近日，国家能源局发布“人工智能＋”能源高价值场景清单。其中，“人工智能＋”火电领域包括火电机组入厂燃料智能管控、电站锅炉燃烧智能优化控制等五大高价值场景。

作为新型电力系统的“稳定器”和“压舱石”，火电正从主体电源向支撑性、调节性电源转变。这一角色变化，对其运行的安全性、经济性、灵活性提出了更高要求。科技日报记者调查发现，从锅炉内窥式视觉感知到多机组集约化智能管控，从智能控制平台到工业世界模型，一批先行者正尝试用人工智能推动火电生产管理从“经验驱动、变量控制”向“数据驱动、智能控制”转型。而人工智能要挺进火电领域“深水区”，仍需解开技术可靠、数据安全、人机信任和行业标准统一四道难题。

智能感知是决策基础

锅炉折焰角是大型燃煤锅炉后墙水冷壁上部一个向炉膛内部延伸的三角形“凸台”，它在锅炉中扮演着气流和热量“总调度师”的角色。这里位置隐蔽，温度高达上千摄氏度，常年被火焰和粉尘笼罩，容易出现结焦问题。

火力发电厂锅炉烧煤时，烟灰会粘在管道（受热面）上，特别是位置较为隐蔽的折焰角水冷壁上，像“棉袄”一样隔热，导致效率下降甚至腐蚀爆管。吹灰就是定期用高压蒸汽把这些灰渣吹掉，恢复锅炉性能。然而，以往只能靠人工根据烟温、汽温等参数间接推断，或者凭经验判断。“吹不够，结焦影响换热效率；吹过头，高速蒸汽流像砂纸一样打磨管壁。”陕西商洛发电有限公司科技创新主管黄晓虎说，根本原因是缺乏对锅炉核心区域结焦、积灰状态的直接感知能力。

2025年，该公司某机组检修，工人进入炉膛后发现，水冷壁管被蒸汽和飞灰冲刷出大面积凹坑，壁厚从6.5毫米减至不足4毫米，一次性就更换了200多根管道。

为解决这一难题，陕西商洛发电有限公司给锅炉装上了一双“眼睛”——一套耐高温、可穿透火焰的特种光学镜头系统。它可以实时采集折焰角图像，通过图像识别算法对结焦厚度、积灰面积进行量化分析。吹灰频次由固定的8小时一次变为“按需吹灰”。如今，单台锅炉全年节约吹灰蒸汽成本13.6万元，减少管道更换等设备损失16万元，两台机组年节约近60万元。

在智能感知方面，陕西能源电力运营有限公司也取得了积极成效。作为陕西投资集团有限公司能源板块的专业检维修和能源科技服务力量，陕西能源电力运营有限公司服务过多个相关项目。该公司总经理雷喜鸣观察到，目前央国企发电集团均在推进“人工智能＋火电”，主要路线是通过智慧监盘、故障自愈、智慧检修、智慧燃烧等模块，实现机组智能感知。“我们创新构建的‘智慧监督＋智慧运维＋成果转化’一体化服务体系，市场认可度稳步攀升。”雷喜鸣说。

在陕西延长石油富县发电有限公司，智能化并非“先建后改”，而是从规划之初就嵌入基因。该公司智能化建设负责人马强介绍，上线智能汽温优化算法后，机组主汽温动态及稳态偏差均大幅收窄，叠加风煤水协同控制、按需智能吹灰等配套应用，综合煤耗同比降低约2克／千瓦时。

“人工智能应用于火电领域最难的不是算法，而是感知。很多物理量的测量本身就存在准确性不足的问题，数据感知还有很长的路要走。”西安交通大学能源与动力工程学院教授邓磊说，先把感知关过了，智能决策才有根基。

“六机一控”实现集成

过了智能感知这道关，系统集成便成为下一程的关键命题。当前，人工智能在火电领域的应用正在从点状探索向系统集成延伸。

长安益阳发电有限公司正在开展系统重塑的实践。该公司是湖南第一大火力发电厂，实现了“六机一控”——6台不同时期建设、不同容量等级的机组，全部由同一个集控室统一管控。长安益阳发电有限公司党委委员、副总经理、总工程师易宏东告诉记者，目前“六机一控”模式已平稳投运逾一年，累计完成机组启停操作20余次。

经性能考核试验，长安益阳发电有限公司三期2×100万千瓦扩能升级改造项目机组实际供电煤耗为254.64克／千瓦时，指标位居国内行业前列。“依托人工智能系统归集生产海量数据，结合智能控制运算分析，以及智慧监盘、智能吹灰等模块，可实现供电煤耗下降1至3克／千瓦时。”易宏东介绍说，三期项目从开工到投产共用时26个月、机组整套调试仅用时67小时，刷新了行业纪录。

陕西延长石油富县发电有限公司也在开展集约化探索。该公司联合中国自动化学会发电自动化专业委员会等单位构建了“一平台＋四体系”智能发电系统。一个智能管控平台加上智能运行、智能检修、智能安全、智能管理四大业务系统，彻底解决传统电厂各项应用“数据孤岛”问题，共部署40余项功能模块，覆盖企业90％的核心业务。

闭环控制仍需爬坡过坎

尽管先行者的实践提供了有益经验，但人工智能在火电领域的全面落地仍面临四重挑战。

一是从“可感知”到“能控制”的技术鸿沟问题。目前多数人工智能应用停留在“监测、预警、建议”阶段，实现闭环控制的案例不多。“自主运行是工业智能的终极目标，而安全、可信、可解释则是自主运行的前提与底线。”和利时科技集团有限公司流程工业火电事业部副总裁朱珂认为，其难点不仅在于算法可靠性，更在于安全责任界定。

邓磊以火电企业的集约化探索举例说，火电主辅机设备过于复杂，行业对设备认知并不透彻，构建的理论模型与实际有偏差，智能决策存在不确定性。他认为，必须真正融合机理模型和数据模型，提升技术可靠性，方能让人工智能在火电领域从“能用”走向“好用”。

二是数据隐私保护与模型泛化的矛盾问题。电厂的数据都是核心机密，不便于出厂。在某电厂运行良好的模型，换到煤种、炉型、工况不同的另一电厂，准确率就可能大幅下降。易宏东告诉记者，目前该公司智能化应用模块仅落地于三期2×100万千瓦扩能升级改造项目机组，尚未开展跨炉型、跨煤种的通用性试验与拓展研究。

一些企业开始着力解决这一问题。朱珂介绍，和利时科技集团有限公司自主研制的工业世界模型将行业机理、工艺规则、设备经验沉淀为可复用的认知资产，以“数据不动、知识流转”的原理，在保护数据隐私的前提下进行数据筛选和清洗，降低对海量标注数据的依赖。

三是人机责任边界问题。火电运行长期依赖老师傅的经验判断，人工智能的建议和工人经验有时会发生冲突。这种情况下，就需要厘清人机责任边界。

“智能吹灰系统目前停留在推荐建议阶段，要让系统直接自动吹灰，技术上可行，但大家心里没底。万一系统误判，蒸汽吹过头把管子吹爆了，谁负责？”黄晓虎说，想要实现自主控制，需要的不仅是算法精度的提升，更是信任机制的建立和责任边界的厘清。朱珂认为，解决之道不是让AI取代人，而是让AI增强人。

四是标准缺失与生态分散问题。不同电厂、不同厂商的人工智能系统各自为战，数据格式不统一、模型难以复用。朱珂呼吁，行业应建立统一的数据标准、模型接口标准。

展望未来，朱珂向记者描绘了人工智能在火电领域的演进路线：短期是场景创新，让运行人员切实感受到变化；中期聚焦核心控制领域，实现机组在深度调峰背景下的宽负荷自动运行；长期则是少人值守乃至无人值守。“和智能辅助驾驶升级的过程相似，人工智能在火电领域应用的每一步都要解决安全与信任的问题。这条路很长，但方向很清晰。”他说。

对智能化改造的方向，易宏东也十分笃定。对于还在观望的企业，易宏东说：“今天再晚也是早，明天再早也是晚。”