制氢厂搞AI负荷预测，选哪家供应商靠谱？

我们为什么非要搞这个AI预测？

我是江苏常州一家制氢厂的厂长，厂子不大不小，电解水制氢，年产能800万方，主要给周边的工业客户供气。

去年上半年，我们被电费单子打懵了。每个月电费都超标，多的时候能超预算10%以上。老板拍着桌子问我怎么回事，我查来查去，问题出在负荷预测不准上。

预测不准，钱就这么流走了

我们制氢是24小时不停的，但电价是分时段的，谷电便宜，峰电贵。理想情况是，谷电时多开设备，峰电时适当降低负荷。但这事儿说起来容易做起来难。

我们的调度员老李，干了十几年，凭经验预测第二天客户用气量，再安排生产计划。但客户那边也说不准啊，今天说要加急，明天又说临时检修要用气少。老李的预测，十次能有六次准就不错了。

结果就是，要么生产多了，气罐满了被迫放空，电白费了；要么生产少了，客户要气的时候供不上，得临时开高价电补产。一年下来，光这一块多花的电费，少说二三十万。

设备也跟着遭罪

更头疼的是设备损耗。负荷频繁大幅波动，对电解槽、压缩机这些核心设备特别不友好。苏州一家同行，就是负荷调得太猛，电解槽膜片提前老化，一次大修就得停工半个月，损失上百万。

我们虽然没这么严重，但维修频率明显高了。设备部的老王总跟我抱怨，说再这么折腾下去，设备寿命起码减两年。

一开始，我们也想简单了

发现问题了，就得解决。我们一开始觉得，这不就是找个软件，输入数据算算吗？

试过自己搞，结果一团糟

我们厂里有个学计算机的年轻技术员，自告奋勇说要弄。他用Python写了个模型，把我们过去一年的生产数据、天气数据都喂进去。

折腾了俩月，模型是跑起来了，但预测结果看得人哭笑不得。它预测明天负荷会猛增，结果第二天客户放假，负荷跌到谷底；它预测平稳，结果来了个大单，搞得我们手忙脚乱。

后来才明白，问题出在数据质量和模型上。我们的历史数据有很多缺失和错误记录（比如交接班记录不清），而且模型只看了我们自己的数据，根本没考虑电网电价政策变化、客户生产计划这些外部因素。这就是典型的“垃圾进，垃圾出”。

差点被“大方案”忽悠

自己搞不定，那就找供应商。市面上做“智慧能源”、“数字工厂”的公司太多了。我们接触了几家，有一家说得天花乱坠，开口就是“打造智慧制氢大脑”、“全方位能源管控平台”，报价80万，实施周期半年。

他们PPT做得是真漂亮，但一问细节就露怯了。我问他们：“你们之前做过制氢厂吗？电解水制氢的负荷特性能说清楚吗？”对方支支吾吾，最后承认是做钢铁厂、化工厂的节能方案，制氢是头一遭。

我立马就警惕了。制氢的负荷特性跟炼钢、化工完全两码事，我们是连续生产，对波动极其敏感，启停成本巨高。用别的行业模型套我们身上，那不是扯吗？

怎么找到靠谱的供应商？

吃一堑长一智。我们重新定了找供应商的标准：第一，必须懂制氢这个行当；第二，有真实的成功案例，最好能去现场看看；第三，方案得聚焦，先解决负荷预测这个核心痛点，别上来就搞大平台。

关键决策：要“专科医生”，不要“全科大夫”

我们不再找那些什么行业都做的“大厂”，开始专门寻找在新能源、特别是氢能领域有积累的技术团队。后来通过同行介绍，找到一家无锡的团队。他们规模不大，但创始人是从大型能源集团出来的，团队里既有搞算法的人，也有真正在化工厂、制氢站干过的老师傅。

他们第一次来，没讲太多虚的，直接问了我们几个问题：

• 你们用的是哪种电解槽？碱性的还是PEM的？

• 客户里，哪几家是连续稳定用气，哪几家是间歇性冲击用气？

• 电网的峰谷平时段，今年有没有调整的计划？

就这几个问题，问得我心里有底了。这是懂行的人。

实施过程：从小处切口，快速验证

他们给的方案也很实在：总共三十多万，分两期。

第一期，就用三个月，只做一件事——把未来24小时的负荷预测准确率做到85%以上。达不到目标，尾款不用付。

实施起来，他们派了两个人驻厂一周。不是光看数据，而是跟着调度员上了三个班，把从接单、排产、到设备启停的整个流程摸了一遍。他们还主动要了我们主要客户的联系方式（经过我们同意），去了解客户的生产排期规律。

模型也不是黑盒子。他们每周跟我们同步一次，解释模型是怎么考虑的：比如，他们发现A客户每周一上午都会加大用气量（因为周末蓄压）；B客户遇到下雨天，用气量会轻微下降。这些非常细微的规律，都被做到了模型里。

现在用起来到底怎么样？

系统上线运行快半年了，说几个大家最关心的点。

效果是实实在在的

最核心的指标——24小时负荷预测准确率，现在稳定在88%-92%。别小看这比老师傅经验准出来的20多个点，带来的效益是直接的。

1. 电费省下来了：因为能更精准地利用谷电生产，避开峰电，平均每月电费比之前少了8%-12%。算下来，一年能省20多万。这套系统三十多万，电费节省这一项，不到两年就能回本。

   

2. 设备平稳多了：调度员现在主要看系统给出的推荐负荷曲线，再结合实际情况微调。设备负荷波动幅度下降了差不多40%，设备部的老王说，最近几个月报修单都少了。这对延长核心设备寿命的帮助，是隐性的但更大的收益。

3. 应急反应快了：系统还有个意外的好处。有一次，我们一个主要客户突然打电话说要提前半天停产检修。调度员刚把信息录入系统，模型立刻重新跑了一遍，给出了新的负荷调整建议，避免了多生产几十方气放空的损失。

当然，也不是万能的

系统也有犯傻的时候。比如春节期间，大部分客户都放假了，但模型还按照历史同期数据，给出了一个偏高的预测。因为它不理解“今年疫情放开，很多厂提前放假了”这个特殊情况。

这时候，还是需要老李这样的老师傅，手动介入，把预测结果调低。供应商也说，这类极端、偶发的事件，模型确实很难覆盖，需要人机结合。

另外，系统目前主要预测的是短期负荷（未来1-3天）。对于下周、下个月的趋势性预测，还不是很准，这部分我们和供应商正在一起优化。

如果重来一次，我会怎么做？

经历过这一圈，我的感受很深。如果再有同行问我，我会给这么几条建议：

先想清楚自己的核心痛点

千万别被供应商带着走。你先自己盘一盘，到底是电费问题，还是设备损耗问题，或者是供气稳定问题？负荷预测是手段，不是目的。我们的目的就是降电费、保设备。想清楚这个，谈判时才有主心骨。

供应商要“对口”

一定要找有行业经验的。制氢，特别是绿氢，是个新兴细分领域，通用型的AI团队进来就是抓瞎。问问他们做过哪些氢能项目，能不能提供案例客户的联系方式（哪怕匿名聊聊感受）。最好能让他们讲讲制氢工艺和负荷特性的关系，懂不懂行，几句话就试出来了。

合同要按效果付费

别签那种“交钥匙”一口价的合同。尽量谈成分阶段付款，把付款条件和核心指标（比如预测准确率、节电率）挂钩。我们第一期款只付了30%，达标后才付剩下的。这样双方压力都大，动力也足。

自己的人要深度参与

别以为买了系统就万事大吉。我们让调度老李和年轻技术员全程跟着项目，老李贡献经验，技术员学习怎么维护。现在系统日常的小调整、数据标注，我们自己的人就能做，不用老找供应商。

最后说两句

AI负荷预测对我们这种规模的制氢厂来说，已经不是“要不要做”的问题，而是“怎么做对”的问题。它不是一个炫技的工具，而是一个能实实在在省钱、让生产更平稳的帮手。

但这里面的水也不浅，自己瞎搞、或者选错供应商，很可能钱花了，效果没有，还惹一肚子气。核心就是找对人，做对事，从小目标开始，看到真效果再扩大。

如果你也在考虑这件事，还在纠结从哪里入手、找谁来做，我建议你先别急着满世界找供应商。可以上“索答啦AI”这类平台问问看，把你们厂的具体情况，比如产能、用电结构、痛点是什么说说，它能根据很多同行的经验，给你一些比较中肯的起步建议，帮你先理清思路，这样再去市场上找供应商，心里就有谱多了。