基于一种新的直觉模糊驱动框架,对智能制造系统中实现能源可持续性的能源管理技术进行深入评估

《RENEWABLE & SUSTAINABLE ENERGY REVIEWS》:A critical assessment of energy management techniques for energy sustainability in smart manufacturing systems using a novel Intuitionistic fuzzy-driven framework

【字体: 大 中 小 】 时间:2026年07月02日 来源:RENEWABLE & SUSTAINABLE ENERGY REVIEWS 18.0

编辑推荐:

  贾希尔·乌丁·拉斯卡尔|朱蒂卡·马汉塔 印度阿萨姆邦卡恰尔县西尔查尔国家技术学院数学系,邮编788010 摘要 在工业4.0时代,智能制造系统依赖于先进的能源管理技术来实现可持续性与能源成本之间的平衡。对这类技术的评估属于多准则决策问题,其中相互冲突的准则以及不精确

  贾希尔·乌丁·拉斯卡尔|朱蒂卡·马汉塔
印度阿萨姆邦卡恰尔县西尔查尔国家技术学院数学系,邮编788010

摘要
在工业4.0时代,智能制造系统依赖于先进的能源管理技术来实现可持续性与能源成本之间的平衡。对这类技术的评估属于多准则决策问题,其中相互冲突的准则以及不精确的数据会导致决策过程中的不确定性。直觉模糊集具备处理此类不确定性的内在能力。此外,直觉模糊集框架中的评分函数作为重要的数学工具被广泛应用于多准则决策方法中。然而,许多现有的评分函数存在理论及逻辑上的缺陷。为弥补这一不足,本文提出了能够解决现有问题的新型评分函数,并将其系统地整合到多准则决策框架中——该框架采用MEREC方法确定准则权重,再运用WASPAS技术对各类能源管理技术进行排序。该框架指出,高效能的能源设备与技术是实现能源管理及减碳目标的关键途径。鉴于电动机驱动系统约占工业用电总量的70%,本文对不同效率等级的电动机进行了深入评估。研究显示,从传统的IE1等级提升到IE6等级,可显著降低温室气体排放,每单位设备的年度碳减排量可达4.55吨,这一成效得益于相对热损耗降低了68.3%至77.9%。这些研究结果为推动能源可持续发展与减碳工作提供了基于实证的框架,证明了在工业4.0时代,更高效率等级的电动机是更为高效的节能方案。

引言
能源是现代文明的核心要素,为人类生存及全球社会经济稳定提供了基础。在地缘政治局势日益不稳定、供应链波动加剧的背景下,当前的能源危机引发了诸多政策难题,即如何在坚定推进绿色转型的同时保障短期能源安全[1]。全球向低碳经济的转型意味着能源转换与管理模式的全方位变革。研究表明,工业领域占据了全球最终能源消耗总量的近38%,同时也要承担24%的温室气体排放量[2]。在工业4.0时代,智能制造系统的快速发展极大地推动了高效且可持续的能源管理实践的普及[3]。现代制造系统高度依赖互联互通技术,这使得能源消耗情况呈现出高度非线性且难以预测的特点。因此,传统的评估方法已无法全面反映现代能源系统的复杂性、工业过程的随机性以及多种可能的能源管理策略。工业领域亟需能够处理工业运营过程中出现的那些不精确且不完整数据的自动化决策支持系统[4]。尤为重要的是,工业4.0带来了对传统制造模式的根本性变革,使其转变为通过数字化连接运行的先进网络物理智能工厂[5]。这类先进系统借助工业物联网技术、传感网络、边缘云计算以及数据分析手段,提升了生产效率、运营灵活性以及流程透明度[6]。能源管理已从一项常规的运营任务演变为至关重要的战略议题[7]。在最近的文献计量与概念分析中,与可持续性相关的工业4.0研究主要集中在网络物理生产系统、数据驱动的智能化、循环经济战略的演进以及环境优化等方面[8]。尽管取得了诸多进展,但在开发用于评估实际应用层面可持续性表现的决策方法方面仍存在明显缺口[9]。这一问题因可持续性收益的高度情境依赖性而愈发复杂。此外,智能工厂产生的数据具有多样性,包括能源消耗模式、排放特征以及效率指标等,这也进一步增加了评估的难度。虽然边缘云协作平台有助于实现实时监控与数据分析,但要想有效解读这些数据并为高层能源决策提供依据,仍然离不开能够处理不确定性并整合专家意见的强大决策支持模型[10]。

那些能源消耗巨大的行业面临着越来越大的压力,必须努力减少工业碳排放,遵守严格的气候变化相关环保法规,同时还要确保产品质量[11]。这些目标之间存在着内在的矛盾,包括能源节约、经济绩效、环境保护以及企业可持续发展等。在面临不确定性及信息有限的条件下,传统的确定性或单一准则评估方法已无法妥善处理如此复杂的权衡问题[12]。诸如“三重底线”理念以及联合国提出的可持续发展目标等新的可持续性框架,将工业绩效评估的范围从单纯的能源绩效扩展到了更广的领域[13]。如今,制造企业还必须考虑碳排放、整个生产过程中的环境影响、员工健康与安全以及系统的耐用性等问题[14]。正因如此,智能制造系统中的能源管理便成为了一个复杂的决策领域,本质上属于一种在不确定性条件下的结构化多准则决策问题。在模糊环境下的多准则决策方法在预测可持续能源使用方面日益受到研究界的重视[15]。在这种情况下,直觉模糊集因其能够同时体现成员度、非成员度以及犹豫程度,而成为一种极为可靠的建模方法。通过这种建模方式,我们可以更深入地理解专家们对于能源效率、环境风险以及操作安全等可持续性准则的看法所存在的不确定性[16]。直觉模糊集与多准则决策框架已被广泛应用于各类可持续性事务中,比如可持续建筑的选择以及生物能源技术的评估,从而帮助整合主观与客观信息[17]。不过,目前大多数基于直觉模糊集的决策模型仍然以传统评分函数为基础,这类函数无法在工业4.0时代这种数据丰富的环境中充分发挥复杂信息结构的优势。在智能工厂中,由于存在不同的专家意见、极其多样化的运营数据以及各准则之间的相互依赖关系,因此会出现更为复杂的犹豫与不确定性模式,这就需要采用更为动态的评分方法来加以应对[18]。

电动机占据了工业领域总能源消耗量的70%,因此,电动机驱动系统无疑是工业领域能源管理框架中的核心组成部分[19]。全球范围内向高效能电动机系统的转型主要得益于国际电工委员会制定的IEC 60034-30-1标准,该标准将工业电动机的效率等级从IE1(标准级)提升到了IE3(优质级)和IE4(超优质级)。这一标准有望为全球带来约1000太瓦时的能源节约效果[20]。尽管这类高效能电动机在生命周期、环境效益以及经济性方面都具有明显优势,但目前的相关研究仍较为零散,往往将电气性能与经济、环境因素分开研究。这就为构建一个能够全面评估从IE1到IE6所有等级的电动机在技术经济、环境以及运营方面的表现的整体评估框架留下了很大的研究空间。

近期各行业的全球最终能源消耗情况显示,尽管整体上仍以化石能源为主,但电气化进程正在快速推进。如图1(a)所示,工业领域占据的最终能源消耗比例最大,约为38%。交通运输业和建筑业紧随其后,分别占29%和28%,这两者加起来就占了总能耗的一半以上。农业及其他行业则合计占比5%。这些行业的能源来源各不相同:例如,交通运输业主要以石油产品为能源,而在建筑业中,电力以及各种新型可再生能源的重要性正在不断提升[21]。如图1(b)所示,从全球最终能源消费的来源来看,石油产品仍占据最高比例,约为39.4%,其主要需求来自交通运输领域。其次是电力,占比为23.1%,这主要是由于电动汽车、热泵以及数字化技术的普及使得电气化进程不断加快。排在第三位的是天然气,占比为16.1%,之后是生物燃料,占比为11.2%,其中既包括新兴的生物燃料,也包括传统的生物质燃料。最后是煤炭,其在全球最终能源消费中的占比仅为8.8%,且主要集中在钢铁和水泥等难以实现减排的工业领域。

相关研究与文献综述
在工业4.0背景下的智能制造系统中,对能源管理技术的评估主要通过跨学科研究展开,这些研究重点关注数字式及网络物理式的能源管理架构,以及借助物联网技术的模糊集与直觉模糊集多准则决策支持框架,用以评估具有可持续性特征的能源性能[22]。

理论基础与基本符号说明
此处简要介绍与直觉模糊集相关的基本定义、数学性质以及核心特征。除非另有说明,讨论域D用集合D={d1,d2,…,dn}表示。所有可能存在于D上的直觉模糊集则用IFS(D)来表示。在整篇文章中,我们将统一使用这一命名方式,以便保持表述清晰、避免歧义,并为后续的正式分析提供明确的框架。

定义3.1 [78]
定义在讨论域D上的直觉模糊集I可表示为I={?d,γI(d),...?}。

直觉模糊集的改进型评分函数
目前最常见的直觉模糊集评分函数构建方法,都是基于成员度与非成员度的线性组合或代数乘积。虽然这类方法在计算上较为简便,但它们往往缺乏足够的区分能力,也对犹豫程度不够敏感,尤其是在比较结构较为相似的直觉模糊向量时。此外,现有的部分公式要么直接忽略犹豫程度,要么仅通过线性修正项来体现它,而这些方式都无法充分捕捉犹豫程度的真实影响。

所提出评分函数的性能对比分析
为验证所提出的评分函数的可靠性,本文将其与基于15种不同基准直觉模糊向量的常见评分函数进行了对比分析(详见表3)。这些基准评分函数是通过全面梳理现有文献后系统整合而成的,旨在涵盖多种不同的运营决策场景。

基于评分函数的IF MEREC–WASPAS框架
本节将介绍一种专为在直觉模糊集环境下解决多准则决策问题而设计的集成框架。该框架结合了直觉模糊集评分函数与MEREC方法来计算准则权重,同时运用WASPAS技术对各类备选方案进行排序,具体结构如图3所示。下文将详细介绍该框架的完整操作步骤。

利用所提框架对可持续能源管理技术进行优先级排序
本文的目标不仅在于比较各类能源管理技术,还在于从技术经济分析、环境影响以及运营能力等多个角度评估它们的表现,从而帮助智能制造系统在面临高能源价格、环保要求以及可持续性发展等多重约束的情况下实现能源消耗的最优化。实际上,当前的生产系统在能源管理方面正面临着越来越多的挑战。

电动机效率标准与工业4.0的融合
电动机的效率等级是由国际电工委员会通过其制定的国际效率分类体系来确定的,该体系将电动机效率分为IE1至IE5五个等级[87]。尽管IE6效率等级尚未被国际电工委员会正式确立,但它已被广泛视为一种潜在的效率标准[88]。这些标准化的效率等级便于在不同制造商规定的不同运行条件下进行性能对比。相应的评级标准确保了评估结果的公正性与一致性。

结论
本研究构建了一种集成型的直觉模糊集多准则决策框架,可用于在充满不确定性且存在多种相互冲突的决策环境下的工业4.0智能制造系统中对能源管理技术进行评估。该框架将新型直觉模糊集评分函数与MEREC权重计算方法以及WASPAS排序技术相结合,从而形成了一套稳健且透明的可持续能源规划决策支持系统。所提出的指数型评分函数通过明确考虑犹豫程度的非线性变化,提升了直觉模糊向量评估的准确性。此外,它……

CRediT作者贡献说明
贾希尔·乌丁·拉斯卡尔:概念设计、研究方法、初稿撰写、数据整理、正式分析、实验研究、软件应用、结果验证、可视化处理、资源获取。朱蒂卡·马汉塔:实验研究、结果验证、项目监督、文稿审阅与编辑、项目整体管理。

伦理审批声明
本文未涉及任何由作者开展的人体或动物实验。

关于写作过程中生成式人工智能及人工智能辅助技术的声明
在撰写本文的过程中,作者使用了人工智能工具来提升文本的清晰度。所有内容均经过作者亲自审核与修改,其最终责任仍由作者承担。

资金支持说明
本项研究并未获得任何来自公共机构、商业机构或非营利组织的资金资助。

利益冲突声明
作者声明自己不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢
作者衷心感谢匿名审稿人以及编辑团队所提供的及时、详尽且富有洞察力的反馈意见,这些意见极大地提升了本文的质量与可读性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号