[发明专利]一种城市生活垃圾焚烧过程烟气组分浓度预测方法

说明书

一种城市生活垃圾焚烧过程烟气组分浓度预测方法，通过预测垃圾焚烧过程烟气组分的浓度，为焚烧过程控制系统提供了烟气组分预测模型，使有依据地更好设置垃圾焚烧各个流程的参数，主要包括如下步骤：(1)利用某垃圾焚烧厂的历史运行数据建立历史案例库；(2)参数初始化；(3)采用文化鲸鱼算法分配特征的权重；(4)案例检索阶段采取knn算法，检索到到前K个最相似案例的解；(5)案例重用阶段取前K个最相似案例解的平均值作为目标案例的建议解。(6)将目标案例与其建议解构成一条案例存储至案例库中；(7)重复步骤(3)～步骤(6)，以实现城市生活垃圾焚烧过程烟气组分浓度的预测。

技术领域

本发明属于城市固体垃圾焚烧炉焚烧过程建模技术领域，本发明是一种 城市生活垃圾焚烧过程烟气组分浓度预测方法。

背景技术

虽然垃圾焚烧技术有着无害化和迅速的减容能力，但由于垃圾成分复杂、 多样、不均匀，导致在垃圾焚烧的过程中会产生复杂的化学反应。这些化学反 应会产生大量的危害人体和环境的物质，但由于安装于现场检测仪器具有滞后 性且容易损坏，所以往往不能及时获得这些组分的浓度变化，不利于根据组分 浓度是否达标来及时调整焚烧过程各种设备的运行状态和设置各种控制参数， 有可能导致污染物排放超标。随着我国社会发展的加快，垃圾焚烧厂将进入大 规模使用阶段，将要建造越来越多的垃圾焚烧厂。当建造新的焚烧厂之前，焚 烧炉、烟气处理的各个系统的参数要根据实验室中模拟的设定参数来进行设定。 因为成本的原因和污染气体的影响，现场观察的情形仅在少数时候进行。在改 进整个焚烧线的过程中，要想获得不同焚烧情况下不同时间的污染气体排放数 据，通过实验观察既不实际也不经济，只能通过建立模型来实现。因此对焚烧 过程烟气组分浓度进行预测建模，可以为垃圾焚烧厂的建立提供理论基础，提 高垃圾焚烧的效率，实现低污染排放。将预测模型应用于控制系统，可以实现 污染物排放的在线预测，能随时根据预测结果调整各个参数，达到最佳的控制 效果。因此，实现焚烧过程中烟气组分浓度预测具有重要的现实意义。

目前，城市生活垃圾焚烧炉焚烧过程烟气组分浓度预测模型研究主要包括 机理建模和数据驱动建模。机理建模在很大程度上依赖于对于过程机理的认知。 由垃圾焚烧过程具有非平衡、非稳态、非线性等特点，使得此类机理模型具有 成本高、难度大、精度低、可靠性差等问题，很难保证模型的精确度。基于数 据的方法已经成为预测烟气组分浓度的较为普遍的方法。这种方法通过建立输 入输出数据变量之间的关系模型来完成预测任务，而无需研究生产过程的反应 或动力学等机理信息。人工神经网络是目前预测领域应用最为广泛的建模方法， 然而人工神经网络建模训练时间长，容易陷入局部最优、过拟合，无法满足实 时性的要求。

案例推理是一种具有认知能力的AI方法，例如记忆以前的案例，并且通过 提取先前用于解决某些类型问题的有用解决方案来解决新问题。基于案例推理 建模不需要模型的校正，在模型运行过程凭借很强的自主学习能力就能克服外 界变化的影响，并且通过不断修改旧案例和增加新案例使得模型精度不断提高。 此外案例推理建模简单有效，运行速度快，适合实时性要求。在案例推理中， 检索阶段一般通过最近邻算法，特征权重的合理与否严重影响案例推理模型的 精度。因此，本文将使用采取改进的权重分配方式的案例推理模型实现对焚烧 过程烟气组分浓度的预测。

发明内容

针对上述问题，本发明提供了一种城市生活垃圾焚烧过程烟气组分浓度预 测方法，可以应用于垃圾焚烧处理控制系统中，实现污染物的低排放。

为达到上述目的，本发明采用如下技术方案：

一种城市生活垃圾焚烧过程烟气组分(以NO_X为例)浓度预测方法，整个算 法步骤包括如下内容：