AI 词汇表
人工智能完整词典
约束随机优化
一种先进的数学方法，整合变量的不确定性（如需求或天气），在遵守设备运行和安全限制的前提下，寻找工艺过程的最佳控制参数。
能效模型预测控制(MPC)
一种先进的控制策略，使用工艺过程的动态模型来预测未来状态，并计算在滚动时间范围内最小化能耗成本函数的控制动作序列。
强化学习节能
一种人工智能方法，其中代理通过试错学习最优控制策略，对降低能耗同时保持生产目标的行动给予奖励。
能耗敏感性分析
一种定量技术，旨在确定每个输入变量（温度、压力、流量）对工艺过程整体能耗的影响，以确定优化杠杆的优先级。
物理-数据混合建模
结合第一性原理模型（基于物理定律）和机器学习模型，以提高能耗预测的准确性和控制的鲁棒性。
能耗异常检测
使用人工智能算法持续识别相对于参考模型的能耗异常偏差，表明工艺过程偏移或设备故障。
多目标能耗优化
在多个相互矛盾的目标之间寻找最优平衡，如最小化能耗、最大化生产效率和减少污染物排放。
智能负载调度
基于动态能源价格、生产限制和可再生能源可用性，规划高耗能设备启停的人工智能系统。
神经模糊控制
一种混合控制系统，结合了神经网络的学习能力和模糊逻辑的近似推理能力，用于管理高耗能工业流程的复杂性和非线性特征。
热负荷曲线
流程供热和制冷需求的时间表示，被人工智能算法用于优化锅炉、炉灶和制冷系统的运行。
能效性能指标 (EPI)
通过人工智能模型计算的复合指标，将能源消耗相对于产量、外部条件和其他影响因素标准化，用于评估内在能源效率。
能效导向预测性维护
使用人工智能不仅预测设备故障，还预测其能源效率下降的策略，能够在过度消耗变得显著之前进行干预。
热传递优化
人工智能应用，用于建模和精确控制流程内的热量交换（通过对流、传导、辐射），旨在减少损失并提高换热器的效率。
工业能源管理系统 (SEMS)
集成传感器、人工智能模型和可视化工具的软件平台，用于持续监控、分析和控制整个工业现场的能源消耗。
用于数据隐私保护的联邦学习
允许在来自多个工业现场的数据上训练能源优化模型的人工智能技术，无需集中敏感信息，从而保护运营隐私。
能源不确定性量化
用于估算能源消耗预测可靠性的统计和人工智能方法集合，提供置信区间，有助于在不确定性面前做出稳健决策。
人工智能能量回收
使用算法来识别和利用工艺过程中的废热或余热能源，通过热泵系统或有机朗肯循环等系统优化其价值实现。