scenario s4 / 短期 · 生产研发侧
能源与碳核算 Agent
负荷预测与错峰建议、异常能耗归因、碳核算与合规报告自动生成
数据可得性
高
所需数据是否已在手、能否直接用于建模
工程难度
低
从可行性验证到稳定上线的工程风险
实时性要求
中
需要秒级响应，还是天级出报告
评级为面向学习者的教学性判断，用于横向比较场景特点，不构成采购或投资建议。
涉及工序 / 7 道 · 高亮项点击可跳章节
业务痛点，讲人话
钢厂是个奇特的地方：它既是耗能大户，也是发电厂。
生产过程副产三种可燃气体——焦炉煤气（热值最高）、高炉煤气（量最大热值最低）、转炉煤气（间歇产生）。这些气烧掉一部分供加热炉和热风炉，剩下的送自备电厂发电。很多钢厂相当比例的用电来自烧自己的煤气。
于是产生三类需求：
① 煤气平衡。 产量和用量都在波动，储气柜容量有限。放散（烧掉排空）就是纯损失——损失能源、损失钱、还多排碳。什么时候该多发电、什么时候该调整用户，是一个实时的网络流优化问题。
② 异常能耗归因。 这个月吨钢能耗涨了 3%，是哪儿涨的？原料变了？设备效率下降了？还是产品结构变了？现在多靠人工翻报表。
③ 碳核算与合规报告。 这是最刚性的一块——不是"做了更好"，而是"不做出不了货"。
碳核算：RAG + 结构化计算的教科书案例
核算的基本公式简单到不像话：排放量 = 活动数据 × 排放因子。
复杂性全在边界和方法学上：
- 范围一（直接排放）——燃料燃烧 + 工业过程。注意还原反应产生的 CO₂ 属于这里，它是化学计量的必然产物
- 范围二（间接排放）——外购电力、热力
- 统计边界——算不算焦化、烧结？算不算自备电厂？边界不同数字差很多
- 折算系数——电力折标煤有等价值和当量值两种算法，结果差异显著
ai engineer's view
半结构化的合规计算
规则来自文本（方法学、边界定义、排放因子表 → RAG 检索），数据来自计量（确定性计算）。两段拼起来，输出一份带完整引用链、经得起审计的报告。
边界定义必须是一等配置项
大部分核算争议不是出在数据上，而是出在边界和口径上。所以边界要显式建模、可配置、可追溯，绝不能硬编码进计算逻辑。
能源介质网 ≈ 带容量约束的 DAG
煤气、蒸汽、氧气、电构成有向图，节点有产能与储能上限，还有转换关系（煤气→电、蒸汽→电）。调度问题就是在这张图上做流量分配。
数据长什么样
data shape / 本场景吃哪几类数据
各工序工艺参数、L1/L2 控制信号、设备状态、振动与电流、能源计量读数
瓶颈：跨工序时空对齐；数据往往在客户/产线侧，取数是授权问题而非技术问题
技术报告、专利、论文、操作规程、设备手册、检修工单、报警日志
瓶颈：非结构化、密级混杂、时效性标注缺失（哪版规程还有效？）
标准文本与条款、检测原始记录、判定结论、方法验证数据
瓶颈：标准版本管理、判定链的可追溯性
样例结构 / 教学示意，非真实产线数据
# 碳核算的两类输入（教学示意）
#
## ① 结构化：计量数据
activity_data:
period: "2024-XX"
boundary: "厂界（含焦化、烧结、自备电厂）" # ★ 边界是一等配置项
items:
- {source: "焦炭消耗", qty: 320000, unit: "t", meter: "WB-01"}
- {source: "外购电力", qty: 180000, unit: "MWh", meter: "EM-MAIN"}
- {source: "高炉煤气外送", qty: -42000, unit: "GJ", meter: "GM-BFG-OUT"}
#
## ② 非结构化：方法学（需 RAG 检索 + 人工确认）
methodology_refs:
- doc: "行业温室气体核算方法与报告指南"
clause: "5.2 燃料燃烧排放"
factor: {name: "焦炭含碳量", value: "…", source_page: 34}
- doc: "…"
clause: "6.1 工业过程排放（还原剂消耗）"
note: "还原反应产生的 CO₂ 计入范围一，不可通过电力脱碳抵消"
#
## 输出必须带引用链
result:
scope1_tco2e: "…"
scope2_tco2e: "…"
trace: # 每个数字都能回溯到方法学条款 + 计量表
- {value: "…", from_meter: "WB-01", by_clause: "5.2", factor_page: 34}重点在最后那个 trace 字段：审计时要能对每一个数字回答「这是怎么算出来的、依据哪一条」。这跟检测认证场景的可追溯要求是同构的。
三件事的优先级
如果只能先做一件，建议顺序是：
1. 碳核算与报告（最先做） 纯 RAG + 结构化计算，一个月能出东西。合规刚需，价值不需要论证。做的过程中会顺带把能源数据的口径梳理清楚，这是后两件事的地基。
2. 异常能耗归因 有了统一口径之后，做同比环比拆解、按工序和产品结构归因。属于分析类应用，风险低。
3. 负荷预测与错峰调度（最后做） 价值最直接可量化（省下的电费精确到元），但约束最复杂——要同时满足订单交期、浇次连续性、钢包热状态、人员班次。而且它开始产生操作建议，风险等级上了一个台阶。
必懂概念 / 8 张
ai engineer's view / 换成你熟悉的说法
碳核算 ≈ RAG + 结构化计算
核算方法学是文本（RAG 检索适用的排放因子与边界定义），计量数据是结构化的（确定性计算）。两段拼起来就是一份可审计的报告。
能源介质网 ≈ 有容量约束的 DAG
煤气、蒸汽、氧气、电构成一张有向图，节点有产能与储能上限。调度问题就是在这张图上做流量分配。
交付物是报告不是控制指令
这也是它工程风险低的根本原因——出错不会烧炉子，只会被审计打回。
延伸学习
相关场景