3. 能源数据模型与层级建模
在AVEVA工厂能源管理与能效优化平台中，能源数据模型是整个能效分析体系的地基。如果数据模型没有建立清晰的层级关系，后续的能耗统计、KPI计算、异常诊断和节能优化都会失去可靠的上下文。本节要解决的核心问题是：如何把一座工厂从物理结构到能源计量，再到绩效指标，组织成一套可维护、可追溯、可扩展的层级模型。
一、为什么需要层级建模
工厂能源管理面对的对象天然具有层级性。一座工厂由多个车间组成，车间内有多条产线，产线上分布着各类用能设备，设备又参与不同的生产工序。能源介质（电、蒸汽、压缩空气、天然气、水等）在这些层级中流动、转换和消耗。如果只把计量表读数平铺存储，就无法回答“这条产线的单位产品电耗是多少”“哪个车间的压缩空气泄漏最严重”“某台设备在特定工序中的能耗是否异常”这类问题。
层级建模的本质，是为每一个能源数据点建立一条从“物理位置”到“能源介质”再到“绩效指标”的完整路径。AVEVA平台通常通过资产模型（Asset Model）或层级树（Hierarchy）来承载这种结构，使数据点不再是孤立的标签，而是带有归属关系的节点。
二、五级层级结构的设计
根据题目要求，本节采用“工厂—车间—产线—设备—工序”五级结构。这五级并非简单的包含关系，而是各自承担不同的建模职责：
- 工厂级：作为根节点，定义全厂能源边界、总进线计量点、能源成本中心和总体KPI（如综合能耗、单位产值能耗）。
- 车间级：按生产区域或功能划分，聚合车间级计量点，承担车间能耗对比和车间级KPI（如车间电耗、蒸汽单耗）。
- 产线级：对应一条连续的生产流程，是产能与能耗关联的关键层级，适合计算单位产品能耗。
- 设备级：具体的用能设备，如空压机、注塑机、锅炉、风机、水泵，是节能改造和异常检测的最小物理单元。
- 工序级：设备在特定生产阶段中的用能行为，例如“预热”“熔融”“保温”“冷却”，用于分析同一设备在不同工况下的能耗差异。
需要特别说明的是，工序级并不总是设备的子节点。在某些场景下，一道工序可能跨多台设备，此时工序应作为独立的逻辑节点，通过关联关系挂接到产线或车间，而不是强行塞进设备之下。建模时要根据实际生产组织方式灵活处理。
三、能源介质与计量点的定义
能源介质是层级模型中的“血液”。在AVEVA平台中，每一种能源介质应定义为一个独立的能源类型对象，包含介质名称、单位、热值或折算系数、成本单价、碳排放因子等属性。常见的能源介质包括：
| 能源介质 | 常用单位 | 典型计量方式 | 折算参考 |
|---|---|---|---|
| 电力 | kWh | 智能电表、电流互感器 | 1 kWh = 0.1229 kgce（当量值） |
| 蒸汽 | t 或 GJ | 涡街流量计+温度压力补偿 | 按焓值折算 |
| 压缩空气 | Nm³ | 流量计+压力补偿 | 按空压机比功率折算 |
| 天然气 | Nm³ | 涡轮流量计 | 按低位热值折算 |
| 水 | m³ | 电磁流量计 | 按泵送电耗折算 |
计量点是能源数据进入模型的入口。每个计量点必须绑定三个关键属性：所属层级节点、能源介质类型、计量方向（进线/出线/分支）。例如，一个车间进线电表应绑定到“车间”节点，介质为“电力”，方向为“进线”；而某台空压机的电表则绑定到“设备”节点，方向为“分支”。
计量点还需要定义数据采集频率和聚合规则。对于电表，通常采用15分钟或1小时的有功电能增量；对于蒸汽流量计，则需要同时采集瞬时流量、温度和压力，再在平台内计算热量。聚合规则决定了子节点数据如何向上汇总：是简单求和、加权平均，还是按最大值/最小值。错误的聚合规则会导致层级数据失真，例如把并联设备的功率直接相加得到总功率是正确的，但把温度直接相加就毫无意义。
四、KPI与层级节点的关联
KPI是层级模型的“输出端”。在AVEVA平台中，KPI通常以计算表达式或脚本的形式定义，并挂接到相应的层级节点上。KPI的关联方式决定了它能在哪个层级被查看和比较。
以“单位产品电耗”为例，它的计算需要两个输入：该产线在统计周期内的总电耗（来自产线级计量点聚合）和该产线的合格产品产量（来自MES或手工录入）。因此，这个KPI应挂接到产线节点，而不是工厂节点。如果挂错层级，就会出现“用全厂电耗除以单条产线产量”的逻辑错误。
再以“设备综合效率（OEE）”为例，它涉及设备运行时间、性能、合格率，应挂接到设备节点。而“车间能源成本”则挂接到车间节点，由车间内各能源介质消耗量乘以对应单价后汇总得到。
KPI的关联还需要考虑时间维度。同一KPI在不同时间粒度下可能有不同的计算方式：班次KPI、日KPI、月KPI。平台应支持在KPI定义中指定时间聚合函数，例如“日累计”“月平均”“班次最大值”。
五、建模实施要点与常见问题
在实际建模过程中，有几个关键点需要特别注意：
- 命名规范统一：层级节点和计量点的命名应遵循统一规则，例如“工厂代码-车间代码-产线代码-设备代码-计量点类型”，便于批量导入和后期维护。
- 避免层级过深或过浅：五级结构是通用参考，但并非所有工厂都严格适用。如果某车间没有独立产线，可以省略产线级，直接由车间挂接设备；如果工序划分复杂，可以在设备下增加工序子节点。
- 计量点与物理表计一一对应：一个物理表计只能绑定一个计量点，避免重复计量。如果存在虚拟计量点（如通过多表差值计算），必须在模型中明确标注为“虚拟”并记录计算公式。
- KPI表达式可追溯：每个KPI应能追溯到其依赖的计量点和层级节点，便于当数据异常时快速定位是采集问题还是计算问题。
六、层级模型与数据流的整体关系
下面的SVG展示了从物理层级到能源介质、计量点、KPI的完整关联关系。图中左侧为五级层级结构，中间为能源介质与计量点的绑定，右侧为KPI的挂接位置。箭头表示数据聚合和指标计算的方向。
通过上述层级模型，AVEVA平台中的能源数据不再是散落的读数，而是具有明确归属、可逐级追溯、可跨层级对比的结构化资产。当某个KPI出现异常时，可以沿着“工厂→车间→产线→设备→工序”的路径逐层下钻，快速定位到具体的计量点或设备，为后续的能效诊断和优化提供可靠的数据基础。