一种蓄热式热力氧化炉智能调控系统及方法技术方案

本发明专利技术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。实现VOCs的高效节能稳定脱除。实现VOCs的高效节能稳定脱除。

【技术实现步骤摘要】
一种蓄热式热力氧化炉智能调控系统及方法


[0001]本专利技术属于节能环保
，具体地说是涉及一种蓄热式热力氧化炉智能调控系统及方法。

技术介绍

[0002]蓄热式热力氧化炉(RTO)是VOCs废气治理应用最为广泛的设备之一，具有净化效率高、处理风量范围宽、运行状况要求低的优点。然而在医药化工等行业中，有机废气具有来源多、间歇性排放等特点，进入RTO的废气流量和VOCs浓度波动大。当VOCs浓度过低时，废气燃烧的热量不足以维持装置运行，需添加辅助燃料；当VOCs浓度过高时，废气燃烧的热量过高，易造成设备损坏甚至带来安全风险。
[0003]目前针对RTO的控制方式大多采用基于温度反馈的PID调节，当检测到燃烧室温度低于设定范围时打开辅助燃料开关，当监测到燃烧室温度高于设定范围时关闭辅助燃料开关。但由于温度变化和传感器响应具有滞后性，这种调节会导致温度波动范围较大，存在运行稳定性下降、辅助燃料浪费的情况，且无法对温度过高的情况进行调节。一些设计通过添加缓冲罐来平衡VOCs浓度的波动，但需投入缓冲罐系统的额外建设成本，且缓冲罐发挥的作用受到容量的限制。
[0004]因此，构建RTO的智能调控系统及方法，在基本维持原有装置结构的基础上实现RTO高效节能稳定运行具有重要意义。

技术实现思路

[0005]为了克服现有技术存在的不足，本专利技术提供了一种蓄热式热力氧化炉智能调控系统及方法，通过实时参数提前预测RTO燃烧室温度变化趋势，优化运行参数，并反馈至控制系统实现智能调控。本专利技术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入口废气浓度调节至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(LSTM)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系统完成智能调控，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。
[0006]为了达到上述目的，本专利技术采用的技术方案是：
[0007]一种蓄热式热力氧化炉智能调控系统，包括装置部分、感知模块、预测模块、优化模块和控制模块；
[0008]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、燃料供应泵，所述蓄热式热力氧化炉包括蓄热体、燃烧室，
[0009]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；
[0010]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；
[0011]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；
[0012]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。
[0013]作为优选，通过装置部分完成高、低浓度废气混合与燃烧过程；
[0014]高、低浓度废气混合(混合过程)：首先通过废水处理站排出的低浓度废气(80～120mg/m3)对生产车间排出的间歇性、高浓度废气(20000～50000mg/m3)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；
[0015]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。
[0016]作为优选，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、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、蓄热体下层温度。
[0017]作为优选，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(LSTM)算法进行模型建立，模型的输入参数为总管废气温度、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、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；
[0018]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；
[0019]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；
[0020]预测模块中选取Sigmoid作为激活函数，对神经元进行激活；
[0021][0022]其中，x为原始值，y为激活值；
[0023]预测模块中选取均方误差MSE作为损失函数；
[0024][0025]其中，n为样本总量，i为样本点，Y
i
为样本真实值，为样本预测值；
[0026]预测模块中选取Adam作为优化函数，对LSTM模型中的神经元数值进行更新，不断降低损失函数的数值，最终实现RTO燃烧温度的精准预测。
[0027]作为优选，优化模块中采用建立RTO热量衡算机理模型，对燃烧室温度的优化调节值进行计算，判断预测模块计算的燃烧室温度是否在设定范围内，当此预测温度超出设定范围则通过热量衡算机理模型计算出目标调节量；当预期温度低于设定范围时，添加辅助燃料，提供更多热量、保持燃烧室温度稳定；当预期温度高于设定范围时，停止辅助燃料的添加，打开稀释风机，对废气浓度进行稀释；
[0028]建立的RTO燃烧热量衡算机理模型之间的关系如下：
[0029]首先计算出废气从入口温度提升至目标设定温度所需的总热量，进而计算废气燃烧释放的总热量，根据两者的差值计算出所需燃料补充的热量或稀释风稀释的热量；
[0030]废气从入口温度提升至目标设定温度所需的总热量为：
[0031]Q
sum
＝(T
obj
‑
T
in
)*c
gas
*V
gas
*ρ
gas
*(1
‑
θ)
[0032]废气燃烧释放的总热量为：
[0033]Q
gas...

【技术保护点】

【技术特征摘要】
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；
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，Y
i
为样本真实值，为样本预测值；预测模块中选取Adam作为优化函数，对LSTM模型中的神经元数值进行更新，不断降低损失函数的数值，最终实现RTO燃烧温度的精准预测。5.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：优化模块中采用建立RTO热量衡算机理模型，对燃烧室温度的优化调节值进行计算，判断预测模块计算的燃烧室温度是否在设定范围内，当此预测温度超出设定范围则通过热量衡算机理模型计算出目标调节量；当预期温度低于设定范围时，添加辅助燃料，提供更多热量、保持燃烧室温度稳定；当预期温度高于设定范围时，停止辅助燃料的添加，打开稀释风机，对废气浓度进行稀释；建立的RTO燃烧热量衡算机理模型之间的关系如下：首先计算出废气从入口温度提升至目标设定温度所需的总热量，进而计算废气燃烧释放的...

【专利技术属性】
技术研发人员：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，
申请(专利权)人：浙江大学嘉兴研究院，
类型：发明
国别省市：