近日，國家能源局發布“人工智能+”能源高價值場景清單。其中，“人工智能+”火電領域包括火電機組入廠燃料智能管控、電站鍋爐燃燒智能優化控制等五大高價值場景。

作為新型電力系統的“穩定器”和“壓艙石”，火電正從主體電源向支撐性、調節性電源轉變。這一角色變化，對其運行的安全性、經濟性、靈活性提出了更高要求。科技日報記者調查發現，從鍋爐內窺式視覺感知到多機組集約化智能管控，從智能控制平臺到工業世界模型，一批先行者正嘗試用人工智能推動火電生產管理從“經驗驅動、變量控制”向“數據驅動、智能控制”轉型。而人工智能要挺進火電領域“深水區”，仍需解開技術可靠、數據安全、人機信任和行業標準統一四道難題。

智能感知是決策基礎

鍋爐折焰角是大型燃煤鍋爐后墻水冷壁上部一個向爐膛內部延伸的三角形“凸臺”，它在鍋爐中扮演著氣流和熱量“總調度師”的角色。這里位置隱蔽，溫度高達上千攝氏度，常年被火焰和粉塵籠罩，容易出現結焦問題。

火力發電廠鍋爐燒煤時，煙灰會粘在管道（受熱面）上，特別是位置較為隱蔽的折焰角水冷壁上，像“棉襖”一樣隔熱，導致效率下降甚至腐蝕爆管。吹灰就是定期用高壓蒸汽把這些灰渣吹掉，恢復鍋爐性能。然而，以往只能靠人工根據煙溫、汽溫等參數間接推斷，或者憑經驗判斷。“吹不夠，結焦影響換熱效率；吹過頭，高速蒸汽流像砂紙一樣打磨管壁。”陜西商洛發電有限公司科技創新主管黃曉虎說，根本原因是缺乏對鍋爐核心區域結焦、積灰狀態的直接感知能力。

2025年，該公司某機組檢修，工人進入爐膛后發現，水冷壁管被蒸汽和飛灰沖刷出大面積凹坑，壁厚從6.5毫米減至不足4毫米，一次性就更換了200多根管道。

為解決這一難題，陜西商洛發電有限公司給鍋爐裝上了一雙“眼睛”——一套耐高溫、可穿透火焰的特種光學鏡頭系統。它可以實時采集折焰角圖像，通過圖像識別算法對結焦厚度、積灰面積進行量化分析。吹灰頻次由固定的8小時一次變為“按需吹灰”。如今，單臺鍋爐全年節約吹灰蒸汽成本13.6萬元，減少管道更換等設備損失16萬元，兩臺機組年節約近60萬元。

在智能感知方面，陜西能源電力運營有限公司也取得了積極成效。作為陜西投資集團有限公司能源板塊的專業檢維修和能源科技服務力量，陜西能源電力運營有限公司服務過多個相關項目。該公司總經理雷喜鳴觀察到，目前央國企發電集團均在推進“人工智能+火電”，主要路線是通過智慧監盤、故障自愈、智慧檢修、智慧燃燒等模塊，實現機組智能感知。“我們創新構建的‘智慧監督+智慧運維+成果轉化’一體化服務體系，市場認可度穩步攀升。”雷喜鳴說。

在陜西延長石油富縣發電有限公司，智能化并非“先建后改”，而是從規劃之初就嵌入基因。該公司智能化建設負責人馬強介紹，上線智能汽溫優化算法后，機組主汽溫動態及穩態偏差均大幅收窄，疊加風煤水協同控制、按需智能吹灰等配套應用，綜合煤耗同比降低約2克/千瓦時。

“人工智能應用于火電領域最難的不是算法，而是感知。很多物理量的測量本身就存在準確性不足的問題，數據感知還有很長的路要走。”西安交通大學能源與動力工程學院教授鄧磊說，先把感知關過了，智能決策才有根基。

“六機一控”實現集成

過了智能感知這道關，系統集成便成為下一程的關鍵命題。當前，人工智能在火電領域的應用正在從點狀探索向系統集成延伸。

長安益陽發電有限公司正在開展系統重塑的實踐。該公司是湖南第一大火力發電廠，實現了“六機一控”——6臺不同時期建設、不同容量等級的機組，全部由同一個集控室統一管控。長安益陽發電有限公司黨委委員、副總經理、總工程師易宏東告訴記者，目前“六機一控”模式已平穩投運逾一年，累計完成機組啟停操作20余次。

經性能考核試驗，長安益陽發電有限公司三期2×100萬千瓦擴能升級改造項目機組實際供電煤耗為254.64克/千瓦時，指標位居國內行業前列。“依托人工智能系統歸集生產海量數據，結合智能控制運算分析，以及智慧監盤、智能吹灰等模塊，可實現供電煤耗下降1至3克/千瓦時。”易宏東介紹說，三期項目從開工到投產共用時26個月、機組整套調試僅用時67小時，刷新了行業紀錄。

陜西延長石油富縣發電有限公司也在開展集約化探索。該公司聯合中國自動化學會發電自動化專業委員會等單位構建了“一平臺+四體系”智能發電系統。一個智能管控平臺加上智能運行、智能檢修、智能安全、智能管理四大業務系統，徹底解決傳統電廠各項應用“數據孤島”問題，共部署40余項功能模塊，覆蓋企業90%的核心業務。

閉環控制仍需爬坡過坎

盡管先行者的實踐提供了有益經驗，但人工智能在火電領域的全面落地仍面臨四重挑戰。

一是從“可感知”到“能控制”的技術鴻溝問題。目前多數人工智能應用停留在“監測、預警、建議”階段，實現閉環控制的案例不多。“自主運行是工業智能的終極目標，而安全、可信、可解釋則是自主運行的前提與底線。”和利時科技集團有限公司流程工業火電事業部副總裁朱珂認為，其難點不僅在于算法可靠性，更在于安全責任界定。

鄧磊以火電企業的集約化探索舉例說，火電主輔機設備過于復雜，行業對設備認知并不透徹，構建的理論模型與實際有偏差，智能決策存在不確定性。他認為，必須真正融合機理模型和數據模型，提升技術可靠性，方能讓人工智能在火電領域從“能用”走向“好用”。

二是數據隱私保護與模型泛化的矛盾問題。電廠的數據都是核心機密，不便于出廠。在某電廠運行良好的模型，換到煤種、爐型、工況不同的另一電廠，準確率就可能大幅下降。易宏東告訴記者，目前該公司智能化應用模塊僅落地于三期2×100萬千瓦擴能升級改造項目機組，尚未開展跨爐型、跨煤種的通用性試驗與拓展研究。

一些企業開始著力解決這一問題。朱珂介紹，和利時科技集團有限公司自主研制的工業世界模型將行業機理、工藝規則、設備經驗沉淀為可復用的認知資產，以“數據不動、知識流轉”的原理，在保護數據隱私的前提下進行數據篩選和清洗，降低對海量標注數據的依賴。

三是人機責任邊界問題。火電運行長期依賴老師傅的經驗判斷，人工智能的建議和工人經驗有時會發生沖突。這種情況下，就需要厘清人機責任邊界。

“智能吹灰系統目前停留在推薦建議階段，要讓系統直接自動吹灰，技術上可行，但大家心里沒底。萬一系統誤判，蒸汽吹過頭把管子吹爆了，誰負責？”黃曉虎說，想要實現自主控制，需要的不僅是算法精度的提升，更是信任機制的建立和責任邊界的厘清。朱珂認為，解決之道不是讓AI取代人，而是讓AI增強人。

四是標準缺失與生態分散問題。不同電廠、不同廠商的人工智能系統各自為戰，數據格式不統一、模型難以復用。朱珂呼吁，行業應建立統一的數據標準、模型接口標準。

展望未來，朱珂向記者描繪了人工智能在火電領域的演進路線：短期是場景創新，讓運行人員切實感受到變化；中期聚焦核心控制領域，實現機組在深度調峰背景下的寬負荷自動運行；長期則是少人值守乃至無人值守。“和智能輔助駕駛升級的過程相似，人工智能在火電領域應用的每一步都要解決安全與信任的問題。這條路很長，但方向很清晰。”他說。

對智能化改造的方向，易宏東也十分篤定。對于還在觀望的企業，易宏東說：“今天再晚也是早，明天再早也是晚。”