在氟化工这一高耗能流程工业领域，公用工程系统能耗占比居高不下，且长期面临负荷波动大、供需匹配难、调控依赖经验等行业共性挑战，成为企业节能降耗的关键堵点。面对行业节能降碳与数智化升级的迫切需求，以人工智能技术破解能源优化难题，已成为行业共识与核心路径。在宁波巨化化工科技有限公司（以下简称“宁波巨化”）一期公用工程系统优化项目中，中控技术以自主研发的时间序列大模型TPT(Time-series Pre-trained Transformer)为核心技术支撑，助力宁波巨化在其高效运营基础上，进一步实现公用工程系统从“精细化管理”向“智能化最优”的跃升，推动企业能源管理迈入数据驱动的新阶段。这一实践，为氟化工行业绿色低碳高质量发展注入强劲的数智动能。

作为国内领先的氟化工企业，宁波巨化始终将节能降耗与可持续发展置于战略高度，其公用工程系统长期保持稳定高效运行。为进一步挖掘能效潜力、响应国家“双碳”目标与工业数智化转型趋势，宁波巨化携手中控技术，率先在其一期公用工程3# 循环水系统与1装置部制冷系统部署时间序列大模型TPT，以AI原生方式重构能源调度逻辑，实现从“高效运行”到“智能最优”的全新跨越。

技术内核 TPT构建数字孪生优化模型

TPT是中控技术面向流程工业打造的工业AI核心引擎，基于多年积累的装置运行数据与行业机理知识预训练而成，具备强大的时序建模、动态寻优与策略生成能力。在本项目中，TPT实时融合环境温湿度、冷却/制冷负荷、设备能效曲线等多维工况参数，构建面向公用工程系统的数字孪生优化模型，动态生成科学、安全、可执行的调控建议——涵盖风机频率调节、水泵组合启停、冰机群控调度等关键决策，真正实现“按需供能、精准匹配”。

场景成效 实现节能率近10%，精准协同调度

在循环水系统应用中，TPT深度融合冷却负荷需求、供水温度、环境湿球温度、风机水泵特性曲线及系统实时运行状态，构建多变量协同优化模型，动态生成变频风机转速调节指令，并智能优化工频与变频风机的启停组合策略，确保冷却能力与生产需求精准匹配，避免无效能耗。自2025年8月上线以来，系统运行平稳可靠，风机电耗显著下降：8月较7月降低约10%，10月较夏季峰值下降近46%。在生产负荷与环境条件基本稳定的前提下，初步测算投运首月即实现9.63%的节能率，远超项目设定的3%~5%综合目标，充分验证了TPT在应对复杂工况、破解供需匹配难题上的卓越能效提升能力。

在制冷系统应用中，TPT同样展现出强大的智能调度价值。其通过实时感知冷负荷变化，融合各冰机能效特性与运行状态，构建多机组智能协同调度模型，动态实现冷量供需的精准匹配，同时优化高低压冰机联动策略与滑阀开度控制。系统上线后，制冷单元运行更加平稳，冷量供给与生产需求高度契合，有效避免了传统模式下的冷量冗余或负荷波动。目前，该系统已进入常态化智能运行阶段，节能效果稳步提升，为后续全厂制冷网络的深度优化奠定了坚实基础。

安全保障 人机协同，工业AI从“可用”到“长效可靠”

尤为关键的是，TPT在设计上始终坚持“安全第一、人机协同”原则。所有优化建议均通过标准操作界面推送，可与现有控制体系无缝集成，在保障生产连续性与设备安全的前提下，稳步推动运维模式向智能化升级。投运以来，系统数据采集完整率超98%，即便在高温、雷雨等复杂工况下依然保持高鲁棒性，充分展现了工业AI从“可用”到“可靠”的成熟跨越。