【前言】“十三五”圓滿收官，“十四五”揚帆啟航。為了鼓勵廣大團員青年為“十四五”高質量發展建言獻策，充分調動團員青年參與企業管理、關心企業發展的積極性，營造人人愛企業、人人為企業的濃厚氛圍，為集團公司二次創業、做強做優匯聚青春智慧，集團公司團委組織開展了“青話高質量，建言十四五”征集活動。截至目前，全系統共征集論文704篇、金點子建議1735個。經過層層審核篩選，共推薦論文178篇、“金點子”建議481個參加終評。即日起，本欄目將陸續刊發部分征文建議。
一、背景
隨著工業互聯網、工業4.0等新一輪工業革命的興起，智慧電廠成為我國發電企業數字化轉型升級，應對能源變革的新舉措，其智能系統建設成為當前亟待解決的問題。
“智慧電廠”“智能電廠”等概念最早是在2016年，由我國提出并實踐，近年，我國對智慧電廠的研究和建設開展了許多有益探索，但離智慧電廠內涵和建設目標還有一定的差距，其關鍵技術有待進一步研究。智慧運行作為火力發電智慧電廠重點研究和建設的重要部分，如何通過對發電機組運行參數的優化，提高節能降耗水平，降低運營成本，成為了當前火力發電廠解決當前困境的重要措施。
二、現狀分析
西方發達國家早在20世紀70年代初，美國、英國、德國、日本等國家的電站設備制造商和科研機構相繼展開了燃煤電廠運行優化的相關研究。我國對火電廠發電機組性能運行優化技術的研究始于20世紀80年代，國內科研院所和科技企業對大型燃煤發電機組運行優化的研究主要集中在建立精確的能耗特性模型,并確定關鍵參數和性能指標的優化目標值。
目前，行業內普遍采用的燃煤電廠運行優化參數目標值確定方法主要有：①制造廠提供的設計值；②最佳運行試驗方法；①和②兩種方法只在系統運行初期效果較好；③變工況熱力計算，在實際運行中很難達到；④工況尋優，假定的邊界條件眾多，僅在典型工況下開展運行優化，且目標值優化結果具有一定的滯后性；⑤機器學習，隨著運行工況的變化和延長，其模型的性能降低，系統往往難以在線最適應最優甚至得出錯誤的運行優化方案。
上述方法在燃煤發電機組運行參數優化領域己經取得了一定的應用成果,并顯示出良好的效益,但在模型搭建和系統建設，以及實際應用方面有待進一步改進。且我國火電節能領域正面臨著若干新的、更復雜的問題,以往的模型和系統建設方法在諸多方面已不適應當前節能降耗工作的迫切需求,主要體現在：
（一）市場-環保-生產的互動新要求下對火電廠運行優化提出了新的挑戰
以往僅在安全和環保限制約束下以供電煤耗最低作為運行優化目標，均較少考慮CO2、SO2、NOX、灰塵等環境市場成本變化對發電機組系統參數優化的影響，無法實現機組運行與市場經營互動的經濟運行最優，火電廠需要考慮多種環境市場變化成本的度電成本作為運行優化的目標。
（二）未考慮工況多變耦合和滯后性以及僅局部系統的優化，難以持續性降低發電成本
發電機組發電性能受內部系統和設備運行狀態和運行參數影響較多，之間具有復雜多變的耦合性，且具有工況被動變化的滯后性，僅獨立考慮局部系統和設備的運行優化，可能造成全局發電成本增高。
三、解決的問題
針對現有國內外學術界和工業界對火電機組運行優化方法存在的理想環境的假設性、應用的局限性、以及模型和系統難以自適應等問題。提出本文課題研究目標：研發一套基于信息物理融合和人工智能的智慧電廠運行優化數字孿生系統。解決在考慮排放物市場成本變化和發電機組運行多參數耦合性和時變性情況下，難以通過系統化進行實時動態運行優化的問題，實現火電機組智慧運行的自適應、自趨優和自學習特征，持續性降低火電機組供電煤耗，提高機組的度電成本，優化平衡火電廠“安全-經濟-環保”三角關系。
四、解決的思路
本課題研究主要內容為基于人工智能平臺，利用信息物理融合技術和人工智能技術實現火電廠發電機組的運行優化和閉環控制。其系統架構和建模思路如下圖1和2所示。
圖1 智慧電廠運行優化數字孿生系統架構
圖2 基于數字孿生的智慧電廠運行優化建模流程
基于上述分析可分為三個子課題展開，如下：
（一）基于信息物理融合和集成學習的運行參數動態優化系統
本子課題解決多參數耦合多變，自適應和自趨優問題
1.首先基于信息物理融合系統建設思路，機理分析挖掘影響發電機組經濟性能的物理系統到信息系統之間的映射關系，建立數據采集樣本，并對采集的數據考慮開停機、穩定工況，超安全限制、超環保限制、測點缺失和異常等情況進行數據清洗和預處理，獲取健康樣本。
2.對影響火電機組的度電成本進行特征變量自適應選擇，采用最大相關性且最小冗余自適應預測誤差驅動和機理模型融合驅動的組合方法，動態實時確定各工況影響火電機組的度電成本的各個參數及關聯排序。
3.構建基于多種神經網絡集成學習的度電成本人工智能預測模型，從誤差和方差均衡的角度，改進集成學習評價模型，比單個神經網絡和以往的集成學習方法的性能更佳，具有更好的泛化性和魯棒性，通過采集機組歷史樣本集對所述度電成本預測模型進行自學習，得到自學習訓練完成后的所述度電成本預測模型。
4.然后獲取可調參數，考慮負荷、環境溫度等邊界條件以度電成本最優為尋優目標函數，以可調參數作為尋優自變量，以各參數安全性、經濟性等為約束條件，通過多種群遺傳函數非線性極值尋優方法對度電成本預測模型進行計算，得到可調參數的最優值。
5.實時監測度電成本預測模型預測性能降低至一定程度時，并找出影響預測模型性能降低的訓練樣本，采取增量學習，自動獲取當前工況情況下供電煤耗更低的優秀樣本，自動更換影響性能降低的訓練樣本。實現運行優化模型的自趨優。
6.集成學習得到得優化結果同時與自適應關聯規則優化結果對比，采取一定的閾值比較邏輯判定，選擇最后得可調參數的實際可達值運行優化方案。
（二）智慧電廠運行優化的三維數字孿生系統
本子課題解決優化策略結果仿真驗證準確性問題
1.研發在線三維DCS仿真系統：在線三維DCS仿真系統具有數字孿生高級形態，在線三維DCS仿真系統是與發電廠近乎相似的數字雙胞胎，具有仿真過程與結果與現場運行情況高度一致的能力。可對發電廠現場的設備，管道，閥門、測點、材質、磨損程度，工藝等一一映射，在線三維DCS仿真系統能完全仿真出各系統、設備和參數的變化情況，并通過三維可視化模型進行形象展示。
2.在線動態三維仿真:啟動仿真功能，將子課題1的運行優化策略結果實時在線接入在線三維DCS仿真系統，仿真計算出各參數變化情況、以及供電煤耗和度電成本變化結果。
3.最后根據運行優化數字孿生系統的仿真結果和實際情況，選擇是否需要系統自動控制，選擇采取人為或系統自動對發電機運行參數進行優化調整和操作。
4.根據機理模型對運行參數優化方案從安全、環保和經濟性的預測及仿真，若仿真結果超出判定范圍則不予動作，若判定結果為可行，則實現運行優化信息物理融合到數字孿生系統的閉環優化控制。
（三）基于信息物理融合系統的運行優化預測控制系統
本子課題解決熱力系統時滯性和延遲性問題
目前應用在發電廠運行參數自動控制，一般采用PID技術，在面對工況快速變化和深度調峰等情況，系統現場運行不穩定，控制效果不佳，導致參數曲線振動較為頻繁，延遲性較大，魯棒性較差，難以適應工況復雜、多變量耦合、時滯性等特征的熱力系統的參數優化控制，采用先進的預測控制技術可較好解決此類問題。
通過具有自適應特征的廣義預測控制模型進行運行參數優化控制，通過反饋來補償控制系統誤差，再加上滾動優化技術，使模型能對因時變、干擾等造成的影響及時進行補償。依此原理解決電廠主要運行參數的優化值控制目標輸入的時滯性和高延時性問題，實現基于信息物理融合和人工智能的智慧電廠運行優化數字孿生系統的閉環自適應在線動態控制。
五、效益分析
（一）經濟效益：具有巨大的經濟效益
預計可為每臺機組降低供電煤耗2g/kw.h左右，以2019年，全國6000千瓦及以上火電發電設備累計年平均利用小時為4293小時，全國火電發電量為：51654.3億千瓦，環渤海動力煤炭市場價格800元/噸計算。
1.以一臺60萬千瓦計算，預計可為每年每臺發電機組降低發電成本412.13萬。
2.全國推廣，預計可為全國火力發電廠節省發電成本約81億。
（二）社會效益：具有較好的環境效益和推廣價值
1.在降低發電成本，節能降耗的同時，可相應相應提高機組安全性，降低發電廠CO2、SO2、NOx、灰塵等污染物的排放濃度。
2.其運行優化方法和數字孿生系統，具備發展為智慧運行標桿的潛能，可推動整個智慧電廠行業發展。
3.為工業互聯網、智能工廠、智能制造、智慧城市等數字孿生系統或信息物理系統融合系統提供參考借鑒和復制推廣。
【作者簡介】
肖祥武，男，31歲，碩士研究生，在讀博士，工程師,現就職于湖南大唐先一科技有限公司，任專業主管兼部門經理助理。先后從事火電廠集控運行、電力信息化、智慧電廠及電力大數據等方面的研發工作，主持或參與的項目獲得過“中電聯創新成果獎”“集團軟科學研究優秀成果獎”等多個行業及集團科技成果獎，在國內外核心期刊發表論文10余篇，申請及授權發明專利4項，曾獲得先一科技公司“優秀個人”、長沙市“青年崗位能手”等榮譽。
作者：
評論