引言：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(guò)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(wú)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(gè)熱源廠，而為了熱能的高效梯次利用，國(guó)內(nèi)目前的熱源都以熱電聯(lián)產(chǎn)為主。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。
一、 項(xiàng)目概況
1. 項(xiàng)目背景
我國(guó)的熱電聯(lián)產(chǎn)機(jī)組普遍應(yīng)用了DCS來(lái)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(wú)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。
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(guò)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(wú)法實(shí)現(xiàn)長(zhǎng)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。
2. 項(xiàng)目簡(jiǎn)介
本案例是一套面向熱電生產(chǎn)企業(yè)進(jìn)行智能化升級(jí)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(jí)的自動(dòng)化運(yùn)行。
3. 企業(yè)簡(jiǎn)介
全應(yīng)科技于2016年成立，8年以來(lái)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(zhǎng)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(zhǎng)百家企業(yè)。
二、項(xiàng)目實(shí)施概況
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(duì)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(chǎng)景，如多參數(shù)耦合控制、大延遲控制、自適應(yīng)控制等場(chǎng)景下，就需要應(yīng)用APC控制技術(shù)。
無(wú)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(duì)目標(biāo)值進(jìn)行計(jì)算和下發(fā)。
無(wú)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(wèn)題，而無(wú)法考慮全局問(wèn)題，RTS用于解決系統(tǒng)性問(wèn)題，通過(guò)在頂層進(jìn)行全局統(tǒng)籌和優(yōu)化決策對(duì)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(wèn)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(wèn)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(wèn)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(wèn)題，模擬人工運(yùn)行人員的思維過(guò)程，當(dāng)作決策問(wèn)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(chǎng)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(duì)一個(gè)控制問(wèn)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(duì)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(duì)每一個(gè)可行解，通過(guò)數(shù)字孿生模型預(yù)測(cè)，計(jì)算出按照這一組操作所產(chǎn)生的未來(lái)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(píng)價(jià)函數(shù)對(duì)所有結(jié)果進(jìn)行對(duì)比，選出最優(yōu)結(jié)果（Y）；再通過(guò)最優(yōu)結(jié)果找到對(duì)應(yīng)的可行解（X），確定最佳操作；評(píng)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(duì)物理世界進(jìn)行模擬和預(yù)測(cè)”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(cè)量數(shù)據(jù)的精確度和穩(wěn)定性不足，無(wú)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(cè)模型體系；這些模型是以機(jī)理和專家知識(shí)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(guò)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(duì)每一組運(yùn)行控制指令利用各級(jí)數(shù)據(jù)模型對(duì)未來(lái)運(yùn)行結(jié)果進(jìn)行預(yù)測(cè)，獲得未來(lái)整個(gè)電廠的狀態(tài)空間，作為尋優(yōu)算法的評(píng)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(cè)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(duì)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(duì)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(wèn)題有：
沒(méi)有在線檢測(cè)：燃煤熱值、成分、量等由于缺乏在線檢測(cè)手段或未安裝相應(yīng)檢測(cè)設(shè)備而無(wú)法在線檢測(cè)；
在線測(cè)量不準(zhǔn)確：風(fēng)量、蒸汽流量等由于流體不穩(wěn)定容易測(cè)不準(zhǔn)；
檢測(cè)設(shè)備有盲區(qū)：流量計(jì)、稱重等測(cè)量設(shè)備特性存在測(cè)量死區(qū)導(dǎo)致某些區(qū)間反饋量錯(cuò)誤或偏差較大；
檢測(cè)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(duì)數(shù)據(jù)進(jìn)行軟測(cè)量以提高數(shù)據(jù)感知的全面性和精度，主要的方法有：
統(tǒng)計(jì)平均法：對(duì)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(lái)擬合順時(shí)值；
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(cè)；
系統(tǒng)測(cè)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(cè)算；
相對(duì)偏移法：使用相對(duì)變化量，而非絕對(duì)量；相對(duì)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(chǎng)景進(jìn)行綜合使用。
2. 核心技術(shù)
1. 智能調(diào)控算法
1) 廠級(jí)調(diào)度算法
廠級(jí)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(jí)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(wú)法解決的控制場(chǎng)景。廠級(jí)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(jí)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(wèn)題，該尋優(yōu)問(wèn)題的關(guān)鍵要素如下：
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；
解空間：鍋爐、汽機(jī)的目標(biāo)負(fù)荷；
預(yù)測(cè)：未來(lái)主汽母管、供汽母管的壓力水平；
優(yōu)化評(píng)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(duì)獨(dú)立又相互耦合的子系統(tǒng)。在廠級(jí)調(diào)度分配好負(fù)荷后：
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(cè)模型進(jìn)行決策，對(duì)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(kāi)度指令進(jìn)行計(jì)算；
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(duì)進(jìn)汽閥、抽汽閥開(kāi)度進(jìn)行計(jì)算；
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(duì)每個(gè)進(jìn)水閥和進(jìn)汽閥開(kāi)度進(jìn)行計(jì)算；
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(cè)模型，對(duì)噴氨調(diào)整量進(jìn)行計(jì)算；
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(kāi)度、反應(yīng)塔的溫度等指標(biāo)，對(duì)循環(huán)泵開(kāi)度調(diào)整量進(jìn)行計(jì)算。
3) 設(shè)備級(jí)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(jí)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(duì)應(yīng)的執(zhí)行機(jī)構(gòu)，而是需要經(jīng)過(guò)一些變換或邏輯處理，常見(jiàn)的問(wèn)題有：
給煤機(jī)變頻：通常上級(jí)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(wèn)題（通過(guò)調(diào)整不同給煤機(jī)的給煤分配來(lái)調(diào)整鍋爐偏燒的問(wèn)題）、某個(gè)給煤機(jī)斷煤堵煤的問(wèn)題等。
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。
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(kāi)度，而是通過(guò)一些層操來(lái)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(kāi)度。
4) 模型預(yù)測(cè)控制算法
除了以上特有場(chǎng)景的控制算法外，系統(tǒng)還需要支持通用的預(yù)測(cè)控制算法以解決以上專有控制算法沒(méi)有覆蓋的場(chǎng)景。模型預(yù)測(cè)控制算法的原理圖如下圖所示：
2. 智能感知算法
1) 煤質(zhì)軟測(cè)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(lái)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(méi)有有效的技術(shù)對(duì)燃煤成份進(jìn)行在線實(shí)時(shí)檢測(cè)，所以燃煤成份都是通過(guò)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(wèn)題。如下是一套煤質(zhì)軟測(cè)量的原理圖：
其主體思路如下：
ü 以準(zhǔn)實(shí)時(shí)鍋爐噸煤產(chǎn)熱為基礎(chǔ)；
ü 利用鍋爐效率模型屏蔽鍋爐效率的影響：
ü 利用鍋爐放熱模型屏蔽鍋爐延遲的影響；
ü 利用鍋爐蓄熱模型屏蔽鍋爐蓄熱量的影響；
ü 再通過(guò)離線化驗(yàn)數(shù)據(jù)對(duì)在線模型進(jìn)行校準(zhǔn)；
ü 通過(guò)一系列計(jì)算獲得實(shí)時(shí)燃煤熱值曲線；
2) 流量軟測(cè)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(cè)死區(qū)，出現(xiàn)測(cè)量值歸零的現(xiàn)象，如下圖所示，當(dāng)流量低于15噸時(shí)測(cè)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(guò)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(duì)軟測(cè)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. 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(duì)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(duì)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?jī)?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?jī)?yōu)化是指通過(guò)對(duì)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?jī)?yōu)化外，在有些熱電場(chǎng)景還存在一些特有的優(yōu)化場(chǎng)景，系統(tǒng)需要提供通用的基礎(chǔ)優(yōu)化算法來(lái)覆蓋這些情況。主要分為兩類：
u 基于統(tǒng)計(jì)數(shù)據(jù)挖掘的尋優(yōu)
這種方法通過(guò)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(duì)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：
u 基于模型最優(yōu)化問(wèn)題的尋優(yōu)
這種方法通過(guò)構(gòu)建系統(tǒng)的機(jī)理模型，并建立一個(gè)最優(yōu)化問(wèn)題，通過(guò)解決最優(yōu)化問(wèn)題計(jì)算獲得最佳目標(biāo)值：
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：
機(jī)組模型
煤粉爐模型
循環(huán)流化床模型
汽機(jī)模型
5. 智能調(diào)控平臺(tái)
由控制算法搭建而成的控制過(guò)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(duì)原全應(yīng)熱電云平臺(tái)進(jìn)行升級(jí)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(cè)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：
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(wèn)題，包含圖中的實(shí)時(shí)數(shù)據(jù)采集IoTGateway和大數(shù)據(jù)開(kāi)發(fā)DataForge。
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(kāi)發(fā)&訓(xùn)練ModelForge。
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。
6. 集成開(kāi)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(jí)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(guò)標(biāo)準(zhǔn)化產(chǎn)品進(jìn)行簡(jiǎn)單覆蓋。但如果每個(gè)電廠都從頭開(kāi)始開(kāi)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(guò)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(kāi)發(fā)環(huán)境需要具備：
算法組件的集中管理：對(duì)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(guò)程的搭建。
開(kāi)放性強(qiáng)，低代碼快速搭建：提供多語(yǔ)言異構(gòu)和數(shù)據(jù)對(duì)接能力，用戶根據(jù)自己的需要獨(dú)立簡(jiǎn)單封裝完成專屬組件上架、數(shù)據(jù)對(duì)接，更容易拓展應(yīng)用場(chǎng)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(guò)程、AI算法輸出、運(yùn)行狀態(tài)日志等能力，在云聯(lián)動(dòng)場(chǎng)景下可通過(guò)全應(yīng)APP和釘釘進(jìn)行實(shí)時(shí)預(yù)警和運(yùn)行分析。
四、實(shí)施效果
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(jí)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(duì)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。