一、項(xiàng)目背景
1、行業(yè)特性
熱能作為化工、生物、醫(yī)藥、造紙、食品加工、紡織等工業(yè)生產(chǎn)過程中必備的基礎(chǔ)能源之一，是與電能地位相當(dāng)?shù)墓I(yè)基礎(chǔ)能源。但熱能由于無法遠(yuǎn)距離傳輸，所以熱能的供給和消費(fèi)都是區(qū)域化的。在有規(guī)模化熱能需求產(chǎn)業(yè)存在的工業(yè)園區(qū)，基本上都需要有一個熱源廠，而為了熱能的高效梯次利用，國內(nèi)目前的熱源都以熱電聯(lián)產(chǎn)為主。與以供應(yīng)公共電網(wǎng)為主的火力發(fā)電大機(jī)組不同，熱電聯(lián)產(chǎn)機(jī)組有以下特點(diǎn)：
作為區(qū)域能源供應(yīng)主體，僅響應(yīng)工業(yè)園區(qū)內(nèi)部熱電能源需求，有面向政府公共工業(yè)園區(qū)的公共熱電聯(lián)產(chǎn)工廠，也有面向企業(yè)大型生產(chǎn)園區(qū)的自備熱電聯(lián)產(chǎn)工廠。
由于我國能源結(jié)構(gòu)特性，絕大多數(shù)熱電聯(lián)產(chǎn)都是燃煤機(jī)組，燃煤由于來源多樣而導(dǎo)致燃煤品質(zhì)波動大、不穩(wěn)定。
根據(jù)工業(yè)園區(qū)中生產(chǎn)企業(yè)的工藝特性對能源的不同需求，熱電聯(lián)產(chǎn)廠有的以供熱為主、供電為輔，有的以供電為主、供熱為輔。
作為工業(yè)園區(qū)唯一的供熱源，熱電聯(lián)產(chǎn)廠需要連續(xù)供應(yīng)，鍋爐、汽機(jī)等設(shè)備都采用冗余配置，所以熱電聯(lián)產(chǎn)廠都采用母管制結(jié)構(gòu)，而且既供熱又供電，供熱還可能存在多種蒸汽等級、多條供熱管道，整個生產(chǎn)工藝復(fù)雜，運(yùn)行控制挑戰(zhàn)大。
熱電聯(lián)產(chǎn)鍋爐、汽機(jī)等設(shè)備數(shù)量多但每個機(jī)組規(guī)模小，整廠在投資建設(shè)階段與火力發(fā)電大機(jī)組相比，基建投資預(yù)算少很多，在輔機(jī)、傳感器、執(zhí)行機(jī)構(gòu)等設(shè)備的選型采購時通常受預(yù)算約束，往往質(zhì)量不高，容易出故障。
2、政策背景
從啟動雙碳政策以來，風(fēng)電和光伏的新增機(jī)組容量和總裝機(jī)容量占比持續(xù)攀升。截止2023年，綠能的裝機(jī)容量已經(jīng)超過了煤電。但風(fēng)資源的波動、風(fēng)力機(jī)組調(diào)峰能力弱，風(fēng)電出力存在隨機(jī)波動性和反調(diào)峰特性；太陽能光伏發(fā)電嚴(yán)重依賴光照情況，存在天然的不確定性和間歇性，大量“陰晴不定”的新能源并網(wǎng)給電網(wǎng)帶來前所未有的調(diào)峰壓力。2023年3月28日，國家能源局27號文件發(fā)布《國家能源局關(guān)于加快推進(jìn)能源數(shù)字化智能化發(fā)展的若干意見》中指出要將數(shù)字技術(shù)與能源產(chǎn)業(yè)發(fā)展深度融合，提高能源產(chǎn)業(yè)數(shù)字化智能化水平，加快構(gòu)建清潔低碳、安全高效的新型能源體系。
作為能源使用主要存在形態(tài)的區(qū)域能源，也是新型能源體系的重要組成部分。自2023年《意見》發(fā)布以來，越來越多的區(qū)域能源應(yīng)國家要求加快光伏、風(fēng)電等新能源的建設(shè)，這就構(gòu)成了分布式新型區(qū)域能源體系，如下圖所示：
在新型區(qū)域能源體系中，除了原來熱電用戶的波動性外，還增加了新的波動性：
新能源波動性：光伏、風(fēng)電對于區(qū)域電網(wǎng)的供電引入了巨大的不確定性；
電價(jià)波動性：越來越多的省份開始推行電力現(xiàn)貨交易，區(qū)域電網(wǎng)使用公共電網(wǎng)電量時不再是穩(wěn)定的電價(jià)，而是動態(tài)的電價(jià)，這對電網(wǎng)用電成本引入了不確定性；
熱電廠作為區(qū)域能源唯一可大幅調(diào)控的能源主體，為了能夠更好地實(shí)現(xiàn)新能源的利用，以及在動態(tài)電價(jià)政策下實(shí)現(xiàn)區(qū)域能源綜合用能成本最低，熱電廠的實(shí)時動態(tài)調(diào)控成為關(guān)鍵。
3、痛點(diǎn)問題
我國的熱電聯(lián)產(chǎn)機(jī)組普遍應(yīng)用了DCS來監(jiān)控和運(yùn)行生產(chǎn)系統(tǒng)，由于熱電聯(lián)產(chǎn)機(jī)組“非線性、強(qiáng)耦合、大延遲、多時變”的特性，目前基本上所有的熱電聯(lián)產(chǎn)機(jī)組均無法實(shí)現(xiàn)全廠常態(tài)化自動控制運(yùn)行，而是采用人工調(diào)控運(yùn)行的模式，DCS僅作為集中控制的手段實(shí)現(xiàn)數(shù)據(jù)和控制的集中。其主要原因是以DCS為基礎(chǔ)的控制體系在熱電聯(lián)產(chǎn)場景下存在不足：
1）協(xié)調(diào)與耦合控制能力弱
DCS更擅長局部單回路的自動控制，而對于系統(tǒng)級的耦合控制或協(xié)調(diào)控制并不擅長。這導(dǎo)致對于煤電與新能源協(xié)調(diào)、多機(jī)組協(xié)調(diào)、熱/電協(xié)調(diào)、機(jī)爐協(xié)調(diào)、母管制鍋爐間的協(xié)調(diào)、燃燒與環(huán)保協(xié)調(diào)等場景當(dāng)前的自動控制系統(tǒng)無法適應(yīng)，需要運(yùn)行人員人工操作。
2）大延遲控制效果差
PID以反饋控制為主，對于延遲較大的場景容易造成波動大、控制跳出等問題。這導(dǎo)致流化床鍋爐控制、脫硝控制、大供熱管網(wǎng)的壓力響應(yīng)等大延遲場景當(dāng)前的控制系統(tǒng)無法自動控制，仍廣泛依賴運(yùn)行人員。
3）控制邏輯適應(yīng)性、健壯性差
DCS為了強(qiáng)調(diào)硬件的穩(wěn)定性和健壯性，在數(shù)據(jù)存儲容量、計(jì)算能力等方面均采用比較穩(wěn)定可靠但算力較弱的硬件，所以在控制邏輯算法上均只能支持較初級的算法?？刂七壿嬐耆揽空{(diào)試人員現(xiàn)場調(diào)試并將驗(yàn)證好的控制規(guī)則和控制參數(shù)寫死在DCS中。而同一套控制規(guī)則和控制參數(shù)往往適應(yīng)性窄、健壯性差，對于熱電聯(lián)產(chǎn)這種負(fù)荷區(qū)間波動范圍大、機(jī)爐運(yùn)行組合多樣、設(shè)備條件容易變化、燃料成分波動頻繁的場景，固定的控制規(guī)則和控制參數(shù)是無法適應(yīng)的。
4)對數(shù)據(jù)質(zhì)量要求高、容忍度低
以DCS為基礎(chǔ)的控制技術(shù)對數(shù)據(jù)統(tǒng)計(jì)算法缺乏支持，簡單的數(shù)據(jù)判斷和清洗算法很難解決熱電廠質(zhì)量較差的數(shù)據(jù)質(zhì)量，極易發(fā)生由于數(shù)據(jù)質(zhì)量問題導(dǎo)致的控制異常。
目前國內(nèi)也有一些自動控制廠家為熱電聯(lián)產(chǎn)小機(jī)組提供基于APC技術(shù)的自動控制產(chǎn)品，但從市場反應(yīng)來看，仍然存在機(jī)組覆蓋不全、工況適應(yīng)性差、負(fù)荷適應(yīng)性差、自動投用率低等問題，這些產(chǎn)品目前僅在少數(shù)工業(yè)場景的單爐控制有少數(shù)成功案例，大量的都是失敗案例。
以DCS為代表的第三次工業(yè)革命產(chǎn)生的控制技術(shù)已經(jīng)成熟了幾十年，在煤電行業(yè)的應(yīng)用也超過了30年，但母管制的熱電聯(lián)產(chǎn)小機(jī)組仍然以人工運(yùn)行為主，自動范圍覆蓋和自動投用率均非常低。運(yùn)行效果嚴(yán)重依賴運(yùn)行人員的經(jīng)驗(yàn)、責(zé)任心、精力等，運(yùn)行人員招聘、培養(yǎng)、管理負(fù)擔(dān)重；而且人工運(yùn)行幾乎無法實(shí)現(xiàn)長時間及時、準(zhǔn)確地調(diào)控，這也會導(dǎo)致系統(tǒng)能效、環(huán)?？刂啤⑤o料消耗、蒸汽品質(zhì)等均存在較大提升空間。
尤其是當(dāng)下在建設(shè)新型能源體系的大背景下，熱電聯(lián)產(chǎn)生產(chǎn)過程依賴人工運(yùn)行的現(xiàn)狀完全無法適應(yīng)區(qū)域能源調(diào)控體系對熱電廠的調(diào)控需求，這成為了新型區(qū)域能源系統(tǒng)高質(zhì)量發(fā)展的重大瓶頸。
2、市場分析
中國現(xiàn)存工業(yè)鍋爐40多萬臺，其中燃煤鍋爐30萬臺，燃?xì)?油/電鍋爐10萬臺，其余為生物質(zhì)、地?zé)岬刃履茉村仩t。
對于熱電聯(lián)產(chǎn)機(jī)組，一個電廠普遍配置運(yùn)行人員在70-80人，每個運(yùn)行人員一年的成本在10萬元左右，而且隨著社會發(fā)展，越來越少的年輕人愿意從事電廠運(yùn)行工作，尤其是經(jīng)濟(jì)發(fā)達(dá)地區(qū)或偏遠(yuǎn)地區(qū)，電廠普遍面臨招人難、培養(yǎng)難、留人難、管理難的問題。智能調(diào)控技術(shù)的應(yīng)用可以有效降低對運(yùn)行人員在數(shù)量、能力、工作強(qiáng)度、管理難度方面的需求，降低企業(yè)的用人成本。另外，智能調(diào)控技術(shù)在替代人工運(yùn)行后可以規(guī)避由于運(yùn)行人員在經(jīng)驗(yàn)、責(zé)任心等方面的不足，有效改善機(jī)組的運(yùn)行效果，提升系統(tǒng)能效?？紤]一個中等規(guī)模的電廠，每年生產(chǎn)成本2億，智能調(diào)控技術(shù)可以節(jié)省20人、帶來1%的系統(tǒng)能效提升，那該技術(shù)可以每年為電廠節(jié)省400萬元的直接經(jīng)濟(jì)價(jià)值。
對于配備了新能源的區(qū)域能源系統(tǒng)，智能調(diào)控技術(shù)的有效應(yīng)用，可以大幅改善新能源、公共電網(wǎng)、熱電廠之間的協(xié)調(diào)，提高新能源的利用率，降低區(qū)域能源系統(tǒng)的綜合用能成本，綜合經(jīng)濟(jì)效益也可達(dá)數(shù)百萬元每年。
智能調(diào)控技術(shù)不僅在新型區(qū)域能源系統(tǒng)中可以發(fā)揮重大價(jià)值，對于純粹發(fā)電或發(fā)電附帶供熱的公共電廠，智能調(diào)控技術(shù)也可以改善機(jī)組的靈活性、控制的穩(wěn)定性和系統(tǒng)的經(jīng)濟(jì)性。
在國家加快推進(jìn)新型能源體系建設(shè)的大背景下，智能調(diào)控技術(shù)成為了電廠迫切需要的新技術(shù)，無論是在小型工業(yè)鍋爐機(jī)組還是在大型電站鍋爐機(jī)組均有非常廣闊的應(yīng)用前景。而且，智能調(diào)控技術(shù)符合國家戰(zhàn)略，是建立新型能源體系、保障能源安全、實(shí)施碳達(dá)峰碳中和的關(guān)鍵技術(shù)之一。
3、方案
本案例是一套面向熱電生產(chǎn)企業(yè)進(jìn)行智能化升級改造和智能化運(yùn)行的完整產(chǎn)品和服務(wù)體系，重點(diǎn)面向熱電機(jī)組的智能調(diào)控技術(shù)，實(shí)現(xiàn)熱電機(jī)組全廠級的自動化運(yùn)行。
3.1總體方案
1）智能調(diào)控體系
要實(shí)現(xiàn)電廠的常態(tài)化自動運(yùn)行，僅依賴DCS是遠(yuǎn)遠(yuǎn)不夠的。如下圖所示為電廠的運(yùn)行數(shù)字化體系：
DCS在整個運(yùn)行體系中的定位是最底層的生產(chǎn)系統(tǒng)，是生產(chǎn)運(yùn)行的底座。它實(shí)現(xiàn)生產(chǎn)系統(tǒng)的數(shù)據(jù)集中和控制指令集中；實(shí)現(xiàn)在時效性和安全性要求較高的單回路控制；實(shí)現(xiàn)基本的安全聯(lián)鎖保護(hù)等。所以，DCS強(qiáng)調(diào)可靠性、健壯性、實(shí)時性，而反對復(fù)雜性、可能的延遲等。所以如前所述，DCS不適合做復(fù)雜的計(jì)算。
所以在許多DCS不適合的控制場景，如多參數(shù)耦合控制、大延遲控制、自適應(yīng)控制等場景下，就需要應(yīng)用APC控制技術(shù)。
無論是DCS的控制還是APC的控制，有很多目標(biāo)需要根據(jù)實(shí)時運(yùn)行情況進(jìn)行動態(tài)決定，RTO就是基于歷史運(yùn)行數(shù)據(jù)，應(yīng)用尋優(yōu)算法對目標(biāo)值進(jìn)行計(jì)算和下發(fā)。
無論是控制層的APC和DCS以及優(yōu)化層的RTO均解決的是局部問題，而無法考慮全局問題，RTS用于解決系統(tǒng)性問題，通過在頂層進(jìn)行全局統(tǒng)籌和優(yōu)化決策對各子系統(tǒng)進(jìn)行協(xié)調(diào)。
智能調(diào)控技術(shù)是在DCS之上，將APC、RTO、RTS融合在一起，彌補(bǔ)DCS的不足，從而實(shí)現(xiàn)熱電機(jī)組的自動化運(yùn)行。智能調(diào)控技術(shù)將調(diào)度、尋優(yōu)、控制進(jìn)行融合，調(diào)度解決宏觀協(xié)調(diào)問題，以全局最優(yōu)為出發(fā)點(diǎn)；尋優(yōu)解決局部參數(shù)優(yōu)化問題，實(shí)現(xiàn)實(shí)時工藝參數(shù)優(yōu)化；控制解決自動執(zhí)行問題，實(shí)現(xiàn)指令更精準(zhǔn)更安全地執(zhí)行。智能調(diào)控強(qiáng)調(diào)三方面的一體化決策，綜合考慮、統(tǒng)一決策、全局最優(yōu)、高效執(zhí)行。
2）智能決策算法
智能調(diào)控技術(shù)的核心是將RTS、RTO和APC三個層次的調(diào)度、優(yōu)化和控制問題，模擬人工運(yùn)行人員的思維過程，當(dāng)作決策問題進(jìn)行解決。智能決策算法是整個智能調(diào)控系統(tǒng)的核心。智能決策算法有通用的公共基礎(chǔ)算法、也有面向特定工藝環(huán)節(jié)的場景決策算法。
智能決策算法的主體思想如下圖所示：
智能決策算法將一個控制決策分為四個步驟：
解空間構(gòu)造：面對一個控制問題，所有可能的決策結(jié)果構(gòu)成一個解空間；每個控制量構(gòu)成解空間的一個維度；每個控制量單次最大調(diào)節(jié)量構(gòu)成該維度的上下限；每個控制量的單次最小調(diào)節(jié)量構(gòu)成該維度的一個刻度；
可行解篩選：設(shè)備不可調(diào)區(qū)間所對應(yīng)的解剔除掉，明顯不符合邏輯的解剔除掉，與當(dāng)前狀態(tài)不匹配的解剔除掉，剩余所有的解稱為可行解；
控制結(jié)果變換：針對每一個可行解，通過數(shù)字孿生模型預(yù)測，計(jì)算出按照這一組操作所產(chǎn)生的未來系統(tǒng)狀態(tài)；結(jié)果可能包括壓力、氧量、NOx等控制指標(biāo)，也可能包括效率、熱損失等經(jīng)濟(jì)性指標(biāo)；
控制結(jié)果尋優(yōu)：設(shè)計(jì)評價(jià)函數(shù)對所有結(jié)果進(jìn)行對比，選出最優(yōu)結(jié)果（Y）；再通過最優(yōu)結(jié)果找到對應(yīng)的可行解（X），確定最佳操作；評價(jià)函數(shù)可以按照影響程度進(jìn)行設(shè)計(jì)，例如安全＞環(huán)保＞保供＞能效；如果所有結(jié)果均不佳，則產(chǎn)生預(yù)警；
3）數(shù)字孿生模型
此處用“數(shù)字孿生模型”重點(diǎn)是體現(xiàn)“在數(shù)字空間對物理世界進(jìn)行模擬和預(yù)測”的概念，而非特指數(shù)字孿生仿真技術(shù)。熱電生產(chǎn)系統(tǒng)由于其測量數(shù)據(jù)的精確度和穩(wěn)定性不足，無法基于常規(guī)仿真建模技術(shù)進(jìn)行系統(tǒng)仿真。此處“數(shù)字孿生模型”的本質(zhì)是一整套相互關(guān)聯(lián)面向全廠調(diào)度和控制的預(yù)測模型體系；這些模型是以機(jī)理和專家知識為框架，基于生產(chǎn)數(shù)據(jù)訓(xùn)練的一系列數(shù)據(jù)統(tǒng)計(jì)和機(jī)器學(xué)習(xí)模型。
在每個智能決策過程中非常重要的一個環(huán)節(jié)就是從解空間到狀態(tài)空間的變換，這個變換的本質(zhì)是對每一組運(yùn)行控制指令利用各級數(shù)據(jù)模型對未來運(yùn)行結(jié)果進(jìn)行預(yù)測，獲得未來整個電廠的狀態(tài)空間，作為尋優(yōu)算法的評價(jià)基礎(chǔ)。另外，熱電廠由于其數(shù)據(jù)質(zhì)量總體不高，這些預(yù)測模型需要在控制的精準(zhǔn)性和魯棒性之間取得平衡。
數(shù)字孿生模型的有效性是智能決策技術(shù)實(shí)現(xiàn)控制效果的關(guān)鍵。
數(shù)字孿生模型必須具備兩個特性：
全廠耦合：對于強(qiáng)耦合的熱電機(jī)組而言，任何一個設(shè)備的工作可能都會影響到全局的其它指標(biāo)，所以數(shù)字孿生模型需要全廠耦合，能夠?qū)⑷魏我粋€動作或一組動作的執(zhí)行結(jié)果都能夠反映到全廠的其它指標(biāo)。
動態(tài)更新：為匹配熱電機(jī)組的多時變特性，數(shù)字孿生模型需要能夠動態(tài)實(shí)時更新，以及時反映實(shí)體電廠的特性變化，從而適應(yīng)最新的電廠運(yùn)行情況。
4）智能感知技術(shù)
對系統(tǒng)狀態(tài)的準(zhǔn)確感知是控制的基礎(chǔ)，熱電機(jī)組的生產(chǎn)數(shù)據(jù)質(zhì)量普遍不高。主要存在的問題有：
2 沒有在線檢測：燃煤熱值、成分、量等由于缺乏在線檢測手段或未安裝相應(yīng)檢測設(shè)備而無法在線檢測；
2 在線測量不準(zhǔn)確：風(fēng)量、蒸汽流量等由于流體不穩(wěn)定容易測不準(zhǔn)；
2 檢測設(shè)備有盲區(qū)：流量計(jì)、稱重等測量設(shè)備特性存在測量死區(qū)導(dǎo)致某些區(qū)間反饋量錯誤或偏差較大；
2 檢測儀表易漂移：氧量、溫度等傳感器隨著使用容易出現(xiàn)漂移；
智能感知技術(shù)是利用大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)，基于熱電系統(tǒng)機(jī)理，對數(shù)據(jù)進(jìn)行軟測量以提高數(shù)據(jù)感知的全面性和精度，主要的方法有：
2 統(tǒng)計(jì)平均法：對于瞬時波動不大的指標(biāo)（如熱值），利用一段時間的平均值來擬合順時值；
2 機(jī)理建模法：建立設(shè)備/系統(tǒng)特性模型，用準(zhǔn)確值（含離線值）訓(xùn)練模型，再進(jìn)行預(yù)測；
2 系統(tǒng)測算法：基于系統(tǒng)不同指標(biāo)之間的關(guān)聯(lián)關(guān)系，利用相關(guān)指標(biāo)進(jìn)行測算；
2 相對偏移法：使用相對變化量，而非絕對量；相對變化量會極大縮小誤差；
以上方法根據(jù)不同的應(yīng)用場景進(jìn)行綜合使用。
3.2核心技術(shù)
3.2.1智能調(diào)控算法
1）廠級調(diào)度算法
廠級調(diào)度算法解決不同工藝組合、不同熱電負(fù)荷特性下的全廠調(diào)度決策。廠級調(diào)度算法是熱電全廠自動運(yùn)行的關(guān)鍵，也是現(xiàn)有其它自動控制技術(shù)無法解決的控制場景。廠級調(diào)度算法方案的總體框架設(shè)計(jì)如下圖所示：
該算法框架解決整廠級別的綜合決策，該決策的底層是一個基于約束的綜合尋優(yōu)問題，該尋優(yōu)問題的關(guān)鍵要素如下：
2 約束：鍋爐、汽機(jī)、發(fā)電機(jī)、除氧器、脫硫脫硝等子系統(tǒng)當(dāng)下的負(fù)荷能力，這些負(fù)荷能力基于當(dāng)前的子系統(tǒng)狀態(tài)實(shí)時計(jì)算；
2 解空間：鍋爐、汽機(jī)的目標(biāo)負(fù)荷；
2 預(yù)測：未來主汽母管、供汽母管的壓力水平；
2 優(yōu)化評價(jià)函數(shù)：壓力、環(huán)保排放、能效的綜合最優(yōu)；在安全、供需平衡、環(huán)保、能效的多因素中進(jìn)行平衡；
該算法最終輸出每臺鍋爐、汽機(jī)的目標(biāo)汽電負(fù)荷，并結(jié)合滾動優(yōu)化，給每臺鍋爐、汽機(jī)分配實(shí)時目標(biāo)負(fù)荷。
2）子系統(tǒng)協(xié)調(diào)控制算法
鍋爐、汽機(jī)、除氧器、脫硝、脫硫等屬于相對獨(dú)立又相互耦合的子系統(tǒng)。在廠級調(diào)度分配好負(fù)荷后：
2 鍋爐：根據(jù)目標(biāo)產(chǎn)汽量需求，結(jié)合自身排煙氧量、床溫、主蒸汽溫度、料層等狀態(tài)指標(biāo)，利用鍋爐相關(guān)預(yù)測模型進(jìn)行決策，對一次風(fēng)、二次風(fēng)、給煤機(jī)頻率、引風(fēng)機(jī)、減溫水閥、冷渣機(jī)的開度指令進(jìn)行計(jì)算；
2 汽機(jī)：根據(jù)目標(biāo)排汽量、抽汽量、發(fā)電量等需求，結(jié)合自身進(jìn)汽壓力、排汽壓力、抽汽壓力、發(fā)電機(jī)軸溫、汽機(jī)震動等狀態(tài)指標(biāo)，對進(jìn)汽閥、抽汽閥開度進(jìn)行計(jì)算；
2 除氧器：根據(jù)當(dāng)前給水溫度、給水量和蒸汽溫度等指標(biāo)，結(jié)合自身除氧器壓力和液位等指標(biāo)，對每個進(jìn)水閥和進(jìn)汽閥開度進(jìn)行計(jì)算；
2 脫硝：根據(jù)當(dāng)前NOx排放的指標(biāo)，結(jié)合鍋爐燃燒情況和自身氨水流量等指標(biāo)，利用脫硝相關(guān)預(yù)測模型，對噴氨調(diào)整量進(jìn)行計(jì)算；
2 脫硫：根據(jù)當(dāng)前SO2排放的指標(biāo)，結(jié)合當(dāng)前循環(huán)泵的開度、反應(yīng)塔的溫度等指標(biāo)，對循環(huán)泵開度調(diào)整量進(jìn)行計(jì)算。
3) 設(shè)備級控制算法
電廠常規(guī)的控制量設(shè)備有：給煤機(jī)變頻、風(fēng)機(jī)變頻、冷渣機(jī)變頻、汽機(jī)調(diào)閥、減溫水閥、減壓器調(diào)閥、二次小風(fēng)門等設(shè)備。廠級分配和子系統(tǒng)協(xié)調(diào)控制算法輸出的指令許多不能直接將計(jì)算結(jié)果寫入對應(yīng)的執(zhí)行機(jī)構(gòu)，而是需要經(jīng)過一些變換或邏輯處理，常見的問題有：
2 給煤機(jī)變頻：通常上級控制算法不會直接計(jì)算到給煤機(jī)變頻，而是計(jì)算出目標(biāo)給煤量，給煤機(jī)控制算法需要實(shí)時將目標(biāo)給煤量變換為各個給煤機(jī)的頻率；給煤機(jī)控制算法需要解決給煤機(jī)分配的問題（通過調(diào)整不同給煤機(jī)的給煤分配來調(diào)整鍋爐偏燒的問題）、某個給煤機(jī)斷煤堵煤的問題等。
2 減壓器、減溫水調(diào)閥：這類調(diào)閥容易出現(xiàn)調(diào)節(jié)線性不好或者在某個區(qū)間內(nèi)出現(xiàn)卡頓的現(xiàn)象，調(diào)閥控制算法利用調(diào)閥的數(shù)字孿生模型計(jì)算出最佳的調(diào)閥下發(fā)指令以響應(yīng)目標(biāo)變化量。
2 二次小風(fēng)門：鍋爐的二次小風(fēng)門有數(shù)十個，鍋爐的調(diào)控指令不會計(jì)算到每一個風(fēng)門的開度，而是通過一些層操來實(shí)現(xiàn)不同層風(fēng)門的整體調(diào)整，以實(shí)現(xiàn)調(diào)整燃燒形態(tài)的目的；二次小風(fēng)門控制算法就是將鍋爐控制算法輸出的指令計(jì)算獲得每個二次小風(fēng)門的具體開度。
4）模型預(yù)測控制算法
除了以上特有場景的控制算法外，系統(tǒng)還需要支持通用的預(yù)測控制算法以解決以上專有控制算法沒有覆蓋的場景。模型預(yù)測控制算法的原理圖如下圖所示：
3.22智能感知算法
1）煤質(zhì)軟測量算法
燃煤作為熱電廠最主要的原料，是影響熱電廠控制的關(guān)鍵。燃煤作為天然礦物其成份是不均勻的，而且大多數(shù)熱電廠都需要將多種來源的燃煤進(jìn)行摻配使用，所以實(shí)時入爐的燃煤品質(zhì)是波動的。目前還沒有有效的技術(shù)對燃煤成份進(jìn)行在線實(shí)時檢測，所以燃煤成份都是通過抽樣離線化驗(yàn)獲得的。當(dāng)煤質(zhì)發(fā)生較大變化時，缺乏煤質(zhì)的及時感知會導(dǎo)致控制不穩(wěn)定的問題。如下是一套煤質(zhì)軟測量的原理圖：
其主體思路如下：
2 以準(zhǔn)實(shí)時鍋爐噸煤產(chǎn)熱為基礎(chǔ)；
2 利用鍋爐效率模型屏蔽鍋爐效率的影響：
2 利用鍋爐放熱模型屏蔽鍋爐延遲的影響；
2 利用鍋爐蓄熱模型屏蔽鍋爐蓄熱量的影響；
2 再通過離線化驗(yàn)數(shù)據(jù)對在線模型進(jìn)行校準(zhǔn)；
2 通過一系列計(jì)算獲得實(shí)時燃煤熱值曲線；
2）流量軟測量算法
蒸汽和水的流量在熱電控制中也非常重要，但許多流量計(jì)在流量低于一定量后容易進(jìn)入流量計(jì)的檢測死區(qū)，出現(xiàn)測量值歸零的現(xiàn)象，如下圖所示，當(dāng)流量低于15噸時測量值直接歸零：
根據(jù)流體力學(xué)的伯努利方程，流量可以通過壓差進(jìn)行建模，所以可以利用死區(qū)外的流量數(shù)據(jù)對軟測量模型進(jìn)行訓(xùn)練，再泛化到死區(qū)內(nèi)，即可獲得較為準(zhǔn)確的流量數(shù)據(jù)，如下圖所示：
3.2.3智能優(yōu)化算法
1）汽機(jī)滑壓優(yōu)化算法
熱電廠的汽機(jī)大多采用節(jié)流方式對汽機(jī)負(fù)荷進(jìn)行調(diào)整，節(jié)流方式會導(dǎo)致蒸汽能量的損失。而熱電由于蒸汽負(fù)荷波動大，所以汽機(jī)負(fù)荷會在較大范圍內(nèi)波動。如果主蒸汽壓力不考慮汽機(jī)負(fù)荷的話，會導(dǎo)致低負(fù)荷段的汽機(jī)能效損失較大。如下圖展示了汽機(jī)總效率的計(jì)算原理：
汽機(jī)滑壓優(yōu)化是指根據(jù)汽機(jī)的不同負(fù)荷，對主蒸汽壓力在一定范圍內(nèi)進(jìn)行更精準(zhǔn)的調(diào)整和控制，以盡可能減少汽機(jī)的節(jié)流損失。最佳目標(biāo)壓力可基于下圖展示的汽機(jī)特性模型進(jìn)行尋優(yōu)獲得：
2）排煙氧量優(yōu)化算法
鍋爐的燃燒效率是熱電高效運(yùn)行的重點(diǎn)，最佳的燃燒效率是鍋爐排煙熱損失和鍋爐未燃燒熱損失的實(shí)時平衡。鍋爐的排煙氧量是體現(xiàn)這兩個平衡的關(guān)鍵指標(biāo)。鍋爐在不同工況、不同煤種、不同負(fù)荷段下，最佳的排煙氧量均不同。
排煙氧量優(yōu)化是指通過對數(shù)據(jù)進(jìn)行尋優(yōu)，找到當(dāng)前每個負(fù)荷段下鍋爐燃燒效率最高的目標(biāo)排煙氧量，如下圖所示：
3）通用優(yōu)化算法
除了最關(guān)鍵的汽機(jī)滑壓優(yōu)化和排煙氧量優(yōu)化外，在有些熱電場景還存在一些特有的優(yōu)化場景，系統(tǒng)需要提供通用的基礎(chǔ)優(yōu)化算法來覆蓋這些情況。主要分為兩類：
基于統(tǒng)計(jì)數(shù)據(jù)挖掘的尋優(yōu)
這種方法通過將工藝運(yùn)行數(shù)據(jù)構(gòu)建統(tǒng)計(jì)數(shù)據(jù)模型，并對統(tǒng)計(jì)數(shù)據(jù)模型最優(yōu)值進(jìn)行計(jì)算獲得最佳目標(biāo)值：
基于模型最優(yōu)化問題的尋優(yōu)
這種方法通過構(gòu)建系統(tǒng)的機(jī)理模型，并建立一個最優(yōu)化問題，通過解決最優(yōu)化問題計(jì)算獲得最佳目標(biāo)值：
3.2.4數(shù)字孿生模型
熱電數(shù)字孿生模型體系需要涵蓋熱電各工藝段、與生產(chǎn)控制相關(guān)的所有模型，如以下幾張圖列舉了最主要的模型：
1）機(jī)組模型
2）煤粉爐模型
3）循環(huán)流化床模型
4）汽機(jī)模型
3.2.5智能調(diào)控平臺
由控制算法搭建而成的控制過程需要在一套實(shí)時閉環(huán)控制系統(tǒng)中執(zhí)行才能完成智能調(diào)控的任務(wù)。為了能夠滿足熱電全廠閉環(huán)自動控制的要求，全應(yīng)科技需要對原全應(yīng)熱電云平臺進(jìn)行升級實(shí)現(xiàn)一套面向智能調(diào)控的平臺，該平臺命名為ADMC（Adaptive Data-driven Model-based Control，自適應(yīng)大數(shù)據(jù)模型預(yù)測控制）智能調(diào)控平臺。
ADMC平臺的架構(gòu)如下圖所示：
平臺由三大部分組成：
2 知數(shù)：解決數(shù)據(jù)接入、數(shù)據(jù)存儲和數(shù)據(jù)計(jì)算的問題，包含圖中的實(shí)時數(shù)據(jù)采集IoTGateway和大數(shù)據(jù)開發(fā)DataForge。
2 智控：解決數(shù)字孿生構(gòu)建、管理，智能調(diào)控算法構(gòu)建、管理，以及實(shí)時調(diào)度控制框架，包含圖中的智能實(shí)時控制RTCL和模型開發(fā)&訓(xùn)練ModelForge。
2 景圖：解決智能調(diào)控結(jié)果的實(shí)時展示和人機(jī)協(xié)同交互，包含圖中的看板工具vizGraph和報(bào)表工具vizReport。
3.2.6集成開發(fā)環(huán)境
每個電廠的工藝結(jié)構(gòu)、設(shè)備特性等均存在較大差異，所以要想實(shí)現(xiàn)全廠級的智能自動控制，每個電廠的智能調(diào)控邏輯一定是需要客制化的，不可能通過標(biāo)準(zhǔn)化產(chǎn)品進(jìn)行簡單覆蓋。但如果每個電廠都從頭開始開發(fā)，交付實(shí)施代價(jià)巨大，所以需要有一套智能控制搭建與調(diào)試工具，集成一系列熱電智能調(diào)控的標(biāo)準(zhǔn)算法，實(shí)施時通過拖拽的方式搭建面向特定電廠的智能控制邏輯是最佳的方案。該集成開發(fā)環(huán)境需要具備：
算法組件的集中管理：對豐富的工業(yè)控制、行業(yè)研發(fā)、數(shù)據(jù)加工、邏輯處理等組件進(jìn)行統(tǒng)一上架和版本管理；實(shí)施時可以基于工藝邏輯進(jìn)行可視化拖拉拽和調(diào)參配置以實(shí)現(xiàn)客制化控制過程的搭建。
開放性強(qiáng)，低代碼快速搭建：提供多語言異構(gòu)和數(shù)據(jù)對接能力，用戶根據(jù)自己的需要獨(dú)立簡單封裝完成專屬組件上架、數(shù)據(jù)對接，更容易拓展應(yīng)用場景和能力。
控制分析一體化，便捷運(yùn)維和預(yù)警分析：支持云、云+邊、一體機(jī)等多形態(tài)輸出方式，及動態(tài)在線分析控制過程、AI算法輸出、運(yùn)行狀態(tài)日志等能力，在云聯(lián)動場景下可通過全應(yīng)APP和釘釘進(jìn)行實(shí)時預(yù)警和運(yùn)行分析。
3.3案例價(jià)值
該技術(shù)將熱電運(yùn)行從傳統(tǒng)的以人工為主的模式升級為以智能自動運(yùn)行的模式，大幅提升了熱電生產(chǎn)的安全性、穩(wěn)定性和經(jīng)濟(jì)性；降低了電廠生產(chǎn)管理的負(fù)擔(dān)，降低了電廠對基層人員在數(shù)量和質(zhì)量方面的要求；有效提升了電廠的調(diào)控能力，為建立新型能源體系貢獻(xiàn)了重要力量。
全應(yīng)科技介紹
全應(yīng)科技于2016年成立，8年以來專注于把高新技術(shù)應(yīng)用于熱電生產(chǎn)工藝優(yōu)化，取得了顯著的成效，于2019年獲得高新技術(shù)企業(yè)認(rèn)證。2020年全應(yīng)科技入選了上海市長寧區(qū)碩博基地單位、2022年全應(yīng)科技獲得“專精特新”中小企業(yè)認(rèn)定、2023年全應(yīng)入選上海市軟件和信息技術(shù)服務(wù)業(yè)高成長百家企業(yè)。
全應(yīng)科技成立以來，公司團(tuán)隊(duì)和市場發(fā)展受到投資機(jī)構(gòu)的積極肯定，包括騰訊資本、博華資本、高瓴資本、凱輝資本、明勢資本、線性資本和松禾資本等多家風(fēng)險(xiǎn)投資機(jī)構(gòu)為全應(yīng)科技投資，總?cè)谫Y額數(shù)億元人民幣。全應(yīng)熱電云工業(yè)互聯(lián)網(wǎng)平臺受到行業(yè)廣泛好評，獲得了諸多獎項(xiàng)。包括首屆中國工業(yè)互聯(lián)網(wǎng)大賽三等獎、全國首批10大工業(yè)APP、2021中國電力科學(xué)技術(shù)一等獎、2019上海最具投資潛力50佳等獎項(xiàng)。
全應(yīng)科技是一家技術(shù)驅(qū)動的高科技公司，知識產(chǎn)權(quán)是公司的核心資產(chǎn)。圍繞全應(yīng)熱電云工業(yè)互聯(lián)網(wǎng)平臺，自成立以來已經(jīng)取得軟件著作權(quán)50余項(xiàng)，20余項(xiàng)發(fā)明專利。全應(yīng)科技人才隊(duì)伍以大數(shù)據(jù)開發(fā)、人工智能、熱電工藝、熱電控制、電廠運(yùn)營管理等專業(yè)資深人才為核心組成，經(jīng)過多年在熱電智能化方向的深耕，團(tuán)隊(duì)各方面人才互相學(xué)習(xí)和融合，已形成業(yè)內(nèi)少有的跨界深度融合的專業(yè)技術(shù)團(tuán)隊(duì)。整個技術(shù)團(tuán)隊(duì)將圍繞熱電智能化控制核心關(guān)鍵技術(shù)進(jìn)行深入研究，支撐智能調(diào)控系統(tǒng)項(xiàng)目的技術(shù)建設(shè)。相關(guān)技術(shù)研發(fā)團(tuán)隊(duì)在2020年也入選了上海長寧區(qū)科技之星團(tuán)隊(duì)。
全應(yīng)科技目前已經(jīng)在山東、浙江、江蘇、湖北、陜西、河南、寧蒙等熱電聚集度最高的區(qū)域擁有一支具備豐富熱電智能化營銷經(jīng)驗(yàn)的銷售團(tuán)隊(duì)，實(shí)現(xiàn)持續(xù)的客戶接觸和市場發(fā)掘；并且與各地的區(qū)域熱電能源協(xié)會、熱電行業(yè)的意見領(lǐng)袖建立技術(shù)信任和密切的協(xié)作模式；在全應(yīng)產(chǎn)品技術(shù)持續(xù)升級和標(biāo)桿項(xiàng)目的持續(xù)放大作用推動下，該技術(shù)會在各區(qū)域獲得快速推廣。