西门子（中国）有限公司张英丽，汤奇，乔冠伦，陆晨，宋元明，张兆辉

1　目标和概述

1.1　项目背景

在Voc废气处理过程中，用户在现场主要会遇到以下几个问题：Voc废气处理过程中需要消耗大量天然气，而现场实际运行过程中的运行规则通过经验难以对闭环控制过程实时优化；现场缺少实时数据看板，对于用户来说，无法直观了解过程数据，只能通过常规巡检方式了解运行状态；目前很难有效整合繁杂的底层PLC数据。

为了更好地获得废气处理炉的运行及控制数据，以及更好地提供统一的数据格式及数据接口，并基于给定的规则达到基于工业软件进行闭环控制的目的，本项目采用西门子工业边缘计算平台及控制应用，作为连接目标试点炉系统和IT系统的桥梁。基于客户所提供的业务背景和控制逻辑细节，西门子边缘计算通过结合领域规则以及现成的实际运行策略，开发对应的工业边缘APP，以解决当前高能耗的能源痛点。

1.2　挑战

当前控制模式主要依赖人工经验和预设定的规则进行控制，运营效率较低；控制过程涉及的参数组合数量庞大且场景复杂，依靠传统的规则难以保证能快速寻找到最优值、达到节能效果；在现场会有较多的因素（环境、工况等）影响到设备的运行性能和能效，量化分析这些因素之间的相关性具有一定的挑战；基于固定规则下（或事后）的控制反馈，可能会错过现场运营需求，甚至产生不必要的能耗浪费；另外对于以往的现场来说，一般工厂缺乏对基础设施这一部分的精细化管理，往往都需要高度依赖人工经验，而实际的Voc控制系统复杂且处于不断动态变换的过程，依赖人工经验的寻优难以实时地找到相对较优的推荐参数进行优化。

1.3　解决方案

本方案基于西门子工业人工智能算法库及应用组件，结合客户现场采集的各测点时序及信号数据（历史和实时），通过数据敏感性分析技术，建立数据驱动的联合控制模型用于优化群控系统整体能耗；基于预测及优化算法，构建群控系统控制参数、环境变量及目标优化参数之间的映射关系，从大量的备选控制策略中找出最优策略，达到节能降本的目标，并借助西门子工业边缘的实时、稳定特性更好地进行优化分析及反馈。

（1）解决方案目标

本方案以客户所提供的位于某地的Voc废气处理炉为实施目标，进行基于西门子工业边缘的数据采集及控制系统的开发和部署（数据采集设备为西门子PLC，型号：S7-300）。

本方案基于客户给定的控制逻辑单元、输入输出单元，及逻辑规则，在西门子工业边缘上部署定制化开发的能耗预测及节能优化APP，以实现与现场控制系统的对接及炉体自动化闭环控制的需求。

图1 解决方案框架

（2）解决方案实施概要

本方案主要分为两个大的阶段：咨询及诊断、开发实施。

在咨询阶段，首先根据历史数据，对目标的设备和控制系统和分布情况分析，对现有控制系统和节能手段进行调研，明确可实施的节能方案以及现场的技术基础；其次对高能耗的目标设备和系统进行实地的现场调研，定位主要能耗点并对其中的关键点进行颗粒度细分，进一步确定潜在节能方向；最后结合相关领域专家进行系统化的讨论和评估后，锁定具体的节能方向和目标。

在解决方案的开发和实施阶段，对于已锁定的节能方向，匹配西门子现有节能系统中所具备的功能和算法组件，并针对已有功能组件的可复用性进行研究，在对关键数据理解、收集和预处理的基础上，对节能算法、应用进行适配、最小原型的测试及优化，根据算法分析的初步结果结合客户验证的反馈结果对模型进行进一步的迭代，优化至目标要求后，在按照交付要求的用户UI、接口上进行应用的开发和集成，最终完成在现场的部署运行，结合实际的工况对模型定期进行迭代，并基于操作习惯，进行节能指导。

（3）收益

本方案提升了控制系统的精细化管理，优化了控制系统的反馈响应，提升了控制系统在运营过程中的整体效率和设备的运行利用率，并确保了设备的运行稳定，在保障生产需求侧用量的同时，优化了整体能耗，在上海某地的项目中天然气消耗量降低了15%左右。

（4）解决方案框架

解决方案框架如图2所示。

图2 解决方案框架

1.4　西门子工业边缘平台的优势特点

（1）开放式技术架构：在现场设备级别运行基于IT容器技术的应用程序，实现强大复杂的功能；

（2）一体化管理平台：使用边缘管理平台，实现跨地域边缘设备及应用的灵活管理；

（3）丰富的数据通讯：打破自动化和IT系统之间的数据屏障，使数据通讯更简单、更迅速；

（4）低维护易更新：应用及固件版本根据实际场景维护，批量管理，缩短时间；

（5）海量硬件设备支持：未来边缘系统将集成到HMI、IPC和PLC中，最大化满足现场需求；

（6）打造完整生态体系：突破IT和OT界限，实现软件和硬件的互联互通，吸引不同角色用户构建生态。

目前，西门子边缘生态环境下的APP以功能类型为分类依据，主要分为三类APP，各类APP的功能如下所述：

（1）通讯连接型APP：基于不同类型的工业通讯协议，连接现场的自动化设备，实现设备内部信号变量的采集和订阅；

（2）数据处理型APP：对采集到的信号变量进行集中管理和模型构建，以便上层的边缘应用型APP进行调用；

（3）边缘应用型APP：基于前期构建的数据模型，实现工业现场描述性、诊断性、预测性和决策性的分析应用。

边缘应用型APP基于前述两类APP采集存储的数据，通过数据边缘处理分析和可视化展示，安全、高效、灵活地为工业现场提供了一系列描述性、诊断性、预测性和决策性的功能应用，以满足状态监测、工艺监测与控制、预测性维护和质量检测与管控等不同的业务场景需求。

不仅如此，边缘应用型APP之间的依存关系具备以下特点：

（1）低耦合：每个边缘应用型APP都具备从数据处理层提取数据模型和信号变量的能力，这就意味着，每个边缘应用型APP的部署和使用不会受其他应用程序的任何影响；

（2）可联动：部分边缘应用型APP之间的功能存在联动性，通过配置调用多个APP的联动功能，可以为用户提供更多维度的数据对比分析结果和更多样化的终端交互体验。基于上述特点，西门子将以复合功能模块为最小单位搭建的工业信息化系统，转化为以独立应用程序为最小单位部署的工业边缘平台，轻松满足了工业现场日趋灵活多变的功能需求。

1.5　西门子工业边缘产品架构

在迈向工业4.0的今天，5G、人工智能、边缘计算等新技术不断涌现，引领着新一轮的工业变革，驱动着中国工业向产业数字化、数字产业化的方向不断前进。各行各业通过新技术的赋能，最后走向从万物互联到万物智能的新经济业态。

西门子通过工业边缘、人工智能等新兴技术，帮助客户不断挖掘数字化潜力。借助西门子全套的数字化解决方案，可实现整个价值链的数字化转型。

西门子工业边缘，融合了信息技术领域的网络、计算、存储和智能应用的核心能力，并将最新的人工智能等技术融入边缘计算，为企业提供了安全、实时、灵活的工业现场本地数据处理解决方案。为了使工业边缘场景更加易于落地，西门子提供了多种边缘设备、统一的管理平台、丰富的边缘应用及开放的线上应用商店。同时，西门子还致力于建立领先的工业边缘生态，为企业和合作伙伴创造了更多价值。

图3

西门子工业边缘分为三个层级，它们分别执行不同的功能。

首先，是最顶层的工业边缘中心，用于监视多个工业边缘管理平台，并且可以存储、浏览和下载工业边缘APP。在这里，大家可以找到由西门子和合作伙伴开发的针对多种行业和应用场景的APP。

第二层，平台层，是工业边缘管理平台，用于集中管理所有已连接边缘设备的软件平台。它处于工厂车间层级，可以同时监控上百台已连接设备的状态，并且可在目标边缘设备上安装边缘应用和升级软件，将功能从云端转移到生产系统。

第三层，设备层，是部署了工业边缘运行系统的边缘设备，在数据生成现场就可以进行采集和处理，并且支持和自动化设备的集成和执行容器化的边缘应用。这里的一台边缘设备可以同时运行多个应用APP。目前西门子已发布了包括SIMATIC 227E和427E等多种边缘设备，并且有不同算力和内存的产品可供选择，可以满足多种场景的需求。其中，SIMATIC-IPC 227E边缘设备已通过了由中国信息通信研究院开展的“边缘计算标准件计划”评测。它内置了工业边缘计算的软件系统，除了提供美观易用的网页访问方式外，还可直接通过工业边缘管理系统进行统一的管理。它连接了OT和IT两个层级，为IT应用提供了便捷的数据连接性能和运行平台。通过它，可以读取工业现场的自动化实时数据，对这些数据进行存储和处理后，再用多种多样的可视化图表展示各项实时状态和KPI数据。为保证工厂重要数据传输的安全性，它也可以将重要数据上传到工厂的私有存储服务器或是公有云上。同时，它也可通过集中管理的特点，更好地为终端客户提供服务。

2　方案介绍

Voc设备的智慧节能控制系统功能主要分为两大部分：变量监测及参数调优。其整体实现解决方案的具体步骤如下：

（1）使用西门子工业边缘计算的数据服务应用实时采集VoC处理过程中相关的工艺及外部环境参数：

· 温度监测：支持以下变量的实时监测，各个变量的监测信息如表1所示；所有变量均支持仪表盘和曲线图两种展示模式，其中曲线图的有效数据展示周期为最近30秒。

表1 温度各个变量的监测信息

· 浓度监测：浓度监测功能支持以下变量的实时监测，各个变量的监测信息如表2所示；所有变量均支持仪表盘和曲线图两种展示模式，其中曲线图的有效数据展示周期为最近30秒。

表2 浓度各个变量的监测信息

· 频率监测：频率监测功能支持以下变量的实时监测，各个变量的监测信息如表3所示；所有变量均支持仪表盘和曲线图两种展示模式，其中曲线图的有效数据展示周期为最近30秒。

表3 频率各个变量的监测信息

（2）通过能源消耗预测的趋势以及能源策略优化两个算法模型在边缘侧进行实时参数寻优。

（3）将寻优得到的参数通过西门子工业边缘的南向数据连接型APP反向写入至控制设备侧。

实际的闭环优化控制技术路线如图4所示。

图4 闭环优化控制技术路线图

（4）控制设备根据优化建议参数进行上下阈值判断已评估控制风险，从而保障优化参数可根据实际控制情况进行调优。

调优过程涉及到对软件系统状态的配置，包括PLC状态以及APP状态：APP界面作为APP的前端，一方面承担着UI展示和交互的职责，另一方面承担着和PLC以及APP后端连接的中间件职责，其信息交互功能如图5所示。

图5

其中，对PLC-APP状态可通过手动方式进行纠偏介入，因此设计的控制优化分为两个部分，分别为“闭环优化控制”和“异常纠偏处理”。

（5）能源消耗预测以及策略优化模型会根据现场的定期数据积累后进行模型迭代后，可在边缘端及时更新以达到更精确的控制策略优化和调节。

3　代表性及推广价值

该项目适用于绝大多数场景如空压机组、水泵组、暖通空调、废气燃烧等涉及到控制策略或群控策略的情况，对于一些老旧高能耗或能耗高居不下的群控设备来说有重大意义，实际可节省3%～15%的能源消耗（根据实际工况而定）。该方案也着重于将数字化能力如边缘计算和人工智能技术的能力拓展到企业节能减碳层面，其对绝大多数场景具有很好的通用性，因此该方案也非常具有推广价值。

摘自《自动化博览》2024年第二期暨《边缘计算2024专辑》