基于神經(jīng)網(wǎng)絡(luò)的生活垃圾低位熱值計(jì)算模型的研究與應(yīng)用

張瑛華，張友富，王 洪

（1.中國(guó)恩菲工程技術(shù)有限公司，北京市，100038；2.國(guó)家電網(wǎng)公司直流建設(shè)分公司，北京市，100052；3.中國(guó)電力科學(xué)研究院，北京市，100055）

0 引言

近幾年，城市垃圾焚燒發(fā)電作為環(huán)保和新能源項(xiàng)目得到了快速發(fā)展。生活垃圾發(fā)電具有能源回收利用和減少環(huán)境污染的優(yōu)點(diǎn)，在歐美及東南亞地區(qū)都得到很好的應(yīng)用和發(fā)展[1-6]。如荷蘭、法國(guó)、德國(guó)等國(guó)垃圾焚燒率2005年之前就接近1/3，瑞士、新加坡、丹麥、瑞典達(dá)到了50%左右，日本更超過(guò)了70%。而我國(guó)的垃圾焚燒發(fā)電處于剛開(kāi)始發(fā)展的階段。我國(guó)焚燒處理的城市生活垃圾僅占10%，完工和在建的城市垃圾發(fā)電廠(chǎng)約50座，隨著我國(guó)經(jīng)濟(jì)進(jìn)一步發(fā)展和垃圾無(wú)害化處理率不斷提高，垃圾焚燒發(fā)電產(chǎn)業(yè)前景廣闊。

生活垃圾低位熱值的選取對(duì)垃圾焚燒發(fā)電廠(chǎng)的設(shè)計(jì)起著關(guān)鍵性作用，直接影響了垃圾焚燒發(fā)電廠(chǎng)的設(shè)備選型、投資及運(yùn)營(yíng)期效益。目前，工程中常采用實(shí)驗(yàn)室測(cè)定和經(jīng)驗(yàn)公式兩種方法確定垃圾熱值。根據(jù)CJ/T 3039—95《城市生活垃圾采用和物理分析方法》中規(guī)定，實(shí)驗(yàn)室測(cè)定法一般采用氧彈式熱量計(jì)測(cè)定，工程中通常采用經(jīng)驗(yàn)公式法。由于垃圾成分復(fù)雜，很難準(zhǔn)確計(jì)算其熱值與各成分之間的關(guān)系。同時(shí)，在不具備采樣測(cè)定的條件下，工程中經(jīng)常會(huì)采用經(jīng)驗(yàn)公式法計(jì)算垃圾熱值。目前，關(guān)于垃圾熱值計(jì)算的經(jīng)驗(yàn)公式很多，與實(shí)驗(yàn)室測(cè)定熱值差異也不一樣。

本文在總結(jié)各城市垃圾熱值的基礎(chǔ)上，建立了基于神經(jīng)網(wǎng)絡(luò)的生活垃圾熱值計(jì)算模型，一定程度上可以有效預(yù)測(cè)城市生活垃圾的熱值大小。

1 低位熱值的計(jì)算方法

根據(jù)工程經(jīng)驗(yàn)，要保證焚燒爐穩(wěn)定燃燒并保證850℃以上煙氣滯留時(shí)間不小于2 s，爐渣熱灼減率小于5%，垃圾平均低位熱值應(yīng)達(dá)到4 200 kJ/kg以上[7]。

低位熱值是焚燒爐選擇的重要依據(jù)，其計(jì)算主要有3種分析方法，即物理成分分析法、元素分析法和近似分析法。運(yùn)用最廣泛的為Khan物理成分模型[2]和Dulong元素分析模型[8]。

Khan物理成分模型為

式中：H1為低位熱值，kJ/kg；F為食物類(lèi)含量；Pa為紙類(lèi)含量；Pl為塑料類(lèi)含量；W為水分含量。

Dulong模型為

式中：Hz為低位熱值，kJ/kg；C為碳含量；H為氫含量；O為氧含量；S為硫含量；N為氮含量。

由于垃圾成分的復(fù)雜性，以及成分間的相互作用，使得公式計(jì)算結(jié)果與實(shí)際熱值之間有較大的誤差。而神經(jīng)網(wǎng)絡(luò)能進(jìn)行聯(lián)想和記憶推理，因而具有很大的容錯(cuò)性，對(duì)于不精確的、矛盾和錯(cuò)誤的數(shù)據(jù)，它都能進(jìn)行推理并得出很好的結(jié)果。神經(jīng)網(wǎng)絡(luò)的知識(shí)處理系統(tǒng)不存在知識(shí)獲取的瓶頸問(wèn)題，具有很強(qiáng)的容錯(cuò)、信息的分布式表示、學(xué)習(xí)和自組織能力，多層神經(jīng)網(wǎng)絡(luò)系統(tǒng)更具有強(qiáng)大的解算能力和處理實(shí)際問(wèn)題的能力[9-10]，因而是熱值計(jì)算和預(yù)測(cè)的理想工具。本文以以往各城市生活垃圾物理成分為樣本訓(xùn)練，建立基于神經(jīng)網(wǎng)絡(luò)的生活垃圾熱值計(jì)算模型。

2 神經(jīng)網(wǎng)絡(luò)模型的選擇

神經(jīng)網(wǎng)絡(luò)是具有快速信息處理能力、分布式信息存儲(chǔ)記憶的能力、很高的自適應(yīng)和自學(xué)習(xí)能力、較強(qiáng)的容錯(cuò)能力的一類(lèi)大規(guī)模非線(xiàn)性系統(tǒng)，因此它非常適用于生活垃圾熱值計(jì)算分析這樣的非線(xiàn)性和非確定性領(lǐng)域。

神經(jīng)網(wǎng)絡(luò)的知識(shí)獲取并不需要知識(shí)工程師從領(lǐng)域?qū)＜业慕?jīng)驗(yàn)中提取，它只是對(duì)大量熱值試驗(yàn)數(shù)據(jù)進(jìn)行學(xué)習(xí)，自動(dòng)從試驗(yàn)結(jié)果中提取知識(shí)，獲得的知識(shí)隱含地分布儲(chǔ)存在神經(jīng)網(wǎng)絡(luò)中。

在選擇神經(jīng)網(wǎng)絡(luò)模型時(shí)，采用前向多層神經(jīng)網(wǎng)絡(luò)模型，即BP（back propagation）模型，其在訓(xùn)練網(wǎng)絡(luò)時(shí)采用誤差逆向傳播算法。理論上現(xiàn)已證實(shí)，在網(wǎng)絡(luò)隱含層節(jié)點(diǎn)根據(jù)需要設(shè)定的前提下，3層BP神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)以任意精度逼近任意連續(xù)函數(shù)的功能。因此，采用3層網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)形式，組成輸入層、隱含層與輸出層3部分，如圖1所示。

網(wǎng)絡(luò)知識(shí)獲取算法的基本思路是：對(duì)于給定的輸入值[X X]，通過(guò)網(wǎng)絡(luò)特性函數(shù)計(jì)算輸出層的輸出值[Y Y]，并與預(yù)先的設(shè)定值對(duì)比，得到誤差。然后將輸出層節(jié)點(diǎn)的誤差逐層向輸入層逆向傳播，分配給各連接節(jié)點(diǎn)，從而計(jì)算出各連接節(jié)點(diǎn)的參考誤差，并據(jù)此對(duì)各個(gè)連接節(jié)點(diǎn)的連接權(quán)[W W]進(jìn)行相應(yīng)調(diào)整，得到適應(yīng)要求的網(wǎng)絡(luò)映射關(guān)系，使最終的輸出層誤差限符合要求的最小值。

3 神經(jīng)網(wǎng)絡(luò)分析模型的研究

3.1 神經(jīng)網(wǎng)絡(luò)系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)

隱含層神經(jīng)元數(shù)目采用式（3）確定

式中：Nh為隱含層神經(jīng)元數(shù)；Ni為輸入層神經(jīng)元數(shù)；No為輸出層神經(jīng)元數(shù)；r為0～10間的整數(shù)[9]。

網(wǎng)絡(luò)特性函數(shù)采用Sigmoid函數(shù)，見(jiàn)式（4）。

輸出層的神經(jīng)元的實(shí)際輸出值只能趨近0或1。因此，在設(shè)置訓(xùn)練樣本時(shí)，輸入樣本及處理輸出結(jié)果均采用線(xiàn)性比例的導(dǎo)入、導(dǎo)出規(guī)則，將輸入數(shù)據(jù)預(yù)處理成（0，1）區(qū)間的數(shù)值，最后將（0，1）區(qū)間的輸出值轉(zhuǎn)變回原來(lái)的表達(dá)形式。

3.2 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)為9個(gè)，分別為各垃圾成分的比例含量：塑料橡膠、紙張、紡織物、木竹、瓜果皮廚余、金屬、玻璃、灰土、水分。輸出參數(shù)1個(gè)，為低位熱值大小。訓(xùn)練樣本選用14個(gè)城市生活垃圾的組成百分比和熱值大小，如表1[11]所示。BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)對(duì)14個(gè)樣本訓(xùn)練情況見(jiàn)圖2。當(dāng)?shù)?4 651次時(shí)，誤差小于10-5，表明收斂較好。

4 應(yīng)用實(shí)例分析

訓(xùn)練后的BP網(wǎng)絡(luò)系統(tǒng)分別對(duì)我國(guó)3個(gè)城市的垃圾熱值進(jìn)行分析。公式法、試驗(yàn)測(cè)量法以及BP神經(jīng)網(wǎng)絡(luò)法對(duì)各工程計(jì)算結(jié)果如表2所示。

表1 各個(gè)城市的生活垃圾組分及熱值Tab.Tab.1 1 The solid waste composition and calorific value of various cities

表2 各個(gè)城市的生活垃圾組分及熱值Tab.2 The solid waste composition and calorific value of various cities

從表2的計(jì)算結(jié)果對(duì)比分析可以看出，本文采用的計(jì)算模型比Khan物理成分模型計(jì)算結(jié)果更接近實(shí)驗(yàn)室測(cè)量結(jié)果，偏差在8.30%～11.03%之間。但城市3垃圾的實(shí)驗(yàn)測(cè)量結(jié)果為3 327 kJ/kg，明顯低于公式計(jì)算及本文計(jì)算結(jié)果。考慮到垃圾成分分析單位采用各成分樣測(cè)定熱值后加權(quán)平均，由于各成分樣取樣少，實(shí)驗(yàn)室測(cè)定結(jié)果產(chǎn)生偶然性誤差的可能性較大。

另外，進(jìn)一步分析還可以發(fā)現(xiàn)，Khan物理成分模型及神經(jīng)網(wǎng)絡(luò)模型的計(jì)算結(jié)果均高于實(shí)際測(cè)量值。這里主要原因是Khan物理成分計(jì)算模型中的各部分為理想成分，實(shí)際垃圾中組分受到灰土及水分的腐蝕和污染等影響，熱值有一定降低。而神經(jīng)網(wǎng)絡(luò)分析模型中的各物理成分因垃圾采樣分析時(shí)的人工分類(lèi)存在差異，并且各組分受到灰土及水分等腐蝕和污染等影響不一，熱值不同。因此，在應(yīng)用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分析時(shí)，要根據(jù)訓(xùn)練樣本情況對(duì)結(jié)果進(jìn)行適當(dāng)修正。

5 結(jié)論

本文利用BP神經(jīng)網(wǎng)絡(luò)，結(jié)合已有的城市垃圾熱值數(shù)據(jù)，建立了基于神經(jīng)網(wǎng)絡(luò)的城市垃圾熱值計(jì)算模型。該模型對(duì)幾個(gè)城市垃圾焚燒工程項(xiàng)目進(jìn)行分析，結(jié)果表明該系統(tǒng)能準(zhǔn)確計(jì)算熱值的大小，滿(mǎn)足工程設(shè)計(jì)的要求。因此，將神經(jīng)網(wǎng)絡(luò)引入垃圾焚燒熱值的預(yù)測(cè)計(jì)算，有利于準(zhǔn)確計(jì)算城市生活垃圾的焚燒熱值大小，優(yōu)化設(shè)備選型，為垃圾焚燒發(fā)電廠(chǎng)的設(shè)計(jì)、建設(shè)和運(yùn)營(yíng)提供依據(jù)。

[1]Vollebergh H.Environmental externalities and social optimality in biomass markets:waste-to-energy in the Netherlands and biofuels in France[J].Energy Policy，1997，25（6）：605-621.

[2]Abu-Qudais，Moh'd，Abu-Qdais，et al.Energy content of municipal solid waste in Jordan and its potential utilization[J].Energy Conversion&Management，2000，41：983-991.

[3]Murphy J D，McKeogh E.Technical，economic and environmental analysis of energy production from municipal solid waste[J].Renewable Energy，2004，29（7）：1043-1057.

[4]Sufian M A，Bala B K.Modelling of electrical energy recovery from urban solid waste system:The case of Dhaka city[J].Renewable Energy，2006，31（10）：1573-1580.

[5]袁 克，蕭惠平，李曉東.中國(guó)城市生活垃圾焚燒處理現(xiàn)狀及發(fā)展分析[J].能源與環(huán)境，2008（5）：43-46.

[6]黃生琪，周菊華.談城市生活垃圾焚燒發(fā)電技術(shù)現(xiàn)狀及發(fā)展[J].應(yīng)用能源技術(shù)，2007（3）：42-45.

[7] 許先壁.垃圾焚燒發(fā)電技術(shù)概要[J].鍋爐技術(shù)，1999，30（7）：29-32.

[8]Kathirvale S，Yunus M，Sopian K，et al.Energy potential from municipal solid waste in Malaysia[J].Renewable Energy，2003，29（4）：559-567.

[9]李學(xué)橋，馬 莉.神經(jīng)網(wǎng)絡(luò)工程應(yīng)用[M].重慶：重慶大學(xué)出版社，1996.

[10]戴 葵.神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)技術(shù)[M].長(zhǎng)沙：國(guó)防科技大學(xué)出版社，1998.

[11]李曉東，陸勝勇.中國(guó)部分城市生活垃圾熱值的分析[J].中國(guó)環(huán)境科學(xué)，2001，21（2）：156-160.