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。

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象，爐膛內火焰中心處的溫度高，燃料中的灰分大多呈熔化狀態，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或粘性狀態，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，利用神經網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，將傳統的定期吹灰和清除結渣工作優化為按需吹灰。

黃濤最后提到，大數據和機器學習在垃圾處理行業的應用才剛剛起步，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。大數據技術提供商應與環衛企業、垃圾處理企業深度合作，幫助企業采集高質量的數據，以更低的成本處理數據，構建各類機器學習算法，在運營過程中持續優化，助力企業成為數據驅動的環境服務企業，將垃圾分類的國家環保戰略真正落到實處。

編輯：程彩云

贊