中国电力网(微信公众号：China_Power_com_cn)获悉，最近一段时间，一篇京东入局火电的报道在圈内比较火爆。
报道内容显示，近日京东城市通过创造性的利用AI技术，成功在多个试点电厂将火电机组锅炉热效率提高了0.5%，如在全国推广，每年可以为国家节约70亿元的燃煤消耗和污染治理费，目前该项技术已在国内多个电厂通过了来自国家能源集团等权威机构的验收，开创了AI深度强化学习技术在电站锅炉领域应用的先例。
近几年来，整个火力发电行业的日子确实并不好过。在“化解产能过剩”、“提升发电效率”、“建设环保机组”等政策背景下，行业内注定要淘汰一批产能落后、污染严重的火力发电机组。这也意味着，一批能耗高、污染大的火电机组，如不及时转型，将面临淘汰关停的命运，
如何用更少的煤发更多的电，并产生最少的污染排放，是目前火力发电行业最大的痛点。
直到此处，该报道都没啥问题，但下面这段意味着戏肉来了!
匪夷所思的黑科技出现了?
“京东城市资深数据科学家詹仙园博士和团队创造性地通过大量使用深度神经网络挖掘火电机组相关测点之间复杂的内在关系及隐含模式，实现对机组系统的精准建模与模式挖掘，进而为深度强化模型寻优创造条件。”
“在更强的模型能力加持下，AI+锅炉燃烧优化模型同时考虑整个锅炉从磨煤制粉、燃烧、水热循环数百维主要状态、动作测点数据，对系统进行整体性建模，最大程度上考虑各子系统之间复杂的依赖、影响关系，以此实现对数十甚至上百维火电机组主要控制变量的全局优化。”
“简单理解，京东数科在用AI解决火电系统提效的问题上，用最擅长解决复杂高维变量系统优化问题的深度强化学习技术，解决数据的复杂性、稀缺性和模拟建模的可靠性、安全性等问题。”
中国电力网(微信公众号：China_Power_com_cn)注意到，看到诸如复杂高维变量系统、深度强化学习等眼花缭乱的词语，一位有研究火电厂系统十几年经验的工程师终于忍不住了，他表示自己对这种听上去非常高大上的高科技理论一无所知：“我对火电厂最朴素的理解就是锅炉燃烧系统、汽水系统、电气、热工、稳定……还有‘熵’理论，热力学定律……但是我不知道电厂会复杂高维变量系统?又怎么会深度强化学习?不知道博士是想自己深度强化学习还是让电厂设备自己‘学习’?”
好在这篇报道并不全是务虚，还是有一些实实在在的技术细节问题，比如锅炉专业：
“为了在对锅炉燃烧进行优化的同时满足对机组运行安全性的要求，AI+锅炉燃烧优化技术在一般深度强化学习模型中通用的价值函数基础上，额外引入了高度定制化的安全约束函数及与之对应的约束网络，可对发电负荷不达标，炉膛负压为正等大量锅炉运行风险情况进行判别，针对机组运行状态及控制变量，在长期运行状态下进行更精准的风险评估，提供更安全可靠的火电机组优化控制策略。”
这段话翻译过来就是：我通过一种牛逼的系统预警机制对你的操作进行警告，告诉你应该怎么操作?
但这位工程师觉得，该系统预警机制再牛逼，也做不到锅炉四管防磨防爆，肯定也代替不了人工维修捞渣机断裂的链条，就算给它一箩筐数据，它也预警不了今晚有没有磨煤机或者气泵跳了，更解决不了汽轮机风机振动、叶片修复、电气一次二次、热工、化学等问题。“它能做的就是对运行人员提出警告，这个门开度多少，给煤量、上水量做一点点调整……至于土建、线路这些问题更是做不了。而且机组本来就有一套自己的自动化控制系统，会自动纠正运行错误，詹仙园博士的做法无非是在这套系统里再加一套监控系统，这样岂不是更容易出错?”
来自专业人士的天问
“2019年3月14日，在国家能源集团南宁电厂的集控室里，京东数科的AI优化火力发电系统第一次得到了验证和认可，火力发电效率提升了0.5%，等同于帮助一台60万千瓦火电机组一年节省燃煤3600吨，节约燃料费用200多万元，如果全国推广，每年可以为国家节约70亿元的燃煤消耗和污染治理费。”
该工程师对于上面这段话发出了以下疑问：
1、在什么条件下认定南宁电厂火力发电效率提升了0.5%，我不明白为啥提这个数字，以前是多少?现在是多少?业内都是讲供电煤耗、锅炉效率、热耗、厂用电率，这些更重要的关键数字是什么?南宁电厂带有供热任务，测试的发电效率是否考虑供热模式?
2、等同于帮助一台60万千瓦火电机组一年节省燃煤3600吨——3600吨是如何计算得来的?有无考虑机组实际利用小时数?
3、节约燃料费用200多万元如何算的?能否这么理解，南宁电厂在采用AI技术之后年燃料费比头一年燃料费200万元?此处有无考虑煤价波动和发电量变化?
4、如果全国推广，每年可以为国家节约70亿元的燃煤消耗和污染治理费。对于电厂来说，燃煤消耗是成本重要组成部分，詹博士能否告诉业界，南宁电厂使用AI技术花费费用有多少?200万够不够?
中国电力网(微信公众号：China_Power_com_cn)发现，另一位专业人士对此也发出了一连串的疑问炮火：“火力发电效率提升了0.5%，精确的数据在哪?煤质多变掺烧的数据、高温变形的数据、磨损腐蚀的数据在哪?测点有多少是准确的，燃烧优化了啥?各大风机运行死区现出来?TMD对于串级控制的史密斯算法进行优化?AI不会抡大锤敲煤仓，能解决断煤不?60万机组一年省3600吨煤，全国推广的费用怕是都不止70亿，投入是多少?”
他认为，好的AI分析，必须有来自最专业高效的生产操作技术数据，好的操作数据必须是最专业的技术人员的操作数据集合，开发更精准的煤质检测、温度场检测、气氛场检测、未燃尽检测，小范围逐步构建精准的物理模型，才是脚踏实地的做法。AI再厉害，如果没有专业的人提供最专业的数据一切都是妄谈，电厂最核心的技术人员才是最高效率的生产保障。“中国电力科技如果总是只在低投入的控制、软件、继保、数据分析上发展，而不是在汽轮机、锅炉、发电机、大型变压器、高中压开关的主设备硬件上攻关，只图快速出科研论文成果的虚拟玩意，实体自主大工业是没希望的。”
显然，詹仙园博士的跨界操作并没有获得专业人士的认可，这些电力行业的老兵们更愿意听到一些实实在在的有用信息，信息化、智能化虽然是电厂发展的大趋势，但不能急功近利和股票一样炒概念，毕竟火电行业不是电子商务，没有可靠的硬件，再先进的系统也无用武之地。
评论