AI锅炉燃烧优化：氧量软测量与配风建议

锅炉燃烧调整长期依赖运行人员经验：烟气含氧量测点易受漏风与积灰影响，风煤配比常在负荷波动后由人工修正。能源AI实验室本期在一台20 t/h燃气锅炉上开展小规模试验，尝试用既有DCS数据分担部分硬测点职能。

做法上，我们以排烟温度、风门开度、炉膛负压、蒸汽流量等采集较稳定的变量为输入，建立烟气含氧量软测量模型，并在其基础上给出过量空气系数与二次风配比的建议区间；输出仅作提示，不直接下发执行。

要点：

• 进展：连续两周运行中，氧量软测量与标定值平均偏差约0.3个百分点；在建议区间运行时段，排烟温度平均下降约4 ℃，实测热效率提升约0.7个百分点，NOx未见明显上升。
• 下一步：补齐不同负荷段样本以界定模型失效边界，将积灰、漏风等工况纳入告警而非参与调节；闭环投运前保留人工确认环节。