垃圾池焚燒一體智能化模型建立與實證分析

曾衛東，田 爽，王傲寒

垃圾池焚燒一體智能化模型建立與實證分析

曾衛東，田 爽，王傲寒

（西安熱工研究院有限公司，陜西 西安 710054）

針對傳統垃圾熱值計算的大滯后性問題，本文依靠對垃圾池入爐量及發酵天數等數據的采集，利用數學手段進行分析，建立智能化數學模型，預測垃圾入爐量。利用該一體智能化模型，可在垃圾劇烈燃燒嚴重影響爐溫之前獲得蒸汽負荷。該模型可以針對不同垃圾爐的不同特性，對不同工況的焚燒爐進行預測建模。本文研究結果可為后續垃圾發電廠自動燃燒控制系統（ACC）的投入提供重要依據。

垃圾焚燒；智能化模型；垃圾池；最小二乘法；多項式擬合；預測建模

垃圾熱值分為低低、低、中等、高4個等級，根據不同等級的垃圾熱值設置不同的燃燒調整策略。但是現有垃圾熱值計算具有很大滯后性。實踐中，主要依靠司爐人員的經驗判斷，這對司爐人員的要求比較高，而且調整往往具有一定滯后性，導致垃圾焚燒自動控制無法很好地實現，需要過多的人員手動干預，影響垃圾焚燒處理效率[1]。因此，需要研究城市生活垃圾的熱值和發酵時間等因素之間的關系，建立并優化垃圾熱值計算方法，最大限度降低垃圾熱值計算的滯后性影響因素，將其更科學地應用于垃圾焚燒自動化控制，進而優化垃圾焚燒自動化控制方案，達到更高效地進行垃圾焚燒處理的目的[2]。

本文基于最小二乘法和多項式擬合的原理，根據垃圾入爐量和垃圾發酵時間來預測鍋爐蒸汽負荷。通過建立模型，找出相關關系，就可根據運行需求，設定鍋爐負荷，調節垃圾入爐量，進而控制垃圾蒸發量[3-4]。

1 建立最小二乘法與多項式擬合模型

1.1 最小二乘法原理

最小二乘法是通過最小化誤差的平方和尋找數據的最佳函數匹配的一種數學方法[5]。利用最小二乘法可以簡便地求得未知的數據，并使得這些求得的數據與實際數據之間誤差的平方和為最小。

1.2 最小二乘法與多項式擬合預測

擬合預測是建立一個數學模型去逼近實際數據序列的過程。焚燒爐投運時，通過給定蒸發量和給定垃圾發酵時間計算出理論給定垃圾入爐量。其中，給定鍋爐蒸發量根據實際的運行需求及鍋爐負荷設定，給定垃圾發酵天數是由垃圾吊控制室記錄給出[6]。選取垃圾入爐量和垃圾發酵時間作為自變量，鍋爐蒸發量作為因變量，尋求三者間函數關系=(,)。在某種準則下與所有數據點最為接近，即曲線擬合得最好[7-9]。

設給定的一組數據(x,y,z) (=0,1,2,3,…,)，共+1個數據點，取多項式(,)，使

式中，a(=0,1,2,3,…,)為待求未知系數，多項式最高次冪為[10]。

最小二乘法實現流程如圖1所示。

圖1 最小二乘法實現流程

2 實證分析

為了驗證本文模型在垃圾發電負荷預測中的有效性，選取某垃圾發電廠3臺焚燒爐全年的蒸發量數據分季度進行多項式模型擬合。結合電廠運行三班倒班制，選用8 h垃圾入爐總量、垃圾發酵天數以及8 h蒸發總量來進行模型的數據擬合，部分數據見表1。

表1 某垃圾焚燒發電廠3臺爐全年燃燒參數

Tab.1 The full-year combustion parameters of three furnaces in a waste incineration power plant

應用MATLAB分別對春、夏、秋、冬各季度的樣本數據進行擬合[11]，樣本數據不包含電廠停爐檢修的數據，其運行結果如圖2所示。MATLAB主程序如圖3所示。

圖2 多項式擬合結果對比

圖3 MATLAB主程序

擬合分別得到春、夏、秋、冬季平均誤差約為14.2%、15.3%、14.5%、14.3%。分析得知，由于采樣周期內，焚燒爐需要定期停爐檢修，重新啟爐后因其爐內熱容積低，造成再次啟爐后產生異常數據。這些數據多是與理論值相差較大的實際值，可以將這些異常數據視為粗大誤差。在判別某個測量值是否有粗大誤差時，可以采用3準則進行判斷，若滿足粗大誤差條件將該數據剔除[12-13]。

結合運行人員的經驗，本文選取了50組數據作為擬合樣本，10組數據作為測試樣本。將數據代入MATLAB程序中，得到擬合樣本結果對比如圖4所示。由圖4可見，整體數據平均誤差約為8%。

圖4 擬合樣本結果對比

因此，可以近似地將垃圾入爐量、垃圾發酵時間和蒸發量三者之間的相關性，擬合為多項式函數表達式，即

將測試樣本的垃圾入爐量和垃圾發酵時間代入式(3)用以驗證多項式的可行性。實際與預測誤差對比如圖5所示。由圖5可知，誤差在工況允許范圍內。因此本文針對該廠3臺爐所建立的多項式模型可用于該垃圾焚燒發電廠焚燒一體智能給料平臺。

3 總結與展望

1）垃圾入爐量與蒸發量相關性的數學模型的建立，能夠為垃圾發電廠自動燃燒控制系統（ACC系統）提供重要依據[14-15]。

2）傳統的ACC系統控制里，利用鍋爐熱平衡原理估算垃圾入爐的熱值，有一定時間的滯后，這種大滯后的工況給ACC系統控制帶來了不可預知的不穩定性。而垃圾入爐量與蒸發量數學模型的建立，使垃圾熱值計算提前于垃圾燃燒工況之前，降低了入爐垃圾的熱值波動對焚燒爐燃燒工況的影響，同時可以為司爐人員提供便利，準確指導垃圾吊工作人員對垃圾入爐量進行控制，減少了人為因素的干擾，對垃圾發電廠高效發電具有指導意義。

3）該模型可以針對不同垃圾爐的特性不同，依據大量的歷史數據進行分析與篩選，對不同工況的焚燒爐建立預測建模。對于垃圾發電廠智能化控制系統的建立具有重要意義。

［1］ 唐濤, 周建新, 龍良雨, 等. 垃圾發電廠采用的自動化技術[J]. 電力系統自動化, 2006, 30(24): 94-96.

TANG Tao, ZHOU Jianxin, LONG Liangyu, et al. Automation technology used in garbage power plants[J]. Automation of Electric Power Systems, 2006, 30(24): 94-96.

［2］ 唐素琴, 唐浩, 楊雪麗, 等. 杭州市生活垃圾發酵時間與焚燒熱值及含水率的關系實驗[J]. 環境衛生工程, 2010, 18(6): 26-27.

TANG Suqin, TANG Hao, YANG Xueli, et al. Experimental study on relationship of Hangzhou domestic waste fermentation time with incineration heat value and moisture content[J]. Environmental Sanitation Engi- neering, 2010, 18(6): 26-27.

［3］ 肖會芹. 垃圾焚燒過程自適應模糊復合控制策略[J]. 計算機工程與應用, 2010, 46(3): 201-203.

XIAO Huiqin. Adaptive fuzzy composite control strategy for waste incineration process[J]. Computer Engineering and Applications, 2010, 46(3): 201-203.

［4］ 李華, 趙由才, 王羅春. 垃圾堆酵對焚燒廠垃圾熱值的影響[J]. 上海環境科學, 2000(2): 89-91.

LI Hua, ZHAO Youcai, WANG Luochun. Effect of stacking and fermenting on the refuse thermal value in the incineration plant[J]. Shanghai Environmental Science, 2000(2): 89-91.

［5］ 畢慶濤, 姜國萍, 丁樹云. 含水量對紅粘土抗剪強度的影響[J]. 地球與環境, 2005(增刊1): 144-147.

BI Qingtao, JIANG Guoping, DING Shuyun. Water content influence on the shearing stength of red clay[J]. Earth and Environment, 2005(Suppl.1): 144-147.

［6］ 尤海輝, 馬增益, 唐義軍, 等. 循環流化床入爐垃圾熱值軟測量[J]. 浙江大學學報(工學版), 2017, 51(6): 1163-1172.

YOU Haihui, MA Zengyi, TANG Yijun, et al. Soft measurement of heating value of burning municipal solid waste for circulating fluidized bed[J]. Journal of Zhejiang University (Engineering Edition), 2017, 51(6): 1163-1172.

［7］ 張永濤, 賈延明. 最小二乘法中代數多項式曲線擬合的分析及實現[J]. 計算機與數字工程, 2017, 45(4): 637-639.

ZHANG Yongtao, JIA Yanming. Analysis and program implementation of least squares polynomial curve fitting[J]. Computer and Digital Engineering, 2017, 45(4): 637-639.

［8］ 陳海列, 許力, 許潤. 一種基于深度遞歸網絡的垃圾熱值預測方法[J]. 工業控制計算機, 2018, 31(12): 82-83.

CHEN Hailie, XU Li, XU Run. Predicting litter calorific value by using deep recursive networks[J]. Industrial Control Computer, 2018, 31(12): 82-83.

［9］ 曾衛東, 薛憲民, 薛景杰. 爐排爐垃圾焚燒控制特 點[J]. 熱力發電, 2004, 33(12): 57-58.

ZENG Weidong, XUE Xianmin, XUE Jingjie. Features of msw incineration control in stocker-fired boiler[J]. Thermal Power Generation, 2004, 33(12): 57-58.

［10］ 曾衛東, 姜茵. 垃圾焚燒發電廠分散控制系統的設計和應用[J]. 熱力發電, 2003, 32(8): 57-58.

ZENG Weidong, JIANG Yin. Design and application of distributed control system for power plant with msw inciner- ation[J]. Thermal Power Generation, 2003, 32(8): 57-58.

［11］ 徐亦唐. 基于最小二乘法的曲線擬合及其在MATLAB中的應用[J]. 電子世界, 2013(10): 102-103.

XU Yitang. Curve fitting based on least square method and its application in MATLAB[J]. Electronics World, 2013(10): 102-103.

［12］ 李莎, 曾喆昭. 基于Chebyshev多項式的神經網絡中長期負荷預測研究[J]. 經濟數學, 2015, 32(1): 99-102.

LI Sha, ZENG Zhezhao. The medium and long-term load forecasting based on Chebyshev polynomial neural-network[J]. Economic Mathematics, 2015, 32(1): 99-102.

［13］ 崔聰, 咸日常, 咸日明, 等. 基于最小二乘法的10 kV配電變壓器空載損耗工藝系數研究[J]. 變壓器, 2019, 56(5): 16-20.

CUI Cong, XIAN Richang, XIAN Riming, et al. Research on no-load loss technological coefficient of 10kV distribution transformer based on least squares method[J]. Transformer, 2019, 56(5): 16-20.

［14］ 敖朝華, 鄧薪莉, 郭兵. 垃圾焚燒爐燃燒過程的優化控制策略[J]. 環境工程, 2010, 28(1): 77.

AO Chaohua, DENG Xinli, GUO Bing. Optimizing control strategy of combustion process for rubbish incinerator[J]. Environmental Engineering, 2010, 28(1): 77.

［15］ 王智微, 范奇, 張浩, 等. 垃圾焚燒發電廠實時性能計算方法的研究與應用[J]. 熱力發電, 2012, 41(9): 30-34.

WANG Zhiwei, FAN Qi, ZHANG Hao, et al. Research and applications of real-time performance calculation for garbage power plant[J]. Thermal Power Generation, 2012, 41(9): 30-34.

Establishment and research of intelligent model for waste tank incineration

ZENG Weidong, TIAN Shuang, WANG Aohan

(Xi’an Thermal Power Research Institute Co., Ltd., Xi’an 710054, China)

In view of the lagging problem of conventional waste calorific value calculation, relying on collecting the data such as the amount of waste fed into the furnace and the number of fermentation days, this paper uses mathematical means to establish an intelligent mathematical model, and predict the amount of waste fed into the furnace. By applying this intellectualized model, the steam load can be obtained before the severe combustion of waste seriously affects the furnace temperature. The model can be used to build predictive models for different incinerators under different operating conditions according to their different characteristics. The research results provide an important basis for the input of automatic combustion control system (ACC) in subsequent waste power plants.

waste incineration, intelligent model, waste tank, least square method, polynomial fitting, prediction and modeling

X799；TP273

B

10.19666/j.rlfd.201907136

2019-07-08

曾衛東(1976—)，男，高級工程師，主要研究方向為電廠自動化及智能控制技術，zengweidong@tpri.com.cn。

曾衛東, 田爽, 王傲寒. 垃圾池焚燒一體智能化模型建立與實證分析[J]. 熱力發電, 2019, 48(9): 125-128. ZENG Weidong, TIAN Shuang, WANG Aohan. Establishment and research of intelligent model for waste tank incineration[J]. Thermal Power Generation, 2019, 48(9): 125-128.

（責任編輯 劉永強）