摘要：随着国家能源战略的全面实施，通过能源管理及能耗预测技术实现企业节能逐渐成为一种必然趋势。本文回顾了企业能源管理的传统方法，分析其缺陷，进而介绍了新型能源管理系统与能耗预测的方法，并对企业能源管理系统未来的发展趋势进行分析。科学高效的能源管理更加注重数据的挖掘、分析与综合应用，能源管理系统应具备能耗分析、建模与预测、能源使用测量以及平衡优化等功能，提高企业能源管理水平，从而实现企业节能减耗的目标。
关键词：能源管理；能耗预测；能源管理系统
1引言
随着我国工业化的快速发展，企业正面临着能源成本上涨所带来的极端挑战。通过能源管理及能耗预测技术实现企业节能已逐渐成为企业经济生产的发展趋势。制造业作为我国能源消耗最大的产业之一，具有生产线长，介质种类繁多、范围广泛，能源消耗过程复杂，设备间紧密相连，能源网络交错等特点；同时，由于制造业类别繁多，每个行业的管理需求各不相同，管理流程烦琐，既具有一定的共性也具有各自的特性。针对不同行业的生产工艺及能耗特点，国内外学者对于科学化、智能化的企业能源管理做了大量研究。如冯为民、丛力群[1]研究了冶金企业能源管理系统，蔡翔云等人[2]以香烟制造厂为对象研究了能源实时在线监测计量管理系统等等。此外，企业能源消耗呈现出非线性、时变性、大延迟以及大惯性等特点为能耗预测造成了一定困难。张加云等人[3]对钢铁制造企业能源损耗预测方法进行了综述，刘焕彬[4]等人则建立了造纸企业能耗预测模型。由此可见，能源管理系统是制造业实现能源科学管理的有效手段，而能耗预测作为企业能源智能化管理的核心模块，是实现企业节能的重要研究方向。
2企业能源管理方法
能源管理系统是指运用科学原理和方法，采用自动化、智能化的信息技术，对企业日常运营所需能源的生产、存储、输配与消耗进行动态监控以及数字化管理，从而实现及能源分析、平衡、优化调度以及系统节能降耗于一体的综合性管控系统。
2.1传统能源管理方法
1）总量管理
根据购入的能源总量，结合实际使用时间进行统计，生产现场并未安装传感器及能源计量设备，对于自然资源（如水资源）不计入使用和排放量。这种管理方式被动，数据不够全面且准确性不高。
2）人工管理
生产现场安装传感器及能源计量设备，但仪表设备较为落后，不具备通信能力，无法通过采集设备采集，只能采取人工取值方式实现数据的采集和统计。这种方式对于人力和时间的耗费巨大，数据处理周期长且以出错。
3）独立管理
为重点能耗设备配备独立的监控设施，实时监测设备的运行状态、采集能耗参数以及远程调控。这种管理方式能够实时管理单个设备，但无法实现数据共享，交互性差，不具备全厂统一的综合管理能力，致使管理部门无法进行及时合理调配。
2.2新型能源管理方法
随着“智能制造”以及“两化融合”的推进，企业采用信息化、自动化技术，通过建立新型能源管理系统，实现节能优化已成为一种必然趋势。新型能源管理方式通过将自动化、信息化与工业化进行有机融合，以泛在的网络为基础，将分布在企业内各车间的现场采集仪表与互联网结合起来，形成一个综合信息网络；然后通过软件、建模和数据库等技术，建立企业能源管理系统，实现企业能源消耗过程中数据的采集、传输、存储及分析。企业能源管理系统一般可分为三个子系统：1）数据采集子系统，通过安装在能耗设备上的采集仪表，为系统提供准确可靠的现场实时能耗数据；2）数据传输子系统，通过光纤环网或GPRS无线网络等实现采集数据安全、可靠的传输；3）管理应用子系统，对所上传的数据进行分析与处理，实现数据的存储、分析、显示以及系统的应用管理。
3能耗预测方法
能耗预测作为企业节能的重要研究方向，是能源管理系统的核心模块。通过系统性分析技术手段，探究企业生产量与能耗之间的关系，建立能源消耗预测模型，实现企业未来生产过程所需能源的总量的预估。目前常用预测方法有：基于回归的方法、时间序列方法、人工智能方法（如专家系统、人工神经网络算法等）。
3.1基于回归的方法
回归分析预测法（RegressionAnalysisPredictionMethod）通过分析自变量与因变量之间的关联关系建立回归方程，并将其作为预测模型，根据自变量在预测期的数量变化来预测因变量[5]。回归分析中最简单的形式是y=β0+β1x，x、y均为标量，β0、β1为回归系数，称为一元线性回归。
3.2时间序列方法
时间序列分析法（TimeSeriesAnalysisMethod）作为统计学的一个分支，属于数据驱动模型。时间序列分析根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型，对数据的未来值进行预测[6]。基于时间序列的能耗预测方法多用于建筑能耗预测，主要有以下四个步骤：1）时间序列的建立与预处理；2）季节调整序列模型的建立与预测；3）季节因子的温度处理与预测；4）能耗的预测。
3.3人工神经网络算法
人工神经网络（ArtificialNeutralNetworks，ANN）能够通过其良好的学习能力，掌握数据样本间相对复杂的依从关系，实现非线性拟合，预测精度较高。目前应用最广泛的神经网络是BP神经网络，属于多层前馈神经网络，因其采用误差反向传播算法（ErrorBack-Propagation，即BP算法）而得名[7]。BP神经网络采用输入层、隐含层和输出层的模型结构。在应用时，首先应确定影响企业能源消耗量因子作为输入层节点，预测对象作为输出信息节点，并采用试凑法确定隐含层节点个数为5初步确立模型结构，再根据训练样本数量、预测精度需求等选取合适的训练方法对预测模型进行训练。
4能源管理系统的发展趋势
随着信息化、智能化技术的发展，以及“中国制造2025”对能源管理建设的迫切需求，一大批集成了现代数据分析技术、智能化预测技术、地理信息技术、信息共享与融合技术、调度决策最优化技术等能源管理系统随之应运而生。
4.1数据分析技术
在采集数据的基础上，通过应用数据分析、统计和挖掘等技术手段，向能源管理人员提供即时、前沿、高端的整合信息服务，提高能耗数据后台处理及应用的能力，为企业能源系统的总体规划进行优化设计。
4.2智能化预测技术
传统能源管理仅能完成基本数据的监测与采集，而能耗预测技术根据现有的数据，利于模型对企业未来能源需求进行预测，有助于管理人员了解企业能耗趋势，为企业能源精细化管理及使用规划提供依据，企业可根据自身能源需求情况进行能源政策、指标、管理办法等的优化。
4.3地理信息技术
能源管理系统的基础是遍布企业厂区内的各类数据信息采集设备和网络传输线路。在能源管理系统中融入地理信息技术，能够帮助管理人员及时掌握系统运行状态，提高系统故障分析的准确度，加快故障处理的进度，对提升能源管理系统自身稳定性和运行可靠性都具有的良好的支撑作用。
4.4信息共享与融合技术
过往的能源管理系统与其他系统间缺乏行之有效的整合手段，集成化程度也相对偏低，易形成“信息孤岛”。为逐步提高完善能源管理系统的数据共享与服务功能，应考虑到系统的异构性与信息共享实际需求，构建基于面向服务架构的能源管理系统信息共享与融合技术方案，以解决企业内部不同系统间的数据共享与互相应用的技术难题，进而为企业提供全方位、多层次的综合性能源管理服务。
4.5调度决策最优化技术
大中型制造类企业的能源系统相对庞大且复杂，使得能源调配工作始终无法达到理想预期的状态。优化能源传输、合理进行能源转换、充分考虑生产需求与经济成本间的能源分配、及时监控能源系统的运行状态，是平衡能源系统安全运行与减少经济成本的必然要求。通过建立企业能源最优化模型是满足上述需求行之有效的手段。
5结论
1）传统能源管理方式虽能实现能源使用和损耗数据的计量，但是在数据的准确性、全面性方面仍尚存不足。新型能源管理方法利用信息化、自动化技术建立能源管理系统实现能耗数据的实时采集、存储及处理，建立全厂集中统一的能源管控。2）科学化、智能化的能源管理要求系统具备能耗分析、建模与预测、能源使用测量以及平衡优化等功能，更加注重数据挖掘、神经网络、分析处理等理论在能源管理系统中的综合应用，进一步提高企业能源管理水平。
参考文献：
[1]冯为民,丛力群.冶金企业能源管理系统[J].控制工程,2005(6):96-99.
[2]蔡翔云,姜麟,李文,张庆.企业能源实时监测计量管理系统[J].测控技术,2002(2):57-60.
[3]张加云,张德江,冷波.基于小波神经网络模型的冶金企业能耗预测[J].铁合金,2010,41(3):38-41.
[4]刘焕彬,李继庚,吴波,周艳明,尹勇军.造纸企业能源管理与优化信息平台的研发与应用[A].中国造纸学会、芬欧汇川集团.造纸工业能源效率论坛论文集[C].中国造纸学会、芬欧汇川集团:中国造纸学会,2011:9.
[5]景滨杰．试论回归分析预测法在经济预测中的应用[J]．生产力研究，2006（3）：17-18．
[6]周芮锦,潘毅群,黄治钟.时间序列方法及其在实际办公楼能耗预测中的应用[J].建筑节能,2012,40(02):55-59,62.
[7]史忠植．神经网络[M].高等教育出版社,2009.
作者:颜瑾 杨宇航 刘丽 陈红杰 刘欧阳 元哲 单位:西安石油大学
