垃圾焚烧炉蒸发量预测可行性研究

文_刘泽庆 上海环境卫生工程设计院有限公司

国内垃圾焚烧炉多采用往复式炉排炉，垃圾通过料斗进入垃圾焚烧炉，依次经过炉排干燥段、燃烧段、燃尽段，完成垃圾燃烧并落入除渣器。由于燃烧垃圾是由多种物料，如竹木、塑料、橡胶、纸、湿垃圾等组成，且难以混合均匀，在燃烧过程中，燃烧工况波动大，蒸发量一般在10%的范围内波动，影响焚烧炉及余热锅炉运行稳定，同时降低了发电效能。

燃烧过程属于非线性、强耦合、多变量、大滞后的复杂过程，难以精确建模。现有焚烧厂主要采用ACC系统进行焚烧控制，通过蒸发量、烟气种氧含量、炉膛温度等参数作为调控的主要依据，垃圾从焚烧炉入口到掉渣口需要1～2h，燃烧过程长，调节时滞性大，调整推料器给料频率后，反应至炉膛火焰温度等参数需要10～30min。

神经网络一种模仿生物神经网络的结构和功能的数学模型或计算模型,具有逼近任何非线性函数的能力，可以建立任何系统的非线性黑箱模型。神经网络在垃圾焚烧领域已有部分研究及应用案例。马晓茜等采用神经网络算法,建立垃圾焚烧炉入炉垃圾热值的预测模型，研究结果表明，该模型预测平均相对误差为2.64%。

本文通过建立基于梯度下降算法的4层神经网络，对蒸发量进行预测，以期实现蒸发量提前控制，实现蒸发量平稳，提高设备运行稳定性及发电效益。

1 神经网络模型构建简介

本文选用4层神经网络，输入层有14个输入变量： 一次风量、二次风量、燃尽段上部左侧温度、燃尽段上部右侧温度、焚烧炉出口左侧烟气温度、焚烧炉出口右侧烟气温度、第三烟道出口烟气温度、省煤器出口烟气温度、烟气含氧量、烟气量、炉膛压力、干燥段底部压力、燃烧一段底部压力、燃烧二段底部压力。

输入变量对蒸发量预测的作用：①焚烧炉出口温度。该参数可以表征垃圾焚烧剧烈程度，炉膛出口温度较高，火焰辐射强，将对干燥段垃圾形成较好的干化作用，对垃圾燃烧及蒸发量预测有重要意义。②燃尽段上部温度。该参数可以在一定程度表征垃圾火焰位置，如燃尽段上部温度偏高，说明垃圾火焰靠后，燃烧段上待燃烧垃圾的量较多，对后续蒸发量有较大影响。③干燥段、燃烧段底部压力，该参数与焚烧炉内压力差值为垃圾料层厚度的表征，而垃圾料层厚度影响着瞬时燃料量，如干燥段料层在10～15min会运动至燃烧段，所以干燥段对垃圾蒸发量预测提供重要指标；而烟气量、温度及烟气中氧气含量能够较好的表征当前的垃圾焚烧状况，由于垃圾本身由大颗粒组分，从垃圾外部到内部有一个相对较长的燃烧过程，当前燃烧状态能够在一定范围内表征后续燃烧状态，从而对蒸发量预测提供参考。

4层神经网络：第一个隐藏层有12个神经元，第二隐藏层有5个神经元，最后输出1个神经元来预测蒸发量。选用ReLU激活函数,使用有效的梯度下降算法Adam作为优化器。

训练数据：取洛阳某焚烧厂运行数据，一分钟一个采集数据，训练数据1000条（1000min），每条包含14个输入变量，一个输出变量。预测数据选取另外的100条数据（相当于进行了100次检验，采用相关系数R2作为检验最终的评价）。

本文要求输入变量后，预测Xmin后蒸发量，所以采用输入变量与Xmin后的蒸发量相对应，进行训练及预测。

2 预测结果分析

2.1 蒸发量预测提前预测时间与预测准确度分析

采用上述模型，分别进行10、13、16、19min蒸发量预测，相关系数R2分别为：0.72、0.71、0.45、0.07。从图1、图2、图3、图4可见，随着预测时间增长，蒸发量与实际值偏差越大，主要是由于所使用的因变量，在一定时间范围内有表征蒸发量发展趋势的能力，13min内预测误差相对较小，对工程提前控制相关参数，保持蒸发量平稳有较大意义。

图1 10min蒸发量预测值与真实值比较

图2 13min蒸发量预测值与真实值比较

图3 16min蒸发量预测值与真实值比较

图4 19min蒸发量预测值与真实值比较

2.2 炉排下方风压对蒸发量预测的影响

预测时间取10min，对是否采用炉排下风压参数作为输入变量进行对比研究，通过模型计算（图5、图6），采用风压参数（炉膛压力、干燥段底部压力、燃烧一段底部压力、燃烧二段底部压力），输入变量14个，相关系数R2为0.72；不用采用风压参数，输入变量10个，相关系数R2为0.65。可见，风压参数对蒸发量预测有一定影响，主要是由于炉排下方风压与炉膛内压差能够反应炉排上方垃圾堆料厚度。如干燥段风压体现了干燥段的堆料厚度，干燥段垃圾经过10～15min到炉排燃烧段进行燃烧，干燥段垃圾层厚较厚，将导致10～15min后的燃烧段燃料量较高，进而导致该时段蒸发量提升。

图5 采用风压参数蒸发量预测误差

图6 不采用风压参数蒸发量预测误差

3 结语

针对垃圾焚烧炉蒸发量提前预测问题，本文构建了4层神经网络模型，第一个隐藏层有12个神经元，第二隐藏层有5个神经元，最后输出1个神经元来预测蒸发量。选用ReLU激活函数,使用有效的梯度下降算法Adam作为优化器。选取14种输入变量来预测垃圾焚烧炉蒸发量，分别进行10、13、16、19min蒸发量预测，相关系数R2分别为：0.72、0.71、0.45、0.07。13min内预测误差相对较小，对工程提前控制相关参数，保持蒸发量平稳有较大意义。

预测时间取10min，对是否采用炉排下风压参数作为输入变量进行对比研究，采用风压参数时（炉膛压力、干燥段底部压力、燃烧一段底部压力、燃烧二段底部压力），相关系数R2为0.72；不采用风压参数时，相关系数R2为0.65。主要是由于炉排下方风压能够反应炉排上方垃圾堆料厚度，进而影响后续燃烧段的燃烧情况，进而影响后续的蒸发量。