第五章 人工智能技术在热电厂的应用

一、引子

前面文章提过，热电厂的运营最终目标是“持续的安全的高效转换”，在今天的国家能源政策的语境下解读，其实就是3个目标：“安全高效”、“环保低碳”、“灵活智能”。要实现以上目标，就绕不开人工智能技术的应用，这也是热电联产企业数字化转型的重要抓手。

二、核心诉求与机理

热电厂数字化转型，其核心诉求是“节能降耗”。降低能耗是最大的环保，最大的减碳，是保证一个热电企业在市场竞争中保持和提升竞争力的最有利保证。

1、无论是用AI，还是别的数字化工具，都离不开热力系统的基本逻辑和机理，即：两个定律一个性质：

（1）热力学第一定律（热能与机械能互相转换存在守恒关系）；

（2）热力学第二定律（能量的不等价表现为转换方向与限度的差异、从有序到无序、熵增）；

（3）工质的热力学性质（理想气体的状态方程与典型热力过程、水蒸气的热力学性质方程与典型热力过程）。

2、抓手是提高“转换效率“：

（1）热电机组的综合转换效率决定于以下参数：

1）锅炉效率

2）管道效率

3）汽机相对内效率

4）循环效率

5）机电效率

6）厂用电率

凡是涉及到提升这些效率的工作内容均是热电企业节能工作的范畴。

（2）在以上效率中我们要重点提升和猛抓的是以下三个：

1）提高锅炉效率

2）降低汽轮机热耗率

3）降低厂用电率

三、热电系统提效的步骤概述

热电厂提效工作，可以分为五步走：

第一是诊断，得到应达值，夯实定期工作，然后找出问题和痛点，制定相应提升方案及目标，比如论证后转换效率可以提升5%；

第二是运行效率的提升，使其逼近效率应达值，即“管理节能”阶段，资金上零投入，取得接近1%的效率提升；

第三是技改方案的论证与实施，即“硬件提升”，使热力系统恢复应有的健康度，取得接近3%的效率提升；

第四步是AI技术的应用，即用数据来驱动运行决策和经营决策，数据比经验更加精准、高效，对各系统实施“自动智能优化控制”，取得接近1%的效率提升。

第五步，又回到诊断部分，不停迭代，优化提效，推进热电厂数字化进程不断向前。

以上的整个过程，从诊断到论证，从论证到实施，都可以在“在线”基础上实现全流程的数字化。

四、人工智能技术在热电厂的应用范例说明

人工智能工具，其本质是工具，本身具有“被动型”。若想要它发挥威力，必须依靠我们人为主动主体，才可能使AI技术为热电联产赋能。

AI将给热电产业市场带来四方面影响：一是新的数字化服务产业的出现；二是存量热电联产企业的效率提升和运营水平的提升；三是热电厂就业人员工作环境的大为改善；四是岗位少人值守的出现。

1、AI为热电厂提供三个引擎：智能感知、智能决策、智能控制；

2、AI加持下，原来的优化控制逻辑发生改变

对于控制逻辑，我们原来是这么做：做一个机理模型，然后在模型上罩一层优化算法，优化求解方式，实现目标的最大化。这里有个问题是“模型的漂移现象“，刚刚做的模型可能马上就发生工况的变化了，无法实现实时优化。

现在，我们可以通过大数据的分析，寻找到最优工况，然后可以实时自动的运行在最优点。比如“热耗率”的优化控制逻辑，采用边界寻优的方法，一个负荷一个环境温度作为边界，在这两个边界下利用AI工具去寻找历史上200万次数据，把异常工况和死点去掉，剩下150万次，在这中寻找热耗率最低的1000次，分析这1000次如何运行的，然后就按照这个去运行，把这个做成迭代优化的模型，节能效果立竿见影。

3、锅炉燃烧优化控制的思路变化

对于热电厂锅炉的优化控制，原来因为输入维度太多，所以多采用降维建模方法，如大唐集团的思路，只输入四个参数：负荷、氧量、送风开度、磨煤机开度，输出氮氧化物和锅炉效率两个参数，来进行优化控制。

现在完全可以使用神经网络算法，输入20-30个参数，通过利用深度学习的工具，实现锅炉自动优化控制，提高锅炉的燃烧效率，并可以时时迭代。

综上，随着人工智能时代的到来，数据取代经验的时代也到来了，利用大数据，利用AI智能算法，可以颠覆原来的运行方式和控制方式，实现热电厂转换效率的大幅提升，实现热电经营数字化改造。