行業(ye) 背景
1）政策驅動
中國鋼鐵行業(ye) 占全國碳排放總量15%以上，"雙碳"目標下，政策要求2025年前重點企業(ye) 單位能耗下降5%以上，2030年實現碳達峰。政策倒計時2025年鋼鐵行業(ye) 碳達峰大限將至。
引：生態環境部《中國應對氣候變化的政策與(yu) 行動》白皮書(shu) （2021年）中國鋼鐵工業(ye) 協會(hui) 《鋼鐵行業(ye) 碳達峰及降碳行動方案》（2022年）。
2）技術滲透
工業(ye) 互聯網、AI預測算法、數字孿生等技術逐步應用，但覆蓋率不足30%，中小型鋼企仍依賴人工抄表與(yu) 經驗調度。
引：工業(ye) 互聯網產(chan) 業(ye) 聯盟《鋼鐵行業(ye) 數字化轉型白皮書(shu) 》（2023年）頭豹研究院《中國鋼鐵行業(ye) 能源管理市場調研》（2023年）。
3）企業(ye) 分化
鋼鐵行業(ye) 頭部企業(ye) 已建立能源管理中心（EMS），但數據孤島問題依然突出；中小鋼企受限於(yu) 資金與(yu) 技術，能源管理停留在基礎監測階段。
引：中國金屬學會(hui) 《鋼鐵企業(ye) 能源管理現狀調研》（2022年）：指出“90%已建EMS的企業(ye) 存在子係統數據隔離問題”。
行業(ye) 痛點
01數據采集覆蓋率低
1）數據采集覆蓋率低（水、電、氣等介質獨立計量，協議不統一）；2）離線數據占比超40%，實時性差。
02 數據孤島嚴(yan) 重
能源數據分散在SCADA、EMS、MES等係統，缺乏統一平台整合，實時監控率不足40%。
03 碳排放核算誤差率高
1）60%以上企業(ye) 依賴Excel手工計算碳排放，碳核算依賴年度報告，無法實時追蹤。2）綠電消納比例低，碳交易數據缺失。
04 能效管控水平低
“人”的主觀因素影響極大，缺乏自動控製係統、大數據等動態優(you) 化模型對實際生產(chan) 過程的分析指導，造成能源生產(chan) 、供應、使用等環節與(yu) 主要生產(chan) 工藝之間的脫節不能實現最佳銜接。
天拓四方解決(jue) 方案
天拓四方能源管理平台，是基於(yu) 數網星工業(ye) IoT平台基座開發的，集能源數據采集、用能可視、用能分析、動態管控、能源優(you) 化及碳排管理等功能為(wei) 一體(ti) 的綜合能源管理係統，可以幫助企業(ye) 實現全視角用能透視、實時監測、動態管控、多維分析、碳排放限額實時管理等，同時為(wei) 企業(ye) 搭建標準能耗管理體(ti) 係。
采集用能數據，提供集團級駕駛艙
基於(yu) 天拓四方數網星工業(ye) IOT平台的數據采集能力，企業(ye) 可實時、精準采集與(yu) 監測集團內(nei) 各管理層級的用能數據，通過平台的低代碼可視化開發工具，高效定製集團級、企業(ye) 級的駕駛艙。
以集團的視角，查看集團整體(ti) 範圍的總能耗趨勢以及各工廠車間能耗排名情況，對用能情況進行全域了解。通過可視化平台，可展示企業(ye) 年度能耗、碳排放、報警及能耗趨勢走向等，為(wei) 統一組織資源、輔助領導決(jue) 策、形勢預測預控提供支撐。
同時，平台支持從(cong) 各分廠的視角展示用能數據，包括用能概覽、企業(ye) 看板、用能排名、能流圖等，進一步幫助企業(ye) 管理者掌握綜合用能情況，為(wei) 管理提供準確、有效的支撐。
用能分析，實現智能依據
基於(yu) 用能數據的實時采集與(yu) 分析，企業(ye) 可以針對集團層級各個(ge) 工廠的各個(ge) 用能單元的用能數據進行對比、同比、環比等多維度分析，幫助管理者快速發現用能波動及異常，為(wei) 決(jue) 策提供科學的數據依據。
能效對標，實現動態管控
平台支持對各個(ge) 管理層級以及用能單元，設置細化的用能計劃，通過對用能數據的實時采集與(yu) 分析，可以實時分析企業(ye) 能耗指標情況，查看具體(ti) 的差值及趨勢，便於(yu) 做出動態管控，並為(wei) 下一個(ge) 周期的計劃提供指導。
碳排放管控，助力節能減排
平台為(wei) 企業(ye) 提供碳資產(chan) 管理、碳交易看板、減排分析、減排計劃等功能模塊，實現碳排數據實時計算，並根據政府側(ce) 提供的碳排指標，以及企業(ye) 碳交易數據，實時管理企業(ye) 的碳資產(chan) 、碳排放情況，幫助企業(ye) 清晰地跟蹤碳資產(chan) 情況，及時對碳排量進行管控。
·客戶收益·
通過天拓四方能源管理平台，鋼鐵企業(ye) 可通過對標分析確定、跟蹤高能耗設備，為(wei) 後續節能改造方案提供數據支撐。
同時，通過對水、電、燃氣等介質的能耗數據進行采集，實現全廠1-3級能源計量統計，使全廠用能透明化，實現能耗數據可對比、可追溯，實現節能減排、降本增效的管理目標，用數據挖出“隱形利潤”！