在能源环保场景中，锅炉燃烧调整长期依赖运行人员经验：负荷一变、煤质一波动，风煤配比就容易偏离高效区间，既抬高排烟热损失，也增加 NOx 控制压力。能源AI实验室近期围绕这一环节做了小范围实验性探索。
方法上不直接做端到端黑箱控制，而是先构建两个轻量模型：一是基于 CEMS 与 DCS 分钟级数据的烟气含氧量软测量，用于补齐测点滞后与失真；二是风煤配比推荐模型，输入负荷、煤质近似指标、炉膛负压、排烟温度等，输出建议风量与给煤调整方向。模型只给建议，由运行人员确认后执行，保留可解释的边界约束。
进展与数据：
- 在合作工业锅炉的约 300 天历史工况上回放，含氧量软测量在稳态段平均绝对误差约 0.3 个百分点；推荐策略在中等负荷段可稳定落在目标含氧区间。
- 高负荷与煤质突变工况误差仍偏大，暂不纳入自动建议。
下一步计划：补充煤质在线近似特征，加入结焦、低负荷稳燃等约束，并在小负荷区间试点“建议—确认—复盘”闭环，重点评估排烟热损失与 NOx 的协同变化，而非单一指标最优。
评论