[发明专利]基于可视化分布GAN的MSWI过程二噁英排放风险预警方法

说明书

基于可视化分布GAN的MSWI过程二噁英排放风险预警方法属于城市固废焚烧领域。目前工业过程中采用长周期、高成本的离线剧毒污染物二噁英DXN排放浓度检测方式，这使得用于构建风险预警模型的样本极其稀少。针对上述问题，提出基于可视化分布生成对抗网络(GAN)的MSWI过程DXN排放风险预警建模方法。首先，在原始GAN的基础上引入DXN的风险等级作为条件信息，使得生成器可以生成指定风险等级的虚拟样本。然后，利用可视化分布信息评估并筛选合格虚拟样本。最后，基于虚拟样本和真实样本组成的混合样本构建DXN排放风险预警模型。通过工业过程DXN数据验证了所提方法的有效性。

技术领域

本发明属于城市固废焚烧领域。

背景技术

城市固废(Municipal Solid Waste，MSW)的产生量随城市人口的不断增加而逐年提高。城市固废焚烧(MSW Incineration，MSWI)是当今世界大部分国家采用的具有无害化、减量化和资源化等优势的处理手段。由于MSWI过程所产生的副产品二噁英(Dioxins，DXN)为剧毒污染物，不但损害中毒者的内分泌系统和破坏染色体进而导致细胞癌变，而且在生物体内具有累积效应，是造成焚烧建厂存在“邻避效应”的主要原因。因此，控制其排放是亟需解决的环保问题。对DXN排放的风险等级进行预警，进而优化控制MSWI过程，对减少污染物排放具有重要的实际意义。

目前，工业界主要对MSWI过程末端烟囱排放烟气中的DXN进行检测。离线直接检测法和在线间接检测法均很难满足MSWI过程以减少DXN排放为目的的实时优化控制。此外，由于DXN排放浓度检测的难度大、周期长、费用昂贵，导致构建数据驱动模型的样本真值极其稀少。因此，本申请所研究的MSWI过程DXN排放浓度检测问题属于典型的小样本问题，具有样本数量少、样本不平衡等特性。通常而言，较少数量的建模样本难以准确反映工业过程的真实特性，难以构建鲁棒可靠的污染物浓度排放回归预测模型；相对而言，构建风险判别分类模型较为容易。此外，工业现场领域专家也常习惯于用排放浓度的低、中、高等等级语言描述污染排放程度的风险，并依据自身经验获得判别结果以调整相关控制参数。但是，样本的不平衡，即某类样本的数量远小于其他类，这也是导致所构建的风险判别模型具有片面性和偏差性的主要原因。

综上，本申请提出基于主动学习机制GAN的MSWI过程DXN排放风险预警模型构建方法。首先，在原始GAN的基础上引入DXN风险等级作为条件信息，将其与随机噪声输入生成器后生成预设定DXN风险等级的虚拟样本，与真实样本共同输入判别器后根据判别结果更新生成器和判别器；接着，先使用最大均值差异(Maximum Mean Discrepancy，MMD)对虚拟样本进行初筛，再对初筛虚拟样本采用主成分分析(Principal Component Analysis，PCA)以获得可视化分布信息，根据其判断初筛虚拟样本是否合格；最后，基于虚拟样本和真实样本组成的混合样本构建DXN排放风险预警模型。结合实际DXN数据验证了所提方法的有效性。

国内某MSWI电厂的炉排炉焚烧工艺流程如图1所示。

由图1可知，MSW由专用车辆收集、称重后运输至卸料大厅，倾倒入密封的固废池中，并通过抓斗送至焚烧炉料斗内，由给料器推至炉排；MSW在焚烧炉内依次经历干燥、点燃、燃烧和燃烬四个阶段，燃烬后的残渣落入水冷渣斗后由捞渣机送至灰渣坑中，收集后送至填埋场处理；焚烧过程产生的烟气加热余热锅炉产生高压蒸汽进而推动汽轮发电机发电；添加活性炭和消石灰后，锅炉出口烟气中进入反应器，产生的飞灰进入飞灰储罐，烟气进入袋式除尘器去除烟气颗粒物、中和反应物和活性炭吸附物，处理之后分为三部分：尾部飞灰进入飞灰罐，部分烟灰混合物在混合器中加水后重新进入反应器，尾部烟气通过引风机经烟囱排入大气，其中包含HCL、SO₂、CO、CO₂、NO_x和DXN等物质。