AI锅炉燃烧优化定制：氧量寻优与氮氧化物协同

燃煤与生物质锅炉的燃烧调整长期依赖运行员的手感：氧量给定偏高，排烟热损失上升；偏低，CO 与未燃碳增加，NOx 还会随配风变化反复振荡。能源AI实验室尝试把它做成可验证的优化问题——以 DCS 历史数据与烟气在线监测（CEMS）为输入，先建立负荷、煤质、风门开度到氧量、NOx、排烟温度的响应模型，再用约束寻优在安全区间内给出风煤配比建议，经运行人员确认后下发，不直接接管 DCS。

进展：在 130 t/h 热源锅炉的试验工况中，固定氧量给定改为分负荷寻优后，氧量波动标准差下降约 18%，液氨单耗下降约 5%；锅炉效率实测变化在 ±0.3% 以内，暂不足以证明效率提升。

下一步：引入煤质软测量，与吹灰、供热负荷计划联动，把氨逃逸纳入目标做多目标滚动优化，并延长连续运行窗口以检验模型漂移。