中國電力網(微信公眾號：China_Power_com_cn)獲悉，最近一段時間，一篇京東入局火電的報道在圈內比較火爆。
報道內容顯示，近日京東城市通過創造性的利用AI技術，成功在多個試點電廠將火電機組鍋爐熱效率提高了0.5%，如在全國推廣，每年可以為國家節約70億元的燃煤消耗和污染治理費，目前該項技術已在國內多個電廠通過了來自國家能源集團等權威機構的驗收，開創了AI深度強化學習技術在電站鍋爐領域應用的先例。
近幾年來，整個火力發電行業的日子確實并不好過。在“化解產能過剩”、“提升發電效率”、“建設環保機組”等政策背景下，行業內注定要淘汰一批產能落后、污染嚴重的火力發電機組。這也意味著，一批能耗高、污染大的火電機組，如不及時轉型，將面臨淘汰關停的命運，
如何用更少的煤發更多的電，并產生最少的污染排放，是目前火力發電行業最大的痛點。
直到此處，該報道都沒啥問題，但下面這段意味著戲肉來了!
匪夷所思的黑科技出現了?
“京東城市資深數據科學家詹仙園博士和團隊創造性地通過大量使用深度神經網絡挖掘火電機組相關測點之間復雜的內在關系及隱含模式，實現對機組系統的精準建模與模式挖掘，進而為深度強化模型尋優創造條件。”
“在更強的模型能力加持下，AI+鍋爐燃燒優化模型同時考慮整個鍋爐從磨煤制粉、燃燒、水熱循環數百維主要狀態、動作測點數據，對系統進行整體性建模，最大程度上考慮各子系統之間復雜的依賴、影響關系，以此實現對數十甚至上百維火電機組主要控制變量的全局優化。”
“簡單理解，京東數科在用AI解決火電系統提效的問題上，用最擅長解決復雜高維變量系統優化問題的深度強化學習技術，解決數據的復雜性、稀缺性和模擬建模的可靠性、安全性等問題。”
中國電力網(微信公眾號：China_Power_com_cn)注意到，看到諸如復雜高維變量系統、深度強化學習等眼花繚亂的詞語，一位有研究火電廠系統十幾年經驗的工程師終于忍不住了，他表示自己對這種聽上去非常高大上的高科技理論一無所知：“我對火電廠最樸素的理解就是鍋爐燃燒系統、汽水系統、電氣、熱工、穩定……還有‘熵’理論，熱力學定律……但是我不知道電廠會復雜高維變量系統?又怎么會深度強化學習?不知道博士是想自己深度強化學習還是讓電廠設備自己‘學習’?”
好在這篇報道并不全是務虛，還是有一些實實在在的技術細節問題，比如鍋爐專業：
“為了在對鍋爐燃燒進行優化的同時滿足對機組運行安全性的要求，AI+鍋爐燃燒優化技術在一般深度強化學習模型中通用的價值函數基礎上，額外引入了高度定制化的安全約束函數及與之對應的約束網絡，可對發電負荷不達標，爐膛負壓為正等大量鍋爐運行風險情況進行判別，針對機組運行狀態及控制變量，在長期運行狀態下進行更精準的風險評估，提供更安全可靠的火電機組優化控制策略。”
這段話翻譯過來就是：我通過一種牛逼的系統預警機制對你的操作進行警告，告訴你應該怎么操作?
但這位工程師覺得，該系統預警機制再牛逼，也做不到鍋爐四管防磨防爆，肯定也代替不了人工維修撈渣機斷裂的鏈條，就算給它一籮筐數據，它也預警不了今晚有沒有磨煤機或者氣泵跳了，更解決不了汽輪機風機振動、葉片修復、電氣一次二次、熱工、化學等問題。“它能做的就是對運行人員提出警告，這個門開度多少，給煤量、上水量做一點點調整……至于土建、線路這些問題更是做不了。而且機組本來就有一套自己的自動化控制系統，會自動糾正運行錯誤，詹仙園博士的做法無非是在這套系統里再加一套監控系統，這樣豈不是更容易出錯?”
來自專業人士的天問
“2019年3月14日，在國家能源集團南寧電廠的集控室里，京東數科的AI優化火力發電系統第一次得到了驗證和認可，火力發電效率提升了0.5%，等同于幫助一臺60萬千瓦火電機組一年節省燃煤3600噸，節約燃料費用200多萬元，如果全國推廣，每年可以為國家節約70億元的燃煤消耗和污染治理費。”
該工程師對于上面這段話發出了以下疑問：
1、在什么條件下認定南寧電廠火力發電效率提升了0.5%，我不明白為啥提這個數字，以前是多少?現在是多少?業內都是講供電煤耗、鍋爐效率、熱耗、廠用電率，這些更重要的關鍵數字是什么?南寧電廠帶有供熱任務，測試的發電效率是否考慮供熱模式?
2、等同于幫助一臺60萬千瓦火電機組一年節省燃煤3600噸——3600噸是如何計算得來的?有無考慮機組實際利用小時數?
3、節約燃料費用200多萬元如何算的?能否這么理解，南寧電廠在采用AI技術之后年燃料費比頭一年燃料費200萬元?此處有無考慮煤價波動和發電量變化?
4、如果全國推廣，每年可以為國家節約70億元的燃煤消耗和污染治理費。對于電廠來說，燃煤消耗是成本重要組成部分，詹博士能否告訴業界，南寧電廠使用AI技術花費費用有多少?200萬夠不夠?
中國電力網(微信公眾號：China_Power_com_cn)發現，另一位專業人士對此也發出了一連串的疑問炮火：“火力發電效率提升了0.5%，精確的數據在哪?煤質多變摻燒的數據、高溫變形的數據、磨損腐蝕的數據在哪?測點有多少是準確的，燃燒優化了啥?各大風機運行死區現出來?TMD對于串級控制的史密斯算法進行優化?AI不會掄大錘敲煤倉，能解決斷煤不?60萬機組一年省3600噸煤，全國推廣的費用怕是都不止70億，投入是多少?”
他認為，好的AI分析，必須有來自最專業高效的生產操作技術數據，好的操作數據必須是最專業的技術人員的操作數據集合，開發更精準的煤質檢測、溫度場檢測、氣氛場檢測、未燃盡檢測，小范圍逐步構建精準的物理模型，才是腳踏實地的做法。AI再厲害，如果沒有專業的人提供最專業的數據一切都是妄談，電廠最核心的技術人員才是最高效率的生產保障。“中國電力科技如果總是只在低投入的控制、軟件、繼保、數據分析上發展，而不是在汽輪機、鍋爐、發電機、大型變壓器、高中壓開關的主設備硬件上攻關，只圖快速出科研論文成果的虛擬玩意，實體自主大工業是沒希望的。”
顯然，詹仙園博士的跨界操作并沒有獲得專業人士的認可，這些電力行業的老兵們更愿意聽到一些實實在在的有用信息，信息化、智能化雖然是電廠發展的大趨勢，但不能急功近利和股票一樣炒概念，畢竟火電行業不是電子商務，沒有可靠的硬件，再先進的系統也無用武之地。
評論