專利名稱：基于垃圾熱值軟測(cè)量的垃圾焚燒控制方法
技術(shù)領(lǐng)域：
本發(fā)明屬于燃燒過(guò)程監(jiān)測(cè)領(lǐng)域，涉及垃圾焚燒過(guò)程中運(yùn)行參數(shù)的控制方法。
背景技術(shù)：
垃圾熱值是影響垃圾焚燒穩(wěn)定性的一個(gè)關(guān)鍵參數(shù)。在垃圾焚燒過(guò)程中，入爐垃圾熱值的 變化對(duì)燃燒過(guò)程的穩(wěn)定性會(huì)產(chǎn)生巨大的影響。由于我國(guó)垃圾發(fā)電廠的垃圾來(lái)源廣泛，垃圾的 熱值變化很大。目前在國(guó)際上還沒(méi)有一種能夠在線測(cè)量垃圾熱值的測(cè)量設(shè)備應(yīng)用于生產(chǎn)過(guò)程， 究其原因主要在于目前對(duì)物質(zhì)熱值進(jìn)行測(cè)量的設(shè)備均是采用點(diǎn)測(cè)量的方法，而垃圾是一種成 分復(fù)雜多變、熱值分布不均勻的物質(zhì)，用于點(diǎn)測(cè)量的垃圾樣品并不能代表垃圾的實(shí)際熱值。
國(guó)際上常用的測(cè)量垃圾熱值的方法包括兩大類實(shí)驗(yàn)測(cè)量和模型計(jì)算。實(shí)驗(yàn)測(cè)量主要是 指采用彈式量熱計(jì)測(cè)量方法，它是一種點(diǎn)測(cè)量方法。另一大類就是垃圾熱值計(jì)算模型。目前 主要是基于離線實(shí)驗(yàn)分析結(jié)果的垃圾熱值計(jì)算模型，包括基于元素分析結(jié)果的垃圾熱值計(jì)算 模型、基于工業(yè)分析的垃圾熱值計(jì)算模型和基于物理組分的垃圾熱值計(jì)算模型。
上述的三類垃圾熱值計(jì)算模型用于垃圾焚燒爐垃圾熱值的在線監(jiān)測(cè)，存在著以下幾點(diǎn)不
足
1) 、基于元素分析、工業(yè)分析和物理組分的熱值計(jì)算模型均是以垃圾樣品的分析為基礎(chǔ) 的。垃圾是一種非均勻的燃料，熱值分布不均勻，難于得到典型樣品，在實(shí)驗(yàn)分析中，樣品 尺寸和取樣點(diǎn)的選擇將會(huì)影響結(jié)果的準(zhǔn)確性。
2) 、目前垃圾元素分析、工業(yè)分析和物理組分測(cè)試還沒(méi)有在線實(shí)驗(yàn)方法，所以基于實(shí)驗(yàn) 分析方法的熱值計(jì)算模型難于用于垃圾熱值的在線測(cè)量。
對(duì)于實(shí)際應(yīng)用的垃圾焚燒DCS控制系統(tǒng)而言，需要的是垃圾熱值的整體變化趨勢(shì)。在焚 燒過(guò)程中，運(yùn)行參數(shù)會(huì)隨著垃圾熱值的波動(dòng)而發(fā)生變化，所以根據(jù)監(jiān)測(cè)參數(shù)的變化，有可能 對(duì)垃圾熱值的整體變化做出判斷。因此，建立基于在線運(yùn)行參數(shù)的垃圾熱值在線測(cè)量模型是 現(xiàn)實(shí)可行的。

發(fā)明內(nèi)容
本發(fā)明針對(duì)垃圾焚燒過(guò)程中垃圾熱值難以在線測(cè)量的現(xiàn)狀，提供了一種基于垃圾熱值軟 測(cè)量的垃圾焚燒控制方法，它能夠?qū)崟r(shí)預(yù)測(cè)垃圾熱值的整體變化趨勢(shì)，為控制系統(tǒng)有效調(diào)節(jié) 垃圾焚燒爐燃燒提供依據(jù)。
本發(fā)明方法包括以下步驟(1) 在理論分析的基礎(chǔ)上，根據(jù)垃圾焚燒爐的實(shí)際運(yùn)行情況，總結(jié)垃圾熱值變化趨勢(shì)和 焚燒爐運(yùn)行參數(shù)之間存在的統(tǒng)計(jì)規(guī)律，確定可反映垃圾熱值變化趨勢(shì)的主要運(yùn)行參數(shù)，包括 給料量B、主蒸汽量D、主蒸汽壓力Pm、主蒸汽溫度Tm、爐膛煙氣溫度Tf、 一次風(fēng)量Wf、 二次 風(fēng)量Ws，以及煙氣空氣預(yù)熱器旁路風(fēng)壓Pg作為垃圾熱值軟測(cè)量模型的輸入?yún)?shù)，垃圾熱值作 為輸出參數(shù)。
(2) 將垃圾熱值軟測(cè)量模型嵌入垃圾焚燒發(fā)電廠的控制系統(tǒng)，構(gòu)建基于小腦神經(jīng)網(wǎng)絡(luò)模 型的垃圾熱值軟測(cè)量模型，模型的輸入?yún)?shù)和輸出參數(shù)均為已經(jīng)過(guò)模糊化的測(cè)量參數(shù)。輸出 垃圾熱值的模糊語(yǔ)言集合為{負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}，英文縮寫為(NB， NM， NS， 0， PS， PM， PB}。
(3) 確定基于小腦神經(jīng)網(wǎng)絡(luò)模型的垃圾熱值軟測(cè)量模型的結(jié)構(gòu)和算法 基于小腦神經(jīng)網(wǎng)絡(luò)模型的垃圾熱值軟測(cè)量模型結(jié)構(gòu)如圖2所示。本模型主要應(yīng)用兩個(gè)基
本映射和一個(gè)輸出概念映射和實(shí)際映射；輸出是垃圾熱值。
基于小腦神經(jīng)網(wǎng)絡(luò)模型的垃圾熱值軟測(cè)量模型應(yīng)用的具體算法主要包括概念映射算法、 輸出算法、學(xué)習(xí)算法以及學(xué)習(xí)算法的目標(biāo)函數(shù)四個(gè)部分，具體算法流程圖如圖3所示。
(4) 利用現(xiàn)場(chǎng)采集的監(jiān)測(cè)參數(shù)，對(duì)垃圾熱值軟測(cè)量整體模型進(jìn)行訓(xùn)練。
在確定好最小方差s、最大訓(xùn)練次數(shù)N、學(xué)習(xí)參數(shù)^、感受野C等神經(jīng)網(wǎng)絡(luò)參數(shù)的基礎(chǔ)上，
利用現(xiàn)場(chǎng)采集垃圾焚燒控制系統(tǒng)中的相關(guān)數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，實(shí)現(xiàn)垃圾熱值的在線軟測(cè)量。
(5) 將得到的垃圾熱值在線軟測(cè)量結(jié)果反饋到垃圾焚燒過(guò)程控制系統(tǒng)，監(jiān)測(cè)垃圾熱值的 整體變化趨勢(shì)，并將垃圾熱值作為控制系統(tǒng)的一個(gè)邏輯判斷分支，為運(yùn)行參數(shù)的調(diào)整和優(yōu)化 提供依據(jù)。
本發(fā)明的有益效果是它提供了一種基于運(yùn)行參數(shù)的垃圾熱值在線軟測(cè)量方法，無(wú)需額 外增加測(cè)點(diǎn)，直接利用垃圾焚燒電站控制系統(tǒng)的運(yùn)行參數(shù)，就可以實(shí)時(shí)反映垃圾焚燒過(guò)程中 垃圾熱值的整體變化趨勢(shì)，為提高垃圾焚燒穩(wěn)定性提供了有利的依據(jù)。


圖l為本發(fā)明實(shí)施的流程圖。
圖2為本發(fā)明基于垃圾熱值軟測(cè)量的垃圾焚燒控制方法中的算法結(jié)構(gòu)圖。
圖3為本發(fā)明基于垃圾熱值軟測(cè)量的垃圾焚燒控制方法中的算法。
圖4為本發(fā)明模型訓(xùn)練樣本檢驗(yàn)結(jié)果圖。
圖5為熱值在線監(jiān)測(cè)結(jié)果圖。
具體實(shí)施方式
下面將結(jié)合具體的實(shí)例來(lái)對(duì)本發(fā)明的實(shí)施作進(jìn)一步說(shuō)明，這些實(shí)例都是在垃圾焚燒工藝 過(guò)程中實(shí)現(xiàn)的。
基于垃圾熱值軟測(cè)量的垃圾焚燒控制方法，其步驟如下
步驟l統(tǒng)計(jì)分析垃圾熱值變化與垃圾焚燒爐主要運(yùn)行參數(shù)之間的規(guī)律，確定垃圾熱值軟 測(cè)量模型的輸入?yún)?shù)和輸出參數(shù)
在理論分析的基礎(chǔ)上，根據(jù)垃圾焚燒爐的實(shí)際運(yùn)行情況以及現(xiàn)場(chǎng)工作人員的運(yùn)行經(jīng)驗(yàn)， 分析垃圾熱值整體變化趨勢(shì)與主要運(yùn)行參數(shù)存在一定的統(tǒng)計(jì)規(guī)律。比如垃圾熱值穩(wěn)定時(shí)， 蒸發(fā)量正比于給料量；當(dāng)垃圾熱值變化時(shí)，通過(guò)控制系統(tǒng)的調(diào)整，蒸發(fā)量仍然下降時(shí)， 一般 意味著垃圾熱值偏低，相反則意味著垃圾熱值偏高或者正常；爐膛煙氣溫度則是垃圾熱值變 化趨勢(shì)在監(jiān)測(cè)參數(shù)中的直接反映，如果焚燒爐一直維持在較高的焚燒溫度上穩(wěn)定運(yùn)行，則可 說(shuō)明垃圾熱值較高且變化不大；如果焚燒溫度波動(dòng)明顯，變化正負(fù)波動(dòng)較大，則可間接表明' 垃圾熱值出現(xiàn)了較明顯的波動(dòng)。因此，確定將給料量B、主蒸汽量D、主蒸汽壓力Pm、主蒸 汽溫度Tm、爐膛煙氣溫度Tf、 一次風(fēng)量Wf、 二次風(fēng)量Ws，以及煙氣空氣預(yù)熱器旁路風(fēng)壓 Pg作為模型的輸入?yún)?shù)；以垃圾熱值作為模型的輸出參數(shù)。
步驟2構(gòu)建基于小腦祌經(jīng)網(wǎng)絡(luò)模型的垃圾熱值軟測(cè)量模型，模型的輸入?yún)?shù)和輸出參數(shù) 均為已經(jīng)過(guò)模糊化的測(cè)量參數(shù)。輸出垃圾熱值的模糊語(yǔ)言集合為{負(fù)大，負(fù)中，負(fù)小，零， 正小，正中，正大}，英文縮寫為(NB，麗，NS， 0， PS, PM， PB}。
步驟3確定基于小腦神經(jīng)網(wǎng)絡(luò)模型的垃圾熱值軟測(cè)量模型的結(jié)構(gòu)
整個(gè)模型結(jié)構(gòu)主要包括兩個(gè)基本映射和一個(gè)輸出一個(gè)是概念映射，它的應(yīng)用主要是將 輸入空間的輸入量映射到概念存儲(chǔ)器的各地址段上； 一個(gè)是實(shí)際映射，它的應(yīng)用主要是將概 念存儲(chǔ)器各地址存儲(chǔ)結(jié)果通過(guò)哈西編碼的方式映射到物理存儲(chǔ)器各地址段上；輸出就是物理 存儲(chǔ)器中各相關(guān)地址段的權(quán)重之和，也就是垃圾熱值的模糊等級(jí)。
步驟4確定基于小腦神經(jīng)網(wǎng)絡(luò)模型的垃圾熱值軟測(cè)量模型的具體算法流程(如圖3)，其 步驟如下
(1) 確定模型的輸入量；
(2) 采用歐氏空間的"對(duì)角線"元素來(lái)處理編碼、感受野C以及模糊隸屬度p;
(3) 將輸入量映射到概念存儲(chǔ)器Ae的各地址段，概念映射算法為-<formula>formula see original document page 5</formula>w = l，2，......，iV
(4) 將概念存儲(chǔ)器Ae各地址段的結(jié)果通過(guò)哈西編碼的方式映射到物理存儲(chǔ)器Ap各地址
段上，這一過(guò)程可表示為Ek=Xnk/(m+l)。
C一l
(5) 將Ap中相關(guān)地址存儲(chǔ)的權(quán)重進(jìn)行求和，得到模型輸出的熱值^(7/^) = ^;^&)//("
(6) 確定模型的學(xué)習(xí)算法為Aw(xJ = ^^M^
學(xué)習(xí)算法的目標(biāo)函數(shù)為j(s)-H;[力-fos)]2
式中w為權(quán)重；//為隸屬函數(shù)；/ 為學(xué)習(xí)率；厶為訓(xùn)練樣本參數(shù)；iV為學(xué)習(xí)樣本數(shù)量；C為感 受野。
(7) 判斷J(S)是否小于給定最小方差"如果J(S)小于給定最小方差S，學(xué)習(xí)過(guò)程結(jié)束； 否則學(xué)習(xí)過(guò)程將會(huì)繼續(xù)，直到達(dá)到最小方差要求。
步驟5垃圾熱值軟測(cè)量模型的訓(xùn)練
針對(duì)性地采集某垃圾焚燒控制系統(tǒng)中的100組運(yùn)行參數(shù)作為訓(xùn)練樣本數(shù)據(jù)并進(jìn)行預(yù)處理。 最大訓(xùn)練次數(shù)為3000次，最小均方誤差為0.003， li釆用高斯函數(shù)，學(xué)習(xí)參數(shù)e取0.85，感受 野C取9，部分樣本見(jiàn)表l。隨機(jī)提取其中的50組數(shù)據(jù)作為模型的訓(xùn)練樣本，將經(jīng)過(guò)模型計(jì)算 后輸出的熱值與樣本數(shù)據(jù)中經(jīng)經(jīng)驗(yàn)統(tǒng)計(jì)出的已知熱值進(jìn)行比較，如圖4所示。圖中，僅有兩組 結(jié)果的偏差超過(guò)了2個(gè)量化等級(jí)，符合率達(dá)96%，說(shuō)明該垃圾熱值軟測(cè)量模型在神經(jīng)網(wǎng)絡(luò)的結(jié) 構(gòu)上和基本訓(xùn)練參數(shù)的選擇上是可行的。
表l
序號(hào)B/%D她Pm/MPaTm/ °CTV °CWf/%Ws/%Pg/KPaHV
13516.501.5336694545205.20PB
28516.101.50357卯975503.92PM
310012.501.4334085680503.77PM
46011.801.4533881560434.210
995013.701.5035588070453.86PM
1006511.781.3535177375504.07NB
步驟6垃圾熱值模糊等級(jí)的在線監(jiān)測(cè)與運(yùn)行參數(shù)調(diào)整
6將確定的垃圾熱值軟測(cè)量模型嵌入到垃圾焚燒過(guò)程的控制系統(tǒng)中C如PID控制系統(tǒng))， 實(shí)時(shí)顯示熱值的監(jiān)測(cè)結(jié)果，并為焚燒過(guò)程控制算法提供一個(gè)邏輯判斷分支，根據(jù)入爐垃圾熱 值的變化趨勢(shì)，細(xì)化控制策略。圖5為某垃圾焚燒爐連續(xù)7個(gè)小時(shí)的熱值在線監(jiān)測(cè)結(jié)果?？?以看出，在垃圾焚燒過(guò)程中有一個(gè)比較明顯的大約持續(xù)兩個(gè)小時(shí)左右的低熱值階段，該熱值 預(yù)測(cè)結(jié)果與現(xiàn)場(chǎng)運(yùn)行操作人員的經(jīng)驗(yàn)判斷一致。此吋，將該預(yù)測(cè)結(jié)果反饋到垃圾焚燒控制系 統(tǒng)，通過(guò)調(diào)節(jié)給料量和風(fēng)量等運(yùn)行參數(shù)，維持垃圾焚燒過(guò)程的穩(wěn)定。
權(quán)利要求
1、一種基于垃圾熱值軟測(cè)量的垃圾焚燒控制方法，其特征在于包括以下步驟(1)確定垃圾熱值軟測(cè)量模型所需的輸入?yún)?shù)和輸出參數(shù)，所述輸入?yún)?shù)包括給料量B、主蒸汽量D、主蒸汽壓力Pm、主蒸汽溫度Tm、爐膛煙氣溫度Tf、一次風(fēng)量Wf、二次風(fēng)量Ws和煙氣空氣預(yù)熱器旁路風(fēng)壓Pg，輸出參數(shù)為垃圾熱值；(2)構(gòu)建基于小腦神經(jīng)網(wǎng)絡(luò)模型的垃圾熱值軟測(cè)量模型，垃圾熱值軟測(cè)量模型的所述輸入?yún)?shù)和輸出參數(shù)均為已經(jīng)過(guò)模糊化的測(cè)量參數(shù)，用基于小腦神經(jīng)網(wǎng)絡(luò)模型的垃圾熱值軟測(cè)量模型的結(jié)構(gòu)和算法確定輸入?yún)?shù)和輸出參數(shù)的關(guān)系；(3)將垃圾熱值軟測(cè)量模型嵌入垃圾焚燒發(fā)電廠的控制系統(tǒng)，現(xiàn)場(chǎng)采集所述輸入?yún)?shù)和輸出參數(shù)，對(duì)垃圾熱值軟測(cè)量模型進(jìn)行訓(xùn)練，實(shí)現(xiàn)垃圾熱值的在線軟測(cè)量；(4)將得到的垃圾熱值在線軟測(cè)量結(jié)果反饋到垃圾焚燒過(guò)程控制系統(tǒng)，監(jiān)測(cè)垃圾熱值的整體變化趨勢(shì)，并將垃圾熱值作為控制系統(tǒng)的一個(gè)邏輯判斷分支，為垃圾焚燒運(yùn)行參數(shù)的調(diào)整提供依據(jù)，實(shí)現(xiàn)垃圾焚燒過(guò)程的優(yōu)化控制，所述垃圾焚燒運(yùn)行參數(shù)包括給料量和風(fēng)量。
2、 如權(quán)利要求1所述的基于垃圾熱值軟測(cè)量的垃圾焚燒控制方法，其特征在于步驟(2)中模型的輸入?yún)?shù)和輸出參數(shù)均為已經(jīng)過(guò)模糊化的測(cè)量參數(shù)，輸出的垃圾熱值采用模糊等級(jí) 來(lái)表示，所述模糊等級(jí)包括負(fù)大、負(fù)中、負(fù)小、零、正小、正中和正大。
3、 如權(quán)利要求1所述的基于垃圾熱值軟測(cè)量的垃圾焚燒控制方法，其特征在于步驟(3)在模型訓(xùn)練學(xué)習(xí)過(guò)程進(jìn)行之前，首先確定模型的神經(jīng)網(wǎng)絡(luò)參數(shù)最小方差S、最大訓(xùn)練次數(shù) N、感受野C以及學(xué)習(xí)參數(shù)"；然后將垃圾焚燒控制系統(tǒng)采集的樣本數(shù)據(jù)應(yīng)用于模型訓(xùn)練，且在訓(xùn)練過(guò)程中利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能，根據(jù)焚燒爐的運(yùn)行工況將樣本數(shù)據(jù)進(jìn)行逐步更 新，提高垃圾熱值在線測(cè)量的精度。
4、 如權(quán)利要求1 3任一項(xiàng)所述的基于垃圾熱值軟測(cè)量的垃圾焚燒控制方法，其特征在 于歩驟(4)中垃圾熱值在線軟測(cè)量模型的輸入?yún)?shù)來(lái)源于垃圾焚燒過(guò)程控制系統(tǒng)的在線運(yùn)行數(shù)據(jù)，將在線監(jiān)測(cè)的垃圾熱值反饋到垃圾焚燒過(guò)程控制系統(tǒng)，使操作人員能夠掌握焚燒爐運(yùn) 行過(guò)程中垃圾熱值的整體變化趨勢(shì)，并將垃圾熱值作為控制系統(tǒng)的一個(gè)邏輯判斷分支，指導(dǎo) 垃圾焚燒過(guò)程控制，為運(yùn)行參數(shù)的調(diào)整和優(yōu)化提供依據(jù)。
全文摘要
本發(fā)明公開(kāi)了一種基于垃圾熱值軟測(cè)量的垃圾焚燒控制方法。其步驟是確定垃圾熱值軟測(cè)量模型的輸入?yún)?shù)和輸出參數(shù)；構(gòu)建基于小腦神經(jīng)網(wǎng)絡(luò)模型的垃圾熱值軟測(cè)量整體模型；將垃圾熱值軟測(cè)量模型嵌入垃圾焚燒發(fā)電廠的控制系統(tǒng)，應(yīng)用控制系統(tǒng)采集的樣本數(shù)據(jù)訓(xùn)練所構(gòu)建的模型，實(shí)現(xiàn)垃圾熱值的在線軟測(cè)量。本發(fā)明填補(bǔ)了垃圾焚燒過(guò)程中基于運(yùn)行參數(shù)的垃圾熱值在線測(cè)量的空白，可以得到一定置信度的垃圾熱值整體變化趨勢(shì)，方便操作人員掌握焚燒爐運(yùn)行過(guò)程中垃圾熱值的變化情況，并將垃圾熱值的監(jiān)測(cè)結(jié)果作為垃圾焚燒過(guò)程控制系統(tǒng)的一個(gè)邏輯判斷分支，為運(yùn)行參數(shù)的調(diào)整和優(yōu)化提供依據(jù)。
文檔編號(hào)F23G5/50GK101476731SQ20081022072
公開(kāi)日2009年7月8日 申請(qǐng)日期2008年12月31日 優(yōu)先權(quán)日2008年12月31日
發(fā)明者姚順春, 易新建, 娉 李, 李春健, 凱 沈, 陸繼東 申請(qǐng)人:華南理工大學(xué)