電商沖入工業領域-AI 大數據

JZGKCHINA

依托大數據、人工智能等新技術建立的智能化解決方案，京東集團正在布局火電領域，幫助電廠降低用能、節約成本。在國家能源集團南寧電廠，首個實驗項目已將鍋爐熱效率提高0.5%，一臺60萬千瓦機組年節約燃料費用200多萬元。“若在全國2000多家電廠推廣，每年可為火電行業節約燃煤消耗、污染治理等成本70億元。”京東集團副總裁、京東數字科技副總裁、京東城市總裁鄭宇如是說。

該項目由國家能源集團信息部指導，國電廣西公司實施，北京華電天仁電力控制技術有限公司和京東城市聯合研發，最終在國電南寧公司完成部署應用。

作為“電商巨頭”，京東為何涉足與現有業務毫無關聯的火電領域？

　　鄭宇表示，一次偶然的機會，有電廠負責人提出，可否利用大數據功能預測煤炭價格，以更好掌握煤炭市場走勢。“在我國，70%以上的電力仍在依靠火電。我們了解到，利用更少的煤產出更多的電，同時排放更少的污染物，其實是電廠的一致需求。如果僅關注煤價一項指標，價值其實不大，電廠的關鍵訴求是提升效率。”

　　“效率問題長期有人研究，但在我國火電行業水平已達世界領先、燃煤鍋爐效率已超90%的基礎上，進一步提升并非易事。”鄭宇坦言，為突破局限，以“AI+大數據”技術優化火電系統的思路應運而生。

鄭宇認為，對于火電機組而言，任一環節變化均可能影響燃燒結果，若能更合理地控制“燃燒”這一動態過程，效率便有望突破。“于是，我們借助‘AI+大數據’控制鍋爐運行工藝，進一步做到精準化。比如在合適的時間，根據鍋爐狀態，送入合適的煤、風和水，自動調節其溫度和狀態，盡量提高運行效率、降低污染排放。”

該項目的順利實施開創了AI深度強化學習技術在電站鍋爐領域應用的先例，將AI技術創新性地應用于能源行業。針對火力發電業務特點，華電天仁與京東城市聯合研發出基于深度學習的鍋爐燃燒模擬器和基于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，對火力發電機組的歷史數據進行充分分析與處理，解決復雜系統中高維連續控制變量優化的難題。突破了單純使用傳統物理/化學分析的優化方法，通過對運行機組不同負荷段大數據進行分析和強化學習，快速獲得綜合最優控制策略。

“這一方式有點像大家熟知的AlphaGo思路，集大數據、大計算、大策略為一體，而燃煤鍋爐就好比棋盤。”鄭宇進一步指出，圍棋棋盤共有361個交叉點，變化相對有限，而鍋爐系統工藝復雜、運行充滿變化。“例如一個鍋爐有1.5萬個傳感器測點，各個閥門的開關及送風、送水、磨煤機的速度等均為變量。而且，由于不停運轉、磨損，一周之前的鍋爐和現在可能完全不同，兩年前的數據也許壓根沒用。如何在連續變量存在的情況下精準控制，是一大難點。”

　　鄭宇坦言，因服務對象的特殊性，無法獲得免費樣本，更不可能像下圍棋一樣免費試錯。“如果試驗不當，鍋爐可能直接爆炸，一定程度上增加了技術開發難度。”

　　對此，京東技術團隊通過仿真模擬、動態修正等不斷嘗試，分析處理機組不同負荷段大數據，由此解決“連續變量”帶來的難題，得出燃煤鍋爐的最優控制策略，一舉突破使用物理或化學方式的傳統優化路徑。

　　“這不僅僅停留在理論層面，我們已率先與國家能源集團達成合作。實驗項目已通過國家能源集團專家組驗收，鑒定意見顯示，‘鍋爐系統運行參數達到了現有工況下最優’‘鍋爐熱效率提高0.5%’。”鄭宇介紹，“別小看該數值，電廠效率本已達90%以上，再提高0.5%實屬不易。以此計算，一臺60萬千瓦機組每年可節約燃料費用200多萬元。”

推廣前景可期

　　在完成首個示范的基礎上，京東還將繼續在能源行業推廣“AI+大數據”技術。

　　“一家電廠的成功只是開始。下一步，我們將尋找4—5家不同型號、不同規模、不同運行條件的鍋爐繼續實驗。今年內計劃完成約20家電廠建設，明年再做40家左右。若能進一步復制，不僅將助推火電行業發展，對于我國人工智能的發展也將有重大價值。”鄭宇表示。

　　鄭宇透露，京東目前還在燃氣等領域展開謀劃。“例如管道‘跑冒滴漏’是燃氣公司比較頭疼的問題，每年因此損失十幾億元。為做好檢修、監督等工作，燃氣公司需要花費大量人力、物力。但管道又多又長，每個地方都能靠人工嗎，如何安排檢修路線更合理，哪些環節更易出錯?通過人工智能加大數據技術，即可給出更科學的參考方案。目前，已與北京燃氣達成初步合作，相關產品正在研發。”

　　而針對“AI+大數據”給傳統能源行業帶來的作用，鄭宇進一步解釋：若將城市計算平臺比作面粉機，各部門的零散數據比作麥子，通過數字網相關技術，可在看不出麥子“原型”的情況下將其磨成面粉、制成饅頭，真正做到原始數據不出戶。既保證數據安全、互通，也讓“饅頭”更有價值。“破除信息孤島、打破數據壁壘，結合能源行業特性，達到事半功倍的效果。”

文章轉載自《中國能源報》