[發(fā)明專利]垃圾焚燒的監(jiān)控方法及裝置

在審

• 申請?zhí)枺?/td>: 202110253618.9
• 申請日: 2021-03-09
• 公開（公告）號: CN113175678A
• 公開（公告）日: 2021-07-27
• 發(fā)明（設計）人: 倪進飛;楊波;張煒;羅小平;喻凡
• 申請（專利權）人: 廣州特種承壓設備檢測研究院
• 主分類號: F23G5/50
• 分類號: F23G5/50;F23J15/04;F23J15/06
• 代理公司: 廣州華進聯(lián)合專利商標代理有限公司 44224
• 代理人: 史治法

1.一種垃圾焚燒的監(jiān)控方法，其特征在于，包括：

獲取影響預設氣體的排放量和余熱鍋爐區(qū)域溫度的相關工況參數；

獲取在各所述相關工況參數下預設氣體的排放量和余熱鍋爐區(qū)域溫度的多組實際數據；

根據各所述相關工況參數、所述預設氣體的排放量及所述余熱鍋爐區(qū)域溫度建立初始神經網絡模型，并根據所述多組實際數據對所述初始神經網絡模型進行訓練得到預測模型；

獲取焚燒爐當前的工況參數，并根據所述焚燒爐當前的工況參數和所述預測模型得到預設氣體的排放量預測值和余熱鍋爐區(qū)域溫度的預測值。

2.根據權利要求1所述的垃圾焚燒的監(jiān)控方法，其特征在于，所述預測模型包括第一層、第二層、第三層、第四層以及第五層；所述第一層為輸入層，所述第一層的輸入變量包括所述相關工況參數；所述第二層為模糊化層，所述第二層用于在各所述輸入變量論域內選擇描述其語言值的隸屬度函數；所述第三層為規(guī)則層，所述第三層用于表達所述輸入變量的語言值狀態(tài)；所述第四層為結論層，所述第四層用于對所述輸入變量進行模糊邏輯推理運算以得到模糊輸出量；所述第五層為去模糊化層，所述第五層用于根據所述模糊輸出量計算輸出變量，所述輸出變量包括所述預設氣體的排放量和所述余熱鍋爐區(qū)域溫度。

3.根據權利要求1所述的垃圾焚燒的監(jiān)控方法，其特征在于，所述根據所述多組實際數據對所述初始神經網絡模型進行訓練得到預測模型之前，包括：

對所述多組實際數據進行預處理；所述預處理包括歸一化、控制處理及降維處理中的至少一種。

4.根據權利要求1所述的垃圾焚燒的監(jiān)控方法，其特征在于，所述相關工況參數包括焚燒爐內的煙氣溫度、煙氣停留時間、出口煙氣含氧量、還原劑流量、垃圾負荷、一次風與二次風流量及配風方式及爐膛壓力。

5.根據權利要求1至4任一項所述的垃圾焚燒的監(jiān)控方法，其特征在于，還包括：

根據所述預設氣體的排放量預測值和所述余熱鍋爐區(qū)域溫度的預測值，得到脫硝裝置的控制參數；

根據所述控制參數控制所述脫硝裝置對所述焚燒爐的排放氣體進行脫硝反應。

6.根據權利要求5所述的垃圾焚燒的監(jiān)控方法，其特征在于，所述根據所述預設氣體的排放量預測值和所述余熱鍋爐區(qū)域溫度的預測值，得到脫硝裝置的控制參數，包括：

計算所述預設氣體的排放量預測值和目標值之間的偏差；

根據所述預設氣體的排放量預測值和目標值之間的偏差的變化率、所述預設氣體的排放量預測值和目標值之間的偏差及所述余熱鍋爐區(qū)域溫度的預測值，得到所述脫硝裝置的控制參數。

7.根據權利要求6所述的垃圾焚燒的監(jiān)控方法，其特征在于，所述預設氣體包括NO_x和NH₃，所述焚燒爐的排放氣體包括NO_x。

8.根據權利要求6所述的垃圾焚燒的監(jiān)控方法，其特征在于，所述脫硝控制裝置的控制參數包括所述脫硝裝置中各噴射層流量總閥門的開度和壓縮空氣總閥門的開度；所述各噴射層流量總閥門的開度用于控制還原劑流量和噴槍動作狀態(tài)，所述壓縮空氣總閥門的開度用于控制壓縮空氣流量。

9.根據權利要求8所述的垃圾焚燒的監(jiān)控方法，其特征在于，所述根據所述預設氣體的排放量預測值和目標值之間的偏差的變化率、所述預設氣體的排放量預測值和目標值之間的偏差及所述余熱鍋爐區(qū)域溫度的預測值，得到所述脫硝裝置的控制參數，包括：

根據所述預設氣體的排放量預測值和目標值之間的偏差的變化率、所述預設氣體的排放量預測值和目標值之間的偏差及所述余熱鍋爐區(qū)域溫度的預測值，得到所述還原劑流量、所述噴槍動作狀態(tài)以及所述壓縮空氣流量；

根據所述還原劑流量和所述噴槍動作狀態(tài)得到所述各噴射層流量總閥門的開度，并根據所述壓縮空氣流量得到所述壓縮空氣總閥門的開度。

10.一種垃圾焚燒的監(jiān)控裝置，其特征在于，包括：

相關性分析模塊，用于獲取影響預設氣體的排放量和余熱鍋爐區(qū)域溫度的相關工況參數；

獲取模塊，用于獲取在各所述相關工況參數下預設氣體的排放量和余熱鍋爐區(qū)域溫度的多組實際數據；

預測模型建立模塊，用于根據各所述相關工況參數、所述預設氣體的排放量及所述余熱鍋爐區(qū)域溫度建立初始神經網絡模型，并根據所述多組實際數據對所述初始神經網絡模型進行訓練得到預測模型；

處理模塊，用于獲取焚燒爐當前的工況參數，并根據所述焚燒爐當前的工況參數和所述預測模型得到預設氣體的排放量預測值和余熱鍋爐區(qū)域溫度的預測值。