CN108332213A - 一种垃圾焚烧炉控制*** - Google Patents
一种垃圾焚烧炉控制*** Download PDFInfo
- Publication number
- CN108332213A CN108332213A CN201810091943.8A CN201810091943A CN108332213A CN 108332213 A CN108332213 A CN 108332213A CN 201810091943 A CN201810091943 A CN 201810091943A CN 108332213 A CN108332213 A CN 108332213A
- Authority
- CN
- China
- Prior art keywords
- incinerator
- combustion conditions
- control
- module
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G5/00—Incineration of waste; Incinerator constructions; Details, accessories or control therefor
- F23G5/50—Control or safety arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Incineration Of Waste (AREA)
Abstract
本发明提供了一种垃圾焚烧炉控制***。所述***包括:焚烧炉,所述焚烧炉上设置有数据采集模块,用以收集与所述焚烧炉的控制参数相关的燃烧工况数据,所述燃烧工况数据表征所述焚烧炉的燃烧工况;和自动控制模块,所述自动控制模块根据所述燃烧工况数据对所述焚烧炉的至少两个控制参数进行协同优化得到优化控制参数,并根据所述优化控制参数对所述焚烧炉进行自动控制。根据本发明的垃圾焚烧炉控制***,实现了焚烧炉智能化、自适应的目的,实现节能增效、提高运行经济性的效果。
Description
技术领域
本发明涉及生物质焚烧烟气处理领域,具体而言涉及一种垃圾焚烧炉控制***。
背景技术
随着生态环境的日益恶化,垃圾的处理成为人们关注的问题之一,生活垃圾是人类日常生活和生产中产生的固体废弃物,由于排出量大,成分复杂多样,给处理和利用带来困难,如不能及时处理或处理不当,就会污染环境,影响环境卫生。垃圾焚烧发电采用焚烧炉炉排配套汽轮发电机组将垃圾进行焚烧,利用焚烧产生的热量进行发电,是目前一种典型的处理生活垃圾的方式。
现有采用汽轮发电机组的发电***通常采用DCS控制***,焚烧炉炉排采用PLC控制***,PLC与DCS之间采用通讯连接方式,能够满足给料、焚烧炉排常规的逻辑控制,但不能实现焚烧、负荷、炉温、给料、配风等全***的联动控制,由于我国生活垃圾具有成分复杂且不均匀、含水率高、灰分高、热值较低等特点,在焚烧炉运行过程中,需要运行人员经常性地进行手动干预,并且存在滞后性、不精确性。从而产生厂用电率高,焚烧炉能耗高,节能降耗空间较大;烟气排放指标波动幅度大,难以实现发电***与燃烧工况的联动控制的问题。
为此,有必要提出一种新的垃圾焚烧炉控制***以解决现有技术中的问题。
发明内容
在发明内容部分中引入了一系列简化形式的概念,这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
本发明提供了一种垃圾焚烧炉控制***,所述***包括:
焚烧炉,所述焚烧炉上设置有数据采集模块,用以收集与所述焚烧炉的控制参数相关的燃烧工况数据,所述燃烧工况数据表征所述焚烧炉的燃烧工况;和
自动控制模块,所述自动控制模块根据所述燃烧工况数据对所述焚烧炉的至少两个控制参数进行协同优化得到优化控制参数,并根据所述优化控制参数对所述焚烧炉进行自动控制。
示例性的,所述自动控制模块包括参数优化控制模块,所述参数优化控制模块根据所述燃烧工况数据对所述焚烧炉进行自适应控制,以使所述焚烧炉的焚烧工况达到预定燃烧工况数据。
示例性的,所述自动控制模块还包括:
预测模型模块,用以根据所述控制参数计算出预测燃烧工况数据;和
反馈校正模块,用以将所述焚烧炉在所述控制参数下的所述燃烧工况数据和所述预测燃烧工况数据进行对比校正,输出校正燃烧工况数据,所述参数优化控制模块根据所述校正燃烧工况数据对所述控制参数进行优化。
示例性的,所述参数优化控制模块包括基于机器学习模型的控制模块。
示例性的,所述机器学习模型设置为神经网络预测模型。
示例性的,所述预测模型模块包括经训练的神经网络模型。
示例性的,所述燃烧工况数据包括主蒸汽压力、烟气氧含量、和/或炉膛负压。
示例性的,所述***还包括DCS模块,所述DCS模块对所述焚烧炉进行逻辑切换控制。
示例性的,所述自动控制模块设置在与所述DCS模块通讯连接的独立主机中。
示例性的,所述***还包括安全保障模块,所述安全保障模块在所述焚烧炉出现故障时,自动切换并进行语音报警提示。
根据本发明的垃圾焚烧炉控制***,可以基于从焚烧炉上获取的大量燃烧工况数据进行对焚烧炉的大数据分析和***自学***、燃烧工况的稳定性和焚烧效率,提升焚烧炉的智能化、自适应性能,实现节能增效、提高运行经济性的效果。
附图说明
本发明的下列附图在此作为本发明的一部分用于理解本发明。附图中示出了本发明的实施例及其描述,用来解释本发明的原理。
附图中:
图1为根据本发明的一个实施例的垃圾焚烧炉控制***的控制原理示意图;
图2为根据本发明的一个实施例的垃圾焚烧炉控制***的通讯连接示意图。
具体实施方式
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员而言显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
为了彻底理解本发明,将在下列的描述中提出详细的描述,以说明本发明所述的一种垃圾焚烧炉控制***。显然,本发明的施行并不限于烟气处理领域的技术人员所熟习的特殊细节。本发明的较佳实施例详细描述如下,然而除了这些详细描述外,本发明还可以具有其他实施方式。
应予以注意的是,这里所使用的术语仅是为了描述具体实施例,而非意图限制根据本发明的示例性实施例。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式。此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在所述特征、整体、步骤、操作、元件和/或组件,但不排除存在或附加一个或多个其他特征、整体、步骤、操作、元件、组件和/或它们的组合。
现在,将参照附图更详细地描述根据本发明的示例性实施例。然而,这些示例性实施例可以多种不同的形式来实施,并且不应当被解释为只限于这里所阐述的实施例。应当理解的是,提供这些实施例是为了使得本发明的公开彻底且完整,并且将这些示例性实施例的构思充分传达给本领域普通技术人员。在附图中,为了清楚起见,夸大了层和区域的厚度,并且使用相同的附图标记表示相同的元件,因而将省略对它们的描述。
为了解决现有技术中的问题,本发明提供了一种垃圾焚烧炉控制***,所述***包括:
焚烧炉,所述焚烧炉上设置有数据采集模块,用以收集与所述焚烧炉的控制参数相关的燃烧工况数据,所述燃烧工况数据表征所述焚烧炉的燃烧工况;和
自动控制模块,所述自动控制模块根据所述燃烧工况数据对所述焚烧炉的至少两个控制参数进行协同优化得到优化控制参数,并根据所述优化控制参数对所述焚烧炉进行自动控制。
下面参考图1和图2对本发明的垃圾焚烧炉控制***进行示意性说明,其中图1为根据本发明的一个实施例的垃圾焚烧炉控制***的控制原理示意图;图2为根据本发明的一个实施例的垃圾焚烧炉控制***的通讯连接示意图。
如图1所示,本发明提供了一种垃圾焚烧控制***,所述垃圾焚烧炉控制***包括焚烧炉,所述焚烧炉上设置有数据采集模块(未示出),用以收集与所述焚烧炉的控制参数相关的燃烧工况数据,所述燃烧工况数据表征所述焚烧炉的炉膛内燃烧工况。
所述焚烧炉可以是垃圾焚烧领域的任何类型的焚烧炉,包括机械炉排式焚烧炉、流化床式焚烧炉、回转窑式焚烧炉、热解气化炉等。示例性的,所述焚烧炉为机械炉排式焚烧炉。所述焚烧炉上设置有数据采集模块,用以收集与所述焚烧炉的燃烧工况相关的燃烧工况数据。
示例性的,所述燃烧工况数据包括焚烧炉的炉膛负压、燃烧烟气温度、炉膛氧含量、炉膛内主蒸汽压力、炉膛内残渣含量等数据,这些数据可以表征焚烧炉的燃烧工况,如燃尽效率,热灼减率等。其中热灼减率是指焚烧残渣经灼热减少的质量占原焚烧残渣质量的百分比,其是表征垃圾的焚烧效果的重要参数。通过控制热灼减率,可以降低垃圾焚烧的机械未燃烧损失,提高燃烧的热效率,减少垃圾残渣。设置在焚烧炉上的数据采集模块可以是任何用来测量温度、气体含量等的装置,比如红外测量仪、测氧仪、可以在线实时检测出燃烧区的空气过剩系数的变化曲线的烧工况检测仪等。
需要理解的是,本实施例所列举的焚烧炉的燃烧工况数据仅仅是示例性的,在实际应用中,本领域技术人员可以根据需要选择任何与焚烧炉焚烧状态相关的数据进行收集。
所述垃圾焚烧炉控制***还包括自动控制模块,所述自动控制模块根据所述燃烧工况数据对所述焚烧炉的至少两个控制参数进行协同优化得到优化控制参数,并根据所述优化控制参数对所述焚烧炉进行自动控制。
由于垃圾的种类繁多、物质种类复杂,其在垃圾焚烧炉中的燃烧过程是一个极其复杂的化学过程与物理传热过程,导致焚烧炉内的燃料量、一二次风量、烟气含氧量、炉膛温度等的控制复杂,这些控制具有强耦合、非线性、多变性、滞后等特点,现有的控制中多采用常规的逻辑控制,在单一参数控制的基础上、线性调节的方式,其需要操作人员经常性的手动干预,存在滞后性和不精确性。在本实施例中,采用自动控制模块根据由焚烧炉的数据采集模块获得的大量燃烧工况数据对所述焚烧炉的至少两个控制参数进行协同优化得到优化控制参数,并根据所述优化控制参数控制所述焚烧炉。其基于从焚烧炉上获取的大量燃烧工况数据,进行大数据分析并对控制参数进行协同优化,减少操作人员手动干预的滞后性和不精确性,同时,基于大数据的***自学***、燃烧工况的稳定性和焚烧效率,并使之达到智能化、自适应的目的,实现节能增效、提高运行经济性的效果。
示例性的,如图1所示,所述自动控制模块包括参数优化控制模块,所述参数优化控制模块根据所述燃烧工况数据对所述焚烧炉进行自适应控制,以使所述焚烧炉的焚烧工况达到预定燃烧工况数据。
由于垃圾焚烧过程是一个动态的过程,焚烧公开涉及诸多环境因数的影响,在自动控制模块中设置参数优化控制模块对焚烧炉进行自适应控制,可以自动调整控制参数,以达到目标的控制结果,即预定燃烧工况数据。在预定燃烧工况数据下,垃圾焚烧具有最佳的燃烧工况,即垃圾焚在预定的炉膛负压、燃烧烟气温度、炉膛氧含量、炉膛内主蒸汽压力、炉膛内残渣含量等燃烧工况数据表征的烧效率、节能、经济性等具有最优的组合,预定燃烧工况数据是工作人员根据具体的情况设定的具体的燃烧工况数据的值,参数优化控制模块可以通过对参数的协同控制以调节燃烧工况达到最佳燃烧工况的状态。
示例性的,所述参数优化控制模块包括基于机器学习模型的控制模块。所述机器学习模型控制模块根据焚烧炉的不同控制参数下获得的大量燃烧工况数据,将所述燃烧工况数据计算出优化控制参数。
进一步,示例性的,所述机器学习模型设置为神经网络预测模型。采用神经网络预测模型进行计算的步骤包括:根据焚烧炉的不同控制参数下获得的大量燃烧工况数据,将所述燃烧工况数据换算成可计算的计算数据,根据所述可计算的计算数据计算得到优化控制参数。需要理解的是,本实施例中以机器学习模型控制模块作为参数优化控制模块的示例以及以神经网络预测模型作为机器学习模型对参数优化控制模块的实施进行说明仅仅是示例性的,其他模型控制模块,或者其他机器学习模型,如基于向量机的统计学习、深度学习***,均适用于本发明。
示例性的,所述自动控制模块还包括:预测模型模块,用以根据所述控制参数计算出预测燃烧工况数据;和反馈校正模块,用以将所述焚烧炉在所述控制参数下的所述燃烧工况数据和所述预测燃烧工况数据进行对比校正,输出校正燃烧工况数据,所述参数优化控制模块根据所述校正燃烧工况数据对所述控制参数进行优化。如图1所示,自动控制模块还包括预测模型模块和反馈校正模块,所述预测模型模块和所述反馈校正模块设置在所述参数优化控制模块和所述焚烧炉组成的可调***的外环,对参数优化控制模块进行进一步校正优化。
示例性的,所述预测模型模块包括经训练的神经网络模型。在所述自动控制模块中设置包括经训练的神经网络模型的预测模型模块,利用从焚烧炉上收集的大量燃烧工况数据进行神经网络训练,从而可以通过控制参数计算出预测燃烧工况数据,以作为参数优化控制模型的模型参考。同时,设置反馈校正模块,通过将预测模型模块计算得到的预测燃烧工况数据与从焚烧炉上收集的大量燃烧工况数据对比获得校正燃烧工况数据,将校正燃烧工况数据用于参数优化控制模型,有利于排除从焚烧炉上直接获得的燃烧工况数据中的噪声,减小参数优化控制模块的误差,进一步提升***的自适应的准确性,增强抗干扰能力,实现负荷、炉温、给料、燃烧、配风等全方位的自动控制,克服垃圾热值变化和内扰,快速响应外界符合变化的需求。
需要理解的是,本实施例采用经训练的神经网络模型设置预测模型模块,仅仅是示例性的,本领域技术人员可以设置任何具有优化的模型的预测模型模块对某一控制参数下的燃烧工况进行计算得到预测燃烧工况数据。同时,需要理解的是,本实施例设置预测模型模块和反馈校正模块对参数优化***进行校正仅仅是示例性的,本领域技术人员可以根据需要选择设置。
示例性的,所述自动控制模块包括至少两个子功能模块,所述至少两个子功能模块对所述至少两个控制参数分别独立控制。进一步,示例性的,所述子功能模块包括给水控制模块、主蒸汽温度控制模块、炉膛负压控制模块、一次风温控制模块、侧墙冷却风控制模块、氧量/炉温控制模块、燃尽控制模块、给料炉排动作速度控制模块、焚烧炉排动作速度与翻动频次控制模块、主蒸汽流量控制模块和/或烟气一氧化碳指标控制模块。
继续参看图1,对根据本发明的一个实施例的垃圾焚烧炉控制***的控制原理进行示例性说明。垃圾焚烧炉控制***中的自动控制模块设置参数优化控制模块、模型预测模块、反馈校正模块,由焚烧炉上设置的数据收集模块(未示出)收集的燃烧工况数据包括主蒸汽压力、氧含量、炉膛负压等,其对应着焚烧炉的控制参数包括燃料、选风量和引风量。在模型预测模块中,对所述控制参数进行计算得到预测燃烧工况数据,预测燃烧工况数据与当前焚烧炉的燃烧工况数据进行比较,在反馈校正模块中对预测燃烧工况数据进行校正得到校正燃烧工况数据,优化控制模块根据校正燃烧工况数据对控制参数进行优化得到优化控制参数,同时优化控制模块根据优化控制参数对焚烧炉进行控制,以最终达到设定燃烧工况数据,在设定燃烧工况数据下焚烧炉具有最佳的燃烧效率,其中设定燃烧工况数据包括主蒸汽压力设定值、氧含量设定值以及炉膛负压设定值。在这一***中,工作人员可以根据需要随时对设定燃烧工况数据进行调整,同时,焚烧炉控制***根据调整后的设定燃烧工况数据进行自学***、燃烧的稳定性和效率。
示例性的,所述***还包括DCS(分布式控制***)模块,所述DCS模块对所述焚烧炉进行逻辑切换控制。在***中设置DCS模块,实现过程控制和过程监控的多级计算机***,从而实现焚烧炉的分散控制、集中操作、分级管理、配置灵活和组态方便。
示例性的,所述参数优化控制模块设置在与所述DCS模块通讯连接的独立主机中。将所述自动控制模块设置在分别与所述焚烧炉和所述DCS模块通讯连接的独立主机中。这样的设置形式,将优化***单独设置,建立可存储大量燃烧工况数据的数据库,使得由焚烧炉上收集的燃烧工况数据单独存储在独立主机中,避免经由DCS通讯存储,进一步减少控制***通讯负担减少***负担,同时,在自动控制模块不工作时,可以采用手动控制中的操作员站和工程师站对焚烧炉进行控制,实现***的灵活配置。
参看图2,示出了根据本发明的一个实施例的垃圾焚烧炉控制***的通讯连接示意图。对焚烧炉的控制模式包括手动控制模式和自动控制模式,在手动控制模式下由操作人员或工程师对焚烧炉的控制参数进行人工控制,在自动控制模式下通过自动控制模块对焚烧炉的控制参数进行自动控制。焚烧炉控制***包括DCS模块和自动控制模块,在DCS模块将手动控制模式和自动控制模式集中操作、灵活配置。手动控制模式下根据操作人员对焚烧炉控制权限进行划分,配置操作员站和工程师站,其中操作员站和工程师站可以分别配置独立主机。示例性的,工程师站下的手动控制模式较操作员站下的手动控制模式对焚烧炉的控制参数的调节权限大,示例性的,操作员站下仅能开启和关闭焚烧炉,而在工程师站下可以调节焚烧炉的送风量等焚烧炉控制参数。在自动控制模式下由配置包含自动控制模块的自动控制站对焚烧炉进行自动控制。将三种工作站通过通讯接口(如OPC)连接至DCS模块,从而实现对焚烧炉不同情况下控制模式的灵活配置。
示例性的,所述***还包括安全保障模块,所述安全保障模块在所述焚烧炉出现故障时,自动切换并进行语音报警提示。示例性的,所述安全保障模块包括设置在焚烧炉各控制模块上的通讯线路检测装置和语音报警装置,所述安全保障模块通过通讯线路检测装置检测到控制模块上的故障信号时向焚烧炉控制***发出指令信号并通过语音报警装置发出语音抱紧提示,所述DCS模块在所述指令信号下进行逻辑切换,如切换至操作员站,以避免对焚烧炉进行进一步的误操作。示例性的,通讯线路检测装置包括电流检测装置,所述语音报警装置包括蜂鸣器等。
综上所述,根据本发明的垃圾焚烧炉控制***,可以基于从焚烧炉上获取的大量燃烧工况数据进行对焚烧炉的大数据分析和***自学***、燃烧工况的稳定性和焚烧效率,提升焚烧炉的智能化、自适应性能,实现节能增效、提高运行经济性的效果。
本发明已经通过上述实施例进行了说明,但应当理解的是,上述实施例只是用于举例和说明的目的,而非意在将本发明限制于所描述的实施例范围内。此外本领域技术人员可以理解的是,本发明并不局限于上述实施例,根据本发明的教导还可以做出更多种的变型和修改,这些变型和修改均落在本发明所要求保护的范围以内。本发明的保护范围由附属的权利要求书及其等效范围所界定。
Claims (10)
1.一种垃圾焚烧炉控制***,其特征在于,所述***包括:
焚烧炉,所述焚烧炉上设置有数据采集模块,用以收集与所述焚烧炉的控制参数相关的燃烧工况数据,所述燃烧工况数据表征所述焚烧炉的燃烧工况;和
自动控制模块,所述自动控制模块根据所述燃烧工况数据对所述焚烧炉的至少两个控制参数进行协同优化得到优化控制参数,并根据所述优化控制参数对所述焚烧炉进行自动控制。
2.如权利要求1所述的***,其特征在于,所述自动控制模块包括参数优化控制模块,所述参数优化控制模块根据所述燃烧工况数据对所述焚烧炉进行自适应控制,以使所述焚烧炉的焚烧工况达到预定燃烧工况数据。
3.如权利要求2所述的***,其特征在于,所述自动控制模块还包括:
预测模型模块,用以根据所述控制参数计算出预测燃烧工况数据;和
反馈校正模块,用以将所述焚烧炉在所述控制参数下的所述燃烧工况数据和所述预测燃烧工况数据进行对比校正,输出校正燃烧工况数据,所述参数优化控制模块根据所述校正燃烧工况数据对所述控制参数进行优化。
4.如权利要求2所述的***,其特征在于,所述参数优化控制模块包括基于机器学习模型的控制模块。
5.如权利要求4所述的***,其特征在于,所述机器学习模型设置为神经网络预测模型。
6.如权利要求3所述的***,其特征在于,所述预测模型模块包括经训练的神经网络模型。
7.如权利要求1所述的***,其特征在于,所述燃烧工况数据包括主蒸汽压力、烟气氧含量、和/或炉膛负压。
8.如权利要求1所述的***,其特征在于,所述***还包括DCS模块,所述DCS模块对所述焚烧炉进行逻辑切换控制。
9.如权利要求8所述的***,其特征在于,所述自动控制模块设置在与所述DCS模块通讯连接的独立主机中。
10.如权利要求1所述的***,其特征在于,所述***还包括安全保障模块,所述安全保障模块在所述焚烧炉出现故障时,自动切换并进行语音报警提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810091943.8A CN108332213A (zh) | 2018-01-30 | 2018-01-30 | 一种垃圾焚烧炉控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810091943.8A CN108332213A (zh) | 2018-01-30 | 2018-01-30 | 一种垃圾焚烧炉控制*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108332213A true CN108332213A (zh) | 2018-07-27 |
Family
ID=62927561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810091943.8A Pending CN108332213A (zh) | 2018-01-30 | 2018-01-30 | 一种垃圾焚烧炉控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108332213A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109189120A (zh) * | 2018-09-07 | 2019-01-11 | 福州大学 | 应用于危险废物焚烧回转窑的数据驱动建模炉温控制方法 |
CN109541942A (zh) * | 2018-11-27 | 2019-03-29 | 苏州恩基热能科技有限公司 | 一种基于机器学习的锅炉燃料预测控制方法及*** |
CN110500595A (zh) * | 2019-07-17 | 2019-11-26 | 光大常高新环保能源(常州)有限公司 | 一种适用于马丁炉垃圾焚烧配风的方法 |
CN110568766A (zh) * | 2019-10-22 | 2019-12-13 | 华北电力大学 | 一种基于燃烧层温度的锅炉控制***及在线优化方法 |
CN110608444A (zh) * | 2019-08-26 | 2019-12-24 | 光大环保技术研究院(南京)有限公司 | 一种基于模型的垃圾焚烧控制*** |
CN110684547A (zh) * | 2019-10-22 | 2020-01-14 | 中国计量大学 | 一种生物质热解炭化窑优化控制方法 |
CN111308966A (zh) * | 2019-11-05 | 2020-06-19 | 光大环保技术研究院(南京)有限公司 | 垃圾焚烧发电应急排放监管***,分析***、用户终端设备 |
CN112859580A (zh) * | 2019-11-12 | 2021-05-28 | 北京国电智深控制技术有限公司 | 一种控制压力的方法、装置、计算机存储介质及终端 |
CN112966440A (zh) * | 2021-03-08 | 2021-06-15 | 深圳力维智联技术有限公司 | 一种垃圾焚烧辅助燃料剂用量的预测方法和*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105864797A (zh) * | 2016-04-01 | 2016-08-17 | 浙江大学 | 循环流化床生活垃圾焚烧锅炉入炉热值实时预测***及方法 |
CN106224939A (zh) * | 2016-07-29 | 2016-12-14 | 浙江大学 | 循环流化床生活垃圾焚烧锅炉床温预测方法及*** |
CN106556014A (zh) * | 2015-09-29 | 2017-04-05 | 上海市环境工程设计科学研究院有限公司 | 一种基于温度场测量技术的焚烧炉燃烧控制方法 |
CN106931453A (zh) * | 2017-02-27 | 2017-07-07 | 浙江大学 | 循环流化床生活垃圾焚烧锅炉NOx排放的预测***及方法 |
-
2018
- 2018-01-30 CN CN201810091943.8A patent/CN108332213A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106556014A (zh) * | 2015-09-29 | 2017-04-05 | 上海市环境工程设计科学研究院有限公司 | 一种基于温度场测量技术的焚烧炉燃烧控制方法 |
CN105864797A (zh) * | 2016-04-01 | 2016-08-17 | 浙江大学 | 循环流化床生活垃圾焚烧锅炉入炉热值实时预测***及方法 |
CN106224939A (zh) * | 2016-07-29 | 2016-12-14 | 浙江大学 | 循环流化床生活垃圾焚烧锅炉床温预测方法及*** |
CN106931453A (zh) * | 2017-02-27 | 2017-07-07 | 浙江大学 | 循环流化床生活垃圾焚烧锅炉NOx排放的预测***及方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109189120A (zh) * | 2018-09-07 | 2019-01-11 | 福州大学 | 应用于危险废物焚烧回转窑的数据驱动建模炉温控制方法 |
CN109189120B (zh) * | 2018-09-07 | 2021-03-02 | 福州大学 | 应用于危险废物焚烧回转窑的数据驱动建模炉温控制方法 |
CN109541942B (zh) * | 2018-11-27 | 2022-04-12 | 苏州恩基热能科技有限公司 | 一种基于机器学习的锅炉燃料预测控制方法及*** |
CN109541942A (zh) * | 2018-11-27 | 2019-03-29 | 苏州恩基热能科技有限公司 | 一种基于机器学习的锅炉燃料预测控制方法及*** |
CN110500595A (zh) * | 2019-07-17 | 2019-11-26 | 光大常高新环保能源(常州)有限公司 | 一种适用于马丁炉垃圾焚烧配风的方法 |
CN110608444A (zh) * | 2019-08-26 | 2019-12-24 | 光大环保技术研究院(南京)有限公司 | 一种基于模型的垃圾焚烧控制*** |
CN110568766A (zh) * | 2019-10-22 | 2019-12-13 | 华北电力大学 | 一种基于燃烧层温度的锅炉控制***及在线优化方法 |
CN110684547A (zh) * | 2019-10-22 | 2020-01-14 | 中国计量大学 | 一种生物质热解炭化窑优化控制方法 |
CN111308966A (zh) * | 2019-11-05 | 2020-06-19 | 光大环保技术研究院(南京)有限公司 | 垃圾焚烧发电应急排放监管***,分析***、用户终端设备 |
CN111308966B (zh) * | 2019-11-05 | 2021-06-22 | 光大环保技术研究院(南京)有限公司 | 垃圾焚烧发电应急排放监管***,分析***、用户终端设备 |
CN112859580A (zh) * | 2019-11-12 | 2021-05-28 | 北京国电智深控制技术有限公司 | 一种控制压力的方法、装置、计算机存储介质及终端 |
CN112859580B (zh) * | 2019-11-12 | 2023-12-05 | 北京国电智深控制技术有限公司 | 一种控制压力的方法、装置、计算机存储介质及终端 |
CN112966440A (zh) * | 2021-03-08 | 2021-06-15 | 深圳力维智联技术有限公司 | 一种垃圾焚烧辅助燃料剂用量的预测方法和*** |
CN112966440B (zh) * | 2021-03-08 | 2023-06-20 | 深圳力维智联技术有限公司 | 一种垃圾焚烧辅助燃料剂用量的预测方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108332213A (zh) | 一种垃圾焚烧炉控制*** | |
CN110486749B (zh) | 一种火电机组锅炉燃烧优化控制方法及*** | |
CN101900316B (zh) | 一种生物质锅炉控制*** | |
CN103423750B (zh) | 一种垃圾焚烧炉的燃烧控制方法 | |
CN104654315A (zh) | 垃圾焚烧处理线的控制*** | |
CN111306572B (zh) | 一种锅炉智能优化燃烧节能控制*** | |
CN110991756A (zh) | 基于ts模糊神经网络的mswi炉膛温度预测方法 | |
CN111780127B (zh) | 一种垃圾焚烧炉燃烧管理*** | |
CN107490018A (zh) | 一种靶向式co为控制变量的加热炉燃烧控制***及控制方法 | |
CN105573261A (zh) | 一种电厂锅炉燃烧的优化监控方法 | |
CN111189053A (zh) | 一种生活垃圾热解气化燃烧自动控制*** | |
CN103870877B (zh) | 一种基于神经网络的锅炉燃烧智能控制方法 | |
CN103453550A (zh) | 燃煤锅炉的自动调温控制方法及其*** | |
CN104501127A (zh) | 生物燃气供蒸汽锅炉负荷调节自动控制方法及***装置 | |
CN112212322B (zh) | 热力循环流化床锅炉优化燃烧的智能控制方法 | |
KR102232481B1 (ko) | 지능형 고효율 친환경 화장시스템 | |
CN105674570A (zh) | 模糊pid式仿生锅炉节能控制*** | |
CN201319128Y (zh) | 加热炉优化控制*** | |
CN105114960B (zh) | 一种垃圾焚烧炉炉膛压力控制的方法 | |
CN206973609U (zh) | 一种靶向式co为控制变量的加热炉燃烧控制*** | |
CN202884936U (zh) | 一种可测量垃圾厚度的垃圾焚烧炉 | |
CN115657466A (zh) | 一种智能控制氨气输入量的锅炉*** | |
CN112013417B (zh) | 一种高碱煤锅炉的燃烧优化调整方法及*** | |
CN204404149U (zh) | 生物燃气供蒸汽锅炉负荷调节自动控制***装置 | |
CN108006665A (zh) | 一种垃圾焚烧炉火焰状况判定及控制燃烧的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180727 |
|
RJ01 | Rejection of invention patent application after publication |