4月19日，值此谷雨佳辰，由中国石油和化学工业联合会与智慧中国数字能源论坛组委会联合指导，中国节能协会热电产业委员会携手《智慧中国》杂志社共同主办的“智能调控 自动运行”2024热电能源智能化创新发展论坛，在山东东营隆重召开。此次论坛得到了山东节能协会热电专业委员会、国声智库、山东正和热电有限公司、潍坊海成热电有限公司、高密万仁热电有限公司的鼎力协办，同时，山东省热电设计院与智慧中国大数据产业重点实验室亦给予了大力支持。全应科技有限公司荣幸承办此次盛会，共同推动热电能源智能化领域的创新发展。本次论坛隆重召开，汇聚了来自全国各地的领导专家、企业代表、新闻媒体及社会组织等各界精英，共同关注热电能源智能化发展的前沿动态与未来机遇。出席论坛的嘉宾阵容强大，包括国务院国资委机械工业经济管理研究院党委书记、院长徐东华，中国石油和化工联合会党委常委、副秘书长庞广廉，国家能源集团信息技术公司原党委书记、总经理赵建华，中国节能协会热电产业委员会秘书长张东胜，国务院国资委机械工业经济管理研究院特聘研究员、全应科技董事长夏建涛，山东省热电设计院院长刘博，中国石油和化学工业联合会国际部副处长汪爽，中国节能协会、浙江省节能协会首席专家朱海燕，山东大学能源与动力工程学院教授程星星等业界翘楚。此外，《智慧中国》杂志社副总编、智慧中国数字能源论坛组委会主任赵嫣艳，中国能源传媒集团报刊策划部副主任冯义军，中国化工报社副总编辑兼智库中心主任刘全昌，华能集团西安热工研究院锅炉公司流化床部所长赵鹏勃等也莅临指导。山东正和热电有限公司副总经理王宪军，山东新和成控股副总经理兼海成热电有限公司总经理张广利，原用友网络副总裁、工业互联网首席专家杨宝刚，以及《智慧中国》杂志社副社长、中国西部人才开发基金会合作发展委员会执行主任、国声智库执行主任徐蕴峰，陕西省节能协会秘书长石国庆等行业精英亦共同出席了此次盛会。以下是全应科技技术兼销售副总裁熊杰博士在论坛上的主旨演讲，演讲题目为《ADMC热电智能调控技术和解决方案》全应ADMC热电智能化系统是以热电机理为基础，以大数据和人工智能技术为核心，通过数字孪生模型与智能决策算法实现热电系统智能自动运行，推动热电生产运行迈入智能调控、自动运行、安全平稳、高效低碳的新时代。本篇文章在不改变原文语意的基础上，内容略有调整。各位领导、各位专家、各位热电行业的同仁，大家好！接下来由我来汇报一下由全应公司开发的ADMC热电智能调控技术以及解决方案。回顾去年3月28日国家能源局发布的数字能源战略，该战略系统地规划了我国能源行业未来的发展方向，旨在提升能源数字化和智能化的发展水平。这一战略不仅为我们指明了前进方向，还具体描绘出实现这一目标所需的技术路径。其中，黄色标记的关键技术尤为引人注目，它们包括数字孪生模型、智能控制算法、智能调控、大数据分析处理以及云边协同等。为实现能源行业未来的数字化和智能化发展，这些具体的技术手段将被广泛应用。刚才介绍过金字塔的形状，具体以我们热电的流程来讲做一个具体介绍。因为全应公司从开始计划做的是全厂端到端、全局的智能调控技术。热电场景实际运行过程中，一定会涉及到调度问题、优化问题和控制问题。比如对于热电生产过程中给煤机的调控，可以用简单的PID进行控制。对于锅炉氧量的控制，比如给氧量的目标是3.5%，要把3.5%的目标给控制过来，这个时候其实就涉及到多目标的协同控制，这就属于需要用到第二层APC的技术。刚才提到的3.5目标是如何选出的？一定会跟煤质有关系，跟负荷有关系，跟运行的工况有关系，实际上是一个优化问题，就涉及到第三层的实时优化系统。比如说我们热电的母管里面不同锅炉之间的负荷分配，以及汽机和双减之间汽电的协调、炉机之间的协调，就是跨系统的调度问题，这几个问题的协调处理才能真正解决热电生产全局的智能调控问题。借用这张图，我来解释一下。先进控制和优化目标之间到底是怎样的联系，或者是怎样的差别？其实可以看到如果说没有上先进控制，那么参数的波动会非常大。通过人的反馈进行的调整波动很大，我们上了先进控制可以大幅减缓参数波动，让它的运行更加平稳。问题是你的目标是怎样选定？像氧量可以选定为3，但是3并不代表这时候锅炉的效率达到最优，所以这时候的目标就非常重要。当然在解释这张图的时候，还需要去澄清几个概念。因为我经常去到热电企业跟一线人员沟通，我们做系统的全自动智能调控，他们说我们不是有DCS系统吗？已经是自动化了。这里的概念是有DCS系统，并不代表能实现全自动的自动控制，只是能够实现自动控制的基础。可以比喻成虽然我们有腿，但是我们也必须通过大脑的控制才能完成腿的行走动作。第二个是既要控得很稳，同时目标寻找要准。避免南辕北辙，如果连方向都找错，谈何把系统运行到更加高效、安全的目的呢？怎么找到合适目标，那一定是基于对场景、对工艺的深度理解，你才能清楚的去找到目标是怎样，你的目标函数怎么选定，参数之间的约束、参数之间的关系怎么约定，这实际上是基于我们对行业的理解。并且这个目标并非一成不变，像氧量的目标，在不同的煤质、不同的负荷情况下就会变化。这个目标的选定和调整是需要在灵活寻优的过程去完成。在热电生产过程中，我发现经常运行的上限边界并非一成不变，经常边界要改变一下。甚至有的时候负荷的上下边界也会发生调整和改变。我们在整个开发系统的时候，这样的操作环境或平台灵活性、便利性，实际上也提出了要求。在流程工业或工业建模过程中，确实存在着显著的难点和挑战。这些挑战主要源于工业系统的复杂性和非自然性，它们是由人类知识和技术的结晶所构成的特定生产系统。这种复杂性使得传统的经验建模方法难以完全适用，尤其是在面对高维度和大规模计算需求时。比如像我们刚才介绍的CFD流程仿真计算案例的时候，像以前做科研是算几天才能得到结果。如果算几天的结果对于实际运行来讲，是无法让我们得到实际生产调控的结果。我们大量行业的人员，对于专业领域里面知识的认知，实际上可以大幅去减弱或者去降低模型开发的难度。在流程工业建模的实践中，机理建模与大数据模型各自具有其独特的优势和局限性，因此将它们结合使用是更为全面和有效的策略。机理建模基于物理、化学的方程和公式，它依赖于对特定行业深入的理解和专业知识。这种建模方法能够准确描述系统内部的基本机理和运作原理，为控制和优化提供坚实的基础。然而，机理建模的局限性在于其方程往往较为统一，难以适应实际运行过程中参数的变化和多样性。在复杂的工业场景中，不同条件下的参数可能会有所不同，这可能导致机理模型的准确性和可靠性下降。
为了弥补机理建模的不足，引入大数据模型非常有必要。大数据模型基于大量的实际运行数据，通过数据分析、挖掘和机器学习等技术，可以发现数据之间的相关关系和模式。这种模型不需要深入理解系统内部的因果关系，而是直接利用数据之间的统计性和经验性进行分析。因此，大数据模型能够更好地适应实际运行过程中的参数变化和多样性，提高模型的准确性和可靠性。
不过，我们的机理模型肯定不会是万能，甚至在许多场景里也没有办法去理解那么多的机理，比如煤燃烧的过程，我们发现大量煤燃烧过程涉及到的机理没有办法去清晰认识到。这个过程中，需要借助新的技术去弥补传统靠机理，或者靠纯粹的自动化技术解决不了的问题。比如常规有70%-80%的问题可以通过强因果关系，或者用机理、用控制的问题去解决，但是还涉及到有20%-30%的复杂问题，这里面的机理既不清晰，因果关系也不明确。这种情况，可以借助大数据、人工智能的算法去解决里面一些建模问题。在自动化向智能化的发展过程中，我们实际上是将传统的机理模型扩展至大数据模型的范畴。智能化作为自动化的高级阶段，它并非完全摒弃机理模型，而是使机理模型与大数据模型更紧密地结合。这种结合使得我们能够更全面地理解系统的运行规律，从而实现更高效、更精准的智能调控。在热电生产场景中，我们面临一系列控制挑战，主要源于热电系统的非线性、强耦合、大延迟和多时变特性。这些难点相互交织，对控制策略的制定和执行提出更高要求。首先，大延迟与多时变之间的冲突是核心矛盾之一。由于热电系统下游需求的不断变化和上游供应的惰性、慢速响应，两者之间存在时间差。为了弥补这一时间差，预测控制技术的应用显得尤为重要。通过提前预判和预测控制量的变化趋势，我们能够更好地应对下游需求的波动，提高控制系统的响应速度和准确性。在预测控制中，“知彼”和“知己”是两个核心概念。“知彼”意味着我们需要提前预判想控的控制量（如下游需求、负荷需求）在未来几分钟内的变化趋势。通过对市场需求和负荷趋势的精准预测，我们能够更好地调整生产策略，确保热电系统的稳定供应。“知己”则要求我们了解当前操作（如给煤、给风）对未来系统状态（如母管压力）的影响程度。通过提前分析和预测这些操作对系统状态的影响，我们能够更准确地掌握控制效果，从而做出更合适的调整。此外，热电系统中的非线性和强耦合特性也给预测控制带来了挑战。锅炉就是一个典型的强耦合过程，其内部多个变量之间相互影响、相互制约。在这种情况下，简单规则型的控制策略很难保持持续的控制效果。因此，我们需要采用更复杂的控制体系，如预测控制、优化控制等，来应对这些挑战。全应的ADMC（Adaptive Data Model Control）的技术，实际上是四个单词的首字母的缩写，像A是自适应系统，刚才提到的多时变的场景，既然是多时变，就是热电生产过程中是不停变，那系统就一定去适应。我们的目标不仅仅是确保交付时的效果达标，而是追求长期、稳定、有效的系统性能与运营效果。既然是每种工况、每种运行的逻辑都需要去响应和适应，这里面所需要处理的数据量相当大。并且刚才提到的复杂的非线性和强耦合的场景，对于建模的难度也提出了更高的要求，所以我们引入了大数据，大量数据采集和模型训练才能响应模型。模型预测，可以做一定的几分钟对微量趋势的预判，可以去弥补时间里面的一种偏差。为什么第四个是自动控制？在热电场景中，由于无法穷举所有可能的场景和情况，采用开环控制模式不现实。因此，全应采用了自动控制的思路，通过实时监测系统状态并自动调整控制指令，来弥补可能存在的偏差。这种自动控制方式能够及时校正系统状态，确保热电生产的稳定进行。这四个因素叠加在一起，形成了我们整个ADMC的技术内核和方案。在热电生产的复杂场景中，我们构建数字孪生模型的原因主要基于以下几点考虑：首先，热电生产系统的复杂性和动态性使得传统的简单规则式控制难以维持稳定的控制效果。数字孪生模型能够实时采集数据，表征和映射当前运行状态，从而实时洞察运行逻辑，为预测和控制提供准确依据。通过构建与热电生产一一对应的全流程数字孪生模型，我们能够更精确地模拟和预测系统的行为，提高控制的准确性和响应速度。其次，决策式控制思路的引入是为了应对计算量巨大的挑战。在热电生产中，调度和优化过程涉及海量计算，传统的手动控制无法满足实时性和准确性的要求。通过采用决策式控制思路，我们可以将计算量巨大的问题交由计算机处理，利用计算机强大的计算能力来弥补传统控制的不足。为了实现数字孪生模型的持续有效性，我们还需要考虑模型的自动更新和训练。由于工况的实时变化，模型必须能够及时跟踪和调整以适应现场变化。通过构建具备自动训练和更新功能的数字孪生模型，我们可以确保模型始终与现场实际情况保持一致，从而保持控制效果的稳定和有效。在平台体系构建过程中，我们充分考虑了模型的自动训练和更新功能。同时，我们采用工业中广泛使用的模型预测控制算法（MPC），将控制问题转化为数学优化问题。通过设定不同的控制目标和优化目标，以及相应的约束函数，我们能够将控制问题转化为数学问题，并交由计算机解决。这种转化不仅提高了计算的准确性和效率，还使得控制策略更加灵活和可调整。此外，为了提升煤质适应性和运行自适应性，我们投入了大量研发力量对煤的研究。通过结合工业机理和数据模型，我们开发了一系列功能，如中储式煤粉炉在线计量功能等，这些功能不仅提升了系统的智能化水平，还为公司带来了专利等知识产权的积累。
