“實行垃圾分類，關系廣大人民群眾生活環(huán)境，關系節(jié)約使用資源，也是社會文明水平的一個重要體現(xiàn)。”近日，習近平總書記對垃圾分類工作的指示充分說明，垃圾分類已經(jīng)上升到國家環(huán)境保護戰(zhàn)略層面，垃圾分類已經(jīng)是勢在必行。那么，垃圾分類對于環(huán)境保護的意義何在?對后端垃圾處理會產(chǎn)生什么樣的影響?
對此，埃睿迪副總裁黃濤談到，垃圾分類對固體廢物處理利用具有特殊意義，是固體廢物減量化、資源化、無害化的重要保障。黃濤就垃圾分類對于固廢處理行業(yè)的影響，以及新技術在其中所起的作用進行了詳細的介紹。
垃圾分類將帶動固廢焚燒處理的快速提升
黃濤介紹道，我們現(xiàn)在談的垃圾分類，更多的是在談垃圾的分類收集。事實上，在整個生活垃圾處理鏈條上，垃圾分類投放和收集是起點，之后就會進入垃圾的分類轉運和存儲，以及垃圾的處理。垃圾分類投放和收集將改變以往固廢處理的流程，對于整個固廢處理行業(yè)將產(chǎn)生重大影響。
首先是垃圾的收集和轉運有重大變化，當前很多城市實施了分類垃圾桶措施，居民要按照可回收物、有害垃圾、干垃圾、濕垃圾的類別分別收集。垃圾分類投放和收集真正落實之后，垃圾清運單位就需要分類收運?？紤]到垃圾清運的成本，居民需要調整垃圾投放習慣，比如家庭配備不同類型的垃圾收集設施，每天投放不同類型的垃圾。
其次是垃圾存儲和處理有重大變化。以往主要是采用填埋和焚燒的方式進行垃圾處理，垃圾分類做好以后，四類垃圾的處理方法會更加精細化，垃圾處理的單位成本長期來看將會顯著降低，可回收物的回收利用將會更加便捷，干垃圾的集中焚燒發(fā)電效益將會更好，濕垃圾的本地化、社區(qū)化處理將會更加容易，有毒垃圾的針對性處置將能夠落到實處。
同時，垃圾分類政策的推進，有利于優(yōu)化焚燒的垃圾原料。我國的生活垃圾長期以來一直具有高水分、低熱值的特點，這和垃圾的混合收集有直接關系。實施垃圾分類收集后，進入垃圾焚燒廠的干垃圾比重將大幅提升，垃圾熱值能夠穩(wěn)定達到4000kJ/Kg以上，垃圾含水率得到有效控制，垃圾焚燒的成本能夠有效降低，這將進一步提升焚燒在整個垃圾處理中的比重，對垃圾焚燒行業(yè)有直接的推動作用。據(jù)相關數(shù)據(jù)顯示，2020年焚燒將在垃圾處理領域占據(jù)半壁江山，東部地區(qū)將達到60%以上。快速增長的焚燒市場，迫切需要新技術的支撐，埃睿迪近年將大數(shù)據(jù)技術引入垃圾焚燒行業(yè)，為行業(yè)的發(fā)展帶來了新的契機。
新技術支撐固廢焚燒行業(yè)節(jié)能減排、提質增效
埃睿迪將固廢處理與大數(shù)據(jù)和人工智能深度融合，形成了獨具特色的固廢大腦產(chǎn)品。固廢大腦以工藝運行大數(shù)據(jù)為基礎，自動采集工藝運行中的投料量、溫度量、壓力量、蒸汽量等數(shù)據(jù)，基于固廢處理的各類機理模型，如熱平衡、物資平衡等，實現(xiàn)了固廢處理的實時監(jiān)測預警和自動測算。
同時，固廢大腦創(chuàng)新性的將固廢處理工藝與機器學習算法相結合，挖掘大量指標之間的潛在聯(lián)系，通過人工智能實現(xiàn)垃圾焚燒的節(jié)能降耗。固廢大腦機器學習算法具有探索性特點，各種變量之間事先并沒有非常明確的機理關系，而是通過對各種物理量的反復探索、訓練，選擇最合適的算法模型和匹配度最高的輸入變量。
垃圾焚燒領域的算法一般是把助燃燃料投加量、爐膛溫度、二噁英濃度、焚燒爐結渣量等作為預測和控制目標，測算最佳的燃料投加量，預測有害成分的產(chǎn)生量，從而實現(xiàn)對經(jīng)驗難以精確把握物理量的計算，對傳感器無法測量的物理量進行軟測量。
機器學習在垃圾焚燒中的應用價值可以通過幾個場景案例來體現(xiàn)：
一、助燃燃料(包括燃油、燃氣、燃煤)和助燃空氣的精確化投加。
生活垃圾焚燒過程中，由于垃圾熱值不穩(wěn)定、不達標，需要動態(tài)投加柴油、燃氣、燃煤等外加燃料，最佳的投加方式顯然是根據(jù)垃圾進料量和熱值變化來確定投加量，然而，垃圾熱值并不能通過傳感器直接測量，實際操作中，操作工主要是根據(jù)燃燒中的溫度來推測，要向做到精確投加燃料是非常困難的。
機器學習能夠有效彌補人的經(jīng)驗的不足。通過反復驗證，機器學習系統(tǒng)選擇了垃圾含水量、單位時間進料量、床溫、爐膛出口含氧量等能夠直接采集到的數(shù)據(jù)作為輸入值，利用神經(jīng)網(wǎng)絡算法對助燃燃料和助燃空氣的投加量進行預測，為助燃燃料的投加優(yōu)化起到直接的指導作用，在確保燃燒效果的情況下，助燃燃料的投加量明顯減少。
二、 污染物產(chǎn)生量預測。
在垃圾 焚燒和煙氣排放過程中均會產(chǎn)生二噁英類物質，二噁英類物質是一種毒性劇烈的致癌性物質。 如果溫度控制不當、煙氣停留時間控制不當，都會造成二噁英類物質的超標排放。 同時垃圾的含水率也對二噁英類物質的生成有重要影響，含水率越高，二噁英類物質的超標可能性越大。
因此，垃圾焚燒控制中的一項重要工作就是確保焚燒后煙氣的達標排放，杜絕二噁英類物質的產(chǎn)生。 如果能夠在煙氣沒有排出的情況下提前根據(jù)進爐垃圾、進風量等指標預測主要的污染物產(chǎn)生量，將能幫助操作人員提早做出調整。
機器學習系統(tǒng)選擇了垃圾含水量、爐膛出口含氧量、床溫、二次風率等十幾個可以測量的輸入值，利用神經(jīng)網(wǎng)絡算法對NOx、SO 2 等污染物的濃度進行預測，經(jīng)過持續(xù)性的優(yōu)化，系統(tǒng)能夠將預測偏差控制在10%以內。
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。
分享到微信 ×
打開微信，點擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。
數(shù)字化要一盤棋更要各自為戰(zhàn)
