寧夏新能源公司基于AI深度學習的氫能關鍵設備預警和故障診斷研究技術服務公開招標，本項目已具備招標條件，現對該項目進行國內資格后審公開招標。
2.項目概況與招標范圍
2.1 項目概況、招標范圍及標段（包）劃分：2.1.1項目概況：寧東可再生氫碳減排示范一期項目位于寧夏回族自治區寧東能源化工基地，主要建設內容包括2座制氫廠（其中清水營制氫廠制氫規模15000Nm3/h、永利制氫廠5000Nm3/h）。
2.1.2招標范圍：為確保氫能系統的穩定運行及其在能源轉型中的廣泛應用，解決傳統的故障檢測方法在應對復雜環境和多變運行條件下的關鍵氫能設備包括整流柜、電解槽、壓縮機，無法及時準確進行故障預警等存在一定的局限性問題。本項目從研究設備的失效機理、數據采集、設備預警、故障診斷、智能決策、平臺搭建等多個方面入手，結合先進的大模型等AI技術，提出系統化的解決方案。實現關鍵設備數據實時監測，及時預警，減少人工依賴；及時捕捉設備異常，避免事故惡化；直接定位故障部位，有針對性維修，縮短搶修時間，有效避免維修不足以及維修過剩，提高管理人員效率。
本項目劃分為一個標段。
2.2 其他：/
2.3 主要研究內容及預期目標：2.3.1研究內容
（1）氫能關鍵設備失效機理模型研究
針對氫能領域往復式與隔膜式壓縮機、電解槽、整流柜等設備的典型失效場景，深入剖析兩類壓縮機的失效模式與機理。
（2）構建氫能關鍵設備多源異構運維數據體系
整合氫能設備全類型運維數據，為設備預警、診斷及優化運行提供全面可靠的數據支撐。針對低頻故障樣本，聯合設備廠家、高校獲取故障樣本或特殊工況試驗數據，輔助驗證特定機理模型的正確性。
通過整合多種數據源，建立全面的設備運行狀態與故障模式關聯。通過數據采集系統的傳感器實時收集溫度、壓力、流量等運行數據，并對這些原始數據進行預處理。數據經過清洗和標注后，形成結構化和非結構化的知識庫。
知識庫支持設備歷史運行數據存儲與查詢，并具備工藝數據與高頻數據的海量時序數據管理能力，集成領域專家的故障模式與診斷經驗。通過動態更新機制，隨著新數據的積累和技術的進步，知識庫不斷優化，提升故障診斷的精度。
知識庫支撐設備預警及故障診斷業務運行，并為相關模型提供樣本數據，幫助訓練系統識別潛在的故障模式和原因，提高故障診斷能力。
（3）氫能關鍵設備故障預警模型研究
通過預警模型的研究，能夠基于歷史故障數據訓練優化，實現故障早期識別。提升準確性與靈敏度，增強故障響應速度、維護效率與系統安全性。開發集成化的設備預警與診斷系統平臺，涵蓋時序數據庫、數字孿生、AI建模工具等基礎組件。實現樣本管理、故障診斷建模、狀態評估、預警推送等功能模塊，支持模型訓練、部署與迭代優化，打造可復用、易擴展的智能運維系統底座。
（4）氫能關鍵設備故障診斷模型研究
實現對氫能關鍵設備故障類型與位置的智能識別與精準定位，構建包括數據特征工程處理、工況狀態識別與自適應調整、設備運行參數優化等能力。
（5）構建氫能關鍵設備預警與診斷平臺
為實現氫能關鍵設備全生命周期的精準管理與安全運行，構建覆蓋設備狀態感知、數據深度分析、故障智能預警及精準診斷的一體化平臺。
在氫能設備預警與故障診斷平臺中，算法模型的融合是確保精準預警和診斷的核心。系統支持AI深度學習處理設備的多維度數據，同時考慮設備的時序特性，采用循環網絡進行時序數據分析。模型訓練通過特征工程提取關鍵特征，并利用數據增強和遷移學習等技術提升算法泛化能力。集成學習方法將多個模型的診斷結果結合，減少單一模型的誤差，提高預警準確性與魯棒性。交叉驗證和超參數調優優化模型表現，確保系統在面對不同設備與環境變化時，依然能夠提供高效、準確的故障預警和診斷。
（6）基于大模型的歸因診斷智能體研究
為提升電解槽、壓縮機等氫能關鍵設備故障根因識別準確性與決策支持能力，提出基于參數工具調用、設備知識庫增強與大模型智能體協同的故障診斷方法，構建具備自主感知、推理決策能力的智能體，實現異常監測到根因歸因的全流程智能化閉環。基于基礎大模型知識推理能力，依托AI、機理、狀態評價模型預警結果，抽取本地知識庫，實現故障預警的準確性判斷、歸因分析診斷與診斷報告生成。
2.3.2預期目標
本研究旨在構建基于AI深度學習的制氫設備故障診斷與預警管理系統，以實現關鍵設備數據的實時監測與自動預警，減少人工依賴；提前捕捉設備異常并實時預警，防范故障發
2.4 項目服務期：自合同簽訂之日起至2027年12月。
3.投標人資格要求
3.1 資質條件和業績要求：
【1】資質要求：（1）投標人須為依法注冊的獨立法人或其他組織，須提供有效的證明文件。
（2）投標人須具有并提供有效的能力成熟度模型集成5級（CMMI5）認證證書。
【2】財務要求：/
【3】業績要求：2021年5月至投標截止日(以合同簽訂時間為準)，投標人須至少具有合同內容包含能源行業設備【健康管理】或【故障診斷】或【預警診斷】或【預測性維護】或【一體化管控】或【一體化監管】的合同業績2份，單份合同金額不低于500萬元。投標人須提供能證明本次招標業績要求的合同證明掃描件，合同掃描件須至少包含：合同買賣雙方蓋章頁、合同簽訂時間和業績要求中的關鍵信息頁。若投標人有相關科技項目課題的可以提供計劃任務書代替。
【4】信譽要求：/
【5】項目負責人的資格要求：投標人為本項目配備的項目負責人須至少具有項目管理專業人士資格認證（PMP）或信息系統項目管理師資質證書。
【6】其他主要人員要求：/
【7】科研設施及裝備要求：/
【8】其他要求：/
3.2 本項目不接受聯合體投標。
4.招標文件的獲取
招標文件開始購買時間2026-04-23 10:00:00，招標文件購買截止時間2026-04-28 16:00:00。
欲購買招標文件的投標人請聯系開通供應商會員事宜,審核通過后項目的相應說明完成招標文件的
購買!為保證您能夠順利投標，具體要求及購買標書流程請聯系 010-68818478
聯系人：劉靜
手機：13681557910 (微信同號)
郵箱：1490789738@qq.com
2.項目概況與招標范圍
2.1 項目概況、招標范圍及標段（包）劃分：2.1.1項目概況：寧東可再生氫碳減排示范一期項目位于寧夏回族自治區寧東能源化工基地，主要建設內容包括2座制氫廠（其中清水營制氫廠制氫規模15000Nm3/h、永利制氫廠5000Nm3/h）。
2.1.2招標范圍：為確保氫能系統的穩定運行及其在能源轉型中的廣泛應用，解決傳統的故障檢測方法在應對復雜環境和多變運行條件下的關鍵氫能設備包括整流柜、電解槽、壓縮機，無法及時準確進行故障預警等存在一定的局限性問題。本項目從研究設備的失效機理、數據采集、設備預警、故障診斷、智能決策、平臺搭建等多個方面入手，結合先進的大模型等AI技術，提出系統化的解決方案。實現關鍵設備數據實時監測，及時預警，減少人工依賴；及時捕捉設備異常，避免事故惡化；直接定位故障部位，有針對性維修，縮短搶修時間，有效避免維修不足以及維修過剩，提高管理人員效率。
本項目劃分為一個標段。
2.2 其他：/
2.3 主要研究內容及預期目標：2.3.1研究內容
（1）氫能關鍵設備失效機理模型研究
針對氫能領域往復式與隔膜式壓縮機、電解槽、整流柜等設備的典型失效場景，深入剖析兩類壓縮機的失效模式與機理。
（2）構建氫能關鍵設備多源異構運維數據體系
整合氫能設備全類型運維數據，為設備預警、診斷及優化運行提供全面可靠的數據支撐。針對低頻故障樣本，聯合設備廠家、高校獲取故障樣本或特殊工況試驗數據，輔助驗證特定機理模型的正確性。
通過整合多種數據源，建立全面的設備運行狀態與故障模式關聯。通過數據采集系統的傳感器實時收集溫度、壓力、流量等運行數據，并對這些原始數據進行預處理。數據經過清洗和標注后，形成結構化和非結構化的知識庫。
知識庫支持設備歷史運行數據存儲與查詢，并具備工藝數據與高頻數據的海量時序數據管理能力，集成領域專家的故障模式與診斷經驗。通過動態更新機制，隨著新數據的積累和技術的進步，知識庫不斷優化，提升故障診斷的精度。
知識庫支撐設備預警及故障診斷業務運行，并為相關模型提供樣本數據，幫助訓練系統識別潛在的故障模式和原因，提高故障診斷能力。
（3）氫能關鍵設備故障預警模型研究
通過預警模型的研究，能夠基于歷史故障數據訓練優化，實現故障早期識別。提升準確性與靈敏度，增強故障響應速度、維護效率與系統安全性。開發集成化的設備預警與診斷系統平臺，涵蓋時序數據庫、數字孿生、AI建模工具等基礎組件。實現樣本管理、故障診斷建模、狀態評估、預警推送等功能模塊，支持模型訓練、部署與迭代優化，打造可復用、易擴展的智能運維系統底座。
（4）氫能關鍵設備故障診斷模型研究
實現對氫能關鍵設備故障類型與位置的智能識別與精準定位，構建包括數據特征工程處理、工況狀態識別與自適應調整、設備運行參數優化等能力。
（5）構建氫能關鍵設備預警與診斷平臺
為實現氫能關鍵設備全生命周期的精準管理與安全運行，構建覆蓋設備狀態感知、數據深度分析、故障智能預警及精準診斷的一體化平臺。
在氫能設備預警與故障診斷平臺中，算法模型的融合是確保精準預警和診斷的核心。系統支持AI深度學習處理設備的多維度數據，同時考慮設備的時序特性，采用循環網絡進行時序數據分析。模型訓練通過特征工程提取關鍵特征，并利用數據增強和遷移學習等技術提升算法泛化能力。集成學習方法將多個模型的診斷結果結合，減少單一模型的誤差，提高預警準確性與魯棒性。交叉驗證和超參數調優優化模型表現，確保系統在面對不同設備與環境變化時，依然能夠提供高效、準確的故障預警和診斷。
（6）基于大模型的歸因診斷智能體研究
為提升電解槽、壓縮機等氫能關鍵設備故障根因識別準確性與決策支持能力，提出基于參數工具調用、設備知識庫增強與大模型智能體協同的故障診斷方法，構建具備自主感知、推理決策能力的智能體，實現異常監測到根因歸因的全流程智能化閉環。基于基礎大模型知識推理能力，依托AI、機理、狀態評價模型預警結果，抽取本地知識庫，實現故障預警的準確性判斷、歸因分析診斷與診斷報告生成。
2.3.2預期目標
本研究旨在構建基于AI深度學習的制氫設備故障診斷與預警管理系統，以實現關鍵設備數據的實時監測與自動預警，減少人工依賴；提前捕捉設備異常并實時預警，防范故障發
2.4 項目服務期：自合同簽訂之日起至2027年12月。
3.投標人資格要求
3.1 資質條件和業績要求：
【1】資質要求：（1）投標人須為依法注冊的獨立法人或其他組織，須提供有效的證明文件。
（2）投標人須具有并提供有效的能力成熟度模型集成5級（CMMI5）認證證書。
【2】財務要求：/
【3】業績要求：2021年5月至投標截止日(以合同簽訂時間為準)，投標人須至少具有合同內容包含能源行業設備【健康管理】或【故障診斷】或【預警診斷】或【預測性維護】或【一體化管控】或【一體化監管】的合同業績2份，單份合同金額不低于500萬元。投標人須提供能證明本次招標業績要求的合同證明掃描件，合同掃描件須至少包含：合同買賣雙方蓋章頁、合同簽訂時間和業績要求中的關鍵信息頁。若投標人有相關科技項目課題的可以提供計劃任務書代替。
【4】信譽要求：/
【5】項目負責人的資格要求：投標人為本項目配備的項目負責人須至少具有項目管理專業人士資格認證（PMP）或信息系統項目管理師資質證書。
【6】其他主要人員要求：/
【7】科研設施及裝備要求：/
【8】其他要求：/
3.2 本項目不接受聯合體投標。
4.招標文件的獲取
招標文件開始購買時間2026-04-23 10:00:00，招標文件購買截止時間2026-04-28 16:00:00。
欲購買招標文件的投標人請聯系開通供應商會員事宜,審核通過后項目的相應說明完成招標文件的
購買!為保證您能夠順利投標，具體要求及購買標書流程請聯系 010-68818478
聯系人：劉靜
手機：13681557910 (微信同號)
郵箱：1490789738@qq.com