通常，蒸汽量数值维持在53蒸吨左右最为适宜，但由于垃圾燃烧值在不断变化，所以最高可以到65吨，最低可以到30蒸吨。蒸汽量数值剧烈波动，直接影响焚烧和发电系统的稳定性，这是老师傅们也要头疼的事情，蒸汽量数值过高会有安全隐患，过低又会影响发电量。
人工智能首秀略尴尬
为了进一步提升锅炉燃烧稳定性，瀚蓝环境和阿里云走到了一起，希望借助人工智能优化效果。
2018年12月，阿里云工程师来到瀚蓝环境，向老师傅们要走了近十年的历史数据，他们选取了风压、风温等100个特征测点构建模型，可实时计算与分析，预判垃圾燃烧后蒸汽变化曲线，推荐最佳进料操作。
然而，初试牛刀就出了洋相，算法接入焚烧系统后只“跑”了半个小时。
“暂停，暂停，先关了。”工程师张茂灵和其他几个工程师主动喊停了这一次的试验。
原来，洪毅发现维持在53.1吨的蒸汽量负荷，涨到了60吨，炉内氧量涨到了10%，应该进料了。可是算法并没有及时给出提示，再不进料就会跟火源脱节，下一斗的垃圾就很难烧旺。洪毅在一旁抿着嘴，双手搓了下，移动鼠标，点下了屏幕上的“进料”按键。
洪毅和张茂灵在垃圾吊操作室
人工智能的首秀遭到了人工的干预，几个阿里云工程师抱着电脑奔回会议室，立刻开始复盘这一版的算法，确实是基于历史经验建的模，离线训练效果也很不错，但为什么投入生产就“跑”不起来了？
坐在办公室里的工程师怎么都想不到，年初南海区的雨水日多，一周连下三天雨，导致垃圾含水量比平日高，垃圾热值比平常能低上千焦，直接影响焚烧效果。
于是，阿里云工程师戴上安全帽，蒙上口罩，跟着老师傅们一起走进焚烧炉生产现场。他们从1400个参数里挑出最重要的100个特征测点重新构建模型，前前后后迭代了50多个版本。
阿里工程师跟着老师在烧炉旁学习
除了数据，张茂灵也关注到老师傅们的操作偏好。他们找来100个熟练操作工，一个一个收集他们累计的经验，将这些习惯性的经验数据化、模型化后，“喂养”给算法学习。
再次试验时，洪毅按下“送料”键后，发现系统自动出现下一次送料时间，是在5分钟以后，他知道是算法起作用了。
随后，算法根据前一次焚烧的参数，提前30秒闪烁红灯，发出送料警报并自动送料，“4分多钟，跟我估计的时间差不多。”这一次，算法不再需要人工干预。
人工智能是人类经验的胜利
“这是人类经验的胜利。”阿里云工程师张茂灵说，“没有人的经验，人工智能只能吃鸭蛋。”
在阿里云工程师看来，人工智能算法不是要替代人工，而是辅助人工。相比单纯人工操作，AI辅助人的方式让锅炉燃烧稳定性提升了23%。
洪毅也发现，算法还不能完全替代他的工作，但是有了AI辅助，以前操作员4个小时内需要操作30次，现在只需要在收到提醒后去比对参数数值，最多干预系统6次即可。“提示了最佳进料的时间，就解放了我们的执行压力。”这也让洪毅有更多的时间和精力，关注在其他更重要的工作项目上。
当经验能像计算机程序一样复制，人类对垃圾的战争就多了一分胜率。
瀚蓝绿电信息中心总监赵浩表示：“算法解决了人类经验传承的问题。年轻员工也能烧出老师傅的感觉。”按照规划，这套算法将会在全国26个城市的垃圾处理项目中使用，未来扩展到100座城市。
“算法没有终点，还需要持续学习、优化。”张茂灵提到，瀚蓝新的三厂区正在建设，明年就会投产。那时候，算法需要解决的是，如何在当前的垃圾总量基础之上，进一步提高垃圾的燃烧效率，进而提高垃圾的发电量。
注：文章转自网络，权利归原作者所有。若有侵权联系我们删除，谢谢。
