阿里|垃圾焚烧炉“大脑”如何一脑三用( 二 )

2021年4月，蒋大庆入驻汉口北生活垃圾发电厂，那是他第一次走进垃圾发电厂， “感觉很震撼”——原来垃圾焚烧炉这么大，原来工人的工作量这么大。蒋大庆也第一次知道，想要垃圾焚烧炉实现稳定燃烧，涉及燃烧温度、烟气含氧量、主蒸汽流量等十多个变量的协调，这是一套非常复杂的系统。
蒋大庆是博士，一直跟程序打交道，刚进厂时，他不了解师傅们在干什么，师傅们也不懂这个年轻人能干什么，能干成什么。蒋大庆调整心态，放下所谓高技术人才的优越感，把自己当成一个新手工人，了解老师傅的需求。他看到了师傅们的辛苦，也想着要让师傅们工作得更体面、更轻松。
团队在传统的垃圾焚烧分散控制系统（DCS）上，叠加了阿里云历时4年自主研发的人工智能控制系统AICS ，集成控制、建模、优化、仿真等能力，让现有系统具备了更加精准的洞察力。
比如，他们建立了机器学习模型，估算进入炉膛的垃圾料层厚度。哪里料多，哪里料少，机器大脑就像最老道的工人，结合进料速度、炉内温度、风流量、风室风压、炉排运行周期等各类其他参数进行间接估算。
他们还让摄像头具备了图像识别能力。火焰，从显示屏上看都大同小异，人工智能则可以根据火焰的位置、亮度和大小，给出更多信息。
看位置，可以知道燃烧主要发生在哪些区域；看亮度和大小，可以从侧面反映炉膛内不同区域的温度状态。炉膛温度测量，多采用热电偶式的接触式点测量技术，但由于垃圾焚烧炉膛内属于高温、高烟尘、高湿度、大截面焚烧工况，传感器工作环境较为恶劣，所以测量值不能准确代表实际焚烧温度，也具有一定的滞后性。火焰的图像识别，能更加迅速、精准、分区域地判断温度，帮助自动控制系统及时地进行预判和调整。
蒋大庆介绍，他们对燃烧过程中的关键变量做了人工智能预测，训练出的大数据模型可以预测未来一段时间炉膛温度、含氧量、烟气的变化情况；再结合广泛应用的自动控制技术，在“工业大脑”中综合运算后又自动把控制指令下发到设备，形成闭环，最终让焚烧炉实现了自动运行。
2021年6月，团队在汉口北生活垃圾发电厂进行了18天的对比实验。 9天由纯人工操作， 9天由机器主导操作，结果显示，机器运行的稳定性比人工操作高出不少。
开放核心算法技术让全社会加入低碳环保行动
武汉市汉口北生活垃圾发电厂总经理成超告诉科技日报采访人员，阿里云工业大脑在发电厂投入应用以来，炉膛温度基本上都能维持在850摄氏度以上，进一步减少了污染物排放，员工的劳动强度也大幅降低，不用一直手动调节。还有一个可喜的变化——单位垃圾的发电量提升了5% 。相当于每吨垃圾多发25度电，进一步实现了碳减排。
孔令西介绍，近年来，阿里云的工业大脑应用在钢铁、水泥、化工、电池、油田、火电等诸多领域。深入车间多年，他体会颇多。企业对智能制造和工业互联网愈发重视，接受程度也在提高。但这毕竟是一个跨学科领域，需要懂算法、懂互联网的技术人员，也需要懂垂直领域、碎片化领域工艺知识的专业人员。靠一支团队一样样去啃、一点点熟悉，一家家调研、推进和落地，是很难的；要把工业生产的经验、知识沉淀成软件和算法模型，也是挑战重重。
而且，传统工业企业自身与互联网结合的能力也存在不足。过去，不少企业认为既然人力可以胜任，就没必要专门招人去研究算法、搞技术。不过，孔令西也发现，近些年来，有远见有决心的企业已经越来越多，他们对通过技术降本增效有迫切的需求，急需的是核心技术能力与良好的运行维护机制。