制造业能耗AI异常检测与能效基线建模

数据分析实验室近期围绕制造企业能耗数据开展数据智能方向的实验性研究，探索如何从电表、气表、空压机等多源计量数据中识别真实异常并建立能效基线。研究难点在于能耗波动与生产负荷强耦合：订单变化、班次切换均会引起用能波动，简单阈值法误报率高。团队采用“负荷归一化+时序基线”两段式方法，先以产量、班次等上下文变量对能耗进行归一化，再对残差序列建模识别异常。阶段性进展：1、在某机加车间三个月、15分钟粒度的试点数据上，基线模型平均绝对百分比误差（MAPE）降至8.6%，较朴素同期均值法下降约四成；2、累计识别出7起异常用能事件，其中2起经现场核实为空压管路泄漏，具备实际运维价值。下一步计划将研究范围扩展至空压、暖通等辅助系统，并引入单位产品能耗指标，与排产数据联动，评估能效优化的可量化空间。团队将持续以小场景验证方式沉淀方法论，避免大而全的平台化叙事。