近日，廣州街頭幾個(gè)神秘垃圾桶引發(fā)不少行人圍觀。在老小區(qū)、CBD和美食街三處獨(dú)具廣州特色的空間各有1個(gè)互動(dòng)垃圾桶，鑲嵌著該區(qū)域特有的垃圾：雜七雜八的生活垃圾、辦公耗材、外賣打包盒。每當(dāng)人們把垃圾丟進(jìn)去，顯示屏上的數(shù)字會(huì)跳動(dòng)，告訴人們這些垃圾在科技的力量下，能夠多轉(zhuǎn)化成多少電能 。

據(jù)了解，這是阿里云的“人工智能垃圾焚燒發(fā)電優(yōu)化技術(shù)”互動(dòng)裝置，旨在讓公眾了解垃圾焚燒發(fā)電對(duì)社會(huì)的正向價(jià)值，也提出了“AI+垃圾焚燒發(fā)電”的新命題。

垃圾焚燒發(fā)電是朝陽(yáng)產(chǎn)業(yè)，市場(chǎng)潛力巨大。不過(guò)，對(duì)于垃圾焚燒企業(yè)來(lái)說(shuō)，垃圾的成分變化多端，如何提升焚燒控制的穩(wěn)定性，是一個(gè)重要的技術(shù)挑戰(zhàn)。

傳統(tǒng)的操作過(guò)程中，由焚燒工程師通過(guò)調(diào)節(jié)焚燒爐的各種參數(shù)，確保垃圾焚燒充分、蒸汽量穩(wěn)定，這樣一方面減少鍋爐設(shè)備受損，另一方面可以更穩(wěn)定發(fā)電并降低煙氣污染物的排放。但是，每天的生活垃圾不一樣，成分也很復(fù)雜，一年四季受溫度和濕度影響不斷變化，要做到穩(wěn)定的燃燒很不容易。

長(zhǎng)久以來(lái)，焚燒控制主要依賴人的判斷和經(jīng)驗(yàn)積累，這背后可能隱藏著三個(gè)問(wèn)題。

一是經(jīng)驗(yàn)存在偏差與不穩(wěn)定 。不同工藝專家技術(shù)水平參差不齊，調(diào)出來(lái)的效果相差較大。此外，現(xiàn)場(chǎng)人員難以長(zhǎng)時(shí)間集中精力觀察參數(shù)變化，導(dǎo)致焚燒爐無(wú)法發(fā)揮到最佳狀態(tài)，垃圾焚燒的穩(wěn)定性不足。

二是經(jīng)驗(yàn)難以固化與傳承 。經(jīng)驗(yàn)都存在老師傅的腦袋里。培養(yǎng)一位合格的工藝專家需要 1-2年的時(shí)間，一旦離崗，經(jīng)驗(yàn)也隨之帶走，沒(méi)有任何積累留給新人。而培養(yǎng)一名新員工直到上崗，則要耗費(fèi)大量精力與時(shí)間。長(zhǎng)時(shí)間的大強(qiáng)度勞動(dòng)，也加劇了工人的流失。

此外，經(jīng)驗(yàn)還存在天花板。 即便再有經(jīng)驗(yàn)的老師傅，也只能做到對(duì)一部分參數(shù)的認(rèn)知，而整個(gè)垃圾焚燒過(guò)程涉及上千種參數(shù)，遠(yuǎn)超出人腦的計(jì)算與理解能力。

引入AI：數(shù)據(jù)+模型+經(jīng)驗(yàn)=最優(yōu)參數(shù)推薦

人工智能的加入，會(huì)帶來(lái)更多想象空間：通過(guò)AI將經(jīng)驗(yàn)與數(shù)據(jù)中的隱性知識(shí)轉(zhuǎn)變?yōu)轱@性知識(shí)，并嵌入到機(jī)器中，讓機(jī)器協(xié)助人類來(lái)完成復(fù)雜焚燒過(guò)程的復(fù)雜決策與控制。但擺在眼前的問(wèn)題是，垃圾焚燒領(lǐng)域鮮有數(shù)據(jù)科學(xué)家，懂行業(yè)機(jī)理模型的數(shù)據(jù)科學(xué)家更是風(fēng)毛菱角，行業(yè)算法處于空白。于是，阿里云工業(yè)大腦團(tuán)隊(duì)與固廢行業(yè)企業(yè)一起，將數(shù)據(jù)與算法上的優(yōu)勢(shì)，與行業(yè)專家經(jīng)驗(yàn)結(jié)合，共同開(kāi)發(fā)垃圾焚燒工藝優(yōu)化算法，優(yōu)化垃圾焚燒的穩(wěn)定性。

工業(yè)大腦落地場(chǎng)景的選擇至關(guān)重要。數(shù)據(jù)可用性、風(fēng)險(xiǎn)可控、可實(shí)施、高收益與可復(fù)用是選擇優(yōu)先場(chǎng)景需要考慮的關(guān)鍵因素。

垃圾焚燒發(fā)電主要包括垃圾推料、垃圾焚燒、煙氣處理、污水處理、汽輪機(jī)發(fā)電五個(gè)環(huán)節(jié)。雙方團(tuán)隊(duì)經(jīng)過(guò)多輪溝通，最終選擇先以垃圾推料(將垃圾在最佳時(shí)間送入焚燒爐，達(dá)到充分燃燒)做為切入點(diǎn)。原因就在于這個(gè)環(huán)節(jié)已經(jīng)具備一定數(shù)據(jù)基礎(chǔ)、且該環(huán)節(jié)依靠人工操作，AI發(fā)揮空間大，并且各電廠面臨的問(wèn)題是共性的，復(fù)制性強(qiáng)。

明確了落地場(chǎng)景，雙方專家開(kāi)始共同制定垃圾焚燒優(yōu)化的方案思路，整個(gè)過(guò)程好比一個(gè)菜譜的開(kāi)發(fā)過(guò)程，包括精選食材，調(diào)試配方、反復(fù)試菜、直到最終菜譜的生成。

第一步：關(guān)鍵參數(shù)識(shí)別 (選擇食材)

垃圾焚燒的全過(guò)程充斥著復(fù)雜的物理與化學(xué)變化，涉及多達(dá)2000+個(gè)實(shí)時(shí)測(cè)點(diǎn)數(shù)據(jù)，因此需要過(guò)濾出對(duì)焚燒穩(wěn)定性影響最大的關(guān)鍵參數(shù)。通過(guò)歷史數(shù)據(jù)分析與專家經(jīng)驗(yàn)，識(shí)別出包括推料行程、推料動(dòng)作、一次風(fēng)量、一次風(fēng)壓、二次風(fēng)量、爐膛溫度、煙氣含氧量、主蒸汽壓力等多達(dá)30個(gè)測(cè)點(diǎn)數(shù)據(jù)，用于下一步的分析與模型訓(xùn)練。

第二步：模型訓(xùn)練 (調(diào)試配方)

鎖定關(guān)鍵參數(shù)后，接下來(lái)輸入到工業(yè)大腦平臺(tái)上的仿真預(yù)測(cè)模型，進(jìn)行垃圾焚燒過(guò)程的模型訓(xùn)練，實(shí)時(shí)預(yù)測(cè)焚燒產(chǎn)生的蒸汽情況。通過(guò)對(duì)每次垃圾推料生產(chǎn)的前后關(guān)系分析，比如推料前的爐型狀態(tài)，推料動(dòng)作，以及推料后的焚燒反應(yīng)，構(gòu)建數(shù)據(jù)的輸入輸出關(guān)系模型。訓(xùn)練過(guò)的焚燒爐蒸汽量仿真預(yù)測(cè)模型可以準(zhǔn)確預(yù)測(cè)90秒后的蒸汽量，準(zhǔn)確度到達(dá)95%，為后續(xù)推料時(shí)間提供決策依據(jù)。此外，通過(guò)歷史有效推料數(shù)據(jù)及專家經(jīng)驗(yàn)，建立各關(guān)鍵參數(shù)的特征數(shù)據(jù)與推料時(shí)間的對(duì)應(yīng)關(guān)系，在此基礎(chǔ)上結(jié)合蒸汽量預(yù)測(cè)值預(yù)判，實(shí)現(xiàn)更加精準(zhǔn)的推料時(shí)間推薦。

第三步：算法輔助決策 (菜譜生成)

該階段， 算法模型分析的結(jié)果通過(guò)API接口的方式把推薦工藝參數(shù)實(shí)時(shí)的提供出來(lái)。產(chǎn)品配套的人機(jī)交互界面，會(huì)直接部署到工廠控制室現(xiàn)場(chǎng), 可以實(shí)時(shí)的告訴工人，什么時(shí)候該推料，以及如何推料等操作建議。工人只需要按提示直接生產(chǎn)就可以了。

經(jīng)過(guò)數(shù)月的密集研發(fā)和測(cè)試，雙方團(tuán)隊(duì)開(kāi)發(fā)出了首個(gè)AI垃圾焚燒優(yōu)化方案，結(jié)合企業(yè)掌握的海量垃圾焚燒數(shù)據(jù)，AI可以進(jìn)行更精準(zhǔn)更穩(wěn)定的監(jiān)測(cè)、預(yù)判和及時(shí)調(diào)整。結(jié)果發(fā)現(xiàn)， 過(guò)去，操作員4個(gè)小時(shí)內(nèi)需要操作30次，才能讓垃圾焚燒過(guò)程保持穩(wěn)定，而如今在AI的協(xié)助下，干預(yù)6次即可。而且工業(yè)大腦輔助人的方式對(duì)比單純?nèi)斯げ僮鳎到y(tǒng)可以提升約1~2%的蒸汽產(chǎn)量，鍋爐蒸汽量穩(wěn)定性提升20%以上。

未來(lái)， 垃圾焚燒爐AI平臺(tái)將在以下三個(gè)方向進(jìn)一步探索：

第一. 從局部試驗(yàn)到全局復(fù)制

當(dāng)前， 工業(yè)大腦還只是在局部范圍內(nèi)嘗試，僅在幾臺(tái)鍋爐上進(jìn)行驗(yàn)證。但很快，算法模型正在從一臺(tái)爐，復(fù)用到電廠的其他五臺(tái)爐上，未來(lái)可能將被復(fù)用到集團(tuán)的近百座焚燒爐上，讓每一座鍋爐都能獲得AI“手把手的”操作指導(dǎo)。此外，AI既然能在焚燒環(huán)節(jié)取得效果，一定還存在很多應(yīng)用場(chǎng)景等待挖掘。

編輯：趙凡