阅读说明：本技术 一种危险废物焚烧自动控制方法 (A kind of dangerous waste incineration autocontrol method ) 是由 王建鑫 姜泽栋 崔希岗 林野 王贵 余卫东 孟宪礼 李怀周 朱少红 刘凯 张增朝 于 2019-08-13 设计创作，主要内容包括：本发明涉及一种危险废物焚烧自动控制方法,其将BP神经网络算法和分布式控制系统有效结合应用于危险废物焚烧系统,利用危险废物焚烧工艺设备数据信息模块,设备运行工况参数数据信息模块、主辅进料数据信息模块、烟气排放数据信息模块建立危废焚烧系统数据库,利用系统数据库、BP神经网络工具及工艺目标值,建立、训练并优化该系统函数模型,将控制要求反馈DCS及现场执行机构,实现对焚烧系统生产线的自动预测、判断、调整、控制和纠偏。(The present invention relates to a kind of dangerous waste incineration autocontrol methods, BP neural network algorithm and dcs are effectively conjointly employed in hazardous waste burn system by it, utilize dangerous waste incineration process equipment data information module, equipment operating condition Parameter data information module, major-minor charging data information module, flue gas emission data information module establishes dangerous waste incineration system database, utilize system database, BP neural network tool and process goal value, it establishes, it trains and optimizes the system function model, control is required into feedback DCS and live executing agency, realize the automatic Prediction to incineration system production line, judgement, adjustment, control and correction.)

一种危险废物焚烧自动控制方法

技术领域

本发明涉及一种危险废物焚烧自动控制方法。

背景技术

目前主流的危险废物焚烧工艺中，自动控制系统包括分布式控制系统、烟气在线监测系统、现场数据采集系统及现场执行机构，其由现场数据采集系统监测设备运行参数，烟气在线监测系统监测污染物排放指标，若设备运行参数或污染物排放浓度异常，自控系统根据预设逻辑（特殊情况生产人员根据经验判断）针对异常情况对焚烧线生产设施进行操作控制，以达到预期控制要求，满足运行条件和排放要求。

由于现有自动控制系统控制逻辑为监测、报警、控制、执行，属于事后控制，现有技术存在以下缺点：

1、现有烟气在线监测系统、现场数据采集系统均采用各种类型的传感器、数采仪、分析仪，当仪表监测到相关数据异常并将数据传输至分布式控制系统，表明运行工况异常情况已经发生，此时开始控制执行机构动作，异常数据往往不能马上恢复正常，对预期的运行工况会造成延迟；

2、因危废焚烧工艺不同于正向产品生产线，其焚烧过程极为复杂，焚烧过程即为生产过程，因焚烧的危险废物物化参数不断变化。当烟气在线监测系统数据异常时，对运行工况参数进行调整，往往会带来其他异常工况的发生，因此大大降低焚烧工艺系统的稳定性；

3、当上述两种情况不能妥当处理时，异常数据将传输至环境主管部门，将对企业生产造成较大影响；如处理不当甚至会造成严重安全生产事故。为避免该情况发生，只能缩小污染物排放阈值，降低设备负荷，可见该系统生产效率不高、系统鲁棒性能较差。

发明内容

本发明所要解决的技术问题是提供一种危险废物焚烧自动控制方法，实现有效控制危险废物焚烧设施排放烟气中污染物浓度，满足环保排放要求，精准控制生产过程主进料量和辅料添加量，同时最大限度的延长焚烧设施的使用寿命。

本发明所采用的技术方案是：一种危险废物焚烧自动控制方法，其包括如下步骤：

步骤一：收集危废焚烧系统设计、安装、调试以及运行阶段的数据信息，利用上述数据信息分别建立危险废物焚烧工艺设备数据信息模块、设备运行工况参数数据信息模块、主辅进料数据信息模块、烟气排放数据信息模块，将数据信息进行积累并记录，按照时态时序及记录频率建立二维曲线图和数据库。

步骤二：建立工艺设计或理想工况下设备运行工况参数目标数据值及烟气排放目标数据值。

步骤三：利用具有误差或偏差逆向传播前馈功能并且能够形成非线性函数模型的数学建模工具或算法，将步骤一中的数据信息作为输入量，步骤二中的设备运行工况参数及烟气排放参数目标值与实测值的差值作为输出量，形成数据模型。

步骤四：通过时序、循环积累的数据，利用步骤三中的工具或算法对数据模型进行训练、优化，同时对现场实际工况、烟气排放数据进行实时对比、预判并反馈控制参数调整阈值，建立危废焚烧系统时序优化的动态数据模型；

步骤五：利用时序动态数据模型、设备运行工况参数及烟气排放参数目标值与实测值的差值反向计算得出预测输入值，将反馈的预测输入值作为控制要求结合具备控制、执行功能的过程控制终端和服务器以及现场执行机构对主辅进料数据、设备运行工况参数数据进行调整、控制、纠偏，同时得到更新的时序优化动态数据模型，依此循环实施步骤四、五，实现危险废物焚烧系统的自动控制。

进一步的，所述数据信息包括工艺设备数据信息、设备运行工况参数数据信息、主辅进料数据信息、烟气排放数据信息。

工艺设备数据信息包括：设备寿命、焚烧炉耐火材料厚度、烟道长宽高及几何参数。

设备运行工况参数数据信息包括：回转窑转速、炉排推速、烟风道的温度、压力和流速、各工段的温差和压差。

主辅进料数据信息包括：进料热值、热值灼减速度、主料进料量、进料速度、进料配伍数值、辅料进料量、进料速度、灰渣出料量及速度。

烟气排放数据信息包括：颗粒物、HCL、SO₂、CO、NO_X、HF、NH₃的排放数据信息。

进一步的，步骤三中的数学建模工具或算法为BP神经网络算法。

进一步的，步骤五中的具备控制、执行功能的过程控制终端和服务器为DCS系统或现场总线控制系统或计算机集成控制系统。

本发明的积极效果为：

1、将BP神经网络数据建模和分布式控制系统有效结合并连锁，实现真正意义上全自动控制系统，降低对核心生产人员的经验依赖，提高了系统运行安全性；

2、将危险废物焚烧工艺设备数据信息模块，设备运行工况参数数据信息模块、主辅进料数据信息模块、烟气排放数据信息模块整合建立危废焚烧系统全生命周期数据库，得到了足够的建模、运行、训练、检验和测试的数据样本，为实现全过程控制参数并行处理提供可能。同时通过积累得到的数据资源成为该焚烧工艺的数据资本,用于其他焚烧系统使用；

3、利用误差逆向传播算法训练的多层前馈神经网络（BP神经网络）特性，独创性的将目标值和实测值的差值作为反馈数据，用于训练该函数模型的拟合能力。因目标值的不变性和实测值的变化性，既能避免出现该函数模型的过拟合和陷入局部极小点的可能，又能保证系统函数模型的相对准确；

4、将该模型中引入时间参数变量，使系统函数模型成为时序优化的动态数据模型，通过动态掌握和控制系统生产线的运行性能和寿命状况，提高焚烧系统生产线的稳定性和开机率。

本发明实现了焚烧系统生产线全自动控制，降低了对生产人员的经验依赖，提高了焚烧系统生产线的安全性、稳定性和开机率，同时保证系统函数模型的准确性。

附图说明

图1为本发明工作流程图；

图2为本发明数据库结构图；

图3为本发明现场服务终端结构图。

具体实施方式

如附图1-2所示，本发明的方法包括：收集危废焚烧系统从设计、安装、调试到运行阶段存在大量的数据信息，这些数据信息包括工艺设备数据信息、设备运行工况参数数据信息、主辅进料数据信息以及烟气排放数据信息。利用数据信息分别建立危险废物焚烧工艺设备数据信息模块，设备运行工况参数数据信息模块、主辅进料数据信息模块、烟气排放数据信息模块，将静态、动态数据信息进行积累并记录，按照时态时序及记录频率建立二维曲线图和数据库，此处的二维曲线图是指该项数据值的时序图。

将危险废物焚烧工艺设备数据信息、主辅进料数据信息、设备运行工况参数数据信息、烟气排放数据信息作为输入量，同时建立工艺设计或理想工况下，设备运行工况参数目标数据值及烟气排放目标数据值。工艺设计或理想工况就是采用该自动控制系统专利方法进行时序优化，想要达到的目标工况；达到目标工况即可得到设备运行工况参数目标数据值；烟气排放目标数据值采用地方政府的达标排放指标为目标值；设备运行工况参数值及烟气排放数据值均是采用数据采集系统进行现场实时采集。

利用BP神经网络算法，将焚烧工艺设备数据信息、主辅进料数据信息、设备运行工况参数数据信息、烟气排放数据信息作为输入量，设备运行工况参数及烟气排放参数目标值与实测值的差值作为输出量，通过时序、循环积累的数据，利用BP神经网络算法对数据模型进行训练、优化，同时对现场实际工况、烟气排放数据进行实时对比、预判并反馈控制参数调整阈值，建立危废焚烧系统时序优化的动态数据模型；利用时序动态数据模型、设备运行工况参数及烟气排放参数目标值与实测值的差值反向计算得出预测输入值，将反馈的预测输入值作为控制要求结合具备控制、执行功能的过程控制终端和服务器以及现场执行机构对主辅进料数据、设备运行工况参数数据进行调整、控制、纠偏，同时得到更新的时序优化动态数据模型，依此循环，实现危险废物焚烧系统的自动控制。

图3是本发明使用的现场服务终端的结构图，其包括数据采集模块、数据处理模块、数据传输模块、数据接收模块、模型建立与训练系统模块、数据发送并反馈模块、现场控制执行终端。

BP神经网络算法是利用误差逆向传播算法训练的多层前馈神经网络，是以网络误差平方为目标函数，采用梯度下降法计算目标函数的最小值。该方法仅为实施例，也可以使用具有误差或偏差逆向传播前馈功能，并且能够形成非线性函数模型的其他数学建模工具或算法。对于本领域技术人员来说，通过本发明的记载，其可以知道该算法的具体内容。

分布式控制系统（DCS系统），也可以是其他具备控制、执行功能的过程控制终端和服务器，如现场总线控制系统、计算机集成控制系统等。

本发明创造性的将BP神经网络算法和分布式控制系统有效结合应用于危险废物焚烧系统，实现焚烧系统生产线真正的全自动预测、判断、调整、控制和纠偏，降低对经验生产人员的生产依赖。利用危险废物焚烧工艺设备数据信息模块、设备运行工况参数数据信息模块、主辅进料数据信息模块、烟气排放数据信息模块整合建立危废焚烧系统全生命周期数据库，实现全过程参数并行处理的数据池，建立了具备BP神经网络运行、训练的数据样本,通过积累得到的数据资源成为该焚烧工艺的数据资本，用于其他焚烧系统使用。

利用误差逆向传播算法训练的多层前馈神经网络特性，独创性的将目标值和实测值的差值作为反馈数据，用于训练该函数模型的拟合能力。因目标值的不变性和实测值的变化性，既能避免出现该函数模型的过拟合和陷入局部极小点的可能，又能保证该系统函数模型的相对准确。

本发明引入时间参数变量，使系统函数模型成为时序优化的动态数据模型，可以动态掌握和控制系统生产线的运行工况、性能和寿命状况。