垃圾分类势在必行固废处理亟需新技术支撑

时间：2019-07-05 17:16

来源：埃睿迪

由于二噁英类物质的浓度无法通过在线监测设备直接采集，如何间接的掌握二噁英类物质的浓度，成为一个困难的课题。机器学习系统提供了一种可能性，选择锅炉出口烟温、除尘器出口烟温、烟气流量、烟气含氧量等直接测量指标作为输入值，利用支持向量机算法对二噁英类物质的浓度进行预测，为二噁英的控制提供了很好的参考依据。

三、焚烧炉积灰结渣量预测。

垃圾焚烧炉的炉管壁面积灰结渣是一种普遍现象，炉膛内火焰中心处的温度高，燃料中的灰分大多呈熔化状态，炉管壁附近的烟温较低，沉积在壁面上成疏松状，形成积灰。烟气中的部分灰粒在接触壁面时仍呈熔化状态或粘性状态，会粘附在炉管壁上形成紧密的灰渣层，形成了结渣。积灰结渣对焚烧炉的正常运行有很大影响，除了降低传热效率，还可能造成堵塞和高温腐蚀。

由于积灰结渣是一个复杂的过程，很难形成定量的机理模型进行描述。机器学习算法能够在一定程度上对积灰结渣进行预测。机器学习系统选择了一次风量、二次风量、烟气含氧量、烟气酸性气体浓度、炉温等输入值，利用神经网络算法对代表焚烧炉结渣情况的过热器进出口焓差指标作出预测。该模型能够对焚烧炉结渣量作出预测，将传统的定期吹灰和清除结渣工作优化为按需吹灰。

黄涛最后提到，大数据和机器学习在垃圾处理行业的应用才刚刚起步，不论是垃圾分类收集、垃圾清运，还是垃圾焚烧处置，都存在大量的应用场景。大数据技术提供商应与环卫企业、垃圾处理企业深度合作，帮助企业采集高质量的数据，以更低的成本处理数据，构建各类机器学习算法，在运营过程中持续优化，助力企业成为数据驱动的环境服务企业，将垃圾分类的国家环保战略真正落到实处。

编辑：程彩云