多種廢水制備水煤漿智能化專家系統的設計及應用

劉建忠，王雙妮，李得第，王金乾

（浙江大學能源清潔利用國家重點實驗室，浙江杭州310027）

煤轉化過程中產生的高濃度有機廢水屬于成分復雜、危害大、處理困難的廢水[1-2]，傳統的廢水處理手段一般具有高成本、低效率的弊端，無法資源化利用高濃度有機廢水中含有的熱值[3-4]。水煤漿技術在我國已是研究多年應用廣泛的成熟技術，因而可以利用有機廢水制備水煤漿，對有機廢水實現低成本資源化利用[5]。

目前國內外利用廢水制漿已有一些研究，閔凡飛等[6]用3 種焦化廠工業廢水可以制備出性能較好的水煤漿，并且部分廢水水煤漿穩定性優于自來水水煤漿；鄭福爾等[7]用印染廢水制備的水煤漿流動性較好，具有剪切變稀性能；Shao 等[8]用玉米和木薯酒精發酵廢水制備水煤漿，漿體表觀黏度較高，剪切變稀性能較強，且具有較好的降解性能。汪逸等[9]利用煤氣化廢水制備水煤漿，相比于去離子水煤漿能提高漿體的成漿濃度，具有較好的工業應用前景。

同時也有一些研究針對廢水中某種具體成分對成漿性能的影響，Zhang 等[10]研究了工業廢水中微量含氧有機分子對水煤漿流變性能的影響，發現水煤漿的黏度和屈服應力隨有機小分子的存在而增大，對水煤漿制備有負面影響。Wang 等[11]研究了氨氮和揮發酚對料漿黏度的影響，得到氨氮的作用與溶液的酸堿度有關，而揮發酚對廢水有機物含量范圍的影響有限。Makarov 等[12]利用酸性和堿性廢水以及含有酒精的液體廢物與自來水進行對比，得到廢水水煤漿的pH 向中性區轉移，并且可以制出性能符合要求的水煤漿，廢水中的有機成分還可以提高燃料的熱值。Liu 等[13]研究了污泥水熱處理產生的廢液制備水煤漿對成漿性的影響，發現有機化合物（烷烴、胺類、酚類、雜環類等）溶解在廢液中，其中一些起到了添加劑的作用，提高了漿體的流動性。

目前的研究主要為單一廢水，由于不同廢水對成漿的影響不一，而實際工業應用中往往存在多種廢水，因此，需要開展多種廢水制漿研究。針對來源不同的多種有機廢水，通過大量的人工配比實驗，進行了廣泛深入的多種廢水成漿性實驗研究。由于廢水來源廣泛，對水煤漿成漿性的影響各異，如能根據廢水的成分組成預測廢水水煤漿濃度，將有效提高廢水水煤漿的清潔高效生產。

為此，本文介紹了一款用于指導多種工業有機廢水制備水煤漿的智能化軟件系統。該軟件在專家經驗知識的支持下，運用神經網絡技術，將計算機軟件應用于復雜的多種廢水制漿，實現廢水成漿效果的最優化，從而更加有效利用廢水資源，降低制漿成本，提高廢水煤漿的成漿性能。

1 核心算法

1.1 廢水煤漿成漿濃度預測模型

工業廢水種類繁多、成分復雜，各種因素相互影響，相互制約，若僅采用簡單的線性關系來推斷多種廢水水煤漿的成漿濃度，誤差較大。以表1中的幾種廢水為例，廢水中的氨氮、化學需氧量、金屬離子和鹽類化合物等含量較高，這些成分是很多廢水中存在并較難處理的污染物，且這幾種類型的物質往往對水煤漿性質影響較大。根據相關研究結果，氨氮使得水煤漿中的添加劑呈雙層吸附，水化膜變厚，不利于提高成漿濃度，對成漿性起到負面影響；化學需氧量代表的有機物有利于提高添加劑吸附量，對成漿性起到正面影響；不同的金屬離子作用機理不同，主要表現為與添加劑的相互作用，從而有著不同的影響效果[14-15]，所以將這些因素建立為有效因子，運用神經網絡的方法發掘這些因子和成漿濃度之間的非線性關系，從而建立廢水水煤漿成漿濃度預測模型。

表1 廢水中的主要成分含量 單位：mg·L-1

BP 神經網絡是一種在數據統計領域經典的神經網絡建模算法，是最為廣泛使用的神經網絡模型之一，常應用于非線性函數的預測。BP 神經網絡算法可以通過輸入大量數據樣本進行訓練，將樣本進行分類，快速總結輸入樣本與輸出結果之間的映射關系[16]。

圖1 水煤漿濃度預測模型的基本構建流程

本系統建立的模型是根據制漿過程中多種廢水的組成成分和廢水的混合比例，預測廢水水煤漿的成漿濃度。也就是將通過大量實驗得到的摻混不同比例廢水的廢水水煤漿成漿濃度設定為樣本數據，從而構建出廢水水煤漿成漿濃度的預測模型。在模型的構建過程中，采用了80 組不同工況下一系列成漿數據進行訓練，這80 組數據包括單種廢水及各種廢水按不同比例混合的黏濃特性數據，其中各種廢水混合數據包括兩種廢水混合、3 種廢水混合、4 種廢水混合，每組數據包含5 個點。預測模型的基本構建流程如圖1所示。

第一步：初始樣本數據預處理。未經預處理的初始輸入數據（廢水組分數據）過大可能會導致神經網絡收斂慢并影響計算的準確性。本文采用歸一化處理將數據進行修正，便于后續程序處理。

第二步：確定網格結構和初始參數。神經初始參數的設定參考了之前的相關研究[17]，首先引入相關關系最密切的3 個因子，設置輸入層為COD、Na、NH3-N 這3個節點，輸出層為1個節點，即廢水水煤漿成漿濃度，設定隱層神經元個數為13。

第三步：神經網絡訓練。按照上述的預測模型及參數設置，對預處理后的廢水組分樣本數據以及輸出值即不同摻混比例的多種廢水水煤漿的成漿濃度數據進行訓練，直至誤差達到要求。

第四步：模型評估與修改。通過第三步不斷進行神經網絡訓練，結果滿足相關要求后，還要對模型的精度進行評估。若評估結果不合格，則重復第二步調整網絡結構及參數，再次隨機選取預處理后的樣本數據進行訓練，并得到新模型。

第五步：訓練結果滿足要求后，則保存預測模型，結束訓練過程。

1.2 廢水優化配比模型

最優廢水混合模型本質上是一個線性規劃問題，即根據各種廢水的成分數據、設定的廢水混合比例范圍和計算最優配比的目標函數，構建出多種廢水優化配比模型。由于廢水成分與水煤漿成漿濃度的對應關系復雜，為非線性關系，故本系統采用窮舉法求解廢水優化配比問題，窮舉法由于其工作量較大，所以精確度也較高。廢水優化配比模型的建立具體步驟如圖2，其流程與水煤漿濃度預測模型的建立類似。

圖2 廢水優化配比模型基本構建流程

2 專家系統功能架構

此款專家系統能夠通過數據庫中錄入的添加劑的信息、煤種數據和多種廢水的成分數據，預測廢水水煤漿的成漿濃度；亦可以根據多種廢水的成分信息，確定多種廢水混合的最佳配比，同時得到適配性最好的添加劑，為廢水水煤漿的實際工業生產提供技術指導，提高廢水利用效率。

這種功能強大且易于操作的智能化專家系統能夠指導多種廢水混合制漿的最佳配比，最大限度地提高廢水水煤漿的濃度，提高燃燒熱值和水煤漿氣化的利用效率，降低水煤漿制備及泵送過程的耗能。

2.1 數據管理

專家系統中儲存有數據庫，如圖3所示，包括廢水主要成分數據庫和煤種數據庫，因為這二者為制漿過程中最大的影響因素。后期可根據需要導入不同的廢水和煤種數據。數據庫中還存有不同種添加劑，在輸出預測成漿濃度的同時，還會得出最適合本次制漿的添加劑。

2.2 計算廢水最佳配比

專家系統中的程序可以根據廢水水煤漿成漿濃度預測模型中的不同廢水成分與成漿濃度的對應關系，通過反復計算，得到廢水水煤漿最佳的廢水配比，并根據對應混合廢水的成分組成，匹配出適配性最好的添加劑。圖4 為最佳配比計算結果界面。得出最佳的廢水配比后，可以根據篩選得到的添加劑和此廢水配比計算出預測的廢水水煤漿濃度，預測成漿濃度計算結果界面如圖5所示。

3 專家系統的應用

為了驗證專家系統預測成漿濃度的準確性，進行了14 組不同廢水比例的成漿性實驗，并將實際實驗結果與預測結果進行對比。實驗所用煤種為神華煤，其工業分析及元素分析數據見表2。實驗所用廢水主要為工業廢水、洗氣水、碳化水和硫磺水，見表1。工業廢水為該廠從周邊工廠收集并通過制備水煤漿進行處理的廢水，洗氣水、碳化水和硫磺水為該廠煤氣化及合成氨生產過程產生的廢水。廢水主要成分已在表1中列出。

圖3 廢水數據庫及煤種數據庫

圖4 最佳配比計算結果界面

圖5 預測成漿濃度計算結果界面

實驗所用神華煤煤粉粒度分布見圖6，煤粉平均粒度為22.47μm，在比較合理的范圍。

圖6 煤粉粒度分布

5 種廢水單獨成漿的成漿濃度如圖7 所示，可以看出在5種廢水中，碳化水的成漿濃度最低，低于去離子水水煤漿，而由表1可知碳化水中的氨氮含量最高，COD 含量最低，說明廢水中的氨氮對成漿性能有負面作用[14]。其余4種廢水的成漿濃度均比去離子水水煤漿高，由表1可知它們的COD含量均處于較高水平，因此廢水中的COD 對成漿性能起到正面作用。在單種廢水制漿中，可看出成分含量與成漿特性的相關性比較強，但是多種廢水混合制漿則需要專家系統來進行判斷。

圖7 不同廢水成漿的成漿特性曲線

14 組不同廢水比例制得的廢水水煤漿成漿性如圖8所示，14組混合廢水的具體摻混比如表3所示，由圖8及表3中編號6、8、9和13 可看出，將成漿濃度最高的洗氣水比例增加時促進作用增強，廢水水煤漿成漿性提高。由編號1、2、3、4 和10可看出，增加同樣具有促進作用的工業廢水比例，成漿性并沒有變好，因此配比廢水成漿性不能根據單種廢水的作用情況判斷，是多因子間相互作用相互影響的結果。

將實驗所得的廢水水煤漿實際濃度，與專家系統計算出成漿濃度進行對比，得到預測值與測試值的誤差均小于10%，對比結果如圖8所示，綜上所述，該專家系統在實際應用中準確性較高，誤差值較小，能夠滿足企業生產的要求。

表2 煤種的工業分析及元素分析

表3 不同廢水比例

圖8 專家系統預測成漿濃度與實際成漿濃度對比

4 結論

本文建立的多種廢水制備水煤漿智能化專家指導系統是以廢水和煤種數據庫為核心，數據收集、存儲、推理、添加劑選擇等各功能模塊相結合，進行最佳廢水優化配比求解、煤種和添加劑選擇、廢水煤漿成漿濃度預測的計算機程序。其中廢水煤漿成漿濃度預測采用了BP 神經網絡算法，求解制漿廢水的最佳配比問題則采用窮舉法。

針對多種廢水水煤漿實驗的實際情況，運用該專家指導系統分析了廢水配比和水煤漿濃度之間的關系，并根據預測結果與實際測試結果對比，得到預測值與實測值的誤差均小于10%，此專家系統為廢水水煤漿的制備提供了快速、準確的技術方法。