前言 对于从事技术工作的朋友，面对一个新的行业领域，最大的障碍往往是不了解该行业的具体场景。其实我们对很多技术的解决方案往往很在行的，但是由于对场景的不了解或理解的深度不够，很多时候不能够给出契合用户痛点和痒点的解决方案，让我们的解决方案和服务跟市场失之交臂。本文尝试分享作者多年在发电行业积累的对发电领域数字化智能化场景的理解，以及我们立足产业生态，与生态伙伴开展的合作创新案例，希望能够对大家有所帮助和借鉴。 一、时代背景与技术发展 受益于行业的资金密集度较高，经济效益相较于传统制造业更为优越，电力行业在众多行业中的数字化智能化进展相对突出，资金投入活跃，对人工智能等技术创新支持力度较大，为从事相关技术研发和行业应用的生态伙伴们提供了较多ToB的垂直行业机会。 （一）发电行业智慧化动力何在？ 任何一个热潮背后，需要冷静的分析是一时的炒作还是存在根本的需求。最近2～3年来，涉及发电领域智能化的技术交流会，报名人数常常超过计划人数的2倍以上；每个新建火电项目，几乎都包含有智慧化的专门预算。电厂智慧化的实际需求何在呢？ 本人刚参加工作的时候，就开始从事电站智能化方面的工作，但是那个时候其实我自己都不是特别认可其实际的市场性价比。但是后来我去了新疆、蒙西等一些比较偏远的电厂，当我离开电厂时打不到车，在电厂方圆十里叫不到外卖时，尤其是做行业服务外包的私营企业找到我们要做无人化的时候，我认识到发电领域智慧化的时代已经到来了。 偏远的（有的如隔壁滩的恶劣）环境、节假日与夜晚的值班、高温高压高转速安全风险、大型设备与系统操作的工作压力，并不具备足够吸引力的薪资水平……使很多专业的、优秀人才望而却步。然而我们的发电系统运行维护却面临越来越高的要求。   我国火力发电仍然是主体，火电行业面临五大问题。一是环保和碳排放控制的需求尤为突出，那么这一点大家都耳熟能详得非常清楚。二是电力生产的安全，因为安全尤其是人身安全十分关键。三是节能降耗的需求，始终都是各个行业面临的重要的目标。四是煤质与机组负荷的大幅波动。 这一点需要做下解释，一方面，电力用煤市场化以后，廉价煤和劣质煤大量引入，更重要的是频繁更换的煤源导致其燃烧和排放特性对于燃烧控制来说产生了极大的不确定性。 另一方面是发电负荷的大幅波动。我们电网的特点是我们家里需要用电的时候。把开关打开了电就来了，工厂上班机器一开电自然就有了。但我们知道电目前是难以大规模存储的，这就要求我们用电负荷的变化的同时，发电机组需要随时根据用电负荷进行不断调节，始终保持我们用电负荷需求等于发电的功率。这要求发电机组要时刻感知电网上用电负荷的负载供需平衡，并跟随不断的做大幅度的调整。与此同时，风、光清洁能源的并网，额外带来的供电负荷的不确定性，一阵大风，一朵云飘到光伏电站上方……间歇不确定的清洁能源发电，给电力供需平衡增添了额外的负担，这也是为什么大家会频繁听到新能源并网困难、弃风弃光等问题的根本原因。反过来这要求具备灵活调节能力的火力发电机组承担额外的电负荷大幅波动的调节功能。而这恰恰进一步使前面三个问题变得更加复杂。举个浅显的例子，我们开车正常运行可能寿命、排放都比较好，但如果频繁点火熄火、不断猛踩刹车、油门一脚踩到底……可以想象，给设备安全、能耗、排放控制等都会带来极大的压力。而这些压力都需要高水平的“司机”，也就是电厂专业、有经验的运行维护人员来承担。 最后，随着人民生活水平的普遍提高、年轻人对大城市生活的向往、教育医疗的地区不平衡等各种原因，导致发电厂面临高企的人力与运维成本，即使如此也很难招得到、留得住迫切所需的人才。这个时候我们会看到智慧化技术的市场需求也开启了，这样的一个内生动力是非常的强劲，资金的投入也是越来越多。 （二）发电行业智慧化技术发展 2024-10月《GB/T 44770-2024 智能火电厂技术要求》国家标准发布，11月《DL/T 2770-2024 火力发电厂智能控制系统（ICS）技术规范》行业标准发布，这也意味着这个领域已经度过了一个前期探索的阶段，达到了一定的规模和高度，当然随着人工智能为代表的新技术的日新月异，电厂智慧化技术也在持续高速发展。 大约在2010年，行业主要是数字化、信息化以及一些局部的优化的工作。大概2018年左右，进入到少人值守与局部无人的一个阶段。老电厂上千名员工，到现在新建的两台百万计换机组，多数在两三百人水平。第三个阶段就是无人干预全程智控的阶段，这个也是我们目前行业正在发展的前沿水平。大多数情况下发电机组不需要干预，全程都由控制系统和计算机，来实现整个发电过程的智能的控制。未来下一步的目标就是要进入到无人值守阶段。 在目前无人干预的目标方向，我们看到有大量的专业的人员和技术人员的投入，它依赖的不只是传统发电领域专业技术，其实还要吸纳更多智慧装备、智能传感、数据分析处理、高速通讯、网络与信息安全等一系列专业方向，综合实现最终的整体效果。 在这样一个进展过程中，我们也发现了一些新的特点：当我们发电系统的智能化和自动化程度逐渐提高了以后，机组运行维护人员的技能和经验反而是在降低。很多电厂运行的老专家或“老运行”对电厂各种设备和系统非常熟悉，但凡发生任何的故障或者问题，都有丰富的处理经验，从而第一时间就能找到解决方案。但是现在很多年轻的运行人员已经很难达到老一代运行人员的高度了。这不是说我们年轻一代人素质与水平变差了，而是因为我们所操作系统的自动化程度、智能化程度变高了，导致了他很少遇到那种需要人工手动处理、解决的问题，失去了大量锻炼的机会。所以这也意味着发电行业无人化的这样一条路，只能加速推进。 二、智慧电厂典型场景及生态实践 本文第二部分将以系统比较发电的煤电发电为主，展开煤电系统典型的应用场景，尤其是跟IT产业结合的一些应用场景，以及我们目前与生态伙伴所共同开展的一些联合的技术实践。   第一个场景是关于数字化的云边协同体系架构。这里所谓云边协同就是中心云+边缘云之间，进行数据、资源、应用、功能等的双向协同。实践证明云边协同的架构比较适合工业垂直场景的应用。首先电力行业的数据安全等级是比较高，数据不能够直接上互联网，这意味着发电集团总部，可以建设中心云来处理各个电厂之间更宏观，更大的数据集。在边缘端一侧，工业场景与ToC端不太一样，每个作为边缘端的电厂都有自己独特的地理位置、设备、人力资源水平，运行经验等，这造成了实际每一个终端厂站，对业务应用的需求有比较大的差异。云边协同架构能够得到一个比较好的平衡，既能响应边端需求的特点，又能在中心端汇聚更多的数据资源开展应用。这方面生态的数据组件、套件都有比较方便成熟的解决方案。 （一）智慧基建 智慧基建也叫智慧工地，也同样适用于各类复杂系统的建设全过程智慧化。目前，在基建场景中，大量的应用都是围绕着三维可视化与机器视觉（或者说是基于摄像头的视频识别）两类关键技术来展开的。 常见场景包括： （1）渐进式的三维数字化建模 常规的三维可视化建模一般是一次性建好的。渐进式建模是在基建期随着基建的进展进行逐步的建模，这样通过三维可视化平台就可以更加全面灵活地掌握、浏览、查看工地的建设进度和状态。 （2）三维碰撞检查 因为大的系统和项目中，比较细小的管道不是必须得出施工图，而且很多情况下图纸会存在一些错漏，但如果施工以后才发现就会产生很大的损失。利用渐进式三维模型就可以在施工前提前开展三维碰撞检查，从而避免管道施工出现碰撞干涉等类似的问题，不仅能避免错漏造成的损失，而且避免因此造成的施工进度时间的损失。 （3）三维电缆敷设 大型系统的电缆直径很粗，且一般是不接受存在接头的，因此，电缆在敷设前，需要从轮轴上裁剪下来，并保留一定的裕量。通过三维可视化平台，可以从三维模型上准确计算电缆通过桥架等敷设的长度，从而在电缆裁剪时更加精准（误差5%以内），避免浪费，从而产生直接的经济收益。 （4）施工方案模拟 在电站建设的时候，会有大量的构件不能按进度计划准确到厂，有可能存在被后来的设备堵塞了通道，或者厂房已经快封顶，需要吊装到厂房内的设备不确定如何进入厂房等。利用渐进式三维模型，就可以在虚拟环境下，模拟设备吊装等施工方案，节省施工时间的同时，避免不安全风险和施工进度风险。 （5）施工人员和车辆管理 大型施工现场，人员和车辆是非常的繁杂的，靠有限的人力是难以胜任这些人员车辆行为的监管的。利用摄像头进行人员不安全行为和车辆违章行为的抓拍是比较有效的方式。 （6）其它经验 其它经验包括三个方面。一是永临结合。基建期的时候，我们实用的摄像头、网络设备多是随工地进展而变化的临时应用。当电厂建好后，这些临时设备最好能妥善的复用为生产系统的永久应用设备。二是内外网的融合。在电力发电系统的建设过程中对网络安全要求也是比较高的，要求同步规划、同步建设、同步使用。这要求内网的安全和外网的灵活之间要做好安全融合。这也是适合我们IT生态提供妥善的解决方案。三是先进技术的有机融合，推动基建全过程管理的无纸化办公。 （二）智慧燃料 燃料成本占电厂发电成本70%左右，如何获取实时入炉煤质信息和计算燃料综合经济效益是智慧燃料建设需重点考虑的问题。电煤市场化，促使发电企业根据市场规律采购廉价煤成为常态。这带来的问题可以用养牛来类比，电厂设备的燃料就好比养牛用的材料，如果给牛喂的草料比较杂，草的质量又不好，甚至混入了一些有毒的草，牛自然很容易生病。发电系统也是一样的，在电煤市场化背景下，需要掌握不同的煤如何更好的扬长避短，这就需要跟踪煤质在发电系统掺配、制粉、燃烧、变负荷、环保排放全过程的影响，并进行主动的调整。这部分主要涉及发电专业知识，在此就不展开了。   （三）智慧运行 生产运行的自动控制是解决无人化目标最核心的领域，也是最有挑战的一个领域。目前在常规发电DCS控制系统基础上，可以搭建如超融合架构等服务器和AI算力，为运行控制提供更智能化的软硬件的支撑。超融合一体机是比较主流的解决方案，ARM架构的服务器也是应用比较成熟的。这是因为在工业控制区，对数据互联互通的要求并没有那么的强烈，工控的及时性和安全可靠性是第一位的，对各种应用的适配需求反而变弱了。   未来的核心的终极目标是要实现无人化，系统需要能替代人做的那部分工作。那么现在哪些工作需要人作呢？一是参数的监盘，确保系统里的各项参数不仅没有超限报警，而且从经验上都在合理的正常值范围；二是智慧巡航，类似于我们开车的时候的自动巡航，设备的启停、参数的调优工作也需要由自动化系统来完成；三是发电系统过程中，存在很多比较难控制的一些对象，经典的控制方法需要替换为更加智能的方法。 这其中并不都是行业领域非常专业化的知识，一个典型案例就是制粉系统设备的自主决策启停。火电厂需要以磨煤机为核心的制粉系统来将原煤磨成足够细的煤粉，吹到锅炉中燃烧，从而产生高温高压的蒸汽，推动汽轮发电机组做功发电。前文说过，火电机组需要跟随用电负荷不断大幅调整发电功率，也就意味着多套制粉系统需要频繁启停。以前其实我们尝试了很多智能决策算法，很难取得比较好的实用效果，但做得都不如人好。这是因为人在判断的时候，可以看到电网调度给的一些发电功率的计划曲线，这样他大概知道下一步大概率是升负荷还是降负荷，就比较容易准确对制粉系统的启停进行科学的预判。但是控制系统看不到这个计划曲线，因为这个计划曲线，从网络安全角度来讲，它位于网络安全三区，安全级别比较低，不允许它直接用到一区的自动控制系统里参与控制。在这个案例中，可以利用显示器的显示信号或直接用摄像头来间接获取这些计划曲线的图片，并用图像识别技术获得曲线数据，通过安全的隔离，最终使控制系统在决策制粉系统启停时也能预知下一步的升降负荷预期。在此基础上，再结合一些智能决策算法，就成功实现了制粉系统的自主决策启停，成功实现了人的作用的替代。工业中存在很多类似的场景，它有效的解决方案并没有那么复杂，需要我们的技术的人员，更多的了解需求和场景。 （四）智慧安全 人员安全管控领域是目前数字化智能化技术应用比较广的领域，包括各类人员不安全行为的识别，以及与业务系统的很多融合和结合。比如综合利用人员定位技术与门禁系统结合，避免没有授权的人错误的进入不安全的区域等，从而阻止不安全行为的发生。 此外，还可以应用各种生态伙伴提供的智能装备，如智能安全帽、智能安全带、智能脚手架等。   在视觉识别领域最新的发展方向是多模态大模型的应用。纯CV模型只能识别图像中有没有，但无法从逻辑上判断这样做对不对。以最重要的不带安全带的判断为例，不爬梯登高的人如果用CV模型判断，同样没有带安全带，但并不违章。目前多模态大模型可以大幅降低不安全行为识别的误报问题，同时可以支持移动摄像头用于不安全行为的智能识别。另一个场景式沉浸式的模拟培训和应急演练。也就是利用VR/CR技术，帮助用户更好的去理解这种安全场景的安全风险。 （五）智慧检修   除了人员的安全，我们还需要保障设备的安全和健康。核心是利用智能化的模型和算法，提前预判设备的异常和故障，从而避免事故的发生。但这里有一个悖论，由于智能算法模型需要大量的样本用于学习和训练，然而越是关键、越是价值高的重要设备，它的可靠性越高，越不容易发生故障，但我们最希望能准确进行故障的预警和诊断，总是缺乏足够的故障样本。新建的火电机组主设备，基本上一年都不会出什么故障，也就意味着几乎没有负样本。反之，对智能建模比较友好、负样本较多的往往都是低价值、不关键的设备和部件，即使故障直接利用备品备件更换即可，对智能预警诊断的需求并不强烈。 在这样的背景下，主流技术路线是去做正样本的训练。也就是系统可能无法直接判断故障，但能够较好掌握正常的特征，一旦系统偏离了训练好的正常情况，就可以做出异常的报警。这自然不可避免带来了较多的误报。例如，前几年的一次突发的寒潮，很多亚热带的设备没有工作在那样的环境下，模型没有训练过这种工况下的样本，导致这类系统大规模报警。因此，故障误报是目前行业存在的主要问题。 基于多模态大模型的四足巡检机器人是其中一个比较成功的案例。首先，四足机器人可以爬楼，适应各种场景环境，这具备了场景的通用性，一定程度上提升了对机器人装备的性价比。第二，多模态大模型能够赋予机器人摄像头在移动中判断设备跑、冒、滴、漏等安全风险，并结合其它传感，执行设备风险异常的巡检任务。第三，具身智能机器人的运行和避障灵活性，赋予它可以在发现潜在风险时，能够自主抵近查看，大幅降低误报率。 （六）智慧经营 智慧经营或智慧管理，更多是一系列软件应用，与其它场景的办公自动化、智能报表、辅助决策等相对类似。目前行业需求比较旺盛的领域是辅助电网的竞价决策，就是在电力现货市场中如何进行报价，从而在电力交易中获益。这其中除了对运行成本的准确核算外，竞价系统还涉及博弈的成分。 三、应用联合创新  本章重点展开与生态伙伴联合开展的一些创新的应用案例。 （一）数据创新 采用超融合一体软硬件平台，实现数据的全流程价值挖掘。对于垂直行业的技术人员来说，一体机平台可以省去各种适配、组网、接口等非专业性工作，专注于数据如何去处理，如何去发掘。数据一定要流转起来，它才会有价值，才会产生价值。 （二）物联创新 去年WIFI7+星闪的AP开始面市。目前现有技术在工业无线场景有两个主要问题：一是目前主流的5G+室分的方案做无线覆盖，面临5G终端成本高、企业没有设备牌照无法私有化运营设备、流量收费模式不确定等问题；二是人员定位的主流是UWB定位，但UWB基站只能用于定位，不仅带来额外的建设投资，而且增加了后期维护的复杂度和成本。 WIFI7+星闪可以涵盖无线覆盖、物联接入和人员定位的三重作用，降低一次投资成本的同时，也便于后期的运维。这方面的发展具有较大的潜力，今年我们已经开展工业场景的示范，但还依赖终端方面的生态，不断的去降低整个解决方案的成本。 （三）AI创新 Ai尤其大模型的应用，是离不开基础算力的。这方面，昇腾的算力提供了从算力到平台比较完整的安全可信解决方案。目前在图像、文本、科学计算、声纹、多模态等领域，我们和同行业的技术伙伴也都开展了大量的应用。   （四）融合创新 我们现在推出智能副驾的概念，对标汽车的无人驾驶，将火电的无人化进行了分级。虽然大模型很聪明，但是靠大模型本身并不能够，也不擅长完全实现无人化。实际的系统，还是依赖于从底层传感到上层的通讯、算力等一整套的技术体系，最终实现火电的无人化。   前文介绍的1个云边协同平台+6大智慧化技术体系+每个体系下N个智能应用，这样构成了我们的1+6+N智慧电厂体系架构，从传感到数据层面的分析，以及人工智能大模型的应用，能够让我们的生态伙伴融入到发电垂直行业的整个方案里，共同助力发电企业实现“无安全事故，无人值班，无人值守”，最终能够满足低碳减排，这样的“三无一减”目标。   最后作者借这个机会打一个小广告。我们西安热工院在中国能源研究会的支持下，正在牵头筹建“能源大模型技术与应用专委会”这样一个民间行业技术的学会，现阶段免费入会。在此，非常欢迎我们生态的伙伴的加入，支持发电领域智能化技术的发展。