时序大模型 (TS-FM)
概述
时序大模型（Time Series Foundation Model, TS-FM）是一种通过对海量历史运行数据进行预训练，学习工业装置运行"通用表征"的AI模型。它是能源化工行业动态生产的"节拍器"，是实现从"自动化"向"自主化"跨越的关键技术。
核心能力
跨装置迁移
一个在乙烯装置上训练的时序大模型，通过微调即可快速应用到合成氨装置，大幅降低模型开发成本和周期。
预测性控制
模型能够预判未来2-4小时的系统走势，配合自适应预测控制（APC），实现真正的"无人值守"自动操作。
通用表征学习
通过对海量历史运行数据的预训练，学习装置运行的"通用表征"，使模型具备跨场景泛化能力。
技术架构
- 预训练阶段：在海量历史运行数据上学习通用表征
- 微调阶段：针对特定装置进行快速适配
- 推理阶段：实时预测系统走势，输出控制指令
应用场景
- 乙烯装置运行优化
- 合成氨装置控制
- 炼油过程动态优化
- 化工工艺参数预测
标杆案例
- [[中控技术-tpt-2-0]] — 国内时序大模型落地的标杆案例
相关概念
- [[能源化工AI转型]] — 主要应用场景
- [[工业智能体]] — 进化方向
- [[工业智能算网]] — 技术底座
- [[刘中民]] — 推动者