首页 > 新闻 > 正文

垃圾分类势在必行 固废处理亟需新技术支撑

时间:2019-07-05 17:16

来源:埃睿迪

“实行垃圾分类,关系广大人民群众生活环境,关系节约使用资源,也是社会文明水平的一个重要体现。”近日,习近平总书记对垃圾分类工作的指示充分说明,垃圾分类已经上升到国家环境保护战略层面,垃圾分类已经是势在必行。那么,垃圾分类对于环境保护的意义何在?对后端垃圾处理会产生什么样的影响?

对此,埃睿迪副总裁黄涛谈到,垃圾分类对固体废物处理利用具有特殊意义,是固体废物减量化、资源化、无害化的重要保障。黄涛就垃圾分类对于固废处理行业的影响,以及新技术在其中所起的作用进行了详细的介绍。

垃圾分类将带动固废焚烧处理的快速提升黄涛介绍道,我们现在谈的垃圾分类,更多的是在谈垃圾的分类收集。事实上,在整个生活垃圾处理链条上,垃圾分类投放和收集是起点,之后就会进入垃圾的分类转运和存储,以及垃圾的处理。垃圾分类投放和收集将改变以往固废处理的流程,对于整个固废处理行业将产生重大影响。

首先是垃圾的收集和转运有重大变化,当前很多城市实施了分类垃圾桶措施,居民要按照可回收物、有害垃圾、干垃圾、湿垃圾的类别分别收集。垃圾分类投放和收集真正落实之后,垃圾清运单位就需要分类收运。考虑到垃圾清运的成本,居民需要调整垃圾投放习惯,比如家庭配备不同类型的垃圾收集设施,每天投放不同类型的垃圾。

其次是垃圾存储和处理有重大变化。以往主要是采用填埋和焚烧的方式进行垃圾处理,垃圾分类做好以后,四类垃圾的处理方法会更加精细化,垃圾处理的单位成本长期来看将会显著降低,可回收物的回收利用将会更加便捷,干垃圾的集中焚烧发电效益将会更好,湿垃圾的本地化、社区化处理将会更加容易,有毒垃圾的针对性处置将能够落到实处。

同时,垃圾分类政策的推进,有利于优化焚烧的垃圾原料。我国的生活垃圾长期以来一直具有高水分、低热值的特点,这和垃圾的混合收集有直接关系。实施垃圾分类收集后,进入垃圾焚烧厂的干垃圾比重将大幅提升,垃圾热值能够稳定达到4000kJ/Kg以上,垃圾含水率得到有效控制,垃圾焚烧的成本能够有效降低,这将进一步提升焚烧在整个垃圾处理中的比重,对垃圾焚烧行业有直接的推动作用。据相关数据显示,2020年焚烧将在垃圾处理领域占据半壁江山,东部地区将达到60%以上。快速增长的焚烧市场,迫切需要新技术的支撑,埃睿迪近年将大数据技术引入垃圾焚烧行业,为行业的发展带来了新的契机。

新技术支撑固废焚烧行业节能减排、提质增效埃睿迪将固废处理与大数据和人工智能深度融合,形成了独具特色的固废大脑产品。固废大脑以工艺运行大数据为基础,自动采集工艺运行中的投料量、温度量、压力量、蒸汽量等数据,基于固废处理的各类机理模型,如热平衡、物资平衡等,实现了固废处理的实时监测预警和自动测算。

同时,固废大脑创新性的将固废处理工艺与机器学习算法相结合,挖掘大量指标之间的潜在联系,通过人工智能实现垃圾焚烧的节能降耗。固废大脑机器学习算法具有探索性特点,各种变量之间事先并没有非常明确的机理关系,而是通过对各种物理量的反复探索、训练,选择最合适的算法模型和匹配度最高的输入变量。

垃圾焚烧领域的算法一般是把助燃燃料投加量、炉膛温度、二噁英浓度、焚烧炉结渣量等作为预测和控制目标,测算最佳的燃料投加量,预测有害成分的产生量,从而实现对经验难以精确把握物理量的计算,对传感器无法测量的物理量进行软测量。

1562318476539776.png

机器学习在垃圾焚烧中的应用价值可以通过几个场景案例来体现:

一、助燃燃料(包括燃油、燃气、燃煤)和助燃空气的精确化投加。

生活垃圾焚烧过程中,由于垃圾热值不稳定、不达标,需要动态投加柴油、燃气、燃煤等外加燃料,最佳的投加方式显然是根据垃圾进料量和热值变化来确定投加量,然而,垃圾热值并不能通过传感器直接测量,实际操作中,操作工主要是根据燃烧中的温度来推测,要向做到精确投加燃料是非常困难的。

机器学习能够有效弥补人的经验的不足。通过反复验证,机器学习系统选择了垃圾含水量、单位时间进料量、床温、炉膛出口含氧量等能够直接采集到的数据作为输入值,利用神经网络算法对助燃燃料和助燃空气的投加量进行预测,为助燃燃料的投加优化起到直接的指导作用,在确保燃烧效果的情况下,助燃燃料的投加量明显减少。

二、 污染物产生量预测。

在垃圾焚烧和烟气排放过程中均会产生二噁英类物质,二噁英类物质是一种毒性剧烈的致癌性物质。如果温度控制不当、烟气停留时间控制不当,都会造成二噁英类物质的超标排放。同时垃圾的含水率也对二噁英类物质的生成有重要影响,含水率越高,二噁英类物质的超标可能性越大。

因此,垃圾焚烧控制中的一项重要工作就是确保焚烧后烟气的达标排放,杜绝二噁英类物质的产生。如果能够在烟气没有排出的情况下提前根据进炉垃圾、进风量等指标预测主要的污染物产生量,将能帮助操作人员提早做出调整。

机器学习系统选择了垃圾含水量、炉膛出口含氧量、床温、二次风率等十几个可以测量的输入值,利用神经网络算法对NOx、SO2等污染物的浓度进行预测,经过持续性的优化,系统能够将预测偏差控制在10%以内。

12

编辑:程彩云

  • 微信
  • QQ
  • 腾讯微博
  • 新浪微博

相关新闻

网友评论 人参与 | 条评论

版权声明: 凡注明来源为“中国水网/中国固废网/中国大气网“的所有内容,包括但不限于文字、图表、音频视频等,版权均属E20环境平台所有,如有转载,请注明来源和作者。E20环境平台保留责任追究的权利。

010-88480329

[email protected]

Copyright © 2000-2020 https://www.solidwaste.com.cn All rights reserved.

中国固废网 版权所有