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)?；療崮苄枨螽a(chǎn)業(yè)存在的工業(yè)園區(qū)，基本上都需要有一個(gè)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(dòng)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(gè)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(gè)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(shí)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(dòng)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(dòng)、風(fēng)力機(jī)組調(diào)峰能力弱，風(fēng)電出力存在隨機(jī)波動(dòng)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(dòng)性外，還增加了新的波動(dòng)性：

新能源波動(dòng)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(dòng)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(shí)不再是穩(wěn)定的電價(jià)，而是動(dòng)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(dòng)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(shí)動(dòng)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(shí)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(dòng)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(dòng)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(dòng)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(dòng)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(dòng)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(chǔ)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(dòng)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(dòng)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(dòng)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(dòng)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(dòng)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(dòng)范圍覆蓋和自動(dòng)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(shí)間及時(shí)、準(zhǔn)確地調(diào)控，這也會(huì)導(dǎo)致系統(tǒng)能效、環(huán)保控制、輔料消耗、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(tái)，其中燃煤鍋爐30萬臺(tái)，燃?xì)?油/電鍋爐10萬臺(tái)，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(gè)電廠普遍配置運(yùn)行人員在70-80人，每個(gè)運(yùn)行人員一年的成本在10萬元左右，而且隨著社會(huì)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(gè)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(dòng)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(dòng)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(gè)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(shí)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(shí)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(shí)運(yùn)行情況進(jìn)行動(dòng)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(dòng)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(shí)工藝參數(shù)優(yōu)化；控制解決自動(dòng)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(gè)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(gè)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(gè)控制決策分為四個(gè)步驟：

解空間構(gòu)造：面對一個(gè)控制問題，所有可能的決策結(jié)果構(gòu)成一個(gè)解空間；每個(gè)控制量構(gòu)成解空間的一個(gè)維度；每個(gè)控制量單次最大調(diào)節(jié)量構(gòu)成該維度的上下限；每個(gè)控制量的單次最小調(diào)節(jié)量構(gòu)成該維度的一個(gè)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(gè)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(gè)智能決策過程中非常重要的一個(gè)環(huán)節(jié)就是從解空間到狀態(tài)空間的變換，這個(gè)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(gè)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(gè)特性：

全廠耦合：對于強(qiáng)耦合的熱電機(jī)組而言，任何一個(gè)設(shè)備的工作可能都會(huì)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€(gè)動(dòng)作或一組動(dòng)作的執(zhí)行結(jié)果都能夠反映到全廠的其它指標(biāo)。

動(dòng)態(tài)更新：為匹配熱電機(jī)組的多時(shí)變特性，數(shù)字孿生模型需要能夠動(dòng)態(tài)實(shí)時(shí)更新，以及時(shí)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(cuò)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(shí)波動(dòng)不大的指標(biāo)（如熱值），利用一段時(shí)間的平均值來擬合順時(shí)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(huì)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(dòng)運(yùn)行的關(guān)鍵，也是現(xiàn)有其它自動(dòng)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(gè)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(shí)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(tái)鍋爐、汽機(jī)的目標(biāo)汽電負(fù)荷，并結(jié)合滾動(dòng)優(yōu)化，給每臺(tái)鍋爐、汽機(jī)分配實(shí)時(shí)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(dòng)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(gè)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(huì)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(shí)將目標(biāo)給煤量變換為各個(gè)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(gè)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(gè)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(gè)，鍋爐的調(diào)控指令不會(huì)計(jì)算到每一個(gè)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(gè)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(shí)入爐的燃煤品質(zhì)是波動(dòng)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(shí)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(shí)，缺乏煤質(zhì)的及時(shí)感知會(huì)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(shí)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(shí)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(shí)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(huì)導(dǎo)致蒸汽能量的損失。而熱電由于蒸汽負(fù)荷波動(dòng)大，所以汽機(jī)負(fù)荷會(huì)在較大范圍內(nèi)波動(dòng)。如果主蒸汽壓力不考慮汽機(jī)負(fù)荷的話，會(huì)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(shí)平衡。鍋爐的排煙氧量是體現(xiàn)這兩個(gè)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(gè)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(gè)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(tái)

由控制算法搭建而成的控制過程需要在一套實(shí)時(shí)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(dòng)控制的要求，全應(yīng)科技需要對原全應(yīng)熱電云平臺(tái)進(jìn)行升級實(shí)現(xiàn)一套面向智能調(diào)控的平臺(tái)，該平臺(tái)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(tái)。

ADMC平臺(tái)的架構(gòu)如下圖所示：

平臺(tái)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(chǔ)和數(shù)據(jù)計(jì)算的問題，包含圖中的實(shí)時(shí)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(shí)調(diào)度控制框架，包含圖中的智能實(shí)時(shí)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(shí)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(gè)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(dòng)控制，每個(gè)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(gè)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(shí)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(shí)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(dòng)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(dòng)場景下可通過全應(yīng)APP和釘釘進(jìn)行實(shí)時(shí)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(dòng)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(tái)受到行業(yè)廣泛好評，獲得了諸多獎(jiǎng)項(xiàng)。包括首屆中國工業(yè)互聯(lián)網(wǎng)大賽三等獎(jiǎng)、全國首批10大工業(yè)APP、2021中國電力科學(xué)技術(shù)一等獎(jiǎng)、2019上海最具投資潛力50佳等獎(jiǎng)項(xiàng)。

全應(yīng)科技是一家技術(shù)驅(qū)動(dòng)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(tái)，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(gè)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(huì)、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(dòng)下，該技術(shù)會(huì)在各區(qū)域獲得快速推廣。