Тепловые батареи для промышленного тепла: роль ИИ

Промышленное тепло — это «невидимый гигант» энергоперехода: без него не работают металлургия, цемент, химия и пищевая промышленность. И именно оно часто держится на природном газе и угле, потому что этим процессам нужен стабильный жар на сотни и тысячи градусов — не минутами, а сутками.

На этом фоне тепловые батареи выглядят неожиданно простым ответом на сложную проблему: берём дешёвую возобновляемую электроэнергию, превращаем её в тепло, храним и выдаём по запросу — без горения топлива и без дымовой трубы. А дальше начинается самое интересное для нашей серии «Искусственный интеллект в энергетике и электроэнергетике»: именно ИИ может сделать такую систему предсказуемой, управляемой и экономически выгодной в реальном цехе.

Почему промышленности нужен не “зелёный ток”, а “зелёное тепло”

Главная мысль простая: электричество — не единственный продукт энергосистемы. Значительная доля энергии в промышленности потребляется в виде тепла: от сравнительно низких температур (например, пастеризация) до ультравысоких (сталь и цемент).

По оценкам отраслевых обзоров, промышленное тепло даёт около 18% выбросов парниковых газов и более 20% мирового энергопотребления. Это огромный кусок пирога, который невозможно «закрыть» только ростом ВИЭ на сетевом уровне. Нужны технологии, которые доставляют тепло туда, где оно используется, и в том режиме, который требует производство.

Тут и появляется класс решений, которые многие недооценивают: тепловое накопление энергии. Оно часто дешевле и проще по материалам, чем электрохимические батареи, особенно когда цель — не вернуть электричество в сеть, а обеспечить технологический пар/горячий воздух.

Как работает тепловая батарея: “тостер” + “домна”

Один из самых наглядных примеров — промышленная тепловая батарея на огнеупорных материалах.

Суть технологии:

• Возобновляемая электроэнергия нагревает металлические элементы (по логике очень похоже на спираль в тостере).
• Эти элементы разогревают сотни тонн огнеупорных «кирпичей».
• Температура хранения может достигать до 1500 °C.
• Зарядка может занимать 4–6 часов в день, а разряд — выдавать тепло/пар по требованию.

Как выдаётся тепло:

• Включается циркуляционный вентилятор.
• Воздух проходит через раскалённый массив и на выходе получает более 1000 °C.
• Мощность теплоподачи регулируется расходом воздуха.

Как получить пар:

• В отдельную камеру подаётся вода.
• Нагретый воздух превращает её в пар, который затем можно подавать в технологию.

Инженерный нюанс, который решает судьбу проекта: хранить тепло относительно несложно, а вот быстро зарядить и затем долго выдавать тепло на одной температурной полке — это и есть ключевая сложность тепловых накопителей.

Кейс: тепловая батарея 100 МВт·ч для технологического пара

Коммерческая установка масштаба «как небольшое офисное здание» (ёмкость порядка 100 МВт·ч) работает в связке с автономной солнечной электростанцией примерно 20 МВт.

Применение — технологический пар для операций, где пар закачивается в пласт, чтобы снизить вязкость нефти и улучшить её приток. Раньше пар получали газовым котлом. Замена котла тепловой батареей позволяет, по заявленным оценкам, сократить выбросы на чуть менее 13 000 тонн CO₂ в год, одновременно снижая стоимость тепла.

Да, выбор «первого рынка» вызывает споры: часть экспертов считает, что улучшение добычи ископаемого топлива с помощью чистых технологий выглядит противоречиво. Я смотрю на это прагматичнее: если технология может вытеснить горение газа для пара прямо сейчас, её важно масштабировать — а дальше переносить в металлургию, цемент, сушку, пищевые линии, химические процессы.

Где здесь ИИ: от “железки” к управляемой тепловой системе

Тепловая батарея без цифрового управления — это просто большой тепловой бак. Тепловая батарея с ИИ — это часть умной энергосистемы предприятия, которая умеет покупать энергию дёшево, выдавать тепло точно по графику, и сохранять ресурс оборудования.

Ниже — практичные сценарии, которые я чаще всего вижу в проектах цифровизации энергетики.

1) ИИ для оптимизации зарядки под цены и ВИЭ

Экономика тепловых батарей почти всегда упирается в вопрос: когда заряжаться?

Если у предприятия есть доступ к динамическим ценам (или внутренней модели стоимости энергии), ИИ-модуль может:

• прогнозировать выработку солнечной/ветровой генерации на сутки вперёд;
• прогнозировать «окна дешёвой энергии»;
• выбирать режимы зарядки, чтобы набрать нужный запас тепла с минимальной стоимостью.

В реальности это задача диспетчеризации с ограничениями:

• лимиты по мощности подключения/инверторов;
• ограничения по скорости нагрева;
• требуемые температурные уровни для технологического процесса;
• ограничения по вентиляторам/парогенерации.

На практике хорошо работают гибридные подходы: прогнозирование (ML) + оптимизация (математическое программирование).

2) Прогноз спроса на пар/тепло: меньше “запаса на всякий случай”

Промышленность любит перестраховку: «держим температуру с запасом, чтобы не сорвать выпуск». Это понятно, но дорого.

ИИ может строить прогноз теплопотребления по:

• плану производства,
• рецептурам/маршрутам,
• погоде (да, для некоторых процессов это важно),
• истории простоев,
• качеству сырья.

Результат — меньше переразогрева, меньше потерь, меньше пиков мощности, более ровный режим оборудования.

3) “Мягкое” управление температурной полкой и качеством процесса

Многие технологии чувствительны не только к средней температуре, но и к колебаниям. ИИ-управление здесь полезно как «надстройка» над классическим ПИД:

• удержание температуры на выходе в узком коридоре;
• компенсация возмущений (изменение расхода воздуха/пара, качество воды, изменение теплоотбора);
• поиск режимов, где КПД выше при той же производительности.

Для предприятий это выражается в очень понятных KPI:

• меньше брака,
• меньше незапланированных остановов,
• стабильнее качество.

4) Предиктивная диагностика: кирпичи, нагреватели, вентиляторы

Тепловая батарея кажется «неубиваемой», но отказов там тоже хватает:

• деградация нагревательных элементов,
• проблемы с вентиляторами,
• утечки воздуха,
• ухудшение теплопередачи,
• нештатные температурные градиенты.

ИИ-мониторинг (анализ временных рядов, выявление аномалий) помогает:

• заранее увидеть отклонения,
• планировать обслуживание без остановки производства,
• снижать риск аварийных перегревов.

Ограничения и “узкие места” масштабирования

Трезвый взгляд важен: тепловые батареи не взлетят везде одинаково быстро.

Регулирование и рынок электроэнергии

Чтобы технология выигрывала экономически, часто нужен доступ к оптовым/динамическим ценам или к договорной модели, где предприятие может покупать энергию в определённые часы дешевле. Если доступны только фиксированные тарифы, бизнес-кейс ухудшается.

Интеграция в существующую инфраструктуру

• Нужно место (иногда — действительно «размером с здание»).
• Нужны воздуховоды/паровые контуры.
• Иногда требуется отдельная ВИЭ-генерация или усиление ввода.

По моему опыту, лучше всего стартуют предприятия, где:

• есть понятный потребитель тепла/пара,
• есть место под установку,
• есть финансовая мотивация заменить газ,
• есть команда, готовая к цифровому управлению.

CAPEX и доверие к технологии

Высокие начальные вложения и «молодость» рынка — барьер. Здесь как раз помогает цифровая часть: прозрачные расчёты, цифровые двойники, пилотные проекты на меньшей мощности, поэтапное масштабирование.

Что делать промышленному потребителю уже в 2026 году

Если вы на стороне завода, ТЭЦ, энергослужбы или интегратора, рабочий план выглядит так:

1. Выберите один технологический контур (пар, горячий воздух, сушильная линия), где тепловая нагрузка измерима.
2. Соберите данные: профиль потребления тепла, график производства, цена энергии, ограничения по процессу.
3. Сделайте технико-экономическую модель (минимум: сравнение с газовым котлом; лучше: оптимизация по часам).
4. Параллельно спроектируйте ИИ-контур управления: прогноз нагрузки + оптимизация зарядки + мониторинг.
5. Запустите пилот: даже небольшой накопитель быстро покажет, где настоящие потери — в технике или в диспетчеризации.

Сильная позиция на рынке будет у тех, кто рассматривает тепловую батарею не как оборудование, а как управляемый актив энергосистемы предприятия.

Куда это встраивается в серию про ИИ в энергетике

Мы привыкли обсуждать ИИ в электроэнергетике через призму сетей, устойчивости и батарей для выдачи электричества. Но промышленное тепло — столь же важная часть картины. Тепловые батареи расширяют поле применения ИИ: теперь оптимизировать можно не только мегаватты в сети, но и гигаджоули в технологическом контуре.

Дальше рынок будет развиваться по логике «цифрового зреления»: у кого лучше прогноз, управление и диагностика — у того дешевле гигаджоуль тепла и выше надёжность. И это уже не теория, а соревнование инженерных команд.

Если вы думаете о проекте по декарбонизации тепла или хотите посчитать экономику теплового накопления вместе с ИИ-диспетчеризацией, начните с простого: опишите ваш профиль пара/тепла и ограничения процесса. Всё остальное — дело техники и данных.