеродного учёта и сроки приёмки. Для систем, связанных с производственной безопасностью, необходимо предусматривать ручное подтверждение, защитные блокировки и стратегии деградирования, чтобы оптимизация энергии не влияла на стабильность техпроцесса. Кроме того, парку следует создать механизм управления энергетическими данными, определив стандарты сбора, правила именования, преобразование единиц, распределение затрат между арендаторами и аудиторский след. Без единых口径 данных энергопотребления сложно верифицировать экономию и выполнять углеродный учёт.

В будущем конкуренция в управлении энергией парков сместится от способности подключать оборудование к качеству управления данными, операционным стратегиям и способности генерировать доход от активов. По мере развития рынков электроэнергии на спотовых условиях, торговли зелёной электроэнергией, управления спросом, виртуальных электростанций и рынков выбросов парки перестают быть только едиными потребителями энергии и могут стать узлами агрегации распределённой генерации, накопителей, зарядных станций и управляемых нагрузок. Роль EMS также эволюционирует от «видно» к «точно считать, эффективно управлять, надёжно контролировать и допускать к сделкам». В технологическом плане в сценарии парков будут постепенно внедряться периферийные вычисления, безопасность IoT, предиктивное обслуживание оборудования, диспетчеризация взаимодополняющих энергоресурсов и ИИ-агенты.

Для парков технологические направления не имеют абсолютного преимущества или недостатка; ключ — в соответствии собственной энергетической структуре, профилю нагрузки, инвестиционным возможностям и управленческим границам. Небольшие парки могут начать с базового учёта и облачной EMS; средние — добавить ИИ-оптимизацию и контроль максимальной мощности; крупные — планировать «генерацию — сеть — нагрузку — накопители» и платформу углеродных активов. По мере совершенствования «двойной углеродной» политики, тарифных механизмов и цифровых стандартов управление энергией в парках будет всё ближе к долгосрочному управлению активом: нужно не только снижать стоимость каждого кВт·ч, но и делать каждый т CO₂, каждый кВт·ч зелёной электроэнергии и каждую корректировку нагрузки измеримыми, аудиторскими и оптимизируемыми.