具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本发明提出一种根据垃圾焚烧炉炉膛的垃圾层的厚度指标智能控制垃圾焚烧炉的方法，其主要原因在于现有的垃圾焚烧技术中：

当垃圾焚烧炉炉膛的垃圾层的厚度过薄时，受到锅炉余热辐射的影响，会导致垃圾焚烧炉炉膛温度短时偏高，焚烧炉排上方的高温火焰可能将炉排烧穿从而损坏炉排；同时，炉温维持高温一段时间后会大幅下降，继而会导致焚烧炉发电的效率的下降。上述情况下，通常需要人工手动进行增加垃圾的推料器阀门的开度增加垃圾层厚度，或减少风量放缓燃烧速度等操作，然而，由于调控人员的习惯不同，很可能导致垃圾的过度投入导致下一时间段焚烧炉膛垃圾层过厚的不稳定情况。

当垃圾焚烧炉炉膛的垃圾层的厚度过厚时，过厚的垃圾层会使得垃圾焚烧状况差，垃圾燃烧不充分，炉膛温度快速大幅下降，同时会产生大量粉尘烟雾颗粒黑烟，污染物的排放状况不稳定，严重时会导致污染物排放超标并且此种工况影响垃圾焚烧炉的各个工况指标，会导致焚烧炉长时间内难以恢复正常状态，影响焚烧炉的发电负荷的状况，从而严重降低垃圾焚烧发电的效率。此外，垃圾层过厚还会有生渣剩出等，导致后续对剩渣的利用不达标。上述情况下，需要人工手动对焚烧炉膛的垃圾实施拉薄措施，减少推料和增加风量等处理方法，同样地，由于调控人员的习惯不同，很可能对此种工况对过度调整，导致下一时间段焚烧炉膛垃圾层过薄的工况出现。

上述技术中过于依赖人工的调控，很可能出现以上两种工况的交替出现的情况，这样会对垃圾焚烧炉发电的效率大打折扣。

图1为本发明一实施例的垃圾焚烧炉控制方法的流程图，控制方法具体包括以下步骤：

S100：获取垃圾焚烧炉炉膛的垃圾层的厚度指标T和焚烧炉状态数据；

S200：将所述厚度指标T和焚烧炉状态数据输入训练好的机器学习算法模型获得垃圾焚烧炉的控制参数；

S300：根据所述控制参数控制垃圾焚烧炉。

本发明的控制方法可以通过重复步骤S100至步骤S300实现垃圾焚烧炉的智能控制，其中，通过步骤S100实现实时监测垃圾焚烧炉炉膛的垃圾层的厚度指标及其他状态参数，再通过步骤S200将所述厚度指标T和焚烧炉状态数据输入训练好的机器学习算法模型获得垃圾焚烧炉的控制参数，最后通过步骤S300控制垃圾焚烧炉，实现垃圾焚烧炉的自动平稳运行和运行时环保指标达标。

需要说明的是，所述获取垃圾焚烧炉炉膛的垃圾层的厚度指标T包括如下步骤：

S110：读取垃圾层厚度传感器获得垃圾层厚度t；

S120：获取炉膛垃圾层的底部的温度均值T1；

S130：获取焚烧炉排的上部的温度均值T2；

S140：根据所述垃圾层厚度t、所述温度均值T1以及所述温度均值T2计算所述厚度指标T。其中，步骤S110、步骤S120和步骤S130执行没有的先后顺序。

S110步骤中的垃圾层厚度传感器为差压变送器，通过计算差压变送器的压力变化来计算该出的垃圾的厚度，图2为本发明一实施例的垃圾焚烧炉炉膛的结构示意图；垃圾层厚度传感器100可以设置于垃圾焚烧炉的入口处。垃圾层厚度传感器数值越大，入口处的垃圾层越厚，数值越小，入口处的垃圾料层越薄。垃圾层厚度传感器不限于上述差压变送器。

由于热传导的特征，垃圾焚烧炉的焚烧炉排温度可以用炉膛垃圾层的底部的温度均值T1来表征，其可以指向性的显示焚烧炉排上的垃圾量；焚烧炉排温度越高代表炉排上垃圾焚烧充分，垃圾量少；焚烧炉排温度越低代表炉排上垃圾焚烧不到位，垃圾量多，即厚度指标T和炉膛垃圾层的底部的温度均值T1呈负相关关系。炉膛垃圾层的底部的温度均值T1可以通过设置于垃圾层的底部的至少一温度传感器200读取，实践中，可以根据垃圾焚烧炉的结构，在垃圾层的底部的不同位置设置多个温度传感器200，温度均值T1可以是一定时间点(段)多个不同垃圾层的底部位置的温度的均值。

同样地，由于热传导的特征，垃圾焚烧炉的焚烧炉排的上部温度，即本发明中的焚烧炉排的上部的温度均值T2也可以指向性的显示炉膛内的垃圾的燃烧情况。焚烧炉排的上部的温度均值T2通过设置于垃圾层的底部的至少一温度传感器300读取，实践中，可以根据垃圾焚烧炉的结构，在焚烧炉排的上部的不同位置设置多个温度传感器300，温度均值T2可以是一定时间点(段)上述多个位置的温度的均值。厚度指标T和焚烧炉排的上部的温度均值T2也呈负相关关系

S300步骤中的所述控制参数可以包括垃圾焚烧炉的推料器阀门开度、焚烧炉排速度和焚烧炉排风门开度。此处，可以理解的是，推料器与垃圾焚烧炉的入口相连接，连接处设置有可以控制推料量的阀门，推料器阀门开度影响推入垃圾焚烧炉的垃圾的数量，从而影响垃圾焚烧炉入口处垃圾层厚度t，焚烧炉排速度和焚烧炉排风门开度可影响垃圾焚烧的速度，相应地影响炉膛垃圾层的底部的温度均值T1以及焚烧炉排的上部的温度均值T2。

进一步地，所述步骤S140根据所述垃圾层厚度t、所述温度均值T1以及所述温度均值T2计算所述厚度指标T包括如下步骤：

S141：归一化处理所述垃圾层厚度t、所述温度均值T1以及所述温度均值T2，所述归一化处理为最大最小值归一化处理或者其他处理方式。

S142：根据如下公式计算所述厚度指标T：

T＝a*t+b*T1+c*T2，其中，a、b和c为预设的权重系数。

采用上述公式计算厚度指标T的原因在于：实际中由于受到的结焦的影响，垃圾层厚度传感器100的精确度不够，本发明中引入温度均值T1以及温度均值T2辅助判断炉膛的垃圾层的厚度。

在下面的一实施例中进一步阐述厚度指标T的计算方法，预设的权重系数的绝对值的和为1，由于厚度指标T和炉膛垃圾层的底部的温度均值T1以及焚烧炉排的上部的温度均值T2均呈负相关关系，所以令相关权重b和C为负值，在此实施例中，预设的权重系数可以为a＝0.5，b＝–0.4，c＝–0.1。

分别按照[0–0.5]、[50–400]、[800–1200]来设定t、T1、T2的取值范围，有：

当从垃圾层厚度传感器获得的垃圾层厚度t为0.1，炉膛垃圾层的底部的温度均值T1为350摄氏度，以及焚烧炉排的上部的温度均值T2为1100摄氏度时，最大最小值归一化处理后，t＝0.2，T1＝0.857，T2＝0.75此时，厚度指标T＝0.5*0.2–0.4*0.857–0.1*0.75＝–0.3178。厚度指标T为负值，意味此时垃圾层的厚度过薄，严重缺料，训练好的机器学习算法模型根据此时的厚度指标T对推料器输出建议值为+0.5，对焚烧炉排速度输出建议数值为+10，对焚烧炉排风门开度输出建议数值为–10，后经过控制模块将上述控制阐述输入到垃圾焚烧炉的控制回路中进行调节，达到增加推料器推入，增加焚烧炉排速度，使焚烧炉排上的垃圾层快速前进，同时减少焚烧炉排风量的效果，从而保证炉膛垃圾料层厚度维持合理范围。

当从垃圾层厚度传感器获得的垃圾层厚度t为0.25，炉膛垃圾层的底部的温度均值T1为250摄氏度，以及焚烧炉排的上部的温度均值T2为1000摄氏度时，最大最小值归一化处理后，t＝0.5，T1＝0.571，T2＝0.5此时的厚度指标T＝0.5*0.5–0.4*0.571–0.1*0.5＝–0.0284。厚度指标T接近零，意味着此时垃圾层的厚度适中，训练好的机器学习算法模型根据此时的厚度指标T对推料器输出建议值为+0，对焚烧炉排速度输出建议数值为+0，对燃烧风门开度输出建议数值为+0，后经过控制模块将上述控制阐述输入到垃圾焚烧炉的控制回路中进行调节，达到稳定垃圾推入，稳定焚烧炉排速度，使燃料炉排上的垃圾均匀稳定燃烧，同时稳定焚烧炉排风量的效果，从而保证炉膛垃圾料层厚度维持合理范围。

当从垃圾层厚度传感器获得的垃圾层厚度t为0.4，炉膛垃圾层的底部的温度均值T1为100摄氏度，以及焚烧炉排的上部的温度均值T2为800摄氏度时，最大最小值归一化处理后，t＝0.8，T1＝0.25，T2＝0此时的厚度指标T＝0.5*0.8–0.4*0.25–0.1*0＝0.3，厚度指标T为正值，意味此时垃圾层的厚度过厚，燃烧过程缓慢，训练好的机器学习算法模型根据此时的厚度指标T对推料器输出建议值为–0.5，对焚烧炉排速度输出建议数值为–10，对燃烧风门开度输出建议数值为+10，后经过控制模块将上述控制阐述输入到垃圾焚烧炉的控制回路中进行调节，达到减少垃圾推入，减慢焚烧炉排速度，使焚烧炉排上的燃料减慢前进，使其充分燃烧，增加焚烧炉排风量辅助燃烧的效果，从而保证炉膛垃圾料层厚度维持合理范围。

需要说明的是，在S100步骤中，所述焚烧炉状态数据包括炉膛氧含量、焚烧炉炉均温度、炉膛主蒸汽流量和污染物排放数据中的至少一种，所述污染物排放数据包括氮氧化物浓度或一氧化碳浓度。可以根据实际的使用场景，设置与机器学习算法模型相关的焚烧炉状态数据，当然，在实际中，获取垃圾焚烧炉炉膛的垃圾层的厚度指标T和焚烧炉状态数据后，还可以包括如下步骤：预处理所述焚烧炉状态数据。如根据每个焚烧炉状态数据属性的分布统计，去除异常运行数据等。

同时，由于使用的垃圾焚烧炉的结构不同，以及设置的垃圾层厚度传感器100、多个温度传感器200以及多个温度传感器300的位置的不同，实际的机器学习算法模型的训练数据也将不同，相应地，训练好的机器学习算法模型的参数也将不同。也即，对于一特定的垃圾焚烧炉，需通过数据训练获得特定的机器学习算法模型，以使垃圾焚烧炉运行状态处于平稳运行以及环保指标达标的状态。在本发明中，机器学习算法模型例如可以是基于深度学习的卷积神经网络，或者是采用决策树、支持向量机、随机森林等模型。

本发明的实施例还提供了一种垃圾焚烧炉控制系统，用于实现所述垃圾焚烧炉控制方法，图3为本发明一实施例的垃圾焚烧炉控制系统的结构示意图；具体地，垃圾焚烧炉控制系统包括数据模块M100、算法模块M200和控制模块M300，其中：

所述数据模块M100用于获取垃圾焚烧炉炉膛的垃圾层的厚度指标T和焚烧炉状态参数；

所述算法模块M200用于将所述厚度指标T和焚烧炉状态参数输入训练好的机器学习算法模型获得垃圾焚烧炉的控制参数；

所述控制模块M300用于根据所述控制参数控制垃圾焚烧炉。

实施例的垃圾焚烧炉控制系统中的各个功能模块的功能实现方式均可以采用上述垃圾焚烧炉控制方法中各个步骤的具体实施方式来实现。例如，数据模块M100、算法模块M200和控制模块M300可以分别采用上述步骤S100至S300的具体实施方式实现其功能，此处不予赘述。本发明的垃圾焚烧炉控制系统运行不需要考虑垃圾热值的变化，进而避免耗费人力物力的垃圾热值的经常性或者阶段性检测，实现垃圾焚烧炉的自动焚烧控制。

下面参照图4来描述根据本发明的这种实施方式的电子设备600。图4显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。

其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行本说明书上述方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元610可以执行如图1中所示的步骤。

存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。

存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。

本发明实施例还提供一种计算机可读存储介质，用于存储程序，程序被执行实现垃圾焚烧炉控制方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述方法部分中描述的根据本发明各种示例性实施方式的步骤。

参考图5所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD–ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD–ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

综上所述，本发明提供了一种垃圾焚烧炉控制方法、系统、电子设备及存储介质，所述控制方法包括以下步骤：获取垃圾焚烧炉炉膛的垃圾层的厚度指标T和焚烧炉状态数据；将所述厚度指标T和焚烧炉状态数据输入训练好的机器学习算法模型获得垃圾焚烧炉的控制参数；根据所述控制参数控制垃圾焚烧炉。本发明的垃圾焚烧炉控制方法实时监测垃圾焚烧炉炉膛的垃圾层的厚度指标，并通过厚度指标及机器学习算法模型智能控制垃圾焚烧炉，该方法可以解决现有垃圾焚烧技术中对垃圾热值检测的过度依赖，进而避免耗费人力物力的垃圾热值的经常性或者阶段性检测，实现垃圾焚烧炉的自动平稳运行和环保指标达标的自动焚烧控制。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。