大模型时代的固废智能化 （阿里云 陈列）

大模型人工智能与固废智能化23个省/地区200+台300T/D～900T/D三峰、新世纪、光大、康恒、三菱、日立、希格斯……自动投运率90%～98%尾屿主蒸汽流量稳定性提升10%+尾屿南南海诸岛南海诸岛固废智能化走向深水区②焚烧控制的复杂性③复杂工况与设备可靠性④智能运行中的人智协同•投运率要求、蒸汽量提升要求、吨发提升要求•复杂工况下的设备故障预测与维护•预测能力要求大大提升①合理利用垃圾⑤综合经济性①合理利用垃圾⑤综合经济性VL视觉多模态模型求解器及求解算法时序大模型大语言模型（智能体）多模态识别优化求解时序预测智能理解①合理利用垃圾⑤综合经济性②焚烧控制的复杂性③复杂工况与设备可靠性制④智能运行中的人智协同视觉多模态模型（VL）具备强大的语意预训练能力时序数据大模型具备优秀的时序预测能力公开数据集上，5%/20%数据比例下，预训练模型的预测数据波形可视化预训练模型异常检测效果可视化，紫色背景部分为异常部分(与预测偏差较大)实线：使用预训练权重仅使用5%数据微调即获良好表现；虚线：随机初始参数远低于预训练权重，证明预训练贡献；粉色背景(全量数据训练SOTA)：预训练模型在全数据训练时超过SOTA或比肩SOTA。视觉与时序模型结合实现垃圾的高效利用垃圾类型识别垃圾库优化进料品质评估空间热值推算像中的高阶特征进行抽取、融合变量，提供热值区间先验参考路等结构化信息作为参考因素消耗量、生产计划等综合分析优化抓斗编码器基于垃圾库空间位置模型的热值推算技术抓斗编码器结合料仓结构以及抓斗编码器数据，建立抓料分析模型入炉垃圾性质入炉垃圾性质入炉垃圾性质-热值推算模型垃圾垃圾热值历史入炉垃圾性质历史入炉垃圾性质历史燃烧数据大小车位置抓斗深度高热值低热值抓斗重量抓斗重量基于多模态大模型的进料斗垃圾品质评估模型基于预训练多模态大模型进行微调,能够对进料斗垃圾品质进行评估，输出垃圾品质的好坏分类结果，实现给料配风提前调整。多模态输入特征工业图像嵌入工业机理嵌入融合层融合层0:质量差(含土量大)0:质量差(水分大)1:质量正常风室风门控制炉排周期控制参数预测风室风门控制炉排周期控制参数预测识别感知通过对主要运行参数未来一段时间预测，提前感知锅炉通过对主要运行参数未来一段时间预测，提前感知锅炉整体运行情况，及时进行参数上的调整，使锅炉运行更通过对异常工况感知，及时掌握料层厚度及垃圾燃烧状通过对异常工况感知，及时掌握料层厚度及垃圾燃烧状态，解决自动控制难以长时间投运难题运行参数预测提前预测焚烧工况变化时序预测算法引擎提前预测焚烧工况变化支预测引擎预测引擎数据清洗特征重构归一化处理深度学习DNNLSTMRNNCNN机器学习线性回归随机森林SVM决策树learn_ratebatch、epochsLayerunit超参数优化蚁群算法遗传算法粒子群模拟退火主蒸汽流量预测主蒸汽温度预测.给水量减温水量汽包压力、液位主汽相关参数汽机调门开度推料间隔、行程一次风量、风温、风室压力二次风量、风温含氧量炉膛温度人工定义的规模与数据应用最优预测模型R2、RMSER2、RMSEepochsleaf、depthCstep、gstep输入特征主蒸汽流量预测汽包压力预测以时序预测为核心的烟气预测排放控制背景背景当前垃圾焚烧过程中的SCR入口NOx的喷氨调节不能够对当前真实的NOx的变化做出反映，喷氨控制存在较大的滞后性，脱硝控制效果不理想。当前使用的湿法脱硫工艺，具有时变、非线性、大惯性特点，常规控制手段不经济，难以获得较好的技术路径技术路径烟气参数预测模型应用阿里云大数据分析技术，结合NOx生成机理，通过近三个月的历史一次风量、烟气含氧量、投氨量、氨配比等参数作为特征参数，训练成生NOx和SO2监测融合时序预测大模型，提升MPC对复杂工业系统的控制效果问题背景复杂工业生产系统非线性强，问题背景复杂工业生产系统非线性强，MPC模型无法准确预测系统响应，造成模型失配，影响控制效果，严重时会造成系统的振荡甚实际问题实际问题CV：烟气NOxSNCR脱硝装置MV：稀释水流量•烟气NOx含量低于环保限制控制难点与挑战•NOx的生成与反应受多因素影响，MPC模型•使用AI模型预测变化趋势，将AI预测结果融入MPC计算模型，在保证实时性和稳定性前MV：氨水流量DV：蒸汽流量技术原理效果对比离线阶段利用历史数据，构建外部AI模型预测被控变量的未来值序列在线阶段K时刻：融合外部预测序列，构建新的MPC求解问题，求解最优控制动作K+1时刻：更新外部模型预测序列，MPC在线求解下一时间窗口控制动作AI+MPCAI+MPC加平稳，波动标准差减少30%秒级执行频率控制模型参数可解释度、烟气SO秒级执行频率控制模型参数可解释电厂日常4小时一次的现场巡检工作量大，巡检人员巡检过程中安全隐患多，设备维护维修工作对巡检经验要求高。设备维修、故障数据管理缺乏数字化可数据与AI驱动的智慧电厂智能巡检电厂日常4小时一次的现场巡检工作量大，巡检人员巡检过程中安全隐患多，设备维护维修工作对巡检经验要求高。设备维修、故障数据管理缺乏数字化可基于智能化巡检方案，实现全厂设备数据采集，视频数据采集，利用诊断模型/大模型技术，完成设备故障自主诊断，异常提前预警，并生成对应维护检修方案，降低厂内设备非计划停机。降低巡检工作量，减少巡检人员非必要现场巡检，实现工厂人员基于智能化巡检方案，实现全厂设备数据采集，视频数据采集，利用诊断模型/大模型技术，完成设备故障自主诊断，异常提前预警，并生成对应维护检修方案，降低厂内设备非计划停机。降低巡检工作量，减少巡检人员非必要现场巡检，实现工厂人员摄像头数据采集卡传感器视频处理视频处理管道监控摄像头视频锅炉监控摄像头视频设备监控摄像头视频….图像人工定义规则机器学习故障模型人工定义规则机器学习故障模型设备静态数据状态评价数据试验数据在线监测数据（DCS/传感缺陷数据机器状态检测数据静设备、电子器件…)外部环境数据抽取实时状态评价模型评价结果基于设备日常运维时的人工经验和设备操作手册，定义报警阀值采样生成技术抽取抽取实时状态评价模型评价结果基于设备日常运维时的人工经验和设备操作手册，定义报警阀值采样生成技术抽取百分比故障类型：**停机事故预测预测发生进度抽取多模态大模型视觉巡检图像理解图像理解2.火焰事件报警3.烟气事件报警4.…数据巡检语意理解语意理解油泵…）4.…巡检结果反馈及执行维护检修语意理解语意理解4.设备基础知识状态预警模型检修手册检修工单设备手册检修规程设备检修报告设备文档…智能运行助手可交互持续学习的智能化控制人员态势评估思考决策控制指令交互查询策略建议验证执行运行状态/设备状态评估交互查询策略建议验证执行人工智能数字孪生与数字人实现管控创新1#锅炉上次检修日期大模型上月发电量是否完成武昌电厂本月经营目标完成率Talk理解上月垃圾总入场量武昌电厂本月环保状况感知&推理•切合电厂实际情况，回答更精准•部分内容可结合图文进行回复决策/输出AI数字人讲解+讲解图示(含图表、李生、文字)AI数字人成为内外交流沟通的专业载体，基于大量的语音交互数据自动生成回复，通过对用户语音输入的精确识别和理解，实现自然和流畅的人机对话，通过语音助手可以查询电厂设备的当前参数、电厂经济指标、电厂运营、环保指标，并用图文并茂的方式1#锅炉上次检修日期大模型上月发电量是否完成武昌电厂本月经营目标完成率Talk理解上月