隨著科技飛速發展，人工智能逐步揭開了技術變革的新篇章，為各行各業的創新發展帶來了更多可能。盡管看不見、摸不著，但AI技術正不斷滲透進各種應用場景中，成為企業提升經營效率、降低運行成本、增強決策能力的“得力助手”。

在工業制造領域，傳統的自動化應用已無法滿足當下各行業對精益高效、綠色低碳的生產需求，企業開始將AI技術應用到預測性維護、質量控制、生產調度、供應鏈管理、工廠自動化、能耗管理等諸多場景，以實現降本增效，提升市場競爭力。其中，處于不斷創新和技術進步前沿的半導體產業便是AI技術應用的“先行領域”。

在某半導體企業的智能廠務管理平臺建設中，施耐德電氣為其設計了一套冰機冷量預測解決方案。該方案基于AI算法，根據冰機運行的歷史數據，對需求端的制冷量進行預測。通過對用能需求更加的把控，實現能耗的精細化管理，幫助用戶達成節能降耗的終目標。

AI算法助力，實現高效能耗優化控制

冰機系統由冷水機組成，用于芯片工廠的機臺降溫，并維持潔凈車間和辦公區的溫濕度，以符合生產工藝標準和舒適度要求。該半導體企業的冰機系統，包括低溫水和中溫水兩個子系統，其中低溫水系統有4臺冷水機組，中溫水系統有6臺冷水機組。施耐德電氣為其開發的冰機冷量預測解決方案，分別對低溫水系統和中溫水系統兩個冷量點位進行AI建模，確定制冷量需求和冰機負荷與變量之間的關系，根據冰機運行的歷史數據，對制冷量需求進行未來4小時的預測，進而實現對冰機機群的優化控制。

冷量預測模型主要通過采集兩個點位的冷量數據，同時結合室外溫度和濕球溫度作為數據集，采用Neurel Prophet深度學習算法進行自回歸預測。其中，冷量預測的模型訓練，采用cuckoo調度機制，分為冷啟動模型訓練、過度模型訓練、預期模型訓練三個階段，先使用離線訓練的模型進行冷啟動，上線之后再逐步積累實際數據用于模型訓練，從而完成模型的訓練。

與此同時，冷量預測的模型推理采用自動調度機制，對數據進行解析處理后，加載模型預測未來4小時目標值；對預測結果進行規則檢查等后續處理，終冷量預測輸出值可用來進行冷水機組控制策略分析。

實測數據顯示，該方案節能效果達3-5%，如果配套硬件改造，綜合節能效果可達5-10%，具有較高經濟價值和創新性，可以在更多半導體企業推廣普及。通過實施這樣的冰機冷量預測算法，該半導體企業在提高冰機系統運行效率的同時，也降低了設備能耗。而項目的成功實施，則得益于施耐德電氣在AI技術研發上的長期積累，能夠將AI應用到能源管理和工業自動化等場景中，幫助企業加速實現節能減碳和智能化運營。

如今，AI已經成為當之無愧的新質生產力，為加速千行百業的智能化變革帶來強大動能，也為工業數字化發展帶來新的契機。與此同時，施耐德電氣正積極加大對AI技術的研發投入，通過結合自身在工業自動化和能源管理領域的技術積淀與豐富經驗，持續賦能工業、樓宇、基礎設施等不同行業用戶加速實現節能減碳和智能化運營，促進業務創新。

在7月4至7日舉行的世界人工智能大會（WAIC）上，施耐德電氣將于H1號館W1020展位以“雙擎并進，數智新生”為主題，現場展示人工智能（AI）技術與電氣化、自動化和數字化技術的融合及場景應用，以促進產業高效與可持續發展。