协同预测和智能控制来自大型废物焚烧炉的多重污染物排放
Xiaoqing Lin1, Ren Wang1, Chaojun Wen1
1Polytechnic Institute, Zhejiang University, Hangzhou, 310015, Zhejiang, China; Institute of Thermal Power Engineering of Zhejiang University, Hangzhou, 310027, Zhejiang, China.
Journal of environmental management
|March 8, 2025
概括
这项研究开发了一个使用LSTM和PSO的智能系统,以准确预测和控制城市固体废物 (MSW) 焚烧的多种污染物,减少9.84%的氨使用,并提供经济效益.
科学领域:
- 环境工程 环境工程
- 人工智能的人工智能
- 化学工程是化学工程的重要组成部分.
背景情况:
- 由于复杂的变量,城市固体废物 (MSW) 焚烧在准确预测和控制污染物排放方面存在挑战.
- 现有的方法在智能控制烟气成分和操作条件方面扎.
研究的目的:
- 开发一个协作预测 (共同预测) 模型,用于MSW焚烧炉烟气中的多种污染物 (HCl,SO2,NOx,PM).
- 为减少污染物创建一个智能控制程序,以NOx和氨喷雾控制为例.
- 提高MSW焚烧的效率,经济性和低排放性能.
主要方法:
- 作为研究对象,利用了一台大型格式MSW焚烧炉.
- 开发了一个长期短期记忆 (LSTM) 模型,用于共同预测污染物排放.
- 结合了LSTM模型与粒子群优化 (PSO) 算法进行智能控制.
- 使用时间序列数据输入来提高预测准确性.
主要成果:
- 使用时间序列输入的LSTM模型显示出卓越的共同预测性能,平均绝对误差 (MAE) 降低了10.98%和平均平方误差 (MSE) 降低了13.95%.
- 功能重要性分析确定了影响共同预测的关键因素,包括烟雾温度和初级空气气流.
- 智能控制程序在120小时的连续运行测试中减少了9.84%的氨喷雾,最大限度地降低了环境风险,并产生了经济效益.
结论:
- 基于时间序列的LSTM模型为MSW焚烧污染物的共同预测提供了更高的准确性.
- 智能控制系统,将预测模型与优化算法集成在一起,可以显著减少试剂消耗和环境影响.
- 这项研究为高效,经济和低排放的MSW焚烧提供了科学基础.
