阿里云：垃圾焚烧发电，AI能帮我们做什么？

近日，广州街头几个神秘垃圾桶引发不少行人围观。在老小区、CBD和美食街三处独具广州特色的空间各有1个互动垃圾桶，镶嵌着该区域特有的垃圾：杂七杂八的生活垃圾、办公耗材、外卖打包盒。每当人们把垃圾丢进去，显示屏上的数字会跳动，告诉人们这些垃圾在科技的力量下，能够多转化成多少电能 。

据了解，这是阿里云的“人工智能垃圾焚烧发电优化技术”互动装置，旨在让公众了解垃圾焚烧发电对社会的正向价值，也提出了“AI+垃圾焚烧发电”的新命题。

垃圾焚烧发电是朝阳产业，市场潜力巨大。不过，对于垃圾焚烧企业来说，垃圾的成分变化多端，如何提升焚烧控制的稳定性，是一个重要的技术挑战。

传统的操作过程中，由焚烧工程师通过调节焚烧炉的各种参数，确保垃圾焚烧充分、蒸汽量稳定，这样一方面减少锅炉设备受损，另一方面可以更稳定发电并降低烟气污染物的排放。但是，每天的生活垃圾不一样，成分也很复杂，一年四季受温度和湿度影响不断变化，要做到稳定的燃烧很不容易。

长久以来，焚烧控制主要依赖人的判断和经验积累，这背后可能隐藏着三个问题。

一是经验存在偏差与不稳定 。不同工艺专家技术水平参差不齐，调出来的效果相差较大。此外，现场人员难以长时间集中精力观察参数变化，导致焚烧炉无法发挥到最佳状态，垃圾焚烧的稳定性不足。

二是经验难以固化与传承 。经验都存在老师傅的脑袋里。培养一位合格的工艺专家需要 1-2年的时间，一旦离岗，经验也随之带走，没有任何积累留给新人。而培养一名新员工直到上岗，则要耗费大量精力与时间。长时间的大强度劳动，也加剧了工人的流失。

此外，经验还存在天花板。 即便再有经验的老师傅，也只能做到对一部分参数的认知，而整个垃圾焚烧过程涉及上千种参数，远超出人脑的计算与理解能力。

引入AI：数据+模型+经验=最优参数推荐

人工智能的加入，会带来更多想象空间：通过AI将经验与数据中的隐性知识转变为显性知识，并嵌入到机器中，让机器协助人类来完成复杂焚烧过程的复杂决策与控制。但摆在眼前的问题是，垃圾焚烧领域鲜有数据科学家，懂行业机理模型的数据科学家更是风毛菱角，行业算法处于空白。于是，阿里云工业大脑团队与固废行业企业一起，将数据与算法上的优势，与行业专家经验结合，共同开发垃圾焚烧工艺优化算法，优化垃圾焚烧的稳定性。

工业大脑落地场景的选择至关重要。数据可用性、风险可控、可实施、高收益与可复用是选择优先场景需要考虑的关键因素。

垃圾焚烧发电主要包括垃圾推料、垃圾焚烧、烟气处理、污水处理、汽轮机发电五个环节。双方团队经过多轮沟通，最终选择先以垃圾推料(将垃圾在最佳时间送入焚烧炉，达到充分燃烧)做为切入点。原因就在于这个环节已经具备一定数据基础、且该环节依靠人工操作，AI发挥空间大，并且各电厂面临的问题是共性的，复制性强。

明确了落地场景，双方专家开始共同制定垃圾焚烧优化的方案思路，整个过程好比一个菜谱的开发过程，包括精选食材，调试配方、反复试菜、直到最终菜谱的生成。

第一步：关键参数识别 (选择食材)

垃圾焚烧的全过程充斥着复杂的物理与化学变化，涉及多达2000+个实时测点数据，因此需要过滤出对焚烧稳定性影响最大的关键参数。通过历史数据分析与专家经验，识别出包括推料行程、推料动作、一次风量、一次风压、二次风量、炉膛温度、烟气含氧量、主蒸汽压力等多达30个测点数据，用于下一步的分析与模型训练。

第二步：模型训练 (调试配方)

锁定关键参数后，接下来输入到工业大脑平台上的仿真预测模型，进行垃圾焚烧过程的模型训练，实时预测焚烧产生的蒸汽情况。通过对每次垃圾推料生产的前后关系分析，比如推料前的炉型状态，推料动作，以及推料后的焚烧反应，构建数据的输入输出关系模型。训练过的焚烧炉蒸汽量仿真预测模型可以准确预测90秒后的蒸汽量，准确度到达95%，为后续推料时间提供决策依据。此外，通过历史有效推料数据及专家经验，建立各关键参数的特征数据与推料时间的对应关系，在此基础上结合蒸汽量预测值预判，实现更加精准的推料时间推荐。

第三步：算法辅助决策 (菜谱生成)

该阶段， 算法模型分析的结果通过API接口的方式把推荐工艺参数实时的提供出来。产品配套的人机交互界面，会直接部署到工厂控制室现场, 可以实时的告诉工人，什么时候该推料，以及如何推料等操作建议。工人只需要按提示直接生产就可以了。

经过数月的密集研发和测试，双方团队开发出了首个AI垃圾焚烧优化方案，结合企业掌握的海量垃圾焚烧数据，AI可以进行更精准更稳定的监测、预判和及时调整。结果发现， 过去，操作员4个小时内需要操作30次，才能让垃圾焚烧过程保持稳定，而如今在AI的协助下，干预6次即可。而且工业大脑辅助人的方式对比单纯人工操作，系统可以提升约1~2%的蒸汽产量，锅炉蒸汽量稳定性提升20%以上。

未来， 垃圾焚烧炉AI平台将在以下三个方向进一步探索：

第一. 从局部试验到全局复制

当前， 工业大脑还只是在局部范围内尝试，仅在几台锅炉上进行验证。但很快，算法模型正在从一台炉，复用到电厂的其他五台炉上，未来可能将被复用到集团的近百座焚烧炉上，让每一座锅炉都能获得AI“手把手的”操作指导。此外，AI既然能在焚烧环节取得效果，一定还存在很多应用场景等待挖掘。

编辑：赵凡