全国垃圾焚烧厂近3万台核心设备健康运行，有了AI解法

　　在“2026(第十三届)上海固废热点论坛”上，北京易新智维科技有限公司副总经理战凯发表主题演讲《数据驱动，预知未来——重塑固废行业设备运维新范式》，系统阐述了以数据驱动和AI诊断为核心的设备智能运维理念，并分享了“易新”产品在垃圾焚烧领域的落地探索。

战 凯

　　易新智维脱胎于E20环境平台的“双智(智能、智库)战略”。近年来，平台已陆续推出易见、易新、易巡等多款智能化产品。战凯重点介绍的“易新”，是面向设备侧的智能运维产品，自2024年启动设计、2025年推向市场，已在水务行业的污水厂、供水厂、泵站等场景中实现广泛应用。近半年来，团队将重心转向垃圾焚烧领域，开展了大量实地调研与落地探索。

　　战凯坦言，与水务行业不同，垃圾焚烧侧的设备管理有其独特性。水务行业通常配备大量备用设备——“恨不得3用2备、4用3备”，而垃圾焚烧每条产线仅配置一台风机，容错率低，对设备稳定性要求更高。

　　近3万台核心设备，管理痛点凸显

　　战凯首先用一组数据勾勒了行业设备管理的规模底座。

　　目前，全国生活垃圾焚烧发电厂已经上千座，焚烧炉总量超2000台套，处理能力超110万吨/日。在此基础上，焚烧系统四类关键设备——垃圾吊、焚烧炉、余热锅炉、汽轮发电机组——保有量合计约8000至13000台套;排烟及辅机系统五类核心设备——引风机、一次风机、二次风机、给水泵、循环水泵——保有量合计约12000至16000台。全厂核心设备总量约2至3万台，构成庞大的设备运维管理对象。

　　然而，行业正面临产能利用率不足与设备老化的双重压力。

　　住建部《2024年城乡建设统计年鉴》显示，全国1129座垃圾焚烧厂平均产能利用率仅约63.22%。“喂不饱炉子”的困境下，企业对设备故障导致的额外停运损失更为敏感。与此同时，大量早期投运项目已进入第一个大修周期，设备维护需求正从被动维修转向主动预防。从成本结构看，设备折旧摊销占生产成本35%至50%，维修费用占10%至20%，设备管理经济性空间巨大。

　　战凯特别聚焦两类典型设备：

　　其一是垃圾吊——最恶劣环境下的“咽喉设备”。垃圾吊直接关系垃圾输送和入炉效率，运行环境极端恶劣，常见故障高发，包括抓斗损坏、电缆破损、控制失灵等。当前运维仍高度依赖人工巡检，每个垃圾吊按周频次巡检，巡检人员在恶劣环境中最多只能停留一小时，面临运维局限。

　　其二是引风机、给水泵等关键辅机——无备用设备的“生命线”。这些设备虽常被视为“配角”，但一旦故障即导致整体停机，其主要问题便是常见的机械故障，包括振动超标、轴承磨损、电机故障等。

　　当前，现场判断设备状态的方式以“人”为主、以“器”为辅，人工巡检面临工况极端恶劣、状态感知不足、标准化程度低、数据价值沉睡、人才结构性短缺、成本与可靠性矛盾等六大共性痛点，成为制约效能的关键瓶颈。

　　从“治已病”到“治未病”，垃圾焚烧设备运维的AI解法

　　针对上述痛点，战凯提出设备运维应从“治已病”转向“治未病”，核心路径是基于旋转设备的振动、温度、工况等实时数据，通过机理模型与人工智能算法，评估设备健康状态、预测故障发展趋势。

　　他特别强调了振动数据的价值——超过90%的旋转设备故障会通过振动特征显现，包括轴承故障、叶轮故障、联轴器故障等。通过振动算法模型，可以实现设备状态预测，构建起事后维修→预防性维护→预测性维护的路径，保证设备的稳定运行。

　　从“点检定修”到“智能运维”，以数据驱动设备管理智能进阶，实现点检数字化、场景智能化、运维精准化的效果，是设备运维方式的变革。设备守护帮助我们守住资产底线，行业需要精细化管理每一份资产，让数据驱动设备价值最大化。

　　总体架构上，“易新”采用“1+1+N+X”体系：1套涵盖培训、咨询、服务的全链路赋能体系，1个AI+设备运维平台，N款基于“工业五感”(视觉、听觉、触觉、嗅觉、味觉)的智能感知硬件，以及X种场景智能应用解决方案。当前重点聚焦垃圾吊、引风机、给水泵等设备场景。

　　针对固废行业的设备运维痛点，战凯分享了“易新”的智能架构与核心解决思路。他指出，整个系统的核心是一个综合性平台，负责全量数据的接入、分析、感知与判断。在理念上，易新智维强调硬件与软件仅是底层支撑，最终目标是为客户提供一套完整的智能运维服务。

　　在技术实现路径上，战凯将其拆解为四个关键环节：

　　首先是前端智能采集。依托三轴振动智能化传感器，对设备运行状态进行精准的数据捕获。

　　其次是边缘计算。通过边缘计算节点在现场直接剔除环境干扰因素，确保采集到的数据精准且有效。

　　第三是智能传输。系统会根据设备状态动态调整数据传输策略：在设备运行正常时，按常规频次传输以节省资源;一旦监测到设备异常，系统会自动提高采集与传输的密度，确保关键数据能够及时回传。

　　最后是智能报警与诊断。战凯特别强调，发现波形或频谱异常并触发报警仅仅是第一步，系统更核心的价值在于后续的故障诊断环节，从而真正实现从“发现问题”到“解决问题”的闭环。

　　战凯详细阐述了AI诊断的内核体系。第一阶段为“图生文”——通过频谱、波形等多模型分析，将振动图谱转化为可读的特征描述，从海量、复杂的原始信号中，精准识别出潜在的故障特征;第二阶段为“文生文”——将特征描述输入诊断推理引擎，结合专家知识图谱进行逻辑推理，输出故障部位、故障类型及检维修建议。

编辑：赵利伟