垃圾池焚燒一體智能化模型建立與實證分析

曾衛(wèi)東，田 爽，王傲寒

垃圾池焚燒一體智能化模型建立與實證分析

曾衛(wèi)東，田 爽，王傲寒

（西安熱工研究院有限公司，陜西 西安 710054）

針對傳統(tǒng)垃圾熱值計算的大滯后性問題，本文依靠對垃圾池入爐量及發(fā)酵天數(shù)等數(shù)據(jù)的采集，利用數(shù)學手段進行分析，建立智能化數(shù)學模型，預測垃圾入爐量。利用該一體智能化模型，可在垃圾劇烈燃燒嚴重影響爐溫之前獲得蒸汽負荷。該模型可以針對不同垃圾爐的不同特性，對不同工況的焚燒爐進行預測建模。本文研究結果可為后續(xù)垃圾發(fā)電廠自動燃燒控制系統(tǒng)（ACC）的投入提供重要依據(jù)。

垃圾焚燒；智能化模型；垃圾池；最小二乘法；多項式擬合；預測建模

垃圾熱值分為低低、低、中等、高4個等級，根據(jù)不同等級的垃圾熱值設置不同的燃燒調整策略。但是現(xiàn)有垃圾熱值計算具有很大滯后性。實踐中，主要依靠司爐人員的經(jīng)驗判斷，這對司爐人員的要求比較高，而且調整往往具有一定滯后性，導致垃圾焚燒自動控制無法很好地實現(xiàn)，需要過多的人員手動干預，影響垃圾焚燒處理效率[1]。因此，需要研究城市生活垃圾的熱值和發(fā)酵時間等因素之間的關系，建立并優(yōu)化垃圾熱值計算方法，最大限度降低垃圾熱值計算的滯后性影響因素，將其更科學地應用于垃圾焚燒自動化控制，進而優(yōu)化垃圾焚燒自動化控制方案，達到更高效地進行垃圾焚燒處理的目的[2]。

本文基于最小二乘法和多項式擬合的原理，根據(jù)垃圾入爐量和垃圾發(fā)酵時間來預測鍋爐蒸汽負荷。通過建立模型，找出相關關系，就可根據(jù)運行需求，設定鍋爐負荷，調節(jié)垃圾入爐量，進而控制垃圾蒸發(fā)量[3-4]。

1 建立最小二乘法與多項式擬合模型

1.1 最小二乘法原理

最小二乘法是通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配的一種數(shù)學方法[5]。利用最小二乘法可以簡便地求得未知的數(shù)據(jù)，并使得這些求得的數(shù)據(jù)與實際數(shù)據(jù)之間誤差的平方和為最小。

1.2 最小二乘法與多項式擬合預測

擬合預測是建立一個數(shù)學模型去逼近實際數(shù)據(jù)序列的過程。焚燒爐投運時，通過給定蒸發(fā)量和給定垃圾發(fā)酵時間計算出理論給定垃圾入爐量。其中，給定鍋爐蒸發(fā)量根據(jù)實際的運行需求及鍋爐負荷設定，給定垃圾發(fā)酵天數(shù)是由垃圾吊控制室記錄給出[6]。選取垃圾入爐量和垃圾發(fā)酵時間作為自變量，鍋爐蒸發(fā)量作為因變量，尋求三者間函數(shù)關系=(,)。在某種準則下與所有數(shù)據(jù)點最為接近，即曲線擬合得最好[7-9]。

設給定的一組數(shù)據(jù)(x,y,z) (=0,1,2,3,…,)，共+1個數(shù)據(jù)點，取多項式(,)，使

式中，a(=0,1,2,3,…,)為待求未知系數(shù)，多項式最高次冪為[10]。

最小二乘法實現(xiàn)流程如圖1所示。

圖1 最小二乘法實現(xiàn)流程

2 實證分析

為了驗證本文模型在垃圾發(fā)電負荷預測中的有效性，選取某垃圾發(fā)電廠3臺焚燒爐全年的蒸發(fā)量數(shù)據(jù)分季度進行多項式模型擬合。結合電廠運行三班倒班制，選用8 h垃圾入爐總量、垃圾發(fā)酵天數(shù)以及8 h蒸發(fā)總量來進行模型的數(shù)據(jù)擬合，部分數(shù)據(jù)見表1。

表1 某垃圾焚燒發(fā)電廠3臺爐全年燃燒參數(shù)

Tab.1 The full-year combustion parameters of three furnaces in a waste incineration power plant

應用MATLAB分別對春、夏、秋、冬各季度的樣本數(shù)據(jù)進行擬合[11]，樣本數(shù)據(jù)不包含電廠停爐檢修的數(shù)據(jù)，其運行結果如圖2所示。MATLAB主程序如圖3所示。

圖2 多項式擬合結果對比

圖3 MATLAB主程序

擬合分別得到春、夏、秋、冬季平均誤差約為14.2%、15.3%、14.5%、14.3%。分析得知，由于采樣周期內，焚燒爐需要定期停爐檢修，重新啟爐后因其爐內熱容積低，造成再次啟爐后產(chǎn)生異常數(shù)據(jù)。這些數(shù)據(jù)多是與理論值相差較大的實際值，可以將這些異常數(shù)據(jù)視為粗大誤差。在判別某個測量值是否有粗大誤差時，可以采用3準則進行判斷，若滿足粗大誤差條件將該數(shù)據(jù)剔除[12-13]。

結合運行人員的經(jīng)驗，本文選取了50組數(shù)據(jù)作為擬合樣本，10組數(shù)據(jù)作為測試樣本。將數(shù)據(jù)代入MATLAB程序中，得到擬合樣本結果對比如圖4所示。由圖4可見，整體數(shù)據(jù)平均誤差約為8%。

圖4 擬合樣本結果對比

因此，可以近似地將垃圾入爐量、垃圾發(fā)酵時間和蒸發(fā)量三者之間的相關性，擬合為多項式函數(shù)表達式，即

將測試樣本的垃圾入爐量和垃圾發(fā)酵時間代入式(3)用以驗證多項式的可行性。實際與預測誤差對比如圖5所示。由圖5可知，誤差在工況允許范圍內。因此本文針對該廠3臺爐所建立的多項式模型可用于該垃圾焚燒發(fā)電廠焚燒一體智能給料平臺。

3 總結與展望

1）垃圾入爐量與蒸發(fā)量相關性的數(shù)學模型的建立，能夠為垃圾發(fā)電廠自動燃燒控制系統(tǒng)（ACC系統(tǒng)）提供重要依據(jù)[14-15]。

2）傳統(tǒng)的ACC系統(tǒng)控制里，利用鍋爐熱平衡原理估算垃圾入爐的熱值，有一定時間的滯后，這種大滯后的工況給ACC系統(tǒng)控制帶來了不可預知的不穩(wěn)定性。而垃圾入爐量與蒸發(fā)量數(shù)學模型的建立，使垃圾熱值計算提前于垃圾燃燒工況之前，降低了入爐垃圾的熱值波動對焚燒爐燃燒工況的影響，同時可以為司爐人員提供便利，準確指導垃圾吊工作人員對垃圾入爐量進行控制，減少了人為因素的干擾，對垃圾發(fā)電廠高效發(fā)電具有指導意義。

3）該模型可以針對不同垃圾爐的特性不同，依據(jù)大量的歷史數(shù)據(jù)進行分析與篩選，對不同工況的焚燒爐建立預測建模。對于垃圾發(fā)電廠智能化控制系統(tǒng)的建立具有重要意義。

［1］ 唐濤, 周建新, 龍良雨, 等. 垃圾發(fā)電廠采用的自動化技術[J]. 電力系統(tǒng)自動化, 2006, 30(24): 94-96.

TANG Tao, ZHOU Jianxin, LONG Liangyu, et al. Automation technology used in garbage power plants[J]. Automation of Electric Power Systems, 2006, 30(24): 94-96.

［2］ 唐素琴, 唐浩, 楊雪麗, 等. 杭州市生活垃圾發(fā)酵時間與焚燒熱值及含水率的關系實驗[J]. 環(huán)境衛(wèi)生工程, 2010, 18(6): 26-27.

TANG Suqin, TANG Hao, YANG Xueli, et al. Experimental study on relationship of Hangzhou domestic waste fermentation time with incineration heat value and moisture content[J]. Environmental Sanitation Engi- neering, 2010, 18(6): 26-27.

［3］ 肖會芹. 垃圾焚燒過程自適應模糊復合控制策略[J]. 計算機工程與應用, 2010, 46(3): 201-203.

XIAO Huiqin. Adaptive fuzzy composite control strategy for waste incineration process[J]. Computer Engineering and Applications, 2010, 46(3): 201-203.

［4］ 李華, 趙由才, 王羅春. 垃圾堆酵對焚燒廠垃圾熱值的影響[J]. 上海環(huán)境科學, 2000(2): 89-91.

LI Hua, ZHAO Youcai, WANG Luochun. Effect of stacking and fermenting on the refuse thermal value in the incineration plant[J]. Shanghai Environmental Science, 2000(2): 89-91.

［5］ 畢慶濤, 姜國萍, 丁樹云. 含水量對紅粘土抗剪強度的影響[J]. 地球與環(huán)境, 2005(增刊1): 144-147.

BI Qingtao, JIANG Guoping, DING Shuyun. Water content influence on the shearing stength of red clay[J]. Earth and Environment, 2005(Suppl.1): 144-147.

［6］ 尤海輝, 馬增益, 唐義軍, 等. 循環(huán)流化床入爐垃圾熱值軟測量[J]. 浙江大學學報(工學版), 2017, 51(6): 1163-1172.

YOU Haihui, MA Zengyi, TANG Yijun, et al. Soft measurement of heating value of burning municipal solid waste for circulating fluidized bed[J]. Journal of Zhejiang University (Engineering Edition), 2017, 51(6): 1163-1172.

［7］ 張永濤, 賈延明. 最小二乘法中代數(shù)多項式曲線擬合的分析及實現(xiàn)[J]. 計算機與數(shù)字工程, 2017, 45(4): 637-639.

ZHANG Yongtao, JIA Yanming. Analysis and program implementation of least squares polynomial curve fitting[J]. Computer and Digital Engineering, 2017, 45(4): 637-639.

［8］ 陳海列, 許力, 許潤. 一種基于深度遞歸網(wǎng)絡的垃圾熱值預測方法[J]. 工業(yè)控制計算機, 2018, 31(12): 82-83.

CHEN Hailie, XU Li, XU Run. Predicting litter calorific value by using deep recursive networks[J]. Industrial Control Computer, 2018, 31(12): 82-83.

［9］ 曾衛(wèi)東, 薛憲民, 薛景杰. 爐排爐垃圾焚燒控制特 點[J]. 熱力發(fā)電, 2004, 33(12): 57-58.

ZENG Weidong, XUE Xianmin, XUE Jingjie. Features of msw incineration control in stocker-fired boiler[J]. Thermal Power Generation, 2004, 33(12): 57-58.

［10］ 曾衛(wèi)東, 姜茵. 垃圾焚燒發(fā)電廠分散控制系統(tǒng)的設計和應用[J]. 熱力發(fā)電, 2003, 32(8): 57-58.

ZENG Weidong, JIANG Yin. Design and application of distributed control system for power plant with msw inciner- ation[J]. Thermal Power Generation, 2003, 32(8): 57-58.

［11］ 徐亦唐. 基于最小二乘法的曲線擬合及其在MATLAB中的應用[J]. 電子世界, 2013(10): 102-103.

XU Yitang. Curve fitting based on least square method and its application in MATLAB[J]. Electronics World, 2013(10): 102-103.

［12］ 李莎, 曾喆昭. 基于Chebyshev多項式的神經(jīng)網(wǎng)絡中長期負荷預測研究[J]. 經(jīng)濟數(shù)學, 2015, 32(1): 99-102.

LI Sha, ZENG Zhezhao. The medium and long-term load forecasting based on Chebyshev polynomial neural-network[J]. Economic Mathematics, 2015, 32(1): 99-102.

［13］ 崔聰, 咸日常, 咸日明, 等. 基于最小二乘法的10 kV配電變壓器空載損耗工藝系數(shù)研究[J]. 變壓器, 2019, 56(5): 16-20.

CUI Cong, XIAN Richang, XIAN Riming, et al. Research on no-load loss technological coefficient of 10kV distribution transformer based on least squares method[J]. Transformer, 2019, 56(5): 16-20.

［14］ 敖朝華, 鄧薪莉, 郭兵. 垃圾焚燒爐燃燒過程的優(yōu)化控制策略[J]. 環(huán)境工程, 2010, 28(1): 77.

AO Chaohua, DENG Xinli, GUO Bing. Optimizing control strategy of combustion process for rubbish incinerator[J]. Environmental Engineering, 2010, 28(1): 77.

［15］ 王智微, 范奇, 張浩, 等. 垃圾焚燒發(fā)電廠實時性能計算方法的研究與應用[J]. 熱力發(fā)電, 2012, 41(9): 30-34.

WANG Zhiwei, FAN Qi, ZHANG Hao, et al. Research and applications of real-time performance calculation for garbage power plant[J]. Thermal Power Generation, 2012, 41(9): 30-34.

Establishment and research of intelligent model for waste tank incineration

ZENG Weidong, TIAN Shuang, WANG Aohan

(Xi’an Thermal Power Research Institute Co., Ltd., Xi’an 710054, China)

In view of the lagging problem of conventional waste calorific value calculation, relying on collecting the data such as the amount of waste fed into the furnace and the number of fermentation days, this paper uses mathematical means to establish an intelligent mathematical model, and predict the amount of waste fed into the furnace. By applying this intellectualized model, the steam load can be obtained before the severe combustion of waste seriously affects the furnace temperature. The model can be used to build predictive models for different incinerators under different operating conditions according to their different characteristics. The research results provide an important basis for the input of automatic combustion control system (ACC) in subsequent waste power plants.

waste incineration, intelligent model, waste tank, least square method, polynomial fitting, prediction and modeling

X799；TP273

B

10.19666/j.rlfd.201907136

2019-07-08

曾衛(wèi)東(1976—)，男，高級工程師，主要研究方向為電廠自動化及智能控制技術，zengweidong@tpri.com.cn。

曾衛(wèi)東, 田爽, 王傲寒. 垃圾池焚燒一體智能化模型建立與實證分析[J]. 熱力發(fā)電, 2019, 48(9): 125-128. ZENG Weidong, TIAN Shuang, WANG Aohan. Establishment and research of intelligent model for waste tank incineration[J]. Thermal Power Generation, 2019, 48(9): 125-128.

（責任編輯 劉永強）