文_刘泽庆 上海环境卫生工程设计院有限公司

国内垃圾焚烧炉多采用往复式炉排炉，垃圾通过料斗进入垃圾焚烧炉，依次经过炉排干燥段、燃烧段、燃尽段，完成垃圾燃烧并落入除渣器。由于燃烧垃圾是由多种物料，如竹木、塑料、橡胶、纸、湿垃圾等组成，且难以混合均匀，在燃烧过程中，燃烧工况波动大，蒸发量一般在10%的范围内波动，影响焚烧炉及余热锅炉运行稳定，同时降低了发电效能。

燃烧过程属于非线性、强耦合、多变量、大滞后的复杂过程，难以精确建模。现有焚烧厂主要采用ACC系统进行焚烧控制，通过蒸发量、烟气种氧含量、炉膛温度等参数作为调控的主要依据，垃圾从焚烧炉入口到掉渣口需要1～2h，燃烧过程长，调节时滞性大，调整推料器给料频率后，反应至炉膛火焰温度等参数需要10～30min。

神经网络一种模仿生物神经网络的结构和功能的数学模型或计算模型,具有逼近任何非线性函数的能力，可以建立任何系统的非线性黑箱模型。神经网络在垃圾焚烧领域已有部分研究及应用案例。马晓茜等采用神经网络算法,建立垃圾焚烧炉入炉垃圾热值的预测模型，研究结果表明，该模型预测平均相对误差为2.64%。

本文通过建立基于梯度下降算法的4层神经网络，对蒸发量进行预测，以期实现蒸发量提前控制，实现蒸发量平稳，提高设备运行稳定性及发电效益。

1 神经网络模型构建简介

本文选用4层神经网络，输入层有14个输入变量： 一次风量……