一种蓄热式热力氧化炉智能调控系统及方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115111594A(43)申请公布日2022.09.27(21)申请号202210805850.3F23G5/46(2006.01)(22)申请日2022.07.08(71)申请人浙江大学地址310027浙江省杭州市西湖区浙大路38号申请人浙江大学嘉兴研究院(72)发明人高翔应晓宁姚龙超郑成航韩尚伯周灿吴卫红张悠张涌新周志颖(74)专利代理机构杭州君度专利代理事务所(特殊普通合伙)33240专利代理师郑芳(51)Int.Cl.F23G7/06(2006.01)F23G5/50(2006.01)权利要求书3页说明书8页附图2页(54)发明名称一种蓄热式热力氧化炉智能调控系统及方法(57)摘要本发明涉及一种蓄热式热力氧化炉智能调控系统及方法，包括装置部分、感知模块、预测模块、优化模块和控制模块；首先通过相对稳定的污水处理站低浓度废气对间歇性的车间高浓度废气混合缓冲，将RTO入口挥发性有机物浓度调节至2000～3000mg/m3；然后通过RTO上游废气参数及RTO实时运行参数并结合长短期记忆神经网络预测燃烧室温度变化情况，建立RTO燃烧热量衡算机理模型计算出调节燃烧室温度的稀释风和辅助燃料供应的需求量；将目标调节量传输至控制器完成智能调控，使燃烧室温度稳定维持在预设温度附近，解决因生产侧废气排放波动引起的RTO运行不稳定、燃料消耗大、安全风险大等问题，实现VOCs的高效节能稳定脱除。CN115111594ACN115111594A权利要求书1/3页1.一种蓄热式热力氧化炉智能调控系统，其特征在于包括装置部分、感知模块、预测模块、优化模块和控制模块；所述装置部分包括高浓度废气风机、低浓度废气风机、稀释风机、提升阀、烟气引风机、蓄热式热力氧化炉和燃料供应泵，所述蓄热式热力氧化炉包括蓄热体、燃烧室；所述感知模块包括采集数据的仪器仪表及传感器、分析数据的处理器，通过仪器仪表及传感器的在线检测，结合通讯设备，完成信息采集、传输与存储；所述预测模块包括燃烧室的温度预测模型，温度预测模型根据感知模块获取的数据，提前预测燃烧室温度变化；所述优化模块包括位于服务器上的RTO燃烧热量衡算的机理模型，根据燃烧室预测温度与目标温度的差距计算出稀释风和燃料供应的调节量；所述控制模块包括控制器，控制器通过网络通信模块接收优化模块的调节量后驱动执行机构完成调控。2.根据权利要求1所述蓄热式热力氧化炉智能调控系统，其特征在于：通过装置部分完成高、低浓度废气混合与燃烧过程；高、低浓度废气混合：首先通过废水处理站排出的80～120mg/m3低浓度废气对生产车间排出的间歇性、20000～50000mg/m3高浓度废气进行混合缓冲，将废气浓度调节至2000～3000mg/m3，再控制稀释风机的变频频率，调节蓄热式热力氧化炉入口废气的总浓度和流量；燃烧过程：混合后的废气进入燃烧室中进行燃烧，产生的高温气体流经蓄热室，使其中的蓄热体升温，用于预热后续进入的废气；蓄热室包括一个以上，每个蓄热室依次经历蓄热、放热、清扫过程，周而复始，连续工作。3.根据权利要求1所述蓄热式热力氧化炉智能调控系统，其特征在于：感知模块感知蓄热式热力氧化炉入口上游的废气参数以及蓄热式热力氧化炉实时运行参数，所述废气参数包括蓄热式热力氧化炉入口上游支管以及总管处的废气温度、流量、VOCs浓度、氧含量和湿度；所述蓄热式热力氧化炉实时运行参数包括燃烧室温度、蓄热体上层温度、蓄热体中层温度和蓄热体下层温度。4.根据权利要求1所述蓄热式热力氧化炉智能调控系统，其特征在于：预测模块中的模型基于历史运行数据由机器学习训练得出，采用适用于处理延迟系统的参数预测问题的长短期记忆神经网络算法进行模型建立，模型的输入参数包括总管废气温度、总管废气流量、总管废气VOCs浓度、总管废气氧含量、总管废气湿度、蓄热式热力氧化炉蓄热体上层温度、蓄热式热力氧化炉蓄热体中层温度和蓄热式热力氧化炉蓄热体下层温度，模型的输出参数为蓄热式热力氧化炉燃烧室温度；预测模块中LSTM模型的数据输入量维度设置为100，时间步长维度设置为10，表示每次使用前100个时刻数据预测未来10个时刻的燃烧室温度；预测模块中共包括3层LSTM网络和1层全连接层，为防止网络模型过拟合，在每一层的LSTM层后设置Dropout层，Dropout层在前向传播的过程中让神经元以一定的概率停止工作，增加模型的泛化能力，降低模型的过拟合几率；预测模块中选取Sigmoid作为激活函数，对神经元进行激活；2CN115111594A权利要求书2/3页其中，x为原始值，y为激活值；预测模块中选取均方误差MSE作为损失函数；其中，n为样本总量，i为样本点，Yi为样本真实值，为样本预测值；预测模块中选取Adam作为优化函