垃圾分類勢在必行固廢處理亟需新技術支撐

時間：2019-07-05 17:16

來源：埃睿迪

由于二噁英類物質的濃度無法通過在線監(jiān)測設備直接采集，如何間接的掌握二噁英類物質的濃度，成為一個困難的課題。機器學習系統(tǒng)提供了一種可能性，選擇鍋爐出口煙溫、除塵器出口煙溫、煙氣流量、煙氣含氧量等直接測量指標作為輸入值，利用支持向量機算法對二噁英類物質的濃度進行預測，為二噁英的控制提供了很好的參考依據(jù)。

三、焚燒爐積灰結渣量預測。

垃圾焚燒爐的爐管壁面積灰結渣是一種普遍現(xiàn)象，爐膛內(nèi)火焰中心處的溫度高，燃料中的灰分大多呈熔化狀態(tài)，爐管壁附近的煙溫較低，沉積在壁面上成疏松狀，形成積灰。煙氣中的部分灰粒在接觸壁面時仍呈熔化狀態(tài)或粘性狀態(tài)，會粘附在爐管壁上形成緊密的灰渣層，形成了結渣。積灰結渣對焚燒爐的正常運行有很大影響，除了降低傳熱效率，還可能造成堵塞和高溫腐蝕。

由于積灰結渣是一個復雜的過程，很難形成定量的機理模型進行描述。機器學習算法能夠在一定程度上對積灰結渣進行預測。機器學習系統(tǒng)選擇了一次風量、二次風量、煙氣含氧量、煙氣酸性氣體濃度、爐溫等輸入值，利用神經(jīng)網(wǎng)絡算法對代表焚燒爐結渣情況的過熱器進出口焓差指標作出預測。該模型能夠對焚燒爐結渣量作出預測，將傳統(tǒng)的定期吹灰和清除結渣工作優(yōu)化為按需吹灰。

黃濤最后提到，大數(shù)據(jù)和機器學習在垃圾處理行業(yè)的應用才剛剛起步，不論是垃圾分類收集、垃圾清運，還是垃圾焚燒處置，都存在大量的應用場景。大數(shù)據(jù)技術提供商應與環(huán)衛(wèi)企業(yè)、垃圾處理企業(yè)深度合作，幫助企業(yè)采集高質量的數(shù)據(jù)，以更低的成本處理數(shù)據(jù)，構建各類機器學習算法，在運營過程中持續(xù)優(yōu)化，助力企業(yè)成為數(shù)據(jù)驅動的環(huán)境服務企業(yè)，將垃圾分類的國家環(huán)保戰(zhàn)略真正落到實處。

編輯：程彩云

贊