1. 课程导入与工程全景

在流程工业、电力、冶金、化工、造纸等连续生产场景中，能源成本往往占制造总成本的20%～40%，而生产绩效的波动又直接决定单位产品能耗的高低。企业常见的困境是：DCS、SCADA、电表、流量计、LIMS、MES各自保存数据，能源报表靠人工抄录与Excel汇总，滞后一天甚至一周；当发现某条产线吨蒸汽耗电异常时，已经错过了最佳调整窗口。PI System（Plant Information System，现称AVEVA PI System）正是为解决这类问题而生的实时数据基础设施，它把分散在控制系统与仪表中的数据统一采集、长期归档、按时间序列组织，并向上支撑能源管理、生产绩效分析与优化决策。

PI System在能源与绩效分析中的定位

从数据流角度看，PI System处于自动化层与管理决策层之间，扮演“时间序列数据中枢”的角色。底层通过PI Interface（如OPC DA/UA、Modbus、IEC 104、CSV、RDBMS接口）从DCS、PLC、电表、流量计算机采集数据；中间由PI Data Archive负责高压缩比的历史存储，PI Asset Framework（AF）负责建立设备、工艺单元、计量点之间的层级模型与计算属性；上层通过PI Vision、PI DataLink、PI Web API、AF Analytics向能源看板、绩效报表、KPI计算和高级分析提供数据服务。

其核心价值可归纳为四点：一是统一时间基准，所有测点带时间戳入库，消除多系统对时不一致；二是高压缩长期存储，旋转门压缩算法使数年秒级数据可低成本保留；三是资产化建模，把“位号”升级为“设备—单元—产线—工厂”的可复用结构；四是在线计算与事件框架，让能效指标、单耗、负荷率、绩效KPI在数据到达时即被计算，而不是事后补算。

典型工程场景

第一个典型场景是全厂能源介质计量与平衡。以某化工厂为例，需要采集进线电表、各装置配电柜电表、蒸汽流量计、循环水流量计、压缩空气流量计等数百个计量点。工程上通常按“总进线—车间—装置—关键设备”四级建立AF层级，每个计量点作为AF元素的一个属性，并配置累计量差分计算得到小时/班次用量。若某装置蒸汽用量与上下游流量计偏差超过3%，即可通过PI Vision趋势对比快速定位是仪表漂移还是真实泄漏。

第二个场景是单位产品能耗与绩效KPI在线计算。例如计算“吨蒸汽耗电”，公式为：某班次耗电量(kWh) ÷ 同期蒸汽产量(t)。在AF Analytics中可写成表达式：('电表累计' - '电表累计'[班次开始]) / ('蒸汽累计' - '蒸汽累计'[班次开始])，并按班次触发计算，结果写回AF属性供看板展示。这样班组长交接班时即可看到本班单耗与上一班、昨日同班的对比。

第三个场景是峰谷用电与负荷优化。通过PI记录15分钟需量、峰平谷时段电量，结合生产计划分析可转移负荷。例如某空压站夜间电价低谷时段可提前蓄气，将白天高峰用电量降低约8%～12%（示例假设值，需按实际设备与电价验证）。

学习路径建议

本课程后续30章将按“数据接入—资产建模—计算分析—可视化—工程落地”的主线展开。建议学习顺序为：先理解PI Data Archive与Interface的基本采集机制，再掌握AF层级建模与模板复用，然后学习AF Analytics与Event Frame实现能效KPI和事件统计，最后通过PI Vision与DataLink完成看板与报表交付。每章都会给出可参考的配置示例、参数取值和判断依据，帮助你把PI System真正用到能源管理与生产绩效分析的实际工程中。