基於深度強化學習技術的火力發電鍋爐燃燒優化案例檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

基於深度強化學習技術的火力發電鍋爐燃燒優化案例目前，火力發電依舊是中國的主要發電形式，占中國總發電量70%以上，而中國每年消費的35億多噸煤炭中有近半數用於火力發電行業。目前我國火電機組的運行控制方面仍然嚴重依賴運行人員操作經驗，系統僅能達到半自動化的調整，存在巨大的控制優化空間。

項目背景

對此，京東集團以大數據、人工智能、物聯網、區塊鏈等時代前沿技術為基礎，建立並發展起核心的數字化風險管理能力、用戶運營能力、產業理解能力和B2B2C模式的企業服務能力。依託京東在人工智能及大數據方面豐富的技術能力與儲備，創新性地提出了基於AI技術的火電機組的控制方法，打造了「AI+火力發電」鍋爐燃燒優化系統，開創了AI技術在電廠鍋爐領域應用的先例。

項目實施

總體實施思路與架構

火力發電機組系統高度複雜，內部反應複雜多變，運行調整可控變量眾多。如何使用人工智能算法動態的去優化各種閥門調控、送水、送風，是一個世界性的難題。京東依託其在物聯網、人工智能及大數據能力，針對火電機組燃燒優化的需要和傳統建模優化方法的不足，由專業的AI團隊研發基於深度強化學習的火力發電鍋爐燃燒優化模型，將火電鍋爐的燃燒物理過程結構化建模嵌入到AI模型中，利用海量的鍋爐真實運行歷史數據及AI技術優化提升電廠的智能化運行水平。

應用場景與技術方案

通過挖掘電廠海量歷史運行數據基於深度學習的火電燃燒模擬器和基於深度強化學習的火力發電優化模型，將燃燒物理過程結構化建模嵌入到AI模型中，解決了複雜帶安全約束系統中高維連續控制變量優化的難題。此優化模型已完成產品化設計，可通過直觀的交互式界面，對操作人員提供各個控制參數的優化指導意見，輔助提升燃燒效率。整個系統針對火電機組的磨煤制粉系統及鍋爐燃燒、風煙、水汽系統進行全局性優化，算法框架分為三個主要部分：（1）磨煤機控制優化，對磨煤制粉系統進行從給煤量到閥門控制進行精準調控；（2）鍋爐燃燒過程建模，構建燃燒系統仿真模擬器；（3）基於深度強化學習的鍋爐燃燒控制優化，在滿足安全約束的同時，對鍋爐燃燒控制策略進行尋優。

三、實施效果

鍋爐燃燒優化控制指導系統已在國電南寧電廠、國電廊坊電廠等電廠成功落地，實現鍋爐熱效率提升0.5%以上。按效率提升量測算，60萬千瓦鍋爐提升0.5%的燃燒效率，可協助電廠減少度電1.5g煤耗，可每年可節省價值288萬元的煤炭。目前，京東AI火力發電能源優化技術已有十篇專利局受理專利，並獲得五項軟件著作權。此外，該技術榮獲2018年中國人工智能峰會（CAIS 2018）創新獎併入選機器之星2019年三十大最佳AI應用案例。與此同時，該火力發電AI優化控制指導系統憑藉其為低碳城市帶來的巨大減排潛力，引起社會的廣泛關注，先後獲得人民網、中國經濟網、金融時報、中國青年報等十多家媒體報道。目前，京東集團面向全國2000多家電廠推廣AI火力發電優化技術，預計每年可為國家節省630萬噸、價值50億元的煤炭，幫助減少160-210萬噸二氧化碳排放，節約15億元的環境污染治理成本，為我國電力行業帶來巨大的經濟效益、環境效益。