基于注意力模块化神经网络的城市固废焚烧过程氮氧化物排放预测

氮氧化物(nitrogen oxides,NO_(x))浓度的实时精准检测是实现脱硝过程闭环控制的前提,对提高城市固废焚烧(municipal solid waste incineration,MSWI)过程脱硝效率具有重要意义。为此,提出了一种基于注意力模块化神经网络(attention modular neural network,AMNN)的MSWI过程NO_(x)排放预测方法。首先,模拟脑网络“分而治之”处理复杂任务的特性,利用模糊C均值(fuzzy C-means,FCM)聚类算法将待预测任务划分为多个子任务,从而降低预测任务复杂度;其次,针对各子任务,设计一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)构建子模型,通过神经元增删机制和二阶学习算法提高子模型的学习效率和学习精度;然后,提出了一种基于注意力机制的子模型整合策略,进一步提高预测模型的泛化性能;最后,通过基准实验Mackey-Glass时间序列预测和北京某MSWI厂实际数据验证了AMNN的可行性和有效性。

城市固废焚烧过程炉温与烟气含氧量多目标鲁棒预测模型

为实现城市固废焚烧(Municipal solid waste incineration,MSWI)过程炉温与烟气含氧量的准确预测,提出一种基于改进随机配置网络的多目标鲁棒建模方法(Multi-target robust modeling method based on improved stochastic configuration network,MRI-SCN).首先,设计了一种并行方式增量构建SCN隐含层,通过信息叠加与跨越连接来增强隐含层映射多样性,并利用参数自适应变化的监督不等式分配隐含层参数;其次,使用F范数与L_(2,1)范数正则项建立矩阵弹性网对模型参数进行稀疏约束,以建模炉温与烟气含氧量间的相关性;接着,采用混合拉普拉斯分布作为每个目标建模误差的先验分布,通过最大后验估计重新评估SCN模型的输出权值,以增强其鲁棒性;最后,利用城市固废焚烧过程的历史数据对所提建模方法的性能进行测试.实验结果表明,所提建模方法在预测精度与鲁棒性方面具有优势.

数据驱动的城市固废焚烧过程烟气含氧量预测控制

烟气含氧量的精准控制对城市固废焚烧处理厂的稳定高效运行具有重要意义.然而,由于固废焚烧过程固有的非线性和不确定性,难以实现烟气含氧量的有效控制.为此,文中提出一种数据驱动的城市固废焚烧过程烟气含氧量预测控制方法.首先,设计了一种基于自组织长短期记忆(SOLSTM)网络的预测模型,结合神经元活跃度与显著性动态调整隐含层结构,提高了烟气含氧量的预测精度.其次,为了保证优化效率,利用梯度下降法求解控制律.此外,基于李雅普诺夫理论分析了所提方法的稳定性,确保控制器在实际应用过程中的可靠性.最后,基于实际工业数据对所提出的控制方法进行了验证,结果表明,提出的数据驱动预测控制方法能实现对城市固废焚烧过程烟气含氧量的稳定高效控制.

双碳目标下城市固废焚烧过程智能优化控制研究进展及展望

城市固废焚烧是固废污染治理的主要方式,也是可再生能源的来源之一,能为国家生态文明建设和“双碳”战略提供重要支撑。城市固废焚烧过程内嵌了系列物理、化学反应,运行机理复杂、演化机制不清,尤其是我国固废含水率高、热值低、随时空动态波动,难以实施智能优化控制,导致固废燃烧不完全、烟气排放不稳定、能源转化率低、运行成本高等问题时有发生,制约城市固废焚烧行业高质量发展。本文分析了实施城市固废焚烧过程智能优化控制所面临的难点问题,梳理了城市固废焚烧过程智能优化控制关键理论与核心技术的主要进展,凝练出实现高效化和绿色化运行待解决的关键科学问题,探讨了未来研究方向。

城市固废焚烧过程燃烧线极端异常火焰图像对抗生成

燃烧线是表征城市固废焚烧(municipal solid waste incineration,MSWI)过程燃烧稳定性的关键参数之一。完备的火焰图像模板库是实现燃烧线量化以从检测视角代替依靠运行专家“人工看火”,进而通过实时反馈提升MSWI过程控制的智能化水平的基础。针对燃烧线极端异常火焰图像缺失问题,该文提出基于机理知识和对抗网络的燃烧线极端异常火焰图像生成方法。首先,基于焚烧炉内三维空间位置到图像像素点的机理映射关系分析燃烧线极端异常火焰图像,通过对正常火焰图像像素点的平移、拼接和组合等方式获取伪标记的燃烧线极端异常火焰图像;然后,采用循环生成对抗网络(cycle generative adversarial networks,CycleGAN)获得符合真实火焰图像分布的候选图像;最后,提出组合基于弗雷歇距离(Fréchet inception distance,FID)评估最优模型参数和根据伪标记筛选最终燃烧线极端异常火焰图像的2级评估与筛选策略。针对北京某MSWI厂的实验结果表明:依据燃烧线可划分图像为51%~73.6%正常、47%~51%和73.6%~100%异常、0%~47%极端异常;当第2级评估阈值设定为0.4时,所提方法生成合格极端异常火焰图像的比例为85.7%,优于传统评估方法。

基于宽度混合森林回归的城市固废焚烧过程二噁英排放软测量

二噁英是城市固废焚烧过程排放的痕量有机污染物.受限于相关技术的复杂度和高成本,二噁英排放浓度检测的大时滞已成为制约城市固废焚烧过程优化控制的关键因素之一.虽然具有低成本、快响应、高精度等特点的数据驱动软测量模型能够有效解决上述问题,但二噁英建模方法必须要契合数据的小样本、高维度特性.对此,提出了由特征映射层、潜在特征提取层、特征增强层和增量学习层组成的宽度混合森林回归软测量方法.首先,构建由随机森林和完全随机森林构成的混合森林组进行高维特征映射;其次,依据贡献率对全联接混合矩阵进行潜在特征提取,采用信息度量准则保证潜在有价值信息的最大化传递和最小化冗余,降低模型的复杂度和计算消耗;然后,基于所提取潜在信息训练特征增强层以增强特征表征能力;最后,通过增量式学习策略构建增量学习层后采用Moore-Penrose伪逆获得权重矩阵.在基准数据集和城市固废焚烧过程二噁英数据集上的实验结果表明了方法的有效性和优越性.

垃圾焚烧炉中城市生活垃圾掺烧高热值工业固废的数值模拟

垃圾焚烧炉的高效稳定运行及减少NO_(x)排放是目前城市生活垃圾焚烧过程中所面临的挑战。以某500 t/d垃圾焚烧炉为对象,研究了城市生活垃圾(MSW)掺混高热值废弃物(ISW)下不同配风方案对燃烧过程、流场分布的影响和最佳选择性非催化还原(Selective Non-Catalytic Reduction,SNCR)工艺参数。结果表明,不同各级一次风配比床层对应的最高温度基本不变,但增加炉排一二级风室配风,挥发分析出和固定碳燃烧提前,挥发分析出最大速率提高。良好的二次风喷入角度能有效组织炉内气流流动,在工况7下,炉内高温贴墙现象最轻,流线分布较合理,因此该工况下的二次风角度设置最合理。喷入SNCR还原剂显著减少NO_(x)排放量,喷射速度为50 m/s时,脱硝效率最高,可达33.96%。因此在实际使用中,建议采用合适的配风和二次风喷入角度,并结合SNCR技术进行NO_(x)减排。

城市固废焚烧过程智能优化控制研究现状与展望

针对全球城市固废(Municipal solid waste,MSW)的高增长率导致城市环境持续恶化以至于“垃圾围城”现象日益增多等问题,MSW焚烧(MSW incineration,MSWI)技术能够通过发酵、燃烧、换热和净化等工艺实现废物变能源(Waste-to-energy,WTE).在当前“双碳战略”和“蓝天净土”的新环保背景下,作为未来长时期内MSW处理主流方式和生态文明建设与循环经济体系托底工业的MSWI过程正面临着重大机遇.如何融合人工智能、大数据、云计算等技术实现MSWI的智慧化、低碳化和绿色化可持续性发展是目前具有挑战性的难题.对此,本文首先描述MSWI工艺机理,分析其运行控制特性和实现其智能优化控制存在的难点;然后,从燃烧特性分析与建模、燃烧过程控制、指标建模与预测、运行监控与故障识别、操作(控制)变量优化、算法仿真验证平台等6个方面进行综述;接着,分析MSWI过程智能优化控制研究的必要性;最后,结合工业人工智能的本质给出未来研究方向.在此基础上,展望基于数字孪生平台的MSWI智能优化控制系统的框架和愿景,并总结未来挑战.

城市固废焚烧过程的回路控制半实物仿真平台

为精确模拟和实现城市固废焚烧(municipal solid waste incineration,MSWI)过程的多入多出(multiple input multiple output,MIMO)回路控制,面向实际工业过程开发了由真实设备层和虚拟对象层组成的分布式半实物仿真实验平台。结合对MSWI工艺流程机理模型的定性描述,建立了数据驱动的面向回路控制的虚拟过程对象模型,依据回路控制需求设计了该平台的各软件子系统,以及相互间的协同运行模式,搭建了平台硬件和开发了平台软件,并采用工业实际数据进行实验验证。结果表明:该平台为MSWI过程的智能建模与控制算法的进一步研究提供了可靠的工程化验证环境。

多模态数据驱动的城市固废焚烧过程验证平台设计与实现

鉴于城市固废焚烧(municipal solid waste incineration,MSWI)过程控制系统的封闭特性与工业现场的安全性要求,如何实现离线多模态数据的时间同步发布和如何搭建数据驱动预测模型的类工业现场验证环境,是实现智能建模算法落地应用需首要解决的关键问题。该文开发多模态数据驱动的MSWI过程验证平台,由多模态历史数据同步子系统和多模态历史数据驱动建模子系统组成。首先,结合现场领域专家预测关键工艺参数过程的抽象化描述,设计验证平台的结构;然后,建立以炉膛温度、烟气含氧量和锅炉蒸汽流量为输出的多模态数据驱动预测模型;最后,搭建硬件环境并开发相应的软件系统,实现子系统间的协同运行。利用实际过程数据与火焰视频验证该平台能够解决多模态数据驱动预测模型构建中存在的采样难、同步难、匹配难等问题,能够提供可靠的工程化验证环境。

城市固废焚烧过程数据驱动建模与自组织控制

城市固废焚烧(Municipal solid waste incineration,MSWI)是处置城市固废(Municipal solid waste,MSW)的主要手段之一.中国MSW来源范围广、组分复杂、热值波动大,其焚烧过程通常依靠人工干预,这导致MSWI过程智能化水平较低且难以满足日益提升的控制需求.MSWI具有多变量耦合、工况漂移等诸多不确定性特征,因而难以建立其被控对象模型并设计在线控制器.针对以上问题,提出了一种面向MSWI过程的数据驱动建模与自组织控制方法.首先,构建了基于多输入多输出Takagi Sugeno模糊神经网络(Multi-input multi-output Takagi Sugeno fuzzy neural network,MIMO-TSFNN)的被控对象模型;然后,设计了基于多任务学习的自组织模糊神经网络控制器(Multi-task learning selforganizing fuzzy neural network controller,MTL-SOFNNC)用于同步控制炉膛温度与烟气含氧量,其通过计算神经元的相似度与多任务学习(Multi-task learning,MTL)能力对控制器结构进行自组织调整;接着,通过Lyapunov定理对MTLSOFNNC稳定性进行了证明;最后,通过北京市某MSWI厂的过程数据验证了模型与控制器的有效性.

面向城市固废焚烧过程的缺失数据填充及应用

针对城市固废焚烧(municipal solid waste incineration, MSWI)过程中存在的随机和连续数据缺失问题,提出了一种基于专家经验和约简特征集成模型的填充方法.首先,将过程数据缺失情况识别为随机分布、时间维度和特征维度缺失3种类型.接着,基于专家经验对前2种类型进行缺失填充后,面向第3种类型基于分布相似性和互信息相关性为缺失特征预测模型选择建模数据集和约简特征,建立具有互补特性的随机森林、梯度提升决策树和反向传播神经网络子模型对缺失值进行初步预测,利用贝叶斯线性回归(Bayesian linear regression, BLR)构建集成模型以获得最终填充值.最后,利用填充后的MSWI数据建立基于跨层全连接深度森林回归的二噁英排放浓度软测量模型.实验结果表明所提方法提高了MSWI过程数据的质量.

城市固废炉排炉焚烧过程二英排放浓度数值仿真

城市固废焚烧(MSWI)过程产生的二英(DXN)是至今机理仍复杂不清的剧毒污染物,获悉DXN在炉排炉内的生成、燃烧和再生成等过程的边界条件对降低污染排放极为重要。对此,本文提出了城市固废炉排炉焚烧过程DXN排放浓度数值仿真方法。首先,依据面向DXN的典型炉排炉MSWI工艺流程,描述焚烧炉内固相燃烧、气相燃烧、高温换热和低温换热等与DXN相关反应的机理。接着,依据上述所划分区域,结合实际MSWI过程相关参数构建DXN数值仿真模型。最后,基于烟气分流分率所表征的反应物浓度和不同区域的反应温度进行单因素分析,以获取G1处DXN浓度的边界条件,并基于正交实验分析分流分率和反应温度对G1处DXN浓度的影响,进而获得最优参数组合。基于北京某MSWI电厂实际数据的数值仿真分析与验证,表明了该数值仿真模型的有效性,为后续优化控制G1处的DXN排放浓度提供了支撑。

城市固废焚烧过程炉膛温度建模与控制研究

城市固废焚烧过程是一个复杂的非线性动态系统,其关键变量炉膛温度的建模与控制是亟待解决的难题。针对此问题,利用实际数据建立炉膛温度模型并对其控制问题展开研究。首先,根据实际工况和专家知识选取与炉膛温度相关性较高的操作变量作为模型输入;然后,通过Tkagi-Sugeno(TS)模糊神经网络建立数据驱动的炉膛温度模型;最后,以炉膛温度跟踪误差和误差变化率为径向基函数(radial basis function,RBF)神经网络PID控制器(RBF-PID控制器)的输入,一次风量为输出,实现对炉膛温度的精确控制。实验结果表明,基于TS模糊神经网络建立的炉膛温度模型能够很好地拟合实际值,RBF-PID控制器能够实时精准地控制炉膛温度,具有较高的控制精度。

基于虚拟样本优化选择的城市固废焚烧过程二噁英排放浓度预测

城市固废焚烧(municipal solid waste incineration, MSWI)过程排放被称为"世纪之毒"的二噁英(dioxins, DXN)类化合物.工业现场多采用长周期、高成本的离线方式检测DXN排放浓度,这导致用于构建其预测模型的样本数量极为稀缺.针对上述问题,提出基于虚拟样本优化选择的MSWI过程DXN排放浓度预测建模策略和相应建模方法.首先,在对原始小样本数据进行离群点剔除、输入输出匹配等预处理的基础上,结合过程特性和机理知识进行特征选择以获得约简小样本.其次,基于领域专家知识和整体趋势扩散技术对约简小样本的输入/输出域进行扩展.然后,基于机理知识和插值算法生成虚拟样本输入,再基于约简小样本构建的映射模型获得虚拟样本输出,并结合扩展的输入/输出域对其进行删减以获得候选虚拟样本.接着,基于粒子群优化(particle swarm optimization, PSO)算法对候选虚拟样本进行优选.最后,采用优选虚拟样本与约简训练样本组成的混合样本构建预测模型.结合某焚烧厂的DXN数据验证了所提方法的有效性.

基于特征约简与选择性集成算法的城市固废焚烧过程二噁英排放浓度软测量

城市固废焚烧(MSWI)排放的污染物二噁英(DXN)对生态环境与人类健康具有极大危害,其浓度的实时检测对MSWI过程运行优化和城市污染控制至关重要.具有痕量特性的DXN排放浓度不能实时检测,机理模型难以构建,并且其与过程变量间的映射关系复杂.针对上述问题,本文提出了一种基于特征约简和选择性集成算法的DXN排放浓度软测量方法.首先,对在线采集的MSWI过程变量和离线化验的DXN排放浓度数据进行预处理,获得具有小样本高维特性的建模样本;接着,基于变量投影重要性(VIP)值和特征约简比率值确定模型输入特征;最后,基于操纵训练样本的集成构造策略构建自适应确定核参数的选择性集成模型.采用国外文献和国内工业MSWI过程的DXN排放浓度数据仿真验证了所提方法的有效性.

基于ET–RBF–PID的城市固废焚烧过程炉膛温度控制方法

针对城市固废焚烧过程炉膛温度控制精度低且控制器更新频繁的问题,本文提出一种基于事件触发机制的RBF–PID(ET–RBF–PID)炉膛温度控制方法.首先,构建RBF–PID控制器,通过梯度下降算法和递归最小二乘算法在线更新网络参数,同时引入动量因子的平方及参数的动量项来更新控制器参数,以提高控制精度;其次,设计基于固定阈值的事件触发条件作为控制器更新条件,以减少控制器频繁更新带来的机械磨损;最后,基于北京某城市固废焚烧厂实际数据进行炉膛温度控制仿真实验.实验结果表明,设计的ET–RBF–PID控制器能够精准地跟踪炉膛温度,相比于传统的基于时间触发的PID控制器和RBF–PID控制器,ET–RBF–PID控制器在实现炉膛温度精确控制的同时能有效减少控制器更新次数.

基于TS-FNN的城市固废焚烧过程MIMO被控对象建模

针对城市固废焚烧(MSWI)过程中因机理反应复杂、不确定性严重等原因导致被控对象模型难以建立的问题,设计了一种基于(T-S)型模糊神经网络(FNN)的多输入多输出(MIMO)模型.首先,描述了MSWI过程的核心工艺流程并分析了模型的影响因素;接着,设计了面向过程控制的被控对象建模策略,其由工况识别模块、数据预处理模块、特征约简模块、被控对象模型训练模块与被控对象模型测试模块组成;最后,通过实验表明了所构建模型的有效性,为研究MSWI过程的优化控制算法奠定了基础.

城市固废炉内焚烧过程数值仿真及分析

一次风含氧量和二次风速度是影响城市固废焚烧(MSWI)过程炉内烟气停留时间和挥发分积累浓度的关键因素。为优化设定上述参数进而为稳定燃烧状况提供理论支撑,采用计算流体力学(CFD)技术对北京某基于炉排炉的MSWI过程的炉内焚烧过程进行模拟。首先,对研究对象进行描述,接着给出了炉内焚烧过程的数学模型、模拟方法及仿真设置;然后,重点对炉膛内气相组分燃烧过程进行了模拟;最后,分析了一次风含氧量和二次风速度对炉内温度场和浓度场的影响。模拟结果表明:炉内CO积累量和最高温度分别随一次风含氧量和二次风速度的增加而降低,炉内温度场和浓度场的分布趋势受二次风速度的影响较小。上述结果为构建接近真实MSWI过程的焚烧机理模型提供了有效支撑。

城市可燃固废焚烧二噁英产生机理及控制技术探讨

针对城市可燃固废在焚烧过程中产生的二噁英,介绍了高温气相合成、前体合成、从头合成等产生机理,探讨了控制技术的现状和发展趋势。分析认为:现有机理表明影响二噁英合成的因素包括燃烧条件、氯元素和金属元素,应从焚烧的前、中、后三个阶段分别采取分类筛选、工艺参数控制、吸附除尘等措施防治二噁英。