本发明专利技术涉及火电厂技术领域，特别是涉及一种火电厂垃圾焚烧降污染控制方法及系统。包括：获取目标焚烧炉的燃烧变量数据，根据燃烧变量数据形成数据集；通过PC结构学习算法对数据集进行数据深度挖掘并识别数据集中强相关的燃烧变量数据，并构建贝叶斯网络模型；通过MLE算法对数据集进行处理，并验证优化后的贝叶斯网络模型的准确率；当贝叶斯网络模型的准确率大于等于80％时，根据贝叶斯网络模型的准确率确定影响目标焚烧炉污染的关键因子，并根据关键因子对目标焚烧炉进行垃圾焚烧降污染控制。本发明专利技术通过构建贝叶斯网络模型，寻找影响焚烧污染的关键因子，并基于关键因子进行降污处理，减少了烟气污染物的排放，保护环境。保护环境。保护环境。
【技术实现步骤摘要】
一种火电厂垃圾焚烧降污染控制方法及系统
[0001]本专利技术涉及火电厂
，特别是涉及一种火电厂垃圾焚烧降污染控制方法及系统。
技术介绍
[0002]垃圾发电是把各种垃圾收集后，进行分类处理。对燃烧值较高的进行高温焚烧，在高温焚烧中产生的热能转化为高温蒸气，推动涡轮机转动，使发电机产生电能。对不能燃烧的有机物进行发酵、厌氧处理，最后干燥脱硫，产生甲烷气体即沼气，再经燃烧把热能转化为蒸气，推动涡轮机转动，带动发电机产生电能。垃圾焚烧发电主体装置主要技术包括机械炉排焚烧炉、流化床焚烧炉、回转式焚烧炉、CAO式焚烧炉、脉冲抛式焚烧炉等五类技术。
[0003]然而现有技术中，对于火电厂垃圾焚烧产生的污染问题无法进行有效监测，继而导致不能对污染进行有效的控制处理，垃圾焚烧产生的硫化物和氮氧化物都是重要的污染物，因此，如何提供一种火电厂垃圾焚烧降污染控制方法及系统是本领域技术人急需解决的技术问题。
技术实现思路
[0004]本专利技术的目的是提供一种火电厂垃圾焚烧降污染控制方法及系统，本专利技术通过构建贝叶斯网络模型，寻找影响焚烧污染的关键因子，并基于关键因子进行降污处理，减少了烟气污染物的排放，保护环境。
[0005]为了实现上述目的，本专利技术提供了如下的技术方案：
[0006]一种火电厂垃圾焚烧降污染控制方法，包括：
[0007]确定火电厂垃圾焚烧不稳定的焚烧炉作为目标焚烧炉，并获取所述目标焚烧炉的燃烧变量数据，根据所述燃烧变量数据形成数据集；
[0008]通过PC结构学习算法对所述数据集进行数据深度挖掘并识别所述数据集中强相关的所述燃烧变量数据，并构建贝叶斯网络模型；
[0009]通过MLE算法对所述数据集进行处理，并对处理后的所述数据集构建的所述贝叶斯网络模型进行优化，并验证优化后的所述贝叶斯网络模型的准确率；其中，
[0010]当所述贝叶斯网络模型的准确率大于等于80％时，根据所述贝叶斯网络模型的准确率确定影响所述目标焚烧炉污染的关键因子，并根据所述关键因子对所述目标焚烧炉进行垃圾焚烧降污染控制；
[0011]当所述贝叶斯网络模型的准确率小于80％时，通过NSGA－3算法对处理后的所述数据集进行若干次处理，直至所述贝叶斯网络模型的准确率大于等于80％。
[0012]在本申请的一些实施例中，所述确定火电厂垃圾焚烧不稳定的焚烧炉作为目标焚烧炉，并获取所述目标焚烧炉的燃烧变量数据，根据所述燃烧变量数据形成数据集，包括：
[0013]根据若干所述焚烧炉的历史运行数据，确定所述焚烧炉的污染情况K，并确定导致所述焚烧炉的污染情况K导致所述燃烧变量数据异常的风险因子，根据若干导致所述燃烧
变量数据异常的风险因子和所述燃烧变量数据形成所述数据集；其中，
[0014]所述燃烧变量数据包括二氧化硫排放量和氮氧化物排放量。
[0015]在本申请的一些实施例中，所述通过PC结构学习算法对所述数据集进行数据深度挖掘并识别所述数据集中强相关的所述燃烧变量数据后，还包括：
[0016]根据所述数据集中强相关的所述燃烧变量数据构建模型树，并对所述模型树中所述燃烧变量数据的关键因子进行逐层逻辑排列，根据关联度分析算法分析逐层逻辑排列后各层之间的关联度，当关联度大于等于70％时，根据逐层逻辑排列的所述模型树构建所述贝叶斯网络模型；
[0017]其中，所述逻辑排列分为三层，包括上顶层、中间层和下底层；
[0018]所述上顶层包括垃圾焚烧污染排放过量，所述中间层包括垃圾焚烧不充分以及焚烧炉故障，所述下底层包括焚烧烟气直接排放以及焚烧炉工况不佳。
[0019]在本申请的一些实施例中，所述根据逐层逻辑排列的所述模型树构建所述贝叶斯网络模型，包括：
[0020]将所述事故树的上顶层、中间层和下底层分别相应转化为所述贝叶斯网络的叶节点、中间节点和根节点，且所述贝叶斯网络的叶节点与所述事故树的上顶层之间具有映射关系，所述贝叶斯网络的中间节点与所述事故树的中间层具有映射关系，所述贝叶斯网络的根节点与所述事故树的下底层之间具有映射关系。
[0021]在本申请的一些实施例中，所述对所述目标焚烧炉进行垃圾焚烧降污染控制，包括：
[0022]对所述目标焚烧炉的垃圾焚烧产生的烟气进行除尘，对所述目标焚烧炉的垃圾焚烧产生的气味进行吸附以及对所述目标焚烧炉的垃圾焚烧产生的炉渣和飞灰进行磁选分离处理。
[0023]为了实现上述目的，本专利技术还提供了一种火电厂垃圾焚烧降污染控制系统，应用于所述的火电厂垃圾焚烧降污染控制方法中，包括：
[0024]数据获取单元，用于确定火电厂垃圾焚烧不稳定的焚烧炉作为目标焚烧炉，并获取所述目标焚烧炉的燃烧变量数据，根据所述燃烧变量数据形成数据集；
[0025]模型构建单元，用于通过PC结构学习算法对所述数据集进行数据深度挖掘并识别所述数据集中强相关的所述燃烧变量数据，并构建贝叶斯网络模型；
[0026]终端处理单元，用于通过MLE算法对所述数据集进行处理，并对处理后的所述数据集构建的所述贝叶斯网络模型进行优化，并验证优化后的所述贝叶斯网络模型的准确率；其中，
[0027]当所述贝叶斯网络模型的准确率大于等于80％时，根据所述贝叶斯网络模型的准确率确定影响所述目标焚烧炉污染的关键因子，并根据所述关键因子对所述目标焚烧炉进行垃圾焚烧降污染控制；
[0028]当所述贝叶斯网络模型的准确率小于80％时，通过NSGA－3算法对处理后的所述数据集进行若干次处理，直至所述贝叶斯网络模型的准确率大于等于80％。
[0029]在本申请的一些实施例中，所述数据获取单元还用于根据若干所述焚烧炉的历史运行数据，确定所述焚烧炉的污染情况K，并确定导致所述焚烧炉的污染情况K导致所述燃烧变量数据异常的风险因子，根据若干导致所述燃烧变量数据异常的风险因子和所述燃烧
变量数据形成所述数据集；其中，
[0030]所述燃烧变量数据包括二氧化硫排放量和氮氧化物排放量。
[0031]在本申请的一些实施例中，所述模型构建单元还用于根据所述数据集中强相关的所述燃烧变量数据构建模型树，并对所述模型树中所述燃烧变量数据的关键因子进行逐层逻辑排列，根据关联度分析算法分析逐层逻辑排列后各层之间的关联度，当关联度大于等于70％时，根据逐层逻辑排列的所述模型树构建所述贝叶斯网络模型；
[0032]其中，所述逻辑排列分为三层，包括上顶层、中间层和下底层；
[0033]所述上顶层包括垃圾焚烧污染排放过量，所述中间层包括垃圾焚烧不充分以及焚烧炉故障，所述下底层包括焚烧烟气直接排放以及焚烧炉工况不佳。
[0034]在本申请的一些实施例中，所述模型构建单元还用于将所述事故树的上顶层、中间层和下底层分别相应转化为所述贝叶斯网络的叶节点、中间节点和根节点，且所述贝叶斯网络的叶节点与所述事故树的上顶层之间具有映射关系，所述贝叶斯网络的中间节点与所述事故树的中间层具有映射关系，所述贝叶斯网络的根节本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种火电厂垃圾焚烧降污染控制方法，其特征在于，包括：确定火电厂垃圾焚烧不稳定的焚烧炉作为目标焚烧炉，并获取所述目标焚烧炉的燃烧变量数据，根据所述燃烧变量数据形成数据集；通过PC结构学习算法对所述数据集进行数据深度挖掘并识别所述数据集中强相关的所述燃烧变量数据，并构建贝叶斯网络模型；通过MLE算法对所述数据集进行处理，并对处理后的所述数据集构建的所述贝叶斯网络模型进行优化，并验证优化后的所述贝叶斯网络模型的准确率；其中，当所述贝叶斯网络模型的准确率大于等于80％时，根据所述贝叶斯网络模型的准确率确定影响所述目标焚烧炉污染的关键因子，并根据所述关键因子对所述目标焚烧炉进行垃圾焚烧降污染控制；当所述贝叶斯网络模型的准确率小于80％时，通过NSGA－3算法对处理后的所述数据集进行若干次处理，直至所述贝叶斯网络模型的准确率大于等于80％。2.根据权利要求1所述的一种火电厂垃圾焚烧降污染控制方法，其特征在于，所述确定火电厂垃圾焚烧不稳定的焚烧炉作为目标焚烧炉，并获取所述目标焚烧炉的燃烧变量数据，根据所述燃烧变量数据形成数据集，包括：根据若干所述焚烧炉的历史运行数据，确定所述焚烧炉的污染情况K，并确定导致所述焚烧炉的污染情况K导致所述燃烧变量数据异常的风险因子，根据若干导致所述燃烧变量数据异常的风险因子和所述燃烧变量数据形成所述数据集；其中，所述燃烧变量数据包括二氧化硫排放量和氮氧化物排放量。3.根据权利要求2所述的一种火电厂垃圾焚烧降污染控制方法，其特征在于，所述通过PC结构学习算法对所述数据集进行数据深度挖掘并识别所述数据集中强相关的所述燃烧变量数据后，还包括：根据所述数据集中强相关的所述燃烧变量数据构建模型树，并对所述模型树中所述燃烧变量数据的关键因子进行逐层逻辑排列，根据关联度分析算法分析逐层逻辑排列后各层之间的关联度，当关联度大于等于70％时，根据逐层逻辑排列的所述模型树构建所述贝叶斯网络模型；其中，所述逻辑排列分为三层，包括上顶层、中间层和下底层；所述上顶层包括垃圾焚烧污染排放过量，所述中间层包括垃圾焚烧不充分以及焚烧炉故障，所述下底层包括焚烧烟气直接排放以及焚烧炉工况不佳。4.根据权利要求3所述的一种火电厂垃圾焚烧降污染控制方法，其特征在于，所述根据逐层逻辑排列的所述模型树构建所述贝叶斯网络模型，包括：将所述事故树的上顶层、中间层和下底层分别相应转化为所述贝叶斯网络的叶节点、中间节点和根节点，且所述贝叶斯网络的叶节点与所述事故树的上顶层之间具有映射关系，所述贝叶斯网络的中间节点与所述事故树的中间层具有映射关系，所述贝叶斯网络的根节点与所述事故树的下底层之间具有映射关系。5.根据权利要求1所述的一种火电厂垃圾焚烧降污染控制方法，其特征在于，所述对所述目标焚烧炉进行垃圾焚烧降污染控制，包括：对所述目标焚烧炉的垃圾焚烧产生的烟气进行除尘，对所述目标焚烧炉的垃圾焚烧产生的气味进行吸附以及对所述目标焚烧炉的垃圾焚烧产生...
【专利技术属性】
技术研发人员：郭树军，
申请(专利权)人：内蒙古丰电能源发电有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。