AI驱动的‘碳瞳’钢铁能效优化系统在宝武湛江基地全面投运:实时建模千台高耗能设备热力学路径,吨钢综合能耗下降4.2%

在全球碳中和进程加速与国内‘双碳’目标刚性约束叠加背景下,传统高耗能产业正面临前所未有的绿色升级压力。钢铁行业作为我国能源消耗与碳排放第一大工业门类,其单位产值能耗长期居制造业前列。据工信部2025年统计,全国重点钢铁企业平均吨钢综合能耗为538千克标准煤,距《钢铁行业节能降碳专项行动方案(2025—2030)》设定的510千克标煤/吨目标仍有显著差距。在此背景下,中国宝武集团联合上海交通大学人工智能研究院、中科院工程热物理所,历时三年攻关研发的‘碳瞳’AI能效优化系统,于2026年5月8日正式在湛江钢铁基地全工序投产运行,成为全球首个实现全流程热力学路径实时建模与闭环调控的钢铁AI工业大脑。

该系统并非简单叠加能耗监测仪表,而是构建了覆盖焦化、烧结、高炉、转炉、连铸、热轧六大主工艺环节的‘多尺度热流数字孪生体’。其核心突破在于自主研发的‘ThermoFormer’热力学时序大模型——该模型融合高温红外影像、炉壁热通量传感器阵列(部署超1.2万个节点)、煤气成分在线质谱分析及历史工况数据,首次将传统依赖经验公式与静态热平衡表征的热力学计算,升级为毫秒级动态微分方程求解。例如,在2号高炉热风炉群协同燃烧控制场景中,系统可同步解析17台热风炉内部耐火材料蓄放热相变曲线、拱顶温度梯度演化与烟气余热回收效率衰减趋势,并在3.2秒内生成最优配风-配煤-换炉时序组合策略,使单次换炉热损失降低21%。

实际运行数据显示,系统上线首月即实现关键指标跃升:全厂蒸汽管网压损波动幅度收窄至±0.08MPa(原±0.32MPa),加热炉均热段温度控制精度达±1.3°C(原±5.7°C),最显著成效体现在吨钢综合能耗由532.6千克标煤降至510.9千克标煤,降幅达4.2%,相当于年节约标准煤约18.7万吨,减少二氧化碳排放约49万吨。更深远的价值在于其‘碳足迹可溯性’——系统支持对任意一卷热轧带钢产品,反向推演出其生产全程中每道工序的瞬时能耗构成、化石燃料替代比例及间接电耗碳强度,为欧盟CBAM碳关税应对与绿电溯源认证提供毫秒级原始数据链支撑。

业内专家指出,‘碳瞳’标志着AI在重工业的应用已从‘感知层优化’(如视觉质检)跃迁至‘机理层重构’(如热力学建模)。不同于通用大模型依赖海量文本训练,ThermoFormer通过23万组高温冶金过程第一性原理仿真数据+14.6亿条真实产线传感时序数据联合蒸馏,形成了具备物理可解释性的领域专用智能体。其架构设计规避了黑箱决策风险,所有调控指令均附带热力学守恒律验证标签与偏差敏感度热力图,确保工程师可审、可验、可干预。

展望未来,宝武集团计划于2026年底前将‘碳瞳’系统推广至鄂城、太仓等六大生产基地,并向鞍钢、河钢等头部钢企开放技术接口。更值得关注的是,该系统底层热力学推理引擎已启动模块化封装,正与国家电网合作开发‘源网荷储’热电耦合调度模块,有望将钢铁厂从单纯电力消费者,转变为具备分钟级响应能力的虚拟电厂调节单元。当AI不再仅回答‘哪里耗能高’,而是精准回答‘为什么在此刻此态下必然耗能高’,工业智能化才真正触及本质。