专利名称：控制废物燃烧过程的方法
技术领域：
本发明涉及废物焚化领域，更具体地涉及一种控制废物燃烧过程的方法。
背景技术：
废物是在任何人类活动，如物品的生产和消耗或建筑物和交通道路的建设之后剩下的任何类型残余材料。除了其单纯的质量和体积以外，大多数残余材料对环境并不存在潜在危害，尽管如此，其正确的处理仍有助于将相关的长期危险减至最小或加以避免。完善的市政废物管理也有助于减少废物处理的成本并且避免对需要用来倾倒废物的大面积区域的破坏。因而，废物的热处理，即废物的焚化或燃烧是任何市政废物管理概念的不可缺少的一部分。焚化被理解为特意启动、受控且，更广义地，受观察的任何物质的自持氧化。类似于任合固体燃料的燃烧，烟气和灰烬是这种废物焚化过程的产物。灰烬是主要包含氧化硅和其它矿物的不同成分的残余物质。由于其化学惰性，它们经常用于填埋以及用于民用工程。
市政及工业废物在废物焚化设备中进行处理，以便减小废物的堆积体积并将对环境有害的废物组分、如芳烃或有机溶剂转化成无害化合物。待处理的废物量的增加导致设计具有多轨的焚化设备，其能够每小时焚化几十吨废物。所谓的废物转化至能量的设备并不仅仅将废物燃烧成灰烬，它们还使用燃烧能量来产生蒸汽，例如用于地区供热，和/或发电，并由此提高设备的总体效率。
尖端的烟气和灰烬处理以及能量转换的装备增加了设备的复杂性并且需要适宜的控制技术。然而，迄今还没有适当的总体控制方案以取代有经验的操作人员，这基本上是由于复杂的化学过程及不稳定的燃料性质导致了燃烧温度和烟气成分以及流量的波动。废物成分的可变性特别与废物的热值或含湿量，或废物中的沙子、砂砾或其它非可燃材料，如金属的量有关。
可以用来影响废物焚化设备燃烧过程的最重要的控制参数是一次和二次燃烧空气的质量流量、空气温度、返回的烟气量、所送入的废物或燃料量以及往复式炉篦的传输速度或添料速度。这些参数必须根据废物含水量及热值的可预计和不可预计变化而加以优化，目的是使可以处理的废物量或可以产生的蒸汽量最大，和/或使空气污染物排放量最小。
EP 1589283公开了一种通过响应于废物燃烧过程中所测量的目标参数来产生控制信号，以控制废物焚化设备的方法。控制信号的产生是基于如此的废物燃烧过程模型，其涉及对应于控制信号的模型输入、对应于目标参数的模型输出及模型状态、将模型状态链接到模型输入的状态方程式以及将模型输出链接到模型输入和模型状态的输出方程式。废物燃烧过程的模型包括表示炉篦上的废物床段的料堆(pile)，所述料堆具有被限制到下层和上层的受限的空间分辨率，其中下层和上层的空间恒定温度和均匀分布的质量每个均形成模型状态。
用于燃烧过程及其控制的关键值是当新废物进入焚化炉时的含水量。实际上没有可用的技术来测量新废物在进入炉子之前的含水量。由于含水量对于控制燃烧过程最为重要，所以已经研制出这样的计算方法，以通过评估下述类型的表达式来从烟气中的含水量中推导含水量m·H2O_waste=m·H2O_flue-m·H2O_formation-m·H2O_combustion]]>其中标记H2O_waste、_flue、_formation以及_combustion分别是指废物、烟气、形成水(即在燃烧过程中所形成的水)、以及燃烧空气中的湿度。尽管如此，这些计算的精度更趋向于定性的而非定量性的，且受几分钟的时间延迟的影响。这使得难以评价和使用此信息来控制燃烧过程。
在欧洲专利申请EP-A 1406136中，对物理过程的数学模型中的变量p的矢量值加以估算。变量p表示过程特性或参数，如涡轮机(turbomachine)的效率或质量流量，所述特性是数学模型的状态矢量x的函数。将变量p的矢量作为增广状态合并到状态矢量x中，并且基于之前所测量的输入变量u的值，通过状态增广扩展卡尔曼滤波器(StateAugmented Extended Kalman Filter，SAEKF)算法来常规地估算完全状态(包括状态矢量x和增广状态p)。换句话说，与根据状态来计算所述过程特性的一组多项式系数的更典型估算相反，过程特性本身与状态同时被估算。
发明内容
本发明的目的是实现对处理含湿量可变的废物的废物焚化设备的自动实时控制。这个目分别通过根据权利要求1和7的用于控制废物燃烧过程的方法和系统得以实现。通过本专利的从属权利要求，进一步的优选实施例是显然的。
根据本发明，废物燃烧过程的时变过程参数，诸如进入的废物的含水量，基于卡尔曼滤波器经由用于时变参数的参数估算算法来估算。然后在用于实时控制废物焚化设备的控制器中，对应于废物燃烧过程模型的输入变量，使用所估算的过程参数来确定控制参数，如废物馈送速率。
在本发明的有利的变型中，时变过程参数形成了用于废物焚化过程的数字模型中的变量的矢量，并且将其作为增广状态结合进模型的状态矢量。然后通过状态增广扩展卡尔曼滤波器(SAEKF)算法估算出包括状态矢量和增广状态的完全状态。
优选地，卡尔曼滤波器包括具有受限的空间分辨率的废物燃烧过程的状态-空间模型。具体而言，将表示炉篦上的废物床段的料堆(pile)的空间分辨率限制到下层和上层。与耗时的计算流体力学相比较，根据本发明，具有有限复杂性的这种模型进一步有助于该控制废物燃烧过程的方法的实时实施。
优选地，根据本发明方法的单独的步骤或功能性模块可以实施为编程的软件模块或程序。将软件模块的计算机程序代码存储在用于控制废物焚化控制系统的一个或多个处理器的计算机程序产品中，具体而言，在计算机程序产品中，该产品包括其中包含计算机程序代码装置的计算机可读介质。
在下文中，将参考在所附附图中示例的优选典型实施例详细解释本发明的主题，其中图1示意性地示出废物焚化设备，图2描绘出前馈控制器的简图。
在附图中所用的参考符号以及其含意以概述形式列于参考符号的清单中。原则上，在附图中给相同的部件提供相同的参考符号。
具体实施例方式
图1示意性地示出具有若干基本组件的废物焚化设备。输入馈送机构或执行器10将市政或工业废物、垃圾或其它残骸引入到炉11入口处的滑槽(chute)中并且将其以特定的废物馈送速率w0放置在得到支撑的可移动炉篦12上，由此形成废物床。炉篦12总体上包括一些相对移动的炉篦板以将废物散布和混合并且将其沿着炉篦12运送。可提供辅助燃烧器13以便启动或支持燃烧过程。燃烧后的烟气在炉11上游的烟气管道或烟气通道14得到收集并且被导引到锅炉或蒸汽发生器15。
不失普遍性，焚化过程可分成废物顺序经过的四个区干燥区20、用于热解和气化/挥发的第一燃烧区21、用于焦化氧化(char oxidation)或固体燃烧的残余区22以及灰烬处理/烧结区23。这些区在炉内实际上并没有很好地分开，且在某些程度上可以重叠。发生热解气体的均匀气相燃烧的第二燃烧区或火焰区24标识在废物床之上。一次空气30以通常不同的量从炉篦之下供给到四个上述提到的区20、21、22、23。二次空气31从炉篦以上送入，以确保在第二燃烧区24中气化和热解产物的完全燃烧。
过程参数的估算涉及三个主要模块，其彼此独立且可以单独地进行维护和开发。
a)参数估算模块，其包括状态增广扩展卡尔曼滤波器、无味卡尔曼滤波器(Unscented Kalman Filter)以及自适应扩展卡尔曼滤波器；b)模型库，其包括热交换器、炉篦燃烧模型加各种构件块(存储和流动元件)；c)解算器库，其包括广泛使用的解算器。
从工程角度看，仅参数估算模块从产品代码中调用。产品代码可以以允许在DLL中调用函数的任何语言(Visual Basic，Visual C/C++，MATLAB等)来编写。开发工程师必须在文件上向估算模块提供输入和输出测量，并且还在文件上接收回参数估算和信任指示符(trustindicator)。
参数估算模块后面的主要概念是各种形式的卡尔曼滤波器。用于线性系统的原始卡尔曼滤波器已经成为成熟的技术，用于所谓的“白盒子”状态估算，意味着所有参数是已知的且仅需要对状态变量加以估算。然而，如果最终所得到的模型包含未知参数，则其称作灰盒子模块。当将滤波器应用到非线性系统中时，则使用扩展卡尔曼滤波器(EKF)的名称。在这种情况下，滤波器仅是一个近似，且当计算滤波器增益矩阵时在每个时间步长将系统方程式线性化。
公知的卡尔曼滤波器对可由具有状态矢量x和输入矢量u的状态-空间表示式x·=f(x,u)]]>表示的动态系统的系统状态进行估算。在状态增广扩展卡尔曼滤波器(SAEKF)中，由待估算的变量p来增广状态，并且以SAEKF为基础的状态-空间模型是x·p·=f(x,u,p)0+w,]]>其中x·=f(x,u,p)]]>表示系统状态中的变化 相对于状态矢量x、测量值u和变量p矢量的已知依赖性的模型化动态(dynamics)，而w表示噪声干扰矢量。组合矢量[x，p]被称为完全状态。要估算的变量p对应于多项式近似的系数。通过适当地采用已知的SAEKF方法，如例如在RobertStengel，“Optimal control and estimation”，Dover Publications，1994.；(p386-400)中所示的，来完成完全状态估算以及相关协方差矩阵的计算。
增广卡尔曼滤波器的名称来自未知参数p的动态 对(线性或非线性)系统状态x·=f(x,u)]]>的增广。例如，对于具有一些可能的未知外部影响的恒定参数，经常将p的动态设置成“随机游动”p·=w,]]>其中w是随机噪声过程。使增广滤波器工作的是参数估算p和系统状态x经由噪声过程的协方差的联系。无味卡尔曼滤波器是通过标准卡尔曼滤波器发展的且不同之处在于计算协方差矩阵的方法。通过借助于模型传播三个不同的所谓的‘西格马点’且根据三个得到的输出矢量估算协方差来对矩阵进行数值计算。这样做的优点是显著简化了所需要的模拟(Riccati方程式消失)。自适应卡尔曼滤波器是进一步的扩展，其克服了通过对调整矩阵Q和R(噪声协方差)进行自适应来调整EKF和UKF的困难。
相对于黑盒子标识方法，如ARMAX模型或神经网络，灰盒子标识具有一些优点。黑盒子模型通常并不利用系统从前的知识并且经常需要估算大量的参数的集合。在灰盒子标识中，仅估算未知的参数。此外，如果因系统的修改而仅一个物理参数发生变化时，仅那个具体的参数必须重新估算，而在黑盒子模型中，将必须对整个参数集进行重新确定。
如果通过上面的参数估算程序来评估滑槽中废物的含湿量，则可以引入前馈控制器元件，其在某些程度上应该能够补偿废物成分的变化。
基本的前馈控制配置如图2所示。其原理如下。通过假设标称的废物成分来设计控制器。因此，基于废物的恒定百分比(Wf)是湿分这一假设，控制器由此产生废物质量流量信号(U)。然而，由于废物成分的随机变化(dFwi)，实际的含湿量(Yw)不同于所假设的含湿量。前馈控制器(FF)使用预计含湿量与实际含湿量(Yw)之间的差来调节U，以给出实际的废物质量流量(Fwi)。注意在图2中dFwi和Wf的输出是带有表示各种废物组分的要素的矢量信号。
参考图2，如下实现前馈控制器的设计。
Yw＝Kw·dFwt+Kw·Wf·Fwi但是Fwi＝U+FF·Yw-FF·Kw·Wf·Fwi∴Fwi=U+FF·Yw1+FF·Kw·Wf]]>将Fwi值代入到Yw方程式且重新整理，得到Yw＝Kw·Wf·U+(1+FF·Kw·Wf)·Kw·dFwi因此，如果(1+FF·Kw·Wf)＜＜1，则dFwi对Yw的影响变得最小。在以下，选择动态FF，以便于在DC附近，(1+FF·Kw·Wf)的增益是零或非常小，换句话说，令(1+FF·Kw·Wf)=ss+K]]>其中s是拉普拉斯算子且K是适合的常数。重新整理后得到FF=-Ks+K·1Kw·Wf]]>
注意对于这个应用，期望dFwi具有小于1Hz的带宽，这意味着对小于1Hz的频率，2*∏*10的K值将给出好于1/11的抑制。实际上虽然比较大的K值将改善干扰抑制，但是太大的值将引起实施上的困难(由于所需要的采样间隔)并且可不利地干扰反馈控制。对于这个应用，所指示的值是可接受的。
附图标记10 执行器11 炉子12 炉篦13 辅助燃烧器14 烟气管道15 锅炉20 干燥区21 第一燃烧区22 残余区23 灰烬处理区24 第二燃烧区30 一次空气31 二次空气。
权利要求
1.一种控制废物燃烧过程的方法，包括-借助于卡尔曼滤波器来估算废物燃烧过程的时变过程参数(p)的值，-基于所述过程参数(p)的所述值来确定控制参数(w0)的控制值，以及-将所述控制值应用到所述废物燃烧过程的执行器(10)上。
2.根据权利要求1所述的方法，其特征在于所述过程参数(p)是所述废物的含水量，且所述控制参数是废物焚化设备的废物馈送速率(w0)。
3.根据权利要求1所述的方法，其特征在于将所述过程参数(p)的所述值估算为状态增广扩展卡尔曼滤波器(SAEKF)算法中的增广状态。
4.根据权利要求1所述的方法，其特征在于所述卡尔曼滤波器基于具有受限空间分辨率的废物燃烧过程的模型。
5.根据权利要求1所述的方法，其特征在于所述控制参数(w0)的所述控制值借助于前馈控制器来确定。
6.一种用于执行根据权利要求1至5之一所述的方法的计算机程序。
7.一种用于控制废物燃烧过程的系统，包括-用于借助于卡尔曼滤波器来估算所述废物燃烧过程的时变过程参数(p)的值的装置，-用于基于所述过程参数(p)的所述值来确定控制参数(w0)的控制值的装置，以及-所述控制值应用于其上的所述废物燃烧过程的执行器(10)。
全文摘要
本发明涉及对处理含湿量可变的废物的废物焚化装置的自动实时控制。在用于控制废物燃烧过程的方法和系统中，基于卡尔曼滤波器，经由用于时变参数的参数估算算法，估算出废物燃烧过程的时变过程参数，如进入废物的含水量。然后对应于废物燃烧过程模型的输入变量，在用于实时控制废物焚化设备的实时控制器中，使用所估算的过程参数来确定控制参数，如废物馈送速率。
文档编号F23G5/50GK101033846SQ20071007975
公开日2007年9月12日 申请日期2007年3月7日 优先权日2006年3月9日
发明者西尔维娅·巴尔迪, 沃尔夫冈·魏森施泰因 申请人:Abb技术有限公司