一家机械厂怎么找到4个能耗黑洞：边缘AI做能耗优化的完整记录

今年年初，一家浙江温州的机械加工厂找到我们。他们的老板说了一个挺典型的问题：工厂的月度电费连续两个月涨了接近30%，但是产量没有明显增加，设备也没添新的。供电局说线路没问题，厂里的电工挨个查了设备也说不出所以然。

电费是制造业的一大成本。这家厂每月电费接近10万，涨30%就是凭空多出两三万。老板想搞清楚钱到底花在哪了。

我们给这家厂装了一套边缘AI能耗监测系统。折腾了差不多两个月，最后发现了4个很隐蔽的能耗黑洞。这篇文章就记录整个过程——用了什么设备、怎么部署排查、发现了什么、最后怎么处理的。

一、现场情况摸底

先交代一下这家厂的基本情况：

• 规模：中等规模的机械加工厂，车间面积约3000平，员工60多人
• 主要设备：数控机床15台、冲床6台、焊机8台、空压机3台、工业空调5台、照明和办公区域
• 用电现状：只有一块总电表，每个月供电局给个总数，工厂内部没有任何分路计量
• IT条件：有一台旧电脑当服务器用，车间有WiFi但覆盖不全，没有专职IT
• 诉求：先把"电费去哪了"搞清楚，再说怎么省

这个情况其实挺有代表性的。很多中小工厂处于"用电黑箱"状态——只知道总费用，不知道具体哪个环节、哪个时段消耗了多少。

二、方案设计

我们的目标很明确：把工厂的用电从"黑箱"变成透明，然后基于数据做优化。

采集层面：分回路加装智能电能表

工厂原有的配电柜空间有限，不可能每台设备单独装一个电表。所以采用了分组方案：

• 按区域和回路分成15个监测点（3条产线各3个回路、空压机房1个、空调系统1个、照明1个、办公区1个）
• 每个监测点装一个三相智能电能表，支持Modbus RTU通信
• 电流互感器用开口式，不用断电、不用改线路，直接卡在现有电缆上
• 采样频率设定为每30秒一次（初始考虑1秒一次，但数据量太大，对排查目的来说30秒足够了）

边缘层：现场部署边缘AI网关

在配电房部署了一台边缘AI网关（类似S200规格，6 TOPS NPU），负责：

• 通过RS485总线轮询15个电表的实时数据
• 本地运行异常能耗检测算法（识别非工作时段的大功率耗电、设备待机功耗异常等）
• 本地存储全部原始数据（保留90天）
• 把聚合后的数据摘要定时推送到云端看板（每5分钟一批）

选择放在配电房而不是机房，有个实际考虑——配电房离各个回路最近，RS485走线最短，信号干扰小。网关本身是工业级设计，能耐受配电房的温度和粉尘环境。

云端层面：能耗看板和告警

一个轻量的Web能耗管理看板：

• 总能耗趋势（日/周/月对比）
• 各回路能耗占比（饼图）
• 异常时段标记（深夜高功耗、节假日设备未关等）
• 每日能耗报告（通过企业微信推送给老板和厂长）

告警规则设了三条：非工作时段（晚8点到早7点）功率超限、单回路日功耗环比突增超过30%、持续运行时间超过设备额定周期。

三、实施过程

第一周：硬件安装

安装本身花了两个半天。开口式互感器安装确实方便——不用停电，不用改配电柜结构，卡上就行。比较花时间的是：

• 确认每个回路的对应关系（开关柜的标签很多已经脱落或模糊，需要靠断电试验确认"这个闸控制哪条线"）
• RS485总线走线，要从配电柜穿管到网关位置，大概20米
• Modbus地址配置，每个电表需要设置不同的站号（从1到15）

踩坑：有一块表的Modbus地址和另一块冲突了，导致网关读到的数据来回跳。排查了整整一个上午才发现是两个表都设了地址3。后来统一用标签贴在每块表上标注地址。这种基础问题在文档里往往被忽略，但实际部署中很常见。

第二周：数据收集和基线建立

系统上线后，我们做了一周的纯数据收集，不设任何告警。这一周的数据带来了不少发现：

第一个意外发现：有一条产线的夜班功耗比白班还高。夜班只有2个人值守，按理说功耗应该低很多。查看详细数据后发现，该产线的一台大功率焊机在夜班期间以"待机模式"运行——人不在但机器没关，加热单元一直在保温状态，一夜消耗了好几百度的电。操作工人的说法是"反正明天还要用，关机再开机麻烦"。

第二个意外发现：空压机房的功率曲线在凌晨3-4点出现一个陡坡。电工师傅看了说不可能，那段时间车间根本没人。后来检查发现是空压机的压力传感器有偏差，储气罐压力信号异常，导致空压机在凌晨频繁启停。

第三周：异常识别和定位

有了基线数据后，我们在边缘网关上部署了能耗异常检测算法。思路很简单：

• 对每个回路，学习过去7天同时段的历史数据，建立"正常范围"
• 实时数据超过正常范围1.5倍标准差时标记为异常
• 连续3次采样均异常则触发告警

算法上线后的一周里，触发了多次告警。大部分是误报——比如某台数控机床当天加工的是重型零件，切削量大、功率高，属于正常波动。但有几个告警指向了真正的问题。

发现3号能耗黑洞：算法标记了办公区的空调在周末持续运行。周末工厂只有门卫值守，空调却是满负荷开的。一查发现是三楼会议室的风机盘管温控器坏了，无论设什么温度都在全速制冷。

四、找到的4个能耗黑洞

经过一个月的数据分析和现场核实，我们总结出这4个主要的能耗问题：

五、实际效果

系统上线运行一个月后做了初步优化，第二个月再做持续调整。两个月后看效果：

• 总用电量比优化前下降约25%（排除产量波动因素后）
• 非工作时段功耗占比从原来的35%降到了12%
• 空压机启停频率从每天40多次降到了8次左右
• 空调系统在非工作时段基本不再运行（除了服务器房）

电费的节省是实实在在的，但我觉得这个项目更大的价值不是省了多少钱，而是让工厂第一次有了"数据驱动管理能耗"的意识。

以前的情况是：老板每个月看到账单，"哎这月怎么这么高？"——电工说"不知道"——不了了之。下个月继续。现在的情况是：每天早上一份能耗报告发到手机上，哪些回路正常、哪些异常，一目了然。这种"可见性"本身就会倒逼管理改进。

另外还有一个意外收获：通过对能耗数据的分析，厂长发现3号产线的设备利用率偏低（30%左右）。能耗数据暴露了生产排程的问题。后来调整了排班，把部分订单从利用率低的生产线转移到利用率高的线，整体效率提升了不少。

当然也有做得不到位的地方。比如改设备关机流程这事，说起来简单，执行起来花了三周。工人养成了习惯——"我明天早上还要调参数，关了机要重新热机，浪费我时间。""又不是我家的电。"后来只好在每台设备旁边贴了能耗实时显示小屏，把"这台机器现在正在浪费多少钱"可视化出来，效果立竿见影。

六、遇到的麻烦和解决办法

说几个实际实施中遇到的麻烦：

RS485通信干扰。配电房里变频器多，电磁干扰强，Modbus数据包偶尔会出错。解决方法是给RS485线加了磁环，通信速率从9600降到2400，数据重传机制也加了。稳定了很多。

数据标定工作量。15个电表刚装上去时，有几个表的读数偏差比较大（和钳形表实测对比差了5-8%）。排查发现是互感器选型不当——有的回路是单相大功率负载，用了三相平衡互感器。后来换成了匹配的型号。

告警阈值很难一蹴而就。太敏感——一天20条告警，厂长直接屏蔽了群消息。太迟钝——漏掉真告警。这个问题我们调整了3轮才找到平衡点。核心思路是：按回路单独设阈值，而不是全厂统一标准。因为焊机和电脑的功耗特征完全不同。

教训：能耗监测这件事，20%是技术问题，80%是管理问题。技术方案花了两周就搭起来了，但让工人改变习惯、让管理者用数据做决策，花了更长的时间。

七、我的思考

做完这个项目，有几个体会比较深：

能耗优化的起点不是"怎么省"，而是"怎么看清"。这家厂已经在用电上"盲目"了很多年。没有细粒度数据之前，任何节能方案都是拍脑袋。装了仪表才发现，有些问题根本不用花钱就能解决——比如下班关机。

边缘AI在能耗管理场景里的优势很明显。数据量大（15个点每30秒一条，一天就是4万多条）、需要实时告警、网络不稳定、涉及生产数据不便上云——这些特点都很适合边缘计算方案。放在本地处理，响应快、不出厂、网络断了也不影响数据采集。

中小企业需要的不是"智慧能源管理平台"，而是一个能看懂的电表。很多供应商推的能源管理系统功能非常多——碳追踪、需量分析、需量预测……但中小工厂连基础的分路计量都没有。先把基础搭建起来，比什么"智能预测"都管用。

能耗数据和生产数据结合起来才更有价值。我们后来把能耗数据和产量数据做了关联分析，发现单位产品能耗这个指标比总电费更说明问题。当单位能耗上升时，可能意味着设备需要保养或者工艺需要调整。这个关联分析做完之后，厂长把能耗看板的关注从"省电"变成了"每件产品花了多少电"——视角完全不一样了。

八、给你的建议

如果你也在考虑给工厂做能耗管理，几点实在的建议：

1. 别一开始就想全面覆盖。先挑一条产线或一个区域试点。一个网关+几个电表，一两周就能跑起来看到数据。有效果再扩展。
2. 数据采集周期不用太短。能耗分析场景30秒到1分钟一次足够了，没必要用秒级采样——数据量太大反而不好处理。
3. 先找"不花钱就能省"的浪费——设备不关机、空压机漏气、空调没人还开着。这些基本零成本，但节能量很可观。
4. 让操作工人看到实时数据。我们在车间装了几个小屏幕实时显示"当前功耗"和"估算电费"，工人看到数字变化会主动问"这个高了是不是不正常"。这种自发的关注比制度约束更有效。
5. 建立能耗基线后持续跟踪。能耗优化不是一次性的。设备老化、工艺变化、季节更替都会影响能耗模式。有了数据基线，才能及时发现异常。

这个项目做下来，最大的感受是：工厂里经常存在大量的隐性浪费，不是靠经验能发现的。一个靠谱的能耗监测系统，帮工厂找出来的能耗黑洞，往往比预期多得多。