垃圾池焚烧一体智能化模型建立与实证分析

曾卫东，田 爽，王傲寒

垃圾池焚烧一体智能化模型建立与实证分析

曾卫东，田 爽，王傲寒

（西安热工研究院有限公司，陕西 西安 710054）

针对传统垃圾热值计算的大滞后性问题，本文依靠对垃圾池入炉量及发酵天数等数据的采集，利用数学手段进行分析，建立智能化数学模型，预测垃圾入炉量。利用该一体智能化模型，可在垃圾剧烈燃烧严重影响炉温之前获得蒸汽负荷。该模型可以针对不同垃圾炉的不同特性，对不同工况的焚烧炉进行预测建模。本文研究结果可为后续垃圾发电厂自动燃烧控制系统（ACC）的投入提供重要依据。

垃圾焚烧；智能化模型；垃圾池；最小二乘法；多项式拟合；预测建模

垃圾热值分为低低、低、中等、高4个等级，根据不同等级的垃圾热值设置不同的燃烧调整策略。但是现有垃圾热值计算具有很大滞后性。实践中，主要依靠司炉人员的经验判断，这对司炉人员的要求比较高，而且调整往往具有一定滞后性，导致垃圾焚烧自动控制无法很好地实现，需要过多的人员手动干预，影响垃圾焚烧处理效率[1]。因此，需要研究城市生活垃圾的热值和发酵时间等因素之间的关系，建立并优化垃圾热值计算方法，最大限度降低垃圾热值计算的滞后性影响因素，将其更科学地应用于垃圾焚烧自动化控制，进而优化垃圾焚烧自动化控制方案，达到更高效地进行垃圾焚烧处理的目的[2]。

本文基于最小二乘法和多项式拟合的原理，根据垃圾入炉量和垃圾发酵时间来预测锅炉蒸汽负荷。通过建立模型，找出相关关系，就可根据运行需求，设定锅炉负荷，调节垃圾入炉量，进而控制垃圾蒸发量[3-4]。

1 建立最小二乘法与多项式拟合模型

1.1 最小二乘法原理

最小二乘法是通过最小化误差的平方和寻找数据的最佳函数匹配的一种数学方法[5]。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。

1.2 最小二乘法与多项式拟合预测

拟合预测是建立一个数学模型去逼近实际数据序列的过程。焚烧炉投运时，通过给定蒸发量和给定垃圾发酵时间计算出理论给定垃圾入炉量。其中，给定锅炉蒸发量根据实际的运行需求及锅炉负荷设定，给定垃圾发酵天数是由垃圾吊控制室记录给出[6]。选取垃圾入炉量和垃圾发酵时间作为自变量，锅炉蒸发量作为因变量，寻求三者间函数关系=(,)。在某种准则下与所有数据点最为接近，即曲线拟合得最好[7-9]。

设给定的一组数据(x,y,z) (=0,1,2,3,…,)，共+1个数据点，取多项式(,)，使

式中，a(=0,1,2,3,…,)为待求未知系数，多项式最高次幂为[10]。

最小二乘法实现流程如图1所示。

图1 最小二乘法实现流程

2 实证分析

为了验证本文模型在垃圾发电负荷预测中的有效性，选取某垃圾发电厂3台焚烧炉全年的蒸发量数据分季度进行多项式模型拟合。结合电厂运行三班倒班制，选用8 h垃圾入炉总量、垃圾发酵天数以及8 h蒸发总量来进行模型的数据拟合，部分数据见表1。

表1 某垃圾焚烧发电厂3台炉全年燃烧参数

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

应用MATLAB分别对春、夏、秋、冬各季度的样本数据进行拟合[11]，样本数据不包含电厂停炉检修的数据，其运行结果如图2所示。MATLAB主程序如图3所示。

图2 多项式拟合结果对比

图3 MATLAB主程序

拟合分别得到春、夏、秋、冬季平均误差约为14.2%、15.3%、14.5%、14.3%。分析得知，由于采样周期内，焚烧炉需要定期停炉检修，重新启炉后因其炉内热容积低，造成再次启炉后产生异常数据。这些数据多是与理论值相差较大的实际值，可以将这些异常数据视为粗大误差。在判别某个测量值是否有粗大误差时，可以采用3准则进行判断，若满足粗大误差条件将该数据剔除[12-13]。

结合运行人员的经验，本文选取了50组数据作为拟合样本，10组数据作为测试样本。将数据代入MATLAB程序中，得到拟合样本结果对比如图4所示。由图4可见，整体数据平均误差约为8%。

图4 拟合样本结果对比

因此，可以近似地将垃圾入炉量、垃圾发酵时间和蒸发量三者之间的相关性，拟合为多项式函数表达式，即

将测试样本的垃圾入炉量和垃圾发酵时间代入式(3)用以验证多项式的可行性。实际与预测误差对比如图5所示。由图5可知，误差在工况允许范围内。因此本文针对该厂3台炉所建立的多项式模型可用于该垃圾焚烧发电厂焚烧一体智能给料平台。

3 总结与展望

1）垃圾入炉量与蒸发量相关性的数学模型的建立，能够为垃圾发电厂自动燃烧控制系统（ACC系统）提供重要依据[14-15]。

2）传统的ACC系统控制里，利用锅炉热平衡原理估算垃圾入炉的热值，有一定时间的滞后，这种大滞后的工况给ACC系统控制带来了不可预知的不稳定性。而垃圾入炉量与蒸发量数学模型的建立，使垃圾热值计算提前于垃圾燃烧工况之前，降低了入炉垃圾的热值波动对焚烧炉燃烧工况的影响，同时可以为司炉人员提供便利，准确指导垃圾吊工作人员对垃圾入炉量进行控制，减少了人为因素的干扰，对垃圾发电厂高效发电具有指导意义。

3）该模型可以针对不同垃圾炉的特性不同，依据大量的历史数据进行分析与筛选，对不同工况的焚烧炉建立预测建模。对于垃圾发电厂智能化控制系统的建立具有重要意义。

［1］ 唐涛, 周建新, 龙良雨, 等. 垃圾发电厂采用的自动化技术[J]. 电力系统自动化, 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, 杨雪丽, 等. 杭州市生活垃圾发酵时间与焚烧热值及含水率的关系实验[J]. 环境卫生工程, 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］ 肖会芹. 垃圾焚烧过程自适应模糊复合控制策略[J]. 计算机工程与应用, 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］ 李华, 赵由才, 王罗春. 垃圾堆酵对焚烧厂垃圾热值的影响[J]. 上海环境科学, 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］ 毕庆涛, 姜国萍, 丁树云. 含水量对红粘土抗剪强度的影响[J]. 地球与环境, 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］ 尤海辉, 马增益, 唐义军, 等. 循环流化床入炉垃圾热值软测量[J]. 浙江大学学报(工学版), 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］ 张永涛, 贾延明. 最小二乘法中代数多项式曲线拟合的分析及实现[J]. 计算机与数字工程, 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］ 陈海列, 许力, 许润. 一种基于深度递归网络的垃圾热值预测方法[J]. 工业控制计算机, 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］ 曾卫东, 薛宪民, 薛景杰. 炉排炉垃圾焚烧控制特 点[J]. 热力发电, 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］ 曾卫东, 姜茵. 垃圾焚烧发电厂分散控制系统的设计和应用[J]. 热力发电, 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线拟合及其在MATLAB中的应用[J]. 电子世界, 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多项式的神经网络中长期负荷预测研究[J]. 经济数学, 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］ 崔聪, 咸日常, 咸日明, 等. 基于最小二乘法的10 kV配电变压器空载损耗工艺系数研究[J]. 变压器, 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］ 敖朝华, 邓薪莉, 郭兵. 垃圾焚烧炉燃烧过程的优化控制策略[J]. 环境工程, 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, 张浩, 等. 垃圾焚烧发电厂实时性能计算方法的研究与应用[J]. 热力发电, 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

曾卫东(1976—)，男，高级工程师，主要研究方向为电厂自动化及智能控制技术，zengweidong@tpri.com.cn。

曾卫东, 田爽, 王傲寒. 垃圾池焚烧一体智能化模型建立与实证分析[J]. 热力发电, 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.

（责任编辑 刘永强）