【技术实现步骤摘要】
本专利技术属于工业窑炉协同处置固体废物，尤其涉及基于矩阵运算与机器学习耦合的多元固废配伍优化方法。
技术介绍
1、随着城镇化进程的推进，城市固废排放和处置问题日益突出。城市生活源排放的生活垃圾、市政污泥、废塑料，城市生产源排放的工业污泥、含油污泥、废轮胎，以及城市危废源排放的垃圾焚烧飞灰、油液危废、医疗垃圾等等，总量巨大、种类繁多、成分复杂、分布广泛、危害严重，且单独处置受技术、设备、投资等多方面制约。我国各种锅炉/工业窑炉(燃煤锅炉、炼铁高炉、水泥回转窑)具有1000～2000℃高温和完整的污染物脱除系统及高容纳度的物质流，利于锅炉/工业窑炉协同处置固废，一方面可以解决锅炉/工业窑炉长期低负荷运行的“吃不饱”问题，另一方面又解决了大量固体废物的处置问题。
2、但是，在工业窑炉协同处置城市固废过程中存在以下难点：1)多源城市固废的复杂性和不同工业窑炉工艺特性的差异性，要求必须根据固废的理化特性和污染物特征采取综合技术方案实现与窑炉工艺系统及热工过程的兼容匹配；2)针对工业窑炉协同处置城市固废导致的污染控制要求提升，须对由固废协同处置造成的二噁英、重金属等特征污染物进行全过程有效管控。
3、关于工业窑炉协同处置固废方面的研究，许多发达国家在上世纪70～90年代就开始使用水泥窑处置可燃性废弃物的试验研究。1974年，加拿大lawrence水泥厂首先进行了以废润滑油作为干法水泥窑替代燃料的工程应用研究，处置工艺对环境和水泥质量无不良影响，证明了水泥窑协同处置固废及危废的可行性。对于我国在工业窑炉协同处置固废方面
4、此外国外发达国家应用煤粉炉和流化床锅炉协同处置固体废物技术发展迅速，共处置的废物包括生物质(杨木、锯屑、秸秆、橘皮、稻壳等)、rdf、污泥、药渣、石油焦、泥煤、塑料、废旧轮胎、其他木质废物等。目前中国火电装机容量接近1.1×109kw，燃煤电站锅炉已基本实现超低排放改造，且地域分布广泛，具备开展协同处置固体废物的条件。依托现役燃煤电站高效的发电系统和污染物集中处理设施，实施燃煤锅炉与多种固体废物协同处置耦合发电技术，是实现燃煤电站低碳清洁发展途径之一。国内有许多电厂已经在消纳污泥，目前江苏、广东、山东、浙江等省已经建成污泥的电厂处理设施。除污泥外，国内外也有许多电厂燃煤锅炉协同处置其他各类固废的工程试验和应用案例。英国campbell等研究了不同掺混比下纺织废料与煤在循环流化床燃烧室中的共燃情况；利兹大学对电厂燃煤锅炉nox再燃过程协同处置废轮胎粉末进行了研究，发现废轮胎粉末拥有比煤粉更好的nox再燃性能。
5、炼铁高炉是现代炼铁的主要设施，1995年德国开始炼铁高炉协同处置固体废物技术的开发研究与应用，德国、日本等国家相继开发出了鼓风炉处理电镀污泥技术、铬渣回转窑解毒技术及成熟的高炉喷吹塑料技术等。中南大学发现利用烧结机协同处置垃圾焚烧飞灰，对烧结指标没有负面影响且略有改善，所产生烟气仍可通过常规活性炭系统实现标准化排放。高炉协同处置固废德国babich等研究了高炉协同处置废塑料的反应动力学，发现废塑料的物理性质(晶粒尺寸、形状、孔隙率以及比表面积)对其转化的影响强于化学性质。目前，国内宝钢、武钢、山东冶金等企业开展了各类钢铁冶炼窑炉协同处置固废技术的研究及工程实践。
6、现阶段中有机固废配伍方法的研究多处于实验室阶段，研究方法多为实验探究法，在不同实验条件下，以不同的环境、经济效益为目标，实验最优配伍比例。通过组分、比例数据分析，现有大部分研究中将少部分污泥做为辅料，起到降低污染的效果，这与conesa,juana得出少量的污泥可以作为有机污染物的抑制剂的结论相符。而城市生活垃圾由于其组分种类繁多，其中包括厨余垃圾、纸类、橡胶、塑料、金属、纺织物等，碳含量高，o/c原子比相对较高，具有很大的燃烧潜力，所以大部分城市生活垃圾都用为主要材料。
7、还有一些研究是基于统计学，利用机器学习模型实现配伍比例的预测，这些计算方法或实验研究并没有摆脱实验室的限制，在一定程度上与工程实际仍存在差距，具体体现如下
8、(1)没有考虑不同锅炉/工业窑炉运行工况中各项参数，如燃烧温度、污染物排放限制不同，不同锅炉/工业窑炉对一些特定资源化或能源化要求不同(燃煤锅炉需考虑热值、水分，水泥回转窑中需关注矿物cao含量、炼铁高炉中需考虑fe元素含量)等等。
9、(2)配伍中只关注固体废物之间的配伍，没有考虑锅炉/工业窑炉工质，实际工况下锅炉/工业窑炉工质才是锅炉运行中的主要物质，但往往实验中却只研究添加的少量固废配伍，这就造成了现阶段工业窑炉协同处置固废行业实际配伍中添加固废的比例较小。
10、因此针对上述难点，提出了更加贴近实际工况的一种基于数学关系的锅炉/工业窑炉协同处置固废配伍方法。
技术实现思路
1、为解决上述技术问题，本专利技术提出了基于矩阵运算与机器学习耦合的多元固废配伍优化方法，考虑了不同锅炉/工业窑炉运行工况中各项参数。
2、为实现上述目的，本专利技术提供了基于矩阵运算与机器学习耦合的多元固废配伍优化方法，包括：
3、获取初始特性参数和配伍物料，其中，所述配伍物料包括固体废物和窑炉工质；
4、利用机器学习模型嵌套最优化算法，获得所述配伍物料的特性参数要求集合；
5、根据所述配伍物料的特性参数要求集合，与固体废物特性参数要求和窑炉工质特性参数的数学关系，获得最优固体废物和窑炉工质配伍比例；
6、根据所述最优固体废物和窑炉工质配伍比例，获得最优固体废物特性参数要求集合；
7、基于所述最优固体废物特性参数要求集合和固体废物特性参数集合，完成固体废物配伍。
8、可选的，所述初始特性参数包括：
9、固废特性参数集合、固体废物特性参数要求集合和窑炉工质特性参数要求集合。
10、可选的，获得所述配伍物料的特性参数要求集合包括：
11、构建初始机器学习模型；
12、优化所述初始机器学习模型，获得最终机器学习模型；
13、基于所述最终机器学习模型，结合最优化算法，获得所述配伍物料的特性参数要求集合。
14、可选的，获得所述机器学习模型的步骤包括：
15、对所述配伍物料进行数据预处理，利用预处理后的数据，对所述初始机器学习模型进行训练，再将模型进行交叉验证获取算法的最佳超参数；
16、基于所得最佳超参数，结合所述机器学习模型的输入参数与输出性能指标，获得最终的机器学习模型。
17本文档来自技高网...
【技术保护点】
1.基于矩阵运算与机器学习耦合的多元固废配伍优化方法，其特征在于，包括：
2.根据权利要求1所述的基于矩阵运算与机器学习耦合的多元固废配伍优化方法，其特征在于，所述初始特性参数包括：
3.根据权利要求1所述的基于矩阵运算与机器学习耦合的多元固废配伍优化方法，其特征在于，获得所述配伍物料的特性参数要求集合包括：
4.根据权利要求3所述的基于矩阵运算与机器学习耦合的多元固废配伍优化方法，其特征在于，获得所述机器学习模型的步骤包括：
5.根据权利要求3所述的基于矩阵运算与机器学习耦合的多元固废配伍优化方法，其特征在于，基于所述最终机器学习模型，结合最优化算法，获得所述配伍物料的特性参数要求集合包括：
6.根据权利要求2所述的基于矩阵运算与机器学习耦合的多元固废配伍优化方法，其特征在于，获得优化后的配伍比例包括：
7.根据权利要求6所述的基于矩阵运算与机器学习耦合的多元固废配伍优化方法，其特征在于，所述配伍比例公式为：
8.根据权利要求6所述的基于矩阵运算与机器学习耦合的多元固废配伍优化方法，其特征在于，
...【技术特征摘要】
1.基于矩阵运算与机器学习耦合的多元固废配伍优化方法，其特征在于，包括：
2.根据权利要求1所述的基于矩阵运算与机器学习耦合的多元固废配伍优化方法，其特征在于，所述初始特性参数包括：
3.根据权利要求1所述的基于矩阵运算与机器学习耦合的多元固废配伍优化方法，其特征在于，获得所述配伍物料的特性参数要求集合包括：
4.根据权利要求3所述的基于矩阵运算与机器学习耦合的多元固废配伍优化方法，其特征在于，获得所述机器学习模型的步骤包括：
5.根据权利要求3所述的基于矩阵运算与机器学习耦合的多元固...
【专利技术属性】
技术研发人员：陈冠益，孙昱楠，陶俊宇，武文竹，武双，陈冠东，陈超，
申请(专利权)人：天津商业大学，
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。