阅读说明：本技术 一种基于模型的垃圾焚烧控制系统 (Model-based waste incineration control system ) 是由 朱亮 杨仕桥 邵哲如 王健生 洪益州 张二威 张晓军 于 2019-08-26 设计创作，主要内容包括：本发明提供一种基于模型的垃圾焚烧控制系统,所述系统包括：数据采集装置,用以采集与焚烧炉的燃烧过程相关的燃烧过程数据；模型参数优化单元,包括模型处理单元和参数优化单元,所述模型处理单元利用动态燃烧模型将所述燃烧过程数据作为输入变量计算出输出变量,所述输出变量预测与所述焚烧炉的燃烧工况相关的燃烧工况数据,所述动态燃烧模型为根据所述燃烧过程数据和所述燃烧工况数据之间的相关关系建立的计算模型,所述参数优化单元根据所述输出变量计算所述焚烧炉的优化控制参数；自动控制模块,用以根据所述优化控制参数对所述焚烧炉进行自动控制。根据本发明,实现了垃圾焚烧过程的最优控制,提升了焚烧炉的燃烧效率和灼减率。(The invention provides a model-based waste incineration control system, which comprises: a data acquisition device for acquiring combustion process data related to a combustion process of the incinerator; a model parameter optimizing unit including a model processing unit and a parameter optimizing unit, the model processing unit calculating an output variable using a dynamic combustion model with the combustion process data as an input variable, the output variable predicting combustion condition data related to the combustion condition of the incinerator, the dynamic combustion model being a calculation model established according to a correlation between the combustion process data and the combustion condition data, the parameter optimizing unit calculating an optimized control parameter of the incinerator according to the output variable; and the automatic control module is used for automatically controlling the incinerator according to the optimized control parameters. According to the invention, the optimal control of the waste incineration process is realized, and the combustion efficiency and the ignition loss rate of the incinerator are improved.)

一种基于模型的垃圾焚烧控制系统

技术领域

本发明涉及垃圾处理领域，具体而言涉及一种基于模型的垃圾焚烧控制系统。

背景技术

垃圾焚烧是一种较古老的传统的处理垃圾的方法，由于垃圾用焚烧法处理后，减量化效果显著，节省用地，还可消灭各种病原体，将有毒有害物质转化为无害物，故垃圾焚烧法已成为城市垃圾处理的主要方法之一。

垃圾焚烧过程中由于垃圾原料不固定、成分复杂多变等原因，燃烧工况复杂。为了实现良好的垃圾燃尽效率和灼减率，往往采用控制系统对焚烧炉的运行状态进行控制。具体的，采用烟囱尾部的CEMS数据为控制依据，控制系统一般采用PID控制，再根据运行经验编写控制策略，这种控制下很难保证整个系统在最优的情况下运行。

为此，有必要提供了一种基于模型的垃圾焚烧控制系统，用以解决现有技术中的问题。

发明内容

在发明内容部分中引入了一系列简化形式的概念，这将在

具体实施方式

部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

本发明提供了一种基于模型的垃圾焚烧控制系统，包括：

数据采集装置，用以采集与焚烧炉的燃烧过程相关的燃烧过程数据；

模型参数优化单元，包括模型处理单元和参数优化单元，所述模型处理单元利用动态燃烧模型将所述燃烧过程数据作为输入变量计算出输出变量，所述输出变量预测与所述焚烧炉的燃烧工况相关的燃烧工况数据，所述动态燃烧模型为根据所述燃烧过程数据和所述燃烧工况数据之间的相关关系建立的计算模型，所述参数优化单元根据所述输出变量计算所述焚烧炉的优化控制参数；

自动控制模块，用以根据所述优化控制参数对所述焚烧炉进行自动控制。

示例性地，所述动态燃烧模型包括利用MATLAB建立的时序模型。

示例性地，所述动态燃烧模型包括燃烧氧量模型和燃烧风料比模型；

所述燃烧氧量模型用以计算与所述焚烧炉的二次风给定量相关的燃烧工况数据，

所述燃烧风料比模型用以计算与所述焚烧炉的一次风给风量、给料炉排给料量、焚烧炉排推进速度相关的燃烧工况数据。

示例性地，所述燃烧氧量模型的所述输入变量包括主蒸汽流量、烟气量、炉膛温度、余热锅炉出口烟气含氧量、烟囱出口烟气含氧量、进料量、垃圾热值；所述燃烧氧量模型的所述输出变量包括余热锅炉出口烟气含氧量；其中，上一次计算得到作为所述输出变量的所述余热锅炉出口烟气含氧量作为下一次计算中使用的所述输入变量。

示例性地，所述燃烧风料比模型的所述输入变量包括：进料量、热值、一次风风量、二次风风量；

所述燃烧风料比模型的输出变量包括：主蒸汽流量、烟气量、炉膛温度、余热锅炉出口烟气含氧量、烟囱出口烟气含氧量。

示例性地，所述参数优化单元根据所述输出变量对所述优化控制参数进行自适应调节。

示例性地，所述参数优化单元利用机器学习模型根据所述输出变量计算所述优化控制参数。

示例性地，所述数据采集装置还采集焚烧炉的所述燃烧工况数据。

示例性地，所述参数优化单元还对由所述模型处理单元计算的用以预测所述燃烧工况数据的所述输出变量和所述数据采集装置采集的所述燃烧工况数据进行比较获得比较结果，并根据所述比较结果计算所述优化控制参数。

示例性地，所述优化控制参数包括一次风风量、二次风风量、给料炉排给料量以及焚烧炉排运动速度。

根据本发明的基于模型的垃圾焚烧控制系统，通过燃烧状态模型对垃圾焚烧燃烧工况数据进行预测，并基于该预测数据对焚烧炉的控制参数进行优化控制，实现了垃圾焚烧过程的最优控制，提升了垃圾焚烧的灼减率，提升了焚烧炉的燃烧效率，实现了烟气总量的最优化控制。

附图说明

本发明的下列附图在此作为本发明的一部分用于理解本发明。附图中示出了本发明的实施例及其描述，用来解释本发明的原理。

附图中：

图1为根据本发明的基于模型的垃圾焚烧控制系统的框图；

图2为根据本发明的一个实施例的一种垃圾焚烧控制系统的控制原理示意图。

具体实施方式

在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。

为了彻底理解本发明，将在下列的描述中提出详细的描述，以说明本发明的一种老年生活垃圾填埋场晚期渗滤液处理方法和装置。显然，本发明的施行并不限于垃圾处理领域的技术人员所熟习的特殊细节。本发明的较佳实施例详细描述如下，然而除了这些详细描述外，本发明还可以具有其他实施方式。

应予以注意的是，这里所使用的术语仅是为了描述具体实施例，而非意图限制根据本发明的示例性实施例。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式。此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或附加一个或多个其他特征、整体、步骤、操作、元件、组件和/或它们的组合。

现在，将参照附图更详细地描述根据本发明的示例性实施例。然而，这些示例性实施例可以多种不同的形式来实施，并且不应当被解释为只限于这里所阐述的实施例。应当理解的是，提供这些实施例是为了使得本发明的公开彻底且完整，并且将这些示例性实施例的构思充分传达给本领域普通技术人员。在附图中，为了清楚起见，夸大了层和区域的厚度，并且使用相同的附图标记表示相同的元件，因而将省略对它们的描述。

垃圾焚烧过程中由于垃圾原料不固定、成分复杂多变等原因，燃烧工况复杂。为了实现良好的垃圾燃尽效率和灼减率，往往采用控制系统对焚烧炉的运行状态进行控制。具体的，采用烟囱尾部的CEMS数据为控制依据，控制系统一般采用PID控制，再根据运行经验编写控制策略，这种控制下很难保证整个系统在最优的情况下运行。

为了解决现有技术中的问题，本发明提供了基于模型的垃圾焚烧控制系统，包括：

数据采集装置，用以采集与半干法反应塔的反应过程相关的过程数据；

模型参数优化单元，包括模型处理单元和参数优化单元，所述模型处理单元利用动态烟气处理模型将所述过程数据作为输入变量计算出与输出变量，其中所述输出变量预测与由所述半干法反应塔中输出的烟气相关的烟气排放数据，所述动态烟气处理模型为根据所述过程数据和所述烟气排放数据之间的相关关系建立的计算模型，所述参数优化单元根据所述输出变量计算所述半干法反应塔的优化控制参数；

自动控制模块，用以根据所述优化控制参数对所述半干法反应塔进行自动控制。

下面参考图1和图2对根据一种基于模型的垃圾焚烧控制系统进行示例性说明，其中图1为根据本发明的基于模型的垃圾焚烧控制系统的框图，图2为根据本发明的一个实施例的一种垃圾焚烧控制系统的控制原理示意图。

首先参看图1，基于模型的垃圾焚烧控制系统包括数据采集装置101，模型参数优化单元102和自动控制模块103。

数据采集装置101用以采集与输入焚烧炉的垃圾相关的燃烧过程数据。

垃圾经过收集、分类、干燥处理后输入焚烧炉进行焚烧，由于垃圾中成分不固定、多样且复杂，其中的垃圾的成分、湿度、燃料热值、焚烧炉膛温度、进料量等参数都会对燃烧工作产生影响。为了模型参数优化单元102建立准确的分析模型，数据采集装置101采集尽可能多的燃烧过程数据。

示例性地，数据采集装置包括设置在焚烧炉的进料端用以检测输入焚烧炉的垃圾的热值、成分的检测装置；设置在进料漏斗上的给料量检测装置；设置在焚烧炉膛上的烟气流量测量装置等。

需要理解的是，上述数据采集装置的示例仅仅是为了示例性说明，本领域技术人员可以根据需要设置任何类型的检测任何数据的检测装置。

继续参看图1，模型参数优化单元102包括模型处理单元1021和参数优化单元1022。

模型处理单元1021利用动态燃烧模型根据由上述数据采集装置101采集的燃烧过程数据计算出与焚烧炉的燃烧工况相关的燃烧工况数据。其中，将所述燃烧过程数据作为输入变量计算出输出变量，所述输出变量预测与所述焚烧炉的燃烧工况相关的燃烧工况数据。

所述动态燃烧模型为根据所述燃烧过程数据和所述燃烧工况数据之间的相关关系建立的计算模型。示例性地，所述动态燃烧模型包括利用MATLAB建立的时序模型。

继续参看图1，模型参数优化单元102还包括参数优化单元1022，参数优化单元1022根据模型处理单元1021计算得到的所述燃烧工况数据输出所述焚烧炉的优化控制参数。

在根据发明的一个示例中，优化控制参数包括二次风控制器给氧量，一次风给风量、给料炉排给料量、焚烧炉排推进速度等。

由于焚烧炉的上述控制参数较多，控制情况复杂，为了对其实现准确的控制，根据本发明的一个示例中，对燃烧过程中的需氧量与风料比(一次风和二次风与燃料量的比值)进行分别建模，获得分别与需氧量和风料比相关的燃烧工况数据，以使后续的参数优化单元利用上述发燃烧工况数据分别得到相关优化控制参数。

下面对利用MATLB对分别建立燃烧氧量模型和燃烧风料比模型的过程进行示例性介绍。

进一步，示例性地，利用MATLAB建立燃烧氧量模型的步骤包括：

S1：对焚烧炉的反应机理进行分析，建立焚烧炉的燃烧氧量原始模型；这一步骤通过工作人员理论分析进行。

S2：进行垃圾焚烧试验；这一步骤在垃圾焚烧现场进行。具体的，设置不同垃圾成分和热值，不同一次风、二次风进风等的情况下的垃圾焚烧试验。

S3：收集焚烧炉焚烧垃圾时的过程数据与燃烧工况数据。具体的，在上述步骤S2中采用数据采集装置收集与时间变量相关的开始焚烧时与焚烧过程相关的过程数据，如主蒸汽流量、烟气量、炉膛温度(第一烟道、余热锅炉出口等等)、余热出口烟气含氧量、进料量、垃圾热值等；经过焚烧炉焚烧后与焚烧炉焚烧过程中的二次风风量控制相关的燃烧工况数据如灰渣热灼减率、CO排放量、进料量、炉膛温度、余热锅炉出口处含氧量、烟囱出***氧量等。

S4：对上述步骤S3中收集的与时间变量相关的燃烧过程数据和燃烧工况数据进行相关性分析，筛选与焚烧炉需氧量控制明显相关的燃烧过程数据和燃烧工况数据。在根据本发明的一个示例中，筛选出的燃烧过程数据包括主蒸汽流量、烟气量、炉膛温度(第一烟道、余热锅炉出口等等)、烟囱出口烟气含氧量、进料量、热值。与焚烧炉焚烧过程中的二次风风量控制相关的燃烧工况数据包括余热锅炉出口氧量。

S5：根据筛选出的燃烧过程数据和燃烧工况数据对建立的原始模型进行验证。

整个建模过程采用机理模型与多个元线性回归方程结合的方式建立，从而使建立的动态燃烧模型能够准确反映燃烧过程数据和燃烧工况数据之间的相关关系，从而能够提升模型处理单元的计算准确性。同时，上述建模过程建立的时序模型使模型处理单元处理与时间变量相关的燃烧过程数据后能够反映焚烧炉当前燃烧状态和之前燃烧状态。在建立的燃烧氧量模型中，模型输入变量包括：主蒸汽流量、烟气量、炉膛温度(第一烟道、余热锅炉出口等等)、余热出口烟气含氧量、烟囱出口烟气含氧量、进料量、热值；模型输出变量包括余热锅炉出口烟气含氧量。其中，上一次的余热锅炉出口烟气含氧量作为模型输入来进行计算获得作为预测下一次余热锅炉出口烟气含氧量的模型输出，实现模型的迭代计算。得到的模型输出的余热锅炉出口烟气含氧量作为二次风控制器的相关变量在参数优化单元中实现二次风控制器的控制参数的优化。

同样，示例性地，利用MATLAB建立燃烧风料比模型的步骤包括：

S1：对焚烧炉的反应机理进行分析，建立焚烧炉的燃烧风料比原始模型；这一步骤通过工作人员理论分析进行。

S2：进行垃圾焚烧试验；这一步骤在垃圾焚烧现场进行。具体的，设置不同垃圾成分和热值，不同一次风、二次风进风等的情况下的垃圾焚烧试验。

S3：收集焚烧炉焚烧垃圾时的过程数据与燃烧工况数据。具体的，在上述步骤S2中采用数据采集装置收集与时间变量相关的开始焚烧时与焚烧过程相关的过程数据，如进料量、垃圾热值；经过焚烧炉焚烧后与焚烧炉焚烧过程中的一次风风量、给料量和焚烧炉排进给速度相关的燃烧工况数据如主蒸汽流量、烟气量、炉膛温度(第一烟道、余热锅炉出口等等)、烟囱出口烟气含氧量。

S4：对上述步骤S3中收集的与时间变量相关的燃烧过程数据和燃烧工况数据进行相关性分析，筛选与焚烧炉需氧量控制明显相关的燃烧过程数据和燃烧工况数据。在根据本发明的一个示例中，筛选出的燃烧过程数据包括进料量、垃圾热值、一次风风量、二次风风量。燃烧工况数据如主蒸汽流量、烟气量、炉膛温度(第一烟道、余热锅炉出口等等)、烟囱出口烟气含氧量

S5：根据筛选出的燃烧过程数据和燃烧工况数据对建立的原始模型进行验证。

整个建模过程采用机理模型与多个元线性回归方程结合的方式建立，从而使建立的动态燃烧模型能够准确反映燃烧过程数据和燃烧工况数据之间的相关关系，从而能够提升模型处理单元的计算准确性。同时，上述建模过程建立的时序模型使模型处理单元处理与时间变量相关的燃烧过程数据后能够反映焚烧炉当前燃烧状态和之前燃烧状态。在建立的燃烧氧量模型中，模型输入变量包括：进料量、垃圾热值、一次风风量、二次风风量；模型输出变量包括主蒸汽流量、烟气量、炉膛温度(第一烟道、余热锅炉出口等等)、余热锅炉出口烟气含氧量、烟囱出口烟气含氧量。得到焚烧炉膛度、负荷、氧量、烟气排放的变化趋势作为一次风控制器、给料炉排控制器、焚烧炉排控制器的相关变量在参数优化单元中实现一次风控制器、给料炉排控制器、焚烧炉排控制器的控制参数的优化，最终实现总烟气量的最优化控制。

参数优化单元1022根据模型处理单元1021计算得到的用以预测所述燃烧工况数据的输出变量进行焚烧炉控制参数的优化以得到优化控制参数。

示例性地，参数优化单元1022根据所述输出变量对所述优化控制参数进行自适应调节。在上述具有两种模型的模型处理单元中，参数优化单元1022根据燃烧氧量模型计算的余热锅炉出口烟气含氧量对二次风控制器的控制参数进行优化得到优化控制参数，以及根据燃烧风料比模型计算的焚烧炉膛度、负荷、氧量、烟气排放的变化趋势对一次风控制器、给料炉排控制器、焚烧炉排控制器的控制参数进行优化得到优化控制参数。

进一步，示例性地，所述参数优化单元1022利用机器学习模型根据所述输出变量计算所述优化控制参数。

示例性地，所述机器学习模型包括神经网络模型。具体的，在参数优化单元1022中，将由模型处理单元1021计算的燃烧工况数据转化为可计算的标准化数据，采用神经网络模型对可计算的标准化数据进行计算得到优化控制参数。所述数据转化过程和利用神经网络模型进行计算的过程可以采用本领域技术人员所熟知的方法，在此不再赘述。

需要理解的是，本实施例中以神经网络作为机器学习模型的示例对参数优化单元进行说明仅仅是示例性地，其他机器学习的模型，如基于向量机的统计学习、深度学习等，均适用于本发明。

采用机器学习模型对控制参数进行优化，实现了对优化控制参数准确计算优化的同时，能够对控制参数的自适应优化调节。具体的，在采用机器学习模型进行计算的过程中，可以对采用优化控制参数进行控制调节后的焚烧炉的反应结果进行检测，通过检测到的结果对机器学习模型进行校正，进一步优化机器学习模型，从而进一步调整优化控制参数的输出结果。同时，根据本发明的垃圾焚烧控制系统，实现了焚烧炉的完全自动自适应调节控制，有效减少了人工控制负担和误差，提升控制效率。

在根据本发明的一个示例中，所述参数优化单元还对由所述模型处理单元计算的用以预测所述燃烧工况数据的输出变量和由数据采集装置采集的所述燃烧工况数据进行比较获得比较结果，并根据所述比较结果计算所述优化控制参数。

需要理解的是，本实施例采用优化控制单元对一次风控制器、二次风控制器、给料炉排控制器、焚烧炉排控制器的控制参数进行优化仅仅是示例性地，本领域技术人员将理解，还可以根据实际需要可以增减设计对焚烧炉的其他部件的控制器的控制参数进行优化，实现焚烧炉的精确控制，具体的控制参数在此并不限定。

在根据本发明的一个示例中，上述模型参数控制模块中的模型处理单元的计算和参数优化单元的计算在PLC控制面板上实现。

如图1所示，通过参数优化单元1022计算得到的石灰浆流量的控制参数传输到自动控制模块103。自动控制模块103根据优化控制参数对焚烧炉进行自动控制。示例性地，自动控制模块103包括可执行的程序指令和控制器，当执行可执行的程序指令时，控制器能够实现对焚烧炉的石灰浆流量等的控制。

参看图2，示出了根据本发明的一个实施例的一种垃圾焚烧控制系统的控制原理示意图。在控制之前，实现模型与参数优化单元的建立，建立的模型在以焚烧炉的焚烧过程数据进行模型计算后输出关于燃烧工况数据的预测值参数优化单元根据预测的燃烧工况数对控制给定的参数进行优化，控制器根据优化的给定参数结合控制器的输入e输出调节控制器以输出u，同时结合考虑其他干扰下的前馈因子k对焚烧炉进行调节，调节后的焚烧炉燃烧后的燃烧工况数据y与模型处理后输出关于燃烧工况数据的预测值进行对比获得的比较作为参数优化单元的自学习参考从而可以进一步控制参数的优化过程，最终实现对焚烧炉的最优控制。

在根据本发明的一个示例中，还包括通信模块。所述通信模块实现数据采集装置101、模型参数优化单元102和自动控制模块103之间的通信。具体的，数据采集装置101通过通信模块的I/O端口将采集的燃烧过程数据发送到模型参数优化单元，模型参数优化单元102的模型处理单元1021根据燃烧过程数据计算得到燃烧工况数据，参数优化单元1022根据燃烧工况数据计算得到优化控制参数，模型参数优化单元102再次通过通信模块将优化控制参数发送到自动控制模块，自动控制模块根据优化控制参数对焚烧炉相关控制器的电磁阀和调节阀门进行自动控制。

在根据本发明的一个示例中，原有的焚烧炉已经包括控制焚烧炉的控制系统的基础上，本发明还可以直接在原有的焚烧炉控制系统上进行实施，即通过通信模块实现原有的焚烧炉的控制系统与本发明的模型参数优化单元之间的通信，在一个示例中，在PLC控制板上实现根据本发明的模型参数优化单元，通过通信网络实现PLC控制板和原有的焚烧炉的控制系统的通信。

本发明已经通过上述实施例进行了说明，但应当理解的是，上述实施例只是用于举例和说明的目的，而非意在将本发明限制于所描述的实施例范围内。此外本领域技术人员可以理解的是，本发明并不局限于上述实施例，根据本发明的教导还可以做出更多种的变型和修改，这些变型和修改均落在本发明所要求保护的范围以内。本发明的保护范围由附属的权利要求书及其等效范围所界定。