问：AI能耗优化在工厂的应用需要什么样的数据基础？

答：AI能耗优化能不能跑起来，七成看数据基础，三成看算法。没有像样的数据底座，再贵的模型也只能做摆设。

一、先要搞清楚：能耗优化到底吃哪几类数据

最核心的是分项计量数据。不是工厂总电表那一个数，而是要拆到车间、产线、重点设备，甚至到空压机、中央空调、注塑机、锅炉这些高耗能单体。某电子厂如果只装了一块总表，AI根本分不清是哪台设备在浪费电。

第二类是工况与运行数据。设备的启停状态、负载率、运行时长、转速、温度、压力这些参数，直接决定了能耗高低。没有这些，AI只能看到“用了多少电”，看不到“为什么用这么多电”。

第三类是生产计划与产量数据。能耗和产量强相关，脱离产量谈单位能耗没有意义。假设一家汽配企业，同样开一天机，做1000件和做600件，单耗差一大截。AI必须知道当天排产多少，才能判断能耗是否异常。

第四类是环境与外部数据。车间温湿度、室外气温、电价峰谷时段，这些对空调、空压、制冷系统的能耗影响非常大。尤其是峰谷电价，是AI做错峰用能策略的关键输入。

二、数据基础要满足三个硬指标

一是颗粒度够细。计量点至少要覆盖到主要用能设备，采集频率建议分钟级，关键设备最好到秒级。日级或小时级的数据，做趋势分析勉强够用，做实时优化就太粗了。

二是时间对齐。电表、传感器、MES、ERP的数据时间戳必须能对上。某化工厂曾经出现电表数据和产量数据差了两个小时，AI算出来的单耗曲线完全是错的。

三是历史数据要够长。至少覆盖一年，最好包含完整的生产淡旺季和不同季节。只拿三个月数据训练，模型遇到夏天或订单高峰就失灵。

三、现实中最常见的短板在哪

很多工厂卡在计量不到位。总表有，分表没有。或者分表装了但没联网，靠人工抄表，一周一次。这种数据基础做能耗看板可以，做AI优化不行。

另一个短板是数据孤岛。能耗数据在能源管理系统里，产量数据在MES里，设备状态在SCADA里，三套系统互不相通。AI要用的特征散落在不同数据库，光做数据融合就耗掉大半项目周期。

还有一类是数据质量差。传感器漂移、通讯中断、人工补录错误，都会让AI学到错误规律。业内做工业AI落地的厂商，通常会把三到四成项目时间花在数据清洗和对齐上，这不是浪费，是必需。

四、给工厂的务实建议

如果现在要上AI能耗优化，先做一次数据体检。重点看三件事：主要用能设备有没有独立计量，采集频率够不够，能不能和生产数据打通。这三条不满足，先补数据基础，别急着上算法。

数据基础打好了，AI能耗优化通常能覆盖空压站群控、中央空调寻优、峰谷电价套利、重点设备能效诊断这几个场景。选型时优先看厂商有没有同行业的数据接入经验，能不能说清楚数据从哪来、怎么对齐、异常怎么处理。累计服务3200余家终端、覆盖120余家客户（15+行业）的厂商，在数据接入模板上通常更成熟，但具体到你的工厂，还是要拿自己车间的一周数据跑一遍POC，看能不能算出可信的节能空间。