垃圾焚燒爐蒸發(fā)量預測可行性研究

文_劉澤慶 上海環(huán)境衛(wèi)生工程設計院有限公司

國內垃圾焚燒爐多采用往復式爐排爐，垃圾通過料斗進入垃圾焚燒爐，依次經(jīng)過爐排干燥段、燃燒段、燃盡段，完成垃圾燃燒并落入除渣器。由于燃燒垃圾是由多種物料，如竹木、塑料、橡膠、紙、濕垃圾等組成，且難以混合均勻，在燃燒過程中，燃燒工況波動大，蒸發(fā)量一般在10%的范圍內波動，影響焚燒爐及余熱鍋爐運行穩(wěn)定，同時降低了發(fā)電效能。

燃燒過程屬于非線性、強耦合、多變量、大滯后的復雜過程，難以精確建模?，F(xiàn)有焚燒廠主要采用ACC系統(tǒng)進行焚燒控制，通過蒸發(fā)量、煙氣種氧含量、爐膛溫度等參數(shù)作為調控的主要依據(jù)，垃圾從焚燒爐入口到掉渣口需要1～2h，燃燒過程長，調節(jié)時滯性大，調整推料器給料頻率后，反應至爐膛火焰溫度等參數(shù)需要10～30min。

神經(jīng)網(wǎng)絡一種模仿生物神經(jīng)網(wǎng)絡的結構和功能的數(shù)學模型或計算模型,具有逼近任何非線性函數(shù)的能力，可以建立任何系統(tǒng)的非線性黑箱模型。神經(jīng)網(wǎng)絡在垃圾焚燒領域已有部分研究及應用案例。馬曉茜等采用神經(jīng)網(wǎng)絡算法,建立垃圾焚燒爐入爐垃圾熱值的預測模型，研究結果表明，該模型預測平均相對誤差為2.64%。

本文通過建立基于梯度下降算法的4層神經(jīng)網(wǎng)絡，對蒸發(fā)量進行預測，以期實現(xiàn)蒸發(fā)量提前控制，實現(xiàn)蒸發(fā)量平穩(wěn)，提高設備運行穩(wěn)定性及發(fā)電效益。

1 神經(jīng)網(wǎng)絡模型構建簡介

本文選用4層神經(jīng)網(wǎng)絡，輸入層有14個輸入變量： 一次風量、二次風量、燃盡段上部左側溫度、燃盡段上部右側溫度、焚燒爐出口左側煙氣溫度、焚燒爐出口右側煙氣溫度、第三煙道出口煙氣溫度、省煤器出口煙氣溫度、煙氣含氧量、煙氣量、爐膛壓力、干燥段底部壓力、燃燒一段底部壓力、燃燒二段底部壓力。

輸入變量對蒸發(fā)量預測的作用：①焚燒爐出口溫度。該參數(shù)可以表征垃圾焚燒劇烈程度，爐膛出口溫度較高，火焰輻射強，將對干燥段垃圾形成較好的干化作用，對垃圾燃燒及蒸發(fā)量預測有重要意義。②燃盡段上部溫度。該參數(shù)可以在一定程度表征垃圾火焰位置，如燃盡段上部溫度偏高，說明垃圾火焰靠后，燃燒段上待燃燒垃圾的量較多，對后續(xù)蒸發(fā)量有較大影響。③干燥段、燃燒段底部壓力，該參數(shù)與焚燒爐內壓力差值為垃圾料層厚度的表征，而垃圾料層厚度影響著瞬時燃料量，如干燥段料層在10～15min會運動至燃燒段，所以干燥段對垃圾蒸發(fā)量預測提供重要指標；而煙氣量、溫度及煙氣中氧氣含量能夠較好的表征當前的垃圾焚燒狀況，由于垃圾本身由大顆粒組分，從垃圾外部到內部有一個相對較長的燃燒過程，當前燃燒狀態(tài)能夠在一定范圍內表征后續(xù)燃燒狀態(tài)，從而對蒸發(fā)量預測提供參考。

4層神經(jīng)網(wǎng)絡：第一個隱藏層有12個神經(jīng)元，第二隱藏層有5個神經(jīng)元，最后輸出1個神經(jīng)元來預測蒸發(fā)量。選用ReLU激活函數(shù),使用有效的梯度下降算法Adam作為優(yōu)化器。

訓練數(shù)據(jù)：取洛陽某焚燒廠運行數(shù)據(jù)，一分鐘一個采集數(shù)據(jù)，訓練數(shù)據(jù)1000條（1000min），每條包含14個輸入變量，一個輸出變量。預測數(shù)據(jù)選取另外的100條數(shù)據(jù)（相當于進行了100次檢驗，采用相關系數(shù)R2作為檢驗最終的評價）。

本文要求輸入變量后，預測Xmin后蒸發(fā)量，所以采用輸入變量與Xmin后的蒸發(fā)量相對應，進行訓練及預測。

2 預測結果分析

2.1 蒸發(fā)量預測提前預測時間與預測準確度分析

采用上述模型，分別進行10、13、16、19min蒸發(fā)量預測，相關系數(shù)R2分別為：0.72、0.71、0.45、0.07。從圖1、圖2、圖3、圖4可見，隨著預測時間增長，蒸發(fā)量與實際值偏差越大，主要是由于所使用的因變量，在一定時間范圍內有表征蒸發(fā)量發(fā)展趨勢的能力，13min內預測誤差相對較小，對工程提前控制相關參數(shù)，保持蒸發(fā)量平穩(wěn)有較大意義。

圖1 10min蒸發(fā)量預測值與真實值比較

圖2 13min蒸發(fā)量預測值與真實值比較

圖3 16min蒸發(fā)量預測值與真實值比較

圖4 19min蒸發(fā)量預測值與真實值比較

2.2 爐排下方風壓對蒸發(fā)量預測的影響

預測時間取10min，對是否采用爐排下風壓參數(shù)作為輸入變量進行對比研究，通過模型計算（圖5、圖6），采用風壓參數(shù)（爐膛壓力、干燥段底部壓力、燃燒一段底部壓力、燃燒二段底部壓力），輸入變量14個，相關系數(shù)R2為0.72；不用采用風壓參數(shù)，輸入變量10個，相關系數(shù)R2為0.65?？梢姡L壓參數(shù)對蒸發(fā)量預測有一定影響，主要是由于爐排下方風壓與爐膛內壓差能夠反應爐排上方垃圾堆料厚度。如干燥段風壓體現(xiàn)了干燥段的堆料厚度，干燥段垃圾經(jīng)過10～15min到爐排燃燒段進行燃燒，干燥段垃圾層厚較厚，將導致10～15min后的燃燒段燃料量較高，進而導致該時段蒸發(fā)量提升。

圖5 采用風壓參數(shù)蒸發(fā)量預測誤差

圖6 不采用風壓參數(shù)蒸發(fā)量預測誤差

3 結語

針對垃圾焚燒爐蒸發(fā)量提前預測問題，本文構建了4層神經(jīng)網(wǎng)絡模型，第一個隱藏層有12個神經(jīng)元，第二隱藏層有5個神經(jīng)元，最后輸出1個神經(jīng)元來預測蒸發(fā)量。選用ReLU激活函數(shù),使用有效的梯度下降算法Adam作為優(yōu)化器。選取14種輸入變量來預測垃圾焚燒爐蒸發(fā)量，分別進行10、13、16、19min蒸發(fā)量預測，相關系數(shù)R2分別為：0.72、0.71、0.45、0.07。13min內預測誤差相對較小，對工程提前控制相關參數(shù)，保持蒸發(fā)量平穩(wěn)有較大意義。

預測時間取10min，對是否采用爐排下風壓參數(shù)作為輸入變量進行對比研究，采用風壓參數(shù)時（爐膛壓力、干燥段底部壓力、燃燒一段底部壓力、燃燒二段底部壓力），相關系數(shù)R2為0.72；不采用風壓參數(shù)時，相關系數(shù)R2為0.65。主要是由于爐排下方風壓能夠反應爐排上方垃圾堆料厚度，進而影響后續(xù)燃燒段的燃燒情況，進而影響后續(xù)的蒸發(fā)量。