西门子代理商 燃烧器的大脑

西门子中央研究院（CT）研发的基于神经网络的人工智能系统已使西门子内燃气轮机的燃烧过程得到了稳步优化。燃烧过程已经“学会”要如何持续调整燃料阀以实现优化并减少排放和磨损。现在，西门子发电服务集团正将这项联合研发的技术应用于客户现场，以优化西门子内大、现代化的固定式燃气轮机。由于西门子客户处的许多复杂系统都能借助人工智能来改善运行情况，这项技术在提升能效方面的潜力是巨大的。

2016年3月，当谷歌公司研发的阿尔法围棋软件以五局四胜的成绩力挫来自韩国的世界棋手时，人工智能充分展示出了其实实在在的颠覆性潜力。而当西门子中央研究院（CT）的研究人员发现他们研发的人工智能系统能够助力实现系统优化时，他们也同样感到惊讶。CT商务分析与监控技术领域的机器学习专家Volkmar Sterzing表示：“我们发现，如果一个系统的运行表现取决于专家的经验，那么它也可以利用人工智能加以优化。”

2016年3月，谷歌公司研发的阿尔法围棋软件力挫世界棋手李世石，在机器学习发展历*立下了一座丰碑。

随着系统的结构日益复杂、需要应对的因素不断增加，哪怕是专家在进行系统调整时也必须采取折衷的方法。专家不可能全天候待命。在这种情况下，能够持续不断监控系统的人工智能就展现出了明显的优势。

50项

西门子开神经网络研究已有约30年了。公司已经在将神经网络应用于人工智能方面取得了长足的进步。例如，西门子持续优化其“面向神经网络的软件环境（SENN） ”，并针对不断涌现的新应用领域（包括燃气轮机和风机优化领域）对SENN进行了改良。Sterzing指出：“我们拥有约50项学习过程方面的。”

西门子发电服务集团和CT已研发出能够持续优化燃气轮机燃烧过程的运行与控制的系统。这个系统名为“燃气轮机自主控制优化器（GT-ACO）”，它主要基于CT研发的人工智能技术。目前，西门子正在为亚洲的一个大客户安装这个系统，并将在西门子的H级燃气轮机上进行深入测试。测试于2017年2月底前开始。一般来说，对燃气轮机整体运行情况的改进是十分困难的，因为更低的排放通常会导致轮机使用寿命缩短。这是由于高能燃烧振荡会导致材料疲劳，从而加剧磨损。

Volkmar Sterzing在CT带领团队将神经网络应用于燃气轮机优化领域。

在许多不同类型的燃气轮机上进行的测试结果已经证明，GT-ACO切实有效。专家将燃机的氮氧化物排放量手动设置为低后，人工智能系统将接管燃烧单元。西门子发电服务集团GT-ACO研发负责人Hans-Gerd Brummel说：“在测试中，人工智能系统启动两分钟后，排放值就下降了20%。”Brummel是西门子在轮机远程诊断和维护方面的*。他曾荣获西门子“年度发明家”奖，以表彰他所取得的成绩。

优化排放

将人工智能系统用于轮机的主要目标是将氮氧化物的排放量降至低。为实现这一点，GT-ACO的神经模型将改变燃料在燃气轮机燃烧器内的分布。然而，受位置、燃气成分和当地天气条件等因素的影响，每个燃烧器的设置不尽相同。正因如此，GT-ACO需要花几个星期来学习每个燃气轮机的情况，然后才能自动对控制过程作出有益的调整。

Hans-Gerd Brummel在柏林服务于西门子发电服务集团。他持有69项。这些成就为他赢得了2016年西门子“年度发明家”的殊荣。他为许多燃气轮机优化技术的研发作出了积极的贡献。

Brummel表示：“客户对我们的技术表现出了很大的兴趣。由于可再生能源在发电电网中所占比重很高，相关人员往往需要利用燃气轮机来维持电网频率。”在这种不断变化的运行环境中，振荡幅度增大的风险不断上升，磨损也相应增加。然而，Brummel充满信心：“对于这种情况，GT-ACO将能帮上大忙，因为它可以着重优化阻尼振动。”

GT-ACO还可用于在一定程度上延缓燃气轮机老化。这是因为，这项技术已将物理模型形式的燃气轮机热力学知识与机器学习结合了起来。

Sterzing坚信，这项技术在西门子将大有可为。它可以在配电、生产自动化和过程工业应用等领域大展身手。Brummel已经在与发电行业的客户探讨GT-ACO，并正在研发更多优化应用。