自适应控制+垃圾焚烧：蒸汽产量提升约1%-2%、锅炉蒸汽量稳定性提升20% | 创新场景
来源：钛媒体
场景描述
生产装备和工艺的自动化是智能制造在过去几十年追求的重要目标，但是由于生产设备和生产现场的复杂性、生产原料的不稳定性和环境变化，生产产线完全依赖传统的PLC（可编程逻辑控制器）、DCS（分散控制系统）很难做到自动控制，依赖产线工人根据经验判断各种异常进行频繁的操作控制，也会因为疲劳和经验的差异出现波动。
融合数据感知和AI决策的自适应控制应运而生。自适应控制基于产线的机理进行建模，根据历史记录，生产结果数据对模型进行训练和优化，将模型下发到生产端根据产线实时数据推理生产参数并推荐，最后结合控制技术对生产线进行闭环控制。
清洁能源行业的瀚蓝环境拥有22个生活垃圾焚烧发电项目，日生活垃圾焚烧发电总规模33100吨。仅是广东佛山南海厂区的六台焚烧锅炉，每天就能“消化”近3000吨垃圾，发电150万度，足以满足南海区16万户40万人的生活用电需求。
整个垃圾焚烧发电的过程，为了尽量做到让垃圾的燃烧更充分、蒸汽更稳定，主要是靠锅炉师傅调节焚烧炉的各种参数。限制发展的最大阻碍，就出在焚烧过程对人工经验的过度依赖。不同工艺专家技术水平不同，调出来的效果相差较大。而培养一位合格的工艺专家需要1--2年的时间，一旦离岗，经验也随之带走。
解决方案
企业亟需将经验中的隐性数据转化为显性知识，嵌入到自适应控制中，让机器协助人类来完成焚烧过程的复杂决策与控制。垃圾的充分稳定燃烧，过程中充斥着复杂的物理与化学变化，涉及多达2000个实时测点数据。
第一步需要大量的数据计算，识别出最关键的30个测点数据，包括推料进程、推料动作、一次风量、一次风压、二次风量、炉膛温度、烟气含氧量、主蒸汽压力等。
第二步，锁定关键参数后，输入到工业大脑平台上的仿真预测模型，进行垃圾焚烧过程的模型训练，实时预测焚烧产生的蒸汽情况。通过对每次垃圾推料的前后关系分析，比如推料前的炉型状态、推料动作，以及推料后的焚烧反应，构建数据的输入输出关系模型。
第三步，算法模型分析的结果通过API接口把推荐工艺参数实时提供出来。构建人机交互界面，部署到工厂控制室,辅助工人决策什么时候该推料，以及如何推料等操作建议。
成效
训练过的焚烧炉蒸汽量仿真预测模型可以准确预测90秒后的蒸汽量，准确度到达95%，为后续推料提供决策依据。过去操作员4个小时内需要操作30次，才能让垃圾焚烧过程保持稳定，而如今在AI的协助下，干预6次即可。
工业大脑辅助对比单纯人工操作，可以提升约1%--2%的蒸汽产量，锅炉蒸汽量稳定性提升20%。算法直接与锅炉系统连接，实现对垃圾焚烧过程的自动控制。由人控制机器转为人监测机器、无需干预，降低对人工经验的依赖。
「关于创新场景50」
场景不是案例，它更加精准、也更加抽象。数字化就是创新场景的不断叠加和迭代。
在此背景下，钛媒体重磅推出「创新场景50」评选，每年遴选并解读50个全行业与业务深度融合的创新性场景及其解决方案，并在钛媒体年度ITValueSummit数字价值年会上隆重颁奖、深度交流。
目前场景正在征集中，更精准的解读、更广泛的曝光、更强大的品牌势能，欢迎你提出问题，更欢迎你留下解决的方法和工具。点击这里投递更多场景信息
特别声明：以上内容仅代表作者本人的观点或立场，不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的，请于上述内容发布后的30天内进行。