锅炉是火电厂的核心设备：煤粉进入炉膛，与空气混合燃烧释放热量，再通过水冷壁、过热器、再热器等受热面，把水加热成高温高压蒸汽，最终推动汽轮机发电。

图1 电厂锅炉

很多工业数字化系统，已经能够把锅炉做成一套精细的三维模型。

设备在哪里、管道怎么连接、当前温度是多少，都可以显示在屏幕上。但看得见不等于算得出，真正的锅炉内部是一个高度复杂的物理世界。

煤粉随着气流进入炉膛，要经历加热、挥发分释放、着火和焦炭燃烧。与此同时，还伴随着湍流、传热、辐射、化学反应以及颗粒运动。烟气温度、氧气、一氧化碳、氮氧化物等参数在空间中并不均匀，而且会随负荷、煤质和运行方式不断变化。

因此，要把一台锅炉真正变成可持续计算、预测和推演的工业世界，首先就需要把这些物理规律装进去。

这也是南京天洑软件有限公司正在探索的工业世界模型应用方式之一。

认识锅炉，只有理论还不够

天洑在山东某火电厂的智慧锅炉岛辅助平台中，就将锅炉燃烧机理、数值模拟与现场数据结合起来，对炉内动力场、温度场、氧气浓度场、一氧化碳浓度场以及污染物分布进行计算和三维展示。通过这些计算，进一步判断火焰中心位置、混合强度、氧化还原气氛以及配风是否合理。

图2 天洑智慧锅炉平台

但工业现场还有一个现实麻烦:世界上没有两台完全一样的锅炉。即使设计相同，设备长期运行之后也会出现差异。

因此，工业世界模型还必须在理论的基础上不断接收来自真实设备的数据。温度、压力、流量、氧量、负荷、给煤量、风量、壁温……这些现场实时数据不断告诉模型：真实世界现在运行到了哪里。

这也是工业世界模型与一次性工程计算的重要区别。一次仿真通常是给定一组边界条件，计算一次结果。工业世界模型则要随着真实设备持续变化，不断更新自身状态。

AI模型，让物理世界实时计算

数值模拟虽然准，能描述复杂物理过程，但计算量很大。如果现场每变化一次负荷，都重新进行一次完整的高保真计算，很难满足生产运行对速度的要求。

这时，AI开始发挥作用，让它学习已经被物理模型计算清楚的规律。

例如，先针对不同负荷、不同配风、不同煤量等工况进行大量高保真计算，形成训练数据，再利用神经网络等算法建立快速模型。

于是，工业世界模型中就形成了两类能力：高保真物理模型负责把规律“算准”，AI模型负责把这些规律“算快”。这也是物理AI和工业AI结合的重要意义。

图3 天洑工业世界模型架构

当燃烧机理、AI模型和实时数据全部进入同一个系统后，三维模型的角色也发生了变化。过去的三维模型更多用于展示设备结构，现在三维空间的每一个区域都可以携带真实计算结果。

炉膛某一区域的烟气温度、氧气浓度、哪里容易生成污染物、某一片水冷壁热负荷、某根管子的温度......这些原来看不见的状态，可以通过模型计算后重新映射到三维空间中。

现实锅炉内部发生的复杂物理过程，转化成了一个可以计算和追踪的数字世界。

真正的价值，在于“接下来怎么调”

如果工业世界模型只是告诉运行人员“发生了什么”，价值仍然有限。工业现场最终要回答的问题通常是：接下来应该咋办？

例如锅炉受热面积灰以后，并不是吹灰次数越多越好。不吹灰换热效率会下降，频繁吹灰又会消耗蒸汽，还可能增加受热面磨损。

那什么时候吹？吹哪里？怎样在效率和消耗之间找到平衡？

在天洑参与的智慧锅炉岛辅助平台中，系统通过计算不同区域受热面的清洁度和污染率，并结合汽温、壁温等状态，对积灰程度进行分析，从而辅助制定吹灰方案。

此时模型就从描述现实进一步走向了推演决策。用户可以先在数字世界中尝试不同操作：如果调整配风会怎样？如果改变负荷会怎样？如果现在对某一区域吹灰，后续锅炉效率和蒸汽消耗会发生什么变化？

不同方案先在模型中运行，再决定现实世界如何操作。

一台锅炉成为工业世界模型中的“可计算世界”，根本原因在于几个原本彼此分散的能力连接了起来。三维模型描述“它是什么”，燃烧机理描述“它为什么这样运行”，现场数据告诉模型“它现在怎么样”，AI模型让复杂规律能够快速计算，而优化算法进一步回答“接下来怎么运行更好”。

天洑提出的工业世界模型概念，本质上正是在连接这些能力。