在垃圾焚烧发电场景中，入炉垃圾热值波动大、组分不可见，燃烧调整长期依赖老师傅经验：看火、看氧量、看蒸汽曲线，再手动加减风和给料。我们近期在能源AI实验室做了一个偏实验性的尝试——不做全自动闭环，先做「预测+操作建议」。
做法上，以DCS历史数据为基础（一次风/二次风流量、炉膛温度、烟气含氧量、给料速度、SNCR喷氨量、蒸汽流量与压力），先用软测量思路估计入炉热值的短时变化趋势，再建立对未来5~15分钟蒸汽流量与NOx的预测模型，输出的是可执行建议：风配比如何调整、给料是否短时降速、喷氨时点是否提前。所有建议均带置信区间，由运行人员确认后执行。
目前阶段性的进展：
1）在试运行工况下，主蒸汽流量短时波动标准差下降约15%，NOx小时均值波动区间收窄，氨水单耗下降约6%~8%，尚未出现因建议导致的炉温异常下滑。
2）模型对工况切换（启停炉、投退料）表现仍偏敏感，因此当前默认在这些区间仅提示、不给出调整建议。
下一步计划补两件事：一是把炉膛温度场的空间信息接入，缓解单点测温代表性不足的问题；二是积累更长的连续运行数据，验证热值突变的提前预警能力，再评估是否小范围试点闭环。
评论