废物焚烧炉二噁英排放实时预警及智能控制的方法及系统技术方案

本发明专利技术涉及二噁英控制技术，旨在提供一种废物焚烧炉二噁英排放实时预警及智能控制的方法及系统。包括：构建LSTM

【技术实现步骤摘要】
废物焚烧炉二噁英排放实时预警及智能控制的方法及系统


[0001]本申请涉及二噁英控制技术，更具体地说，涉及一种废物焚烧炉二噁英排放实时预警及智能控制的方法及系统。

技术介绍

[0002]废物焚烧处理技术由于具有减容减量快等优势，是最有效的处置方式。但废物焚烧容易产生二噁英类持久性有机污染物，二噁英具有强烈的致癌、致畸作用，会毒害生殖系统、免疫系统和内分泌系统。
[0003]现有二噁英控制方法具有严重滞后性，二噁英排放检测以“离线采样
‑
实验室分析检测”为主，检测周期长达至少一周，检测数据与运行参数时域性无法匹配，缺乏实时预警价值，在异常工况下难以快速反馈与调整。浙江大学开发了一种焚烧烟气二噁英在线快速检测的方法(专利号：ZL200510023260.1)，约15分钟即可获得烟气二噁英排放数据，是目前世界最快的二噁英检测方法，但废物焚烧前端到烟气排放末端存在多道工艺及烟气处理设备，从获取检测数据到反馈控制仍存在一段控制真空期，期间二噁英排放超标时仍无法有效控制。如能基于该二噁英在线快速检测数据开发二噁英实时预警技术，对二噁英排放超标进行实时预警，将有效预防控制真空期的出现，减少二噁英超标现象的产生。
[0004]除此之外，二噁英的生成与排放受多种因素的影响，包括物料种类、燃烧充分度、烟道积灰、氧量、活性炭吸附能力、粉尘颗粒、氯化氢浓度等，二噁英低排放控制需要燃烧、清灰、除尘、在线检测等多个环节的相互耦合实施。但传统控制技术下，运行人员只能根据运行经验对污染物超标等异常工况进行调整，过于依赖运行人员的操作水平，且不同运行人员操作水平参差不齐，运行工况波动大，影响工况稳定性、污染物排放及运行效率。同时由于影响二噁英生成的因素众多，传统控制技术控制目标均以污染物控制为目的，难以考虑经济性、稳定性等其他目标。
[0005]如能基于二噁英预测数据和运行工况监测数据开发多目标优化控制技术，将经济性、环境评估效益等指标融入控制过程，将有效提高企业的运行控制水平。

技术实现思路

[0006]本专利技术要解决的技术问题是，克服现有技术中的不足，提供一种废物焚烧炉二噁英排放实时预警及智能控制系统
[0007]为解决技术问题，本专利技术的解决方案是：
[0008]提供一种废物焚烧炉二噁英排放实时预警的方法，包括以下步骤：
[0009](1)以LSTM(长短期记忆神经网络)模型和ARIMA(自回归移动平均)模型为基础构建LSTM
‑
ARIMA融合预测模型；其中，LSTM模型和ARIMA模型的输出结果均是折算为三氯苯浓度的二噁英排放数据；两个模型的融合的方式为，对两模型预测结果分别取权重系数0.5再进行加和；
[0010](2)利用二噁英在线检测装置获取的废物焚烧炉烟气中二噁英历史数据作为融合
预测模型的输入；其中，LSTM模型的输入变量为包括：前5小时的第一通道出口烟气平均温度、二次风总风量、一次风总风量、一次风压力、烟气流量和折算为三氯苯浓度的二噁英排放数据；ARIMA模型的输入变量包括：前5小时的第一通道出口烟气平均温、二次风总风量、一次风总风量、一次风压力、烟气流量；
[0011](3)将二噁英在线检测装置实时获取的废物焚烧炉排放的烟气中二噁英检测值和烟气平均温度、风量、风压和烟气流量数据作为LSTM
‑
ARIMA融合预测模型的输入，经融合计算后输出预测结果，该预测结果是在设定时间段之后的(如1小时)折算为三氯苯浓度的二噁英排放数据；
[0012](4)将预测结果与预设指标进行比对，如超出预设指标范围，则发出二噁英超标预警。
[0013]作为本专利技术的优选方案，所述LSTM模型采用1*LSTM+1*Dense架构，LSTM层神经元数量为150，激活函数选用Relu函数；Dense全连接层神经元数量为1；各层参数采用RandomNormal函数初始化，随机种子seed为6；输入层的输入时间步长为5，输出层的预测步长为1；所述ARIMA模型参数中的自回归项数p、差分次数d、滑动平均项数q分别为1、2、1，预测步长为1。
[0014]本专利技术进一步提供了一种废物焚烧炉二噁英排放智能控制方法，包括以下步骤：
[0015](1)基于焚烧炉运行成本计算的经济性目标和基于二噁英预测排放数据计算的环境效益目标，根据下式构建多目标优化函数F(x)，优化目标为最小化函数F(x)：
[0016]min F(x)＝[f1(x)，f2(x)][0017]式中，f1(x)为根据焚烧炉运行成本计算得到的经济性目标函数，f2(x)为根据二噁英预测排放数据计算得到的环境效益目标函数；所述二噁英预测排放数据是指前述方法的步骤(3)中融合预测模型输出的预测结果；
[0018](2)设置多目标优化函数中的各控制变量的约束条件，然后对多目标优化函数进行求解，以获得用于对废物焚烧炉进行智能控制的运行参数最佳控制状态点；
[0019](3)利用运行参数最佳控制状态点的数据，通过自动控制模式或辅助控制模式对废物焚烧炉的预处理控制系统、焚烧控制系统、烟气净化控制系统的工况进行调节，使其在运行于最佳工况的同时保持排放的二噁英浓度在规定范围内。
[0020]作为本专利技术的优选方案，所述步骤(1)中，根据下式计算焚烧炉的运行成本：
[0021][0022]式中：n为可控制变量总数，可控变量包括给料、一次风、二次风、给水和活性炭的用量，以及布袋压差；
[0023]θ
i
为第i个可控变量的单位成本；其中，给料量单位成本(元/kg)根据抓吊机功率/电价计算得到，风量单位成本(元/m3)为风机实时功率
×
风机规格/电价计算得到，水量单位成本(元/m3)为(用水单价+给水水泵实时功率
×
水泵规格/电价)计算得到，活性炭单位成本由购买价格(元/kg)得到，布袋压差单位成本(元/pa)为更换布袋成本/(布袋允许最大压差
‑
设计压差)；
[0024]x
i
为第i个可控变量实时监测值，包括给料量(kg/min)、一次风量(m3/h)、二次风量 (m3/h)、给水量(m3/h)、活性炭使用量(kg)和布袋压差pa。
[0025]作为本专利技术的优选方案，所述步骤(1)中，根据下式计算二噁英的预测排放量：
[0026][0027]式中：
[0028]k
i
为第i个可控变量对二噁英浓度的影响系数，用于表征可控变量x
i
对二噁英调节能力；该数值是经验系数，取值范围在0～1；
[0029]λ为二噁英超标预警输入，当超标预警时为1，否则为0；
[0030]为第i个可控变量的与二噁英排放浓度的回归函数，通过对变量及二噁英排放浓度的历史数据进行多元回归拟合得到，或通过实验仿真模拟得出。
[0031]作为本专利技术的优选方案，所述步骤(2)中，对多目标优化函数进行求解时，应用 NSG本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种废物焚烧炉二噁英排放实时预警的方法，其特征在于，包括以下步骤：(1)以LSTM模型和ARIMA模型为基础构建LSTM
‑
ARIMA融合预测模型；其中，LSTM模型和ARIMA模型的输出结果均是折算为三氯苯浓度的二噁英排放数据；两个模型的融合的方式为，对两模型预测结果分别取权重系数0.5再进行加和；(2)利用二噁英在线检测装置获取的废物焚烧炉烟气中二噁英历史数据作为融合预测模型的输入；其中，LSTM模型的输入变量为包括：前5小时的第一通道出口烟气平均温度、二次风总风量、一次风总风量、一次风压力、烟气流量和折算为三氯苯浓度的二噁英排放数据；ARIMA模型的输入变量包括：前5小时的第一通道出口烟气平均温、二次风总风量、一次风总风量、一次风压力、烟气流量；(3)将二噁英在线检测装置实时获取的废物焚烧炉排放的烟气中二噁英检测值和烟气平均温度、风量、风压和烟气流量数据作为LSTM
‑
ARIMA融合预测模型的输入，经融合计算后输出预测结果，该预测结果是在设定时间段之后的折算为三氯苯浓度的二噁英排放数据；(4)将预测结果与预设指标进行比对，如超出预设指标范围，则发出二噁英超标预警。2.根据权利要求1所述的方法，其特征在于，所述LSTM模型采用1*LSTM+1*Dense架构，LSTM层神经元数量为150，激活函数选用Relu函数；Dense全连接层神经元数量为1；各层参数采用RandomNormal函数初始化，随机种子seed为6；输入层的输入时间步长为5，输出层的预测步长为1；所述ARIMA模型参数中的自回归项数p、差分次数d、滑动平均项数q分别为1、2、1，预测步长为1。3.一种废物焚烧炉二噁英排放智能控制方法，其特征在于，包括以下步骤：(1)基于焚烧炉运行成本计算的经济性目标和基于二噁英预测排放数据计算的环境效益目标，根据下式构建多目标优化函数F(x)，优化目标为最小化函数F(x)：min F(x)＝[f1(x)，f2(x)]式中，f1(x)为根据焚烧炉运行成本计算得到的经济性目标函数，f2(x)为应用二噁英预测排放数据计算得到的环境效益目标函数；所述二噁英预测排放数据是指，权利要求1所述方法步骤(3)中融合预测模型输出的预测结果；(2)设置多目标优化函数中的各控制变量的约束条件，然后对多目标优化函数进行求解，以获得用于对废物焚烧炉进行智能控制的运行参数最佳控制状态点；(3)利用运行参数最佳控制状态点的数据，通过自动控制模式或辅助控制模式对废物焚烧炉的预处理控制系统、焚烧控制系统、烟气净化控制系统的工况进行调节，使其在运行于最佳工...

【专利技术属性】
技术研发人员：林晓青，温朝军，余泓，吴昂键，张浩，李晓东，严建华，
申请(专利权)人：浙江大学，
类型：发明
国别省市：