作者：彭跃辉、程超（分别系华北电力大学新能源电力系统全国重点实验室副主任、副研究员；华北电力大学国家能源战略发展研究院讲师）
工业革命改变了世界面貌，为人类生产生活带来深远影响。当今世界，人工智能迅猛发展，推动人类社会深度变革。在此过程中，电力行业也在逐步向数字化和智能化转型。
截至2023年年底，我国非化石能源发电装机历史性超过化石能源装机，非化石能源发电已成为能源系统增量的主体。然而，我国“富煤、贫油、少气”的资源禀赋决定了火电仍是我国电力供应的重要支撑电源，在未来较长时期内将继续发挥“压舱石”的作用，这是保障我国能源安全和实现能源转型的前提。智能发电技术，将成为未来电力生产行业的重点发展领域，对于提高能源利用效率、促进能源结构转型、增强电网稳定性与安全性、实现节能减排等具备极其重大意义，也是实现“双碳”目标和能源转型的战略选择。
早在2001年，美国电力研究协会率先开展了智能电网研究。我国和欧盟相继开展“智能电网”的研发和推广。近年来，我国在“智能电网”研究的基础上，同步推动以分布式能源、微网、智能配电网为代表的能源互联网和智能发电的研究及应用。国家能源局于2016年首次将智能发电写入《电力发展“十三五”规划》，部分发电企业逐步开始了智能化建设尝试。《电力发展“十四五”规划》再次提出，要提升电力生产信息化、数字化、智能化水平，指出要推动开展燃煤电厂智能控制技术的研究和应用，提高发电安全运行水平。前不久，国家有关部门发布的《加快构建新型电力系统行动方案（2024—2027年）》提出，重点开展九项专项行动，包括配电网高水平质量的发展行动，智慧化调度体系建设行动，新能源系统友好性能提升行动等。
在新型电力系统中，“源随荷动”向“源荷互动”转变是必然趋势。智能发电不仅涉及不一样能源的高效转化，还包括发电过程智能控制与优化调度，以及发电装备人机一体化智能系统、电源与电网协同、电源与电源协同等。中国工程院院士、华北电力大学新能源电力系统全国重点实验室主任刘吉臻教授，在《智能发电厂的架构及特征》一文中将“智能发电”描述为，以自动化、数字化、信息化为基础，综合应用互联网、大数据等资源，充分的发挥计算机超强的信息处理能力，集成统一的一体化数据平台、一体化管控系统、智能传感与执行、智能控制和优化算法、数据挖掘以及精细化管理决策等技术，形成一种具备自趋优、自学习、自恢复、自适应、自组织等特征的智能发电运行控制与管理模式，以实现安全、高效、环保的运行目标，并具有优秀的外界环境适应能力。
在我国当前技术条件和装机结构下，火电仍是最经济可行、安全可靠的电源形式。近年来，煤电作为支撑电源及时作出调整出力，对提升电网的调峰能力发挥了顶梁柱作用，其在提升电力保供能力的同时，可进一步促进可再次生产的能源发展，正由常规主力电源向基础性、支撑性、调节性电源转变。与此同时，燃煤机组面临更加严峻的挑战，大多数表现在：外部环境更为复杂多变；安全、经济和环保要求更高；高煤价高成本下，减员增效压力大；运行调控精细化要求高，干预操作频繁。根据对国内主流火电机组的运行人工干预情况统计，变负荷过程需频繁进行参数调整、设备启停、自动投退等操作，监盘操作工作量大且重要性高。因此，燃煤智能发电技术将聚焦影响机组安全、灵活、经济、环保运行等关键又具有普遍性的运行控制问题，对智能燃煤电站关键技术展开研究，提升机组自主化运行水平，实现无人工干预下连续运行。
智能发电关键技术探讨研究主要是针对三个方面展开：一是燃煤发电智能控制管理系统平台及体系结构、理论、方法及关键技术，二是燃煤发电智能状态监控，三是故障诊断技术。其目的和效果是聚焦解决火电机组运行控制的痛点问题，着眼于工艺过程安全、经济、平稳三个维度，降低运行人员操作频次，实现全流程自主协同运行与少人化或无人化值守，提高机组综合运行效益。安全主要指实现超温自处理、故障自处理、容错控制和联锁保护等；经济主要指以最佳方式、最优设定点运行，实现机组经济、环保运行；平稳主要指实现关键工艺参数波动小（控制性能好）、电网“两个细则”奖励高，报警少、故障少、设备磨损小、不超温。三方面相互影响、相互促进。例如，通过预测控制等先进控制，使关键工艺参数波动大幅减小，有利于压红线运行，既使运行更加平稳，提高运行效率，还能保证更加安全。
实现燃煤机组智能发电大多数表现在自主性、智能性、适应性、人机协同新模式四个技术维度：
自主性——包括自主决策和自主学习。自主决策是依据环境、生产条件和负荷需求，自主地进行决策，对机组与各工艺系统来进行多目标与约束条件下的运行优化，确定设定值和运行方式，实现工艺系统的高效环保运行、机组全过程的协同运行，大大降低装置操作频次，如燃烧优化、氧量优化、设定值巡航、磨组运行方式优化等。自主学习是依据环境和运行条件变化，自主学习和调整算法，实现高效高性能运行，如基于大数据的模型参数和控制参数调整。
智能性——涵盖知识自动化，学习和预测。知识自动化是通过知识经验沉淀、知识自动升级更新，实现高效的问题解决，如基于规则的故障诊断、根源分析，规则与控制回路的结合，操作指导。学习和预测是对复杂工况和复杂流程进行自主学习和预测，实现高性能优化控制和运行，如预测控制等先进控制、对运行工况的学习和分类、聚类。
适应性——具有自适应、自调整，故障检验测试、容错和自愈两类。自适应、自调整指系统可以依据环境和运行条件变化，自主调整策略和算法，实现高效高性能运行，如自适应控制，自组织APS（程序自动启停系统），功能组能适应机组启停、低负荷、正常运行等各方式。故障检验测试、容错和自愈是系统能够对自身进行实时监控和错误检测，实现高效的故障恢复。
人机协同新模式——包含报警治理和全面评估。报警治理旨在解决报警泛滥的问题，减轻操作工负荷，确保运行员能及时关注和有效响应重要警报，并进行根源分析，预防安全事故。全面评估则需要基于大数据和模型化技术，对机组与工艺系统来进行多源、多层次、多维度信息统计、计算、分析、评价，全面识别、深入评估机组运作时的状态，实现机组运行透明化，帮助运行员转向高层次的机组优化运行调整、总结和固化操作经验、系统功能维护和升级。
经过十余年的发展，智能发电已经具备了一定门槛，其发展需要多学科交叉融合的支撑，在基础理论、关键技术、工程应用等方面仍有大量难题待攻克。
缺乏整体设计和布局是智能发电发展面临的重要挑战之一。我国对于智能发电的探索，主要是从局部系统来进行智能化升级，各系统之间发展不同步，没有从整体上解决发电过程智能化的问题。各发电集团在智慧电厂建设方面开展的尝试，更多侧重于智能信息集成展示、智能设备与运行管理、故障诊断和事故预报，以及三维可视化智能培训等，而生产的全部过程中智能化应用较少，智能化管理与生产之间有脱节。
当前，我国智能发电模型缺乏复杂场景应用经验，同时面临算力基本的建设薄弱，算法设计、训练方法存在壁垒等问题。在工业领域应用还存在算法精度低、准确率和误报率难以达到工业级要求，生产数据带到企业之外训练带来安全风险隐患等问题。因此，人工智能技术在发电领域应用仍需进一步探索。
电力系统复杂而高度敏感，而目前智能发电算法的准确性和鲁棒性在复杂场景下的表现有待观察；并且大规模数据传输和处理过程中，其应用面临潜在的网络攻击与数据泄露风险。此外，智能发电领域的仪表控制技术、设备故障预警及诊断技术等仍受制于人。智能发电技术的发展和应用缺乏明确的标准和行业规范，算法开发、模型训练、数据管理及应用等诸多环节的边界不清晰，其发展与落地规范性和监督管理机制亟须完善。
首先，加强顶层设计，坚持规划先行。按照智能发电在新型电力系统中的功能和定位，统筹制定项目发展分阶段顶层规划，注重阶段性特征。智能发电的发展将经历由初级形态向高级形态、由局部应用到系统应用的历程，需要在基础理论、关键技术与工程应用方面取得突破，实现理论、技术与体制、机制的创新。同时应注重总结实践经验，及时动态调整发展规划。
其次，以科学技术创新推动关键核心技术攻关。科学技术创新是培育智能发电新质生产力的核心要素。应持续推进建模、控制、优化理论与技术，数据分析理论与技术、故障诊断等核心研发技术；开展先进检测技术与仪表，工业物联网数据平台及软件等关键装备及软件研发制造；加快建设算力基础设施、创新算法架构开发；推动智能优化管理系统研发及性能提升。
再次，坚持目标导向，促进智能发电应用示范。依托国家实验室、全国重点实验室和大型央企科研机构，组织跨学科、跨领域科研团队，开展智能发电集成项目攻关，部署一批重大工程示范项目，验证技术可靠性和适应性，探索形成可复制可推广的经验和成果，通过试点示范统筹，引领智能发电规模化发展。
