TWI823354B - 焚化爐設備的控制裝置 - Google Patents
焚化爐設備的控制裝置 Download PDFInfo
- Publication number
- TWI823354B TWI823354B TW111114983A TW111114983A TWI823354B TW I823354 B TWI823354 B TW I823354B TW 111114983 A TW111114983 A TW 111114983A TW 111114983 A TW111114983 A TW 111114983A TW I823354 B TWI823354 B TW I823354B
- Authority
- TW
- Taiwan
- Prior art keywords
- incinerated
- furnace body
- image information
- control device
- feeder
- Prior art date
Links
- 239000000463 material Substances 0.000 claims abstract description 22
- 238000002485 combustion reaction Methods 0.000 claims description 85
- 238000001125 extrusion Methods 0.000 claims description 29
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 21
- 230000000007 visual effect Effects 0.000 claims description 11
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 9
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000001035 drying Methods 0.000 claims description 5
- 230000032258 transport Effects 0.000 abstract description 2
- 239000004449 solid propellant Substances 0.000 description 49
- 238000001514 detection method Methods 0.000 description 21
- 239000002699 waste material Substances 0.000 description 21
- 238000010586 diagram Methods 0.000 description 15
- 238000012549 training Methods 0.000 description 15
- 238000003384 imaging method Methods 0.000 description 12
- 239000010813 municipal solid waste Substances 0.000 description 10
- 239000007789 gas Substances 0.000 description 7
- 238000011084 recovery Methods 0.000 description 7
- 239000000428 dust Substances 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000011144 upstream manufacturing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004056 waste incineration Methods 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000004071 soot Substances 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 206010047531 Visual acuity reduced Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000002956 ash Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000010881 fly ash Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000002440 industrial waste Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G5/00—Incineration of waste; Incinerator constructions; Details, accessories or control therefor
- F23G5/44—Details; Accessories
- F23G5/442—Waste feed arrangements
- F23G5/444—Waste feed arrangements for solid waste
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G5/00—Incineration of waste; Incinerator constructions; Details, accessories or control therefor
- F23G5/50—Control or safety arrangements
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G2207/00—Control
- F23G2207/10—Arrangement of sensing devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G2207/00—Control
- F23G2207/20—Waste supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E20/00—Combustion technologies with mitigation potential
- Y02E20/12—Heat utilisation in combustion or incineration of waste
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Incineration Of Waste (AREA)
- Centrifugal Separators (AREA)
Abstract
一種焚化爐設備的控制裝置,係具有一面使被焚化物燃燒一面予以搬送之爐本體、及對爐本體供給被焚化物之進料器,該焚化爐設備的控制裝置,具備:圖像資訊取得部,周期性地取得包含和進料器的端部連接的爐本體的接收口之圖像資訊;圖像資訊辨識部,基於圖像資訊辨識在接收口的被焚化物是否為對爐本體伸出的狀態;及供給狀態判定部,當規定時間連續性地辨識出被焚化物為對爐本體伸出的狀態的情形下,判定被焚化物有對爐本體過剩供給的預兆。
Description
本揭示有關焚化爐設備的控制裝置。
專利文獻1中揭示了如下般的廢棄物焚化裝置。亦即,專利文獻1記載之廢棄物焚化裝置,基於掉落至爐之前的廢棄物的圖像與掉落至爐之後的廢棄物的圖像之差分圖像,來偵測實際供給至爐的廢棄物的供給量。此外,專利文獻1記載之廢棄物焚化裝置中,當廢棄物供給量的現在值比規定供給量範圍還高的情形下,會進行以下控制,即,對廢物進料機發出令廢棄物供給速度減少而使往爐篦的廢棄物的供給量減少之指令、令燃燒用一次空氣量增加而促進廢棄物的燃燒之指令等來使操作條件變化,藉此使往爐篦的廢棄物供給量減少,並且促進爐篦的廢棄物的燃燒,而使爐篦上的廢棄物量減少。
[專利文獻1]日本特開2020-128837號公報
然而,專利文獻1記載之廢棄物焚化裝置中,操作條件等是基於廢棄物供給量的現在值而變化,因此例如在根據供給量的變化而增加燃燒用空氣量等之控制中會有導致產生延遲這樣的課題。
本揭示係為了解決上述課題而創作,目的在於提供一種焚化爐設備的控制裝置,能夠改善根據廢棄物等被燃燒物的供給量的變化而做之控制的延遲。
為解決上述課題,本揭示之一種焚化爐設備的控制裝置,係具有一面使被焚化物燃燒一面予以搬送之爐本體、及對前述爐本體供給前述被焚化物之進料器,該焚化爐設備的控制裝置,具備:圖像資訊取得部,周期性地取得包含和前述進料器的端部連接的前述爐本體的接收口之圖像資訊;圖像資訊辨識部,基於前述圖像資訊辨識在前述接收口的前述被焚化物是否為對前述爐本體伸出的狀態;及供給狀態判定部,當規定時間連續性地辨識出前述被焚化物為對前述爐本體伸出的狀態的情形下,判定前述被焚化物有對前述爐本體過剩供給的預兆。
按照本揭示之焚化爐設備的控制裝置,能夠改善根據廢棄物等被燃燒物的供給量的變化而做之控制的延遲。
100:焚化爐設備
102:料斗
104:進料器部
108:燃燒室
110:擠出裝置
112:空氣供給裝置
114:熱回收鍋爐
116:減溫塔
118:集塵裝置
120:煙囪
121:下游側端部
122:接收口
124:擠出臂
126:爐篦
128:乾燥區域
130:燃燒區域
131:火炎
132:後燃燒區域
135:灰
136:空氣供給管
138:吹灰器
140:第1流量調節閥
142:第2流量調節閥
143:廢氣
144:煙道
145:爐尾
2:拍攝裝置
201:紅外圖像
28:伸出量偵測用拍攝裝置
4:控制裝置
41:圖像資訊取得部
42:圖像資訊辨識部
43:供給狀態判定部
44:燃燒用空氣量控制部
45:進料器控制部
46:過剩供給偵測部
47:伸出量偵測部
48:模型訓練部
49:記憶部
491:預訓練模型
492:圖像資訊
90:電腦
91:處理器
92:主記憶體
93:儲存器
94:介面
Fg:固體燃料
Fr:固體燃料Fg的前面
Fr1:固體燃料Fg的前面Fr當中的位於最下游側的部分
Lr:固體燃料Fg的伸出長
RC:中央區域
RL:左區域
RR:右區域
W1:移動方向
[圖1]示意本揭示的實施形態之焚化爐設備的構成例的概略圖。
[圖2]示意本揭示的實施形態之控制裝置的構成例的方塊圖。
[圖3]示意本揭示的實施形態之紅外圖像的一例的圖。
[圖4]示意本揭示的實施形態之控制裝置的動作例的流程圖。
[圖5]用來說明本揭示的實施形態之控制裝置的動作例的模型圖。
[圖6]用來說明本揭示的實施形態之控制裝置的動作例的模型圖。
[圖7]用來說明本揭示的實施形態之控制裝置的動作例的模型圖。
[圖8]用來說明本揭示的實施形態之控制裝置的動作例的模型圖。
[圖9]用來說明本揭示的實施形態之控制裝置的動作例的模型圖。
[圖10]示意本揭示的實施形態之電腦的構成的概略方塊圖。
(焚化爐設備的控制裝置的構成)
以下參照圖1~圖10說明本揭示的實施形態之焚化爐設備的控制裝置。圖1為示意本揭示的實施形態之焚化爐設備的構成例的概略圖。圖2為示意本揭示的實施形態之控制裝置的構成例的方塊圖。圖3為示意本揭示的實施形態之紅外圖像的一例的圖。圖4為示意本揭示的實施形態之控制裝置的動作例的流程圖。圖5~圖9為用來說明本揭示的實施形態之控制裝置的動作例的模型圖。圖10為示意本揭示的實施形態之電腦的構成的概略方塊圖。另,各圖中對於同一或相對應的構成使用同一符號而適宜省略說明。
(焚化爐設備的構成)
圖1示意本揭示的實施形態之焚化爐設備100的構成例。圖1示意的示例性形態中,焚化爐設備100是以都市垃圾、產業廢棄物或生質等作為固體燃料Fg之爐排(stoker)式的垃圾焚化爐。另,焚化爐設備100不限定於爐排式的垃圾焚化爐。
如圖1所示,焚化爐設備100包含料斗102、進料器部104、燃燒室108、擠出裝置110(廢物進料裝
置)、空氣供給裝置112、熱回收鍋爐114、減溫塔116、集塵裝置118、煙囪120。燃燒室108為本揭示之一面使被焚化物燃燒一面予以搬送的爐本體的一例。擠出裝置110為本揭示之對爐本體供給被焚化物的進料器的一例。
進料器部104為朝向燃燒室108延伸的通路。進料器部104構成為讓投入至料斗102的廢棄物(垃圾)等的被燃燒物固體燃料Fg堆積。若將固體燃料Fg在焚化爐設備100內移動的方向訂為移動方向W1,則進料器部104的移動方向W1的下游側的下游側端部121(進料器部104的燃燒室108側的端部)和燃燒室108的接收口122連接。
擠出裝置110具有擠出臂124,其用來將堆積在進料器部104的固體燃料Fg介由接收口122擠出至燃燒室108。擠出臂124構成為可在進料器部104內從移動方向W1的上游側朝向下游側、及從下游側朝向上游側移動。也就是說,擠出臂124在進料器部104內沿著進料器部104的延伸方向(水平方向)往復運動。
燃燒室108包含爐篦126(爐排),其讓介由接收口122而被擠出至燃燒室108的固體燃料Fg掉落。此爐篦126相當於燃燒室108的爐床部。爐篦126構成為使爐篦126上的固體燃料Fg朝逐漸遠離接收口122的方向(移動方向W1的上游側至下游側)移動。此外,燃燒室108包含從移動方向W1的上游側朝向下游側依序並排之乾燥區域128、燃燒區域130、及後燃燒區域132。乾燥區域128藉由燃燒室108內的熱使固體燃料Fg乾燥。燃燒區域130點燃火炎
131使固體燃料Fg燃燒。後燃燒區域132使在燃燒區域130未燃燒完全的燃燒屑完全燃燒。在燃燒室108受到乾燥、燃燒、後燃燒的固體燃料Fg成為灰135,被排出至焚化爐設備100外。
空氣供給裝置112構成為將固體燃料Fg的燃燒中使用的1次空氣、及將用來減低由於固體燃料Fg的燃燒而產生的一氧化碳這類未燃盡氣體的濃度的2次空氣供給至燃燒室108。圖1所示的示例性形態中,空氣供給裝置112包含空氣供給管136、與設於空氣供給管136的吹灰器138。在空氣供給管136流通的空氣,一部分作為1次空氣而介由第1流量調節閥140從爐篦126被供給至燃燒室108的下部,並且其餘一部分作為2次空氣而介由第2流量調節閥142從燃燒室108的側壁被供給至燃燒室108的上部。空氣供給裝置112作用成為對燃燒室108的上部供給2次空氣之2次空氣供給裝置。另,圖1所示的示例性形態中,構成為對燃燒室108的乾燥區域128、燃燒區域130、及後燃燒區域132的各者供給1次空氣。
熱回收鍋爐114、減溫塔116、集塵裝置118、及煙囪120的各者設於焚化爐設備100的煙道144,該煙道144讓固體燃料Fg燃燒而生成的廢氣143流通。廢氣143依熱回收鍋爐114、減溫塔116、集塵裝置118、煙囪120的順序流通。熱回收鍋爐114從廢氣143的熱能生成蒸氣。減溫塔116降低通過了熱回收鍋爐114的廢氣143的溫度。集塵裝置118捕集通過了減溫塔116的廢氣143中包含
的飛灰。煙囪120將通過了集塵裝置118的廢氣143排氣至焚化爐設備100的外部。另,在熱回收鍋爐114生成的蒸氣亦可構成為供給至未圖示的蒸氣渦輪。
(控制裝置的構成)
運用於上述的焚化爐設備100之控制裝置4,為具有一面使被焚化物燃燒一面予以搬送之燃燒室108、及對燃燒室108供給被焚化物之擠出裝置110的焚化爐設備100的控制裝置。控制裝置4,作為由電腦、與電腦的周邊裝置等硬體、與電腦執行的程式等軟體之組合而構成的機能性構成,係具備以下各部。亦即,控制裝置4具備圖像資訊取得部41、圖像資訊辨識部42、供給狀態判定部43、燃燒用空氣量控制部44、進料器控制部45、過剩供給偵測部46、伸出量偵測部47、模型訓練部48、記憶部49。此外,記憶部49記憶複數個預訓練模型491與複數個圖像資訊492。
圖像資訊取得部41周期性地取得圖像資訊,該圖像資訊包含表示拍攝裝置2攝影的包含進料器部104等的區域即進料器鄰近區域之圖像訊號。另,本實施形態中,圖像資訊亦可包含表示攝影圖像之圖像訊號、與表示圖像訊號的攝影日時之資訊、表示攝影時的擠出臂124的行程總長(進料器的總擠出長度)之資訊等。擠出臂124的行程總長,是以發生了被焚化物的過剩供給(亦稱為「崩塌」等)的時間點作為起點,使擠出臂124從W1方向的上游往下游移動之長度的合計值。進料器鄰近區域,例如為
包含固體燃料Fg的前面Fr作為矚目區域之區域。
另,拍攝裝置2構成為拍攝堆積在焚化爐設備100的進料器部104的固體燃料Fg掉落至燃燒室108之前的固體燃料Fg的紅外圖像(熱圖像)。藉由拍攝裝置2拍攝的固體燃料Fg的紅外圖像,會即時地被送至控制裝置4。圖1所示的示例性形態中,拍攝裝置2設於比燃燒室108的後燃燒區域132還位於移動方向W1的下游側之燃燒室108的爐尾145,以便拍攝掉落至燃燒室108之前的固體燃料Fg的表面當中的和燃燒室108相向的前面Fr的紅外圖像。此拍攝裝置2可拍攝從燃燒室108的接收口122伸出的固體燃料Fg的前面Fr的紅外圖像。另,只要可拍攝固體燃料Fg的前面Fr的紅外圖像,則拍攝裝置2亦可設於燃燒室108的爐尾145以外。
此外,拍攝裝置2例如為紅外線相機,其檢測來自火炎131的輻射較少之規定的波長域的紅外線。在此情形下,規定的波長域的範圍例如為2μm以上5μm以下。若要進一步抑制火炎131的影響而拍攝固體燃料Fg的前面Fr的紅外圖像,規定的波長域的範圍為3.8μm以上4.2μm以下。另,拍攝作為紅外圖像的對象波長域為0.8μm~1000μm。藉由讓帶通濾波器等通過此波長域,亦可達成視必要僅使用一部分波長之運用。
此外,拍攝裝置2只要可隔著火炎131拍攝固體燃料Fg的前面Fr的紅外圖像則不限定於紅外線相機。一些實施形態中,拍攝裝置2包含可見光相機、及將入射至
可見光相機的穿透波長限制在規定的波長域之濾波器裝置。
圖像資訊辨識部42,基於圖像資訊取得部41取得的圖像資訊來辨識進料器鄰近區域中的固體燃料Fg是否為對燃燒室108伸出的狀態。本實施形態中,圖像資訊辨識部42運用預訓練模型491來辨識進料器鄰近區域中的固體燃料Fg是否為對燃燒室108伸出的狀態。另,本實施形態中,圖像資訊辨識部42對將進料器鄰近區域分割成複數個區域而成之每一分割區域辨識固體燃料Fg是否為對燃燒室108伸出的狀態。在此情形下,預訓練模型491是依每一分割區域訓練。
預訓練模型491例如為深度學習模型,至少以圖像資訊作為解釋變數,以固體燃料Fg的伸出有無及視野不良作為目標變數而事先藉由有監督訓練訓練而成之模型。預訓練模型491例如至少輸入圖像資訊作為解釋變數,輸出固體燃料Fg的伸出有無及視野不良作為目標變數。預訓練模型491例如以神經網路作為要素,藉由機器學習讓神經網路的各層的神經元間的加權係數最佳化,以便對被輸入的多數個資料輸出可求得的解。預訓練模型491例如由進行輸入至輸出為止的演算的程式與該演算中使用的加權係數(參數)之組合所構成。此外,預訓練模型491例如是依將拍攝裝置2拍攝的紅外圖像以任意區域分割而成之每一分割區域訓練。
圖3示意拍攝裝置2攝影的紅外圖像201的例
子。圖像資訊辨識部42,將紅外圖像201藉由和移動方向W1正交的方向(訂為X1方向)予以3分割成左區域RL、中央區域RC、右區域RR,將各分割區域分類成伸出的有無或視野不良的其中一種。圖3所示例子中,中央區域RC被分類成有伸出,左區域RL與右區域RR被分類成無伸出。另,視野不良例如對應至當灰等介於拍攝裝置2與進料器鄰近區域之間的情形下攝影出的圖像等。另,本實施形態中雖訂為3分割,但不限定於3分割。固體燃料Fg雖藉由擠出裝置110而被均一地推擠,但垃圾會勾纏因此不會均一地落至爐內。此外,落下時,深處的垃圾亦可能勾纏而一起落下,垃圾的面不會均一,因此設置複數個矚目區域。
預訓練模型491能夠訂為藉由依分割的每一區域基於圖像資訊來分類成垃圾的伸出有無、視野不良之深度學習所成的判定模型,但於作成判定模型時,行程總長等的運轉資料亦可一併使用作為解釋變數而使其學習。另,圖像資訊可為實際運轉中的圖像資訊492,亦可使用過去的圖像資訊492。
供給狀態判定部43,當規定時間連續性地辨識出固體燃料Fg為對燃燒室108伸出的狀態的情形下,判定固體燃料Fg有對燃燒室108過剩供給(變為崩塌)的預兆。此外,供給狀態判定部43當規定時間連續性地辨識出至少在複數個分割區域固體燃料Fg為對燃燒室108伸出的狀態的情形下,判定固體燃料Fg有對燃燒室108過剩供給的預兆。又,圖像資訊辨識部42當運用至少以圖像資訊作
為解釋變數,以固體燃料Fg的伸出有無及視野不良作為目標變數而求出的預訓練模型491來辨識固體燃料Fg是否為對燃燒室108伸出的狀態的情形下,供給狀態判定部43依下述方式判定。亦即,供給狀態判定部43當至少規定時間連續性地辨識出固體燃料Fg為對燃燒室108伸出的狀態,且擠出裝置110為推擠固體燃料Fg中的情形下,判定固體燃料Fg有對燃燒室108過剩供給的預兆。
供給狀態判定部43,例如在崩塌預兆判定中,以是否全部滿足以下的條件來進行預兆判定。(條件1)從3分割的圖像資訊中,有伸出在3分割中有2分割以上。(條件2)連續發生5秒。(條件3)進料器動作為推擠中。另,偵測時間例如訂為連續規定時間(例如60秒)。此偵測時間,是當預兆判定的條件成立之後實際上未發生崩塌(過剩供給)的情形下,進行下一次的預兆判定以前之待命時間。當預兆判定的條件成立之後實際上發生了崩塌(過剩供給)的情形下,能夠立刻進行下一次的預兆判定。上述規定時間例如能夠配合1次的平均的推擠時間來調整。
另,本實施形態中,當供給狀態判定部43規定時間連續性地辨識出固體燃料Fg為對燃燒室108伸出的狀態,且基於擠出裝置110的行程總長(總擠出長度)之過剩供給發生機率為規定的閾值以上的情形下,判定固體燃料Fg有對燃燒室108過剩供給的預兆。圖5示意基於擠出裝置110的行程總長之過剩供給發生機率的例子。圖5將橫軸訂為行程總長,將縱軸訂為崩塌發生機率,示意相對於行
程總長之崩塌發生機率的例子。圖5所示例子中,大致上,當行程總長為L1的情形下發生機率為10%,當行程總長為L2的情形下發生機率為40%,當行程總長為L3的情形下發生機率為70%,當行程總長為L4的情形下發生機率為90%。另,實線為進料器推擠中發生了崩塌的情形,鏈線為進料器後退中或停止中發生了崩塌的情形。圖5所示例子(處理廠),為一般性的每1次的行程長被控制在L2與L3之間程度的例子。
本實施形態中,供給狀態判定部43即使當上述的預兆判定的所有條件被滿足的情形下,若基於擠出裝置110的行程總長之過剩供給發生機率未滿規定的閾值(例如70%)時,仍判定沒有過剩供給的預兆。另,過剩供給發生機率例如能夠藉由以行程總長作為參數之2次函數來近似,或使用訂定行程總長與過剩供給發生機率之對應關係的映射來求出。在本實施形態之實機的確認中,偵測到預兆後未必會發生崩塌。鑑此,如圖5所示,算出相對於進料器的行程總長之崩塌發生機率,此發生機率亦用於預兆判定,藉此進一步提高預兆判定的精度。
另,對於過剩供給發生機率的閾值,亦可設計成於運轉時例如每隔規定時間便配合運轉狀況而例如由供給狀態判定部43變更。崩塌的發生機率會因垃圾質地(乾燥度、形狀、硬度等)而變化,因此例如能夠基於偵測率或答對率(答錯率)的實績值而自動地或手動變更閾值。於後述的偵測到預兆時,為了抑制一氧化碳的產生而做的
控制,例如是藉由在偵測到預兆時於崩塌發生前使2次空氣的供給增加來進行。在此情形下,若崩塌實際發生則會藉由氧的增加供給來防止不完全燃燒,能夠抑制一氧化碳的產生。惟當崩塌實際上未發生的情形下,氧會變得過剩,有導致氮氧化物的產生增加的可能性。因此,亦可設計成藉由對一氧化碳減低的要求與氮氧化物產生的可能性增加之權衡,而使閾值根據實際的運轉狀況變化。這裡,示意運轉狀況的資訊,不限定於示意一氧化碳的產生量之資訊與示意氮氧化物的產生量之資訊,例如亦可包含示意垃圾質地、溫度、濕度等之資訊。在此情形下,對於過剩供給發生機率的閾值,為一可基於至少包含示意一氧化碳的產生量之資訊與示意氮氧化物的產生量之資訊的實際的前述被焚化物的燃燒狀況之資訊來使其變化的值。藉由像這樣使閾值變化,例如能夠精度良好地管理有關一氧化碳的產生量之上限值與有關氮氧化物的產生量之上限值。圖6示意當組合了基於圖像辨識之預兆判定及基於行程總長之過剩供給發生機率與閾值之比較的情形下,使閾值變化時的預兆判定的答錯率與偵測率之關係。答錯率為相對於預兆判定的所有次數,崩塌未發生的次數的比例。偵測率為相對於崩塌發生的次數,成功預兆發生的次數的比例。若減小閾值則偵測率會上昇但答錯率亦會上昇。若增大閾值則答錯率雖能減小,但偵測率亦會降低。
燃燒用空氣量控制部44,係控制空氣供給裝置112,使得燃燒用空氣的供給量基於供給狀態判定部43
所做的過剩供給的預兆的判定結果而變化。藉由此控制,例如能夠抑制當崩塌發生的情形下產生之一氧化碳的急遽增加。燃燒用空氣量控制部44,例如當藉由供給狀態判定部43判定有過剩供給的預兆的情形下進行使二次燃燒用空氣的供給量增加之控制,藉此能夠提高爐內的氧濃度。藉此,可抑制CO濃度的遽增。
進料器控制部45,基於供給狀態判定部43所做的過剩供給的預兆的判定結果而使擠出裝置110的動作速度或行程的至少一方變化。進料器控制部45,例如當藉由供給狀態判定部43判定有過剩供給的預兆的情形下減慢擠出裝置110的動作速度,且控制擠出裝置110使得行程(擠出臂124的移動行程)變短。藉由此控制,拖延(延緩)下次的崩塌發生之前的時間,即使崩塌發生的情形下也不必使廢物進料裝置停止,因此能夠持續燃料供給,可抑制蒸發量的降低。
另,燃燒用空氣量控制部44所做的控制與進料器控制部45所做的控制可進行雙方,亦可僅進行其中一方。另,當判定有過剩供給的預兆的情形下燃燒用空氣量控制部44所做的控制與進料器控制部45所做的控制,稱為預兆時控制。
過剩供給偵測部46,基於圖像資訊取得部41取得的複數個紅外圖像,監視固體燃料Fg的前面Fr的紅外圖像的亮度,藉此偵測過剩供給的發生。圖7為示意掉落至燃燒室108之前的固體燃料Fg的前面Fr的紅外圖像的亮
度的圖表,縱軸示意亮度,橫軸示意時間。t1及t2為過剩供給實際發生的時刻。如圖7所示,過剩供給實際發生的t1及t2時,固體燃料Fg的前面Fr的紅外圖像的亮度明顯減少。因此,藉由監視固體燃料Fg的前面Fr的紅外圖像的亮度,便能迅速地偵測過剩供給的發生。過剩供給偵測部46,當偵測到過剩供給的發生的情形下,介由進料器控制部45對擠出裝置110指示停止擠出臂124的動作。擠出裝置110一旦受到進料器控制部45的指示,便停止擠出臂124的動作。藉此,往燃燒室108的固體燃料Fg的供給被停止。
此外,過剩供給偵測部46當偵測到過剩供給的發生的情形下,介由燃燒用空氣量控制部44使從空氣供給裝置112(2次空氣供給裝置)供給至燃燒室108的2次空氣的量增加。
伸出量偵測部47,如圖8所示,偵測從燃燒室108的接收口122朝向燃燒室108伸出的固體燃料Fg的伸出長Lr。圖8所示的示例性形態中,伸出量偵測部47於移動方向W1偵測燃燒室108的接收口122與固體燃料Fg的前面Fr當中的位於最下游側的部分Fr1之間的大小來作為伸出長Lr。伸出量偵測部47,例如基於能夠從上方攝影固體燃料Fg之伸出量偵測用拍攝裝置28的拍攝資訊而對每一分割區域偵測伸出長Lr。
模型訓練部48,對圖像資訊取得部41取得的紅外圖像,依每一分割區域進行圖型識別等的圖像處理,辨識是否視野不良,當視野不良的情形下將該分割區域分
類成視野不良。此外,模型訓練部48,當對圖像資訊取得部41取得的紅外圖像未辨識為視野不良的情形下,依每一分割區域基於伸出量偵測部47偵測的伸出長Lr而將該部分區域分類成有伸出或無伸出。然後,模型訓練部48將辨識的結果保存作為圖像資訊492,例如當已蓄積規定量的圖像資訊492的情形下,運用圖像資訊492再次訓練預訓練模型491。
(控制裝置的動作例)
接著參照圖4,說明控制裝置4的動作例。圖4所示處理,例如是以1秒間隔反覆執行。一旦圖4所示處理開始,則控制裝置4判定是否為預兆時控制當中(S1)。當不是預兆時控制當中的情形下(S1:NO),圖像資訊取得部41以拍攝裝置2(紅外線相機)攝影爐內而取得圖像資訊(S2)。接著,圖像資訊辨識部42將進料器鄰近區域的圖像做網目分割(S3)。接著,圖像資訊辨識部42依每一分割區域藉由深度學習判定模型判定伸出有無、或視野不良(S4)。接著,供給狀態判定部43進行崩塌預兆判定(S5)。
供給狀態判定部43,當上述的(條件1)~(條件3)全部成立的情形下判定有預兆(S5:Yes),當有任一者不成立的情形下判定無預兆(S5:No)。當判定有預兆的情形下(S5:Yes),供給狀態判定部43判定基於行程總長之崩塌發生機率是否為規定的閾值以上(S6)。當為閾值以上的情形下(S6:Yes),燃燒用空氣量控制部44與進料器控
制部45開始預兆時控制(S7)。接著,控制裝置4判定預兆時控制的結束條件是否成立(S8)。
預兆時控制的結束條件,例如為當過剩供給偵測部46偵測到實際發生了崩塌的情形、或預兆時控制開始後未發生崩塌而經過了規定的繼續時間(例如60秒)的情形。當預兆時控制的結束條件成立的情形下(S8:Yes),控制裝置4令預兆時控制結束而轉換至對實際的崩塌之控制,或單純結束預兆時控制(S9)。
另,當為預兆時控制當中的情形下(S1:Yes),控制裝置4判定預兆時控制的結束條件是否成立(S8)。此外,當結束了預兆時控制的情形下(S9)、崩塌預兆判定中無預兆的情形下(S5:No)、非為閾值以上的情形下(S6:No)、或是預兆時控制的結束條件未成立的情形下(S8:No),控制裝置4會結束圖4所示處理。
圖9示意偵測到預兆成立時的動作模式的例子。T1時間為例如5秒,T2時間為例如60秒。在時刻t11開始進料器的推擠,在時刻t12條件1及條件3與閾值判定成立,又經過T1時間,在時刻t13偵測到預兆,在崩塌發生的時刻t14之前的時間TC1進行預兆時控制。此外,在時刻t11開始進料器的推擠,在時刻t22條件1及條件3與閾值判定成立,又經過T1時間,在時刻t23偵測到預兆,在崩塌發生的時刻t25之前的時間TC2進行預兆時控制。另,在此情形下,在時刻t24,進料器正在從推擠變為後退當中。此外,在時刻t11開始進料器的推擠,在時刻t22條件1及條
件3與閾值判定成立,又經過T1時間,在時刻t23偵測到預兆,在崩塌發生的時刻t32之前的時間TC3進行預兆時控制。另,在此情形下,在時刻t24,進料器正在從推擠變為後退當中。此外,在時刻t31進料器停止。
(作用、效果)
如以上般,按照本實施形態,能夠改善根據過剩供給等的廢棄物等被燃燒物的供給量的變化而做之控制的延遲。
(其他的實施形態)
以上已參照圖面詳述了本揭示之實施形態,但具體的構成不限於此實施形態,亦包含不脫離本揭示的要旨之範圍的設計變更等。
另,上述實施形態中是訂為運用預訓練模型491來進行圖像辨識處理,但不限於此,例如亦可運用光流法(Optical Flow)、或運用立體高次局部自相關特徵法(CHLAC;cubic higher-order local autocorrelation)。
此外,燃燒用空氣量控制部44亦可設計成,一旦供給狀態判定部43偵測到預兆則先行地打開OFA(Over Fire Air;燃盡風)來消弭空氣不足以防止CO濃度增加,另一方面為因應NOx增加,將後燃燒區域132的風門開度設為最小。此外,進料器控制部45亦可設計成當在崩塌對象中偵測到預兆的情形下,使爐排速度減低而拖延下次發生之前
的時間,藉此抑制連續崩塌所造成的蒸發量的變動。
〈電腦構成〉
圖10為示意至少1個實施形態之電腦的構成的概略方塊圖。
電腦90具備處理器91、主記憶體92、儲存器93及介面94。
上述的控制裝置4建置於電腦90。又,上述的各處理部的動作以程式的形式記憶於儲存器93。處理器91從儲存器93讀出程式而載入至主記憶體92,遵照該程式執行上述處理。此外,處理器91遵照程式而在主記憶體92確保和上述的各記憶部相對應之記憶區域。
程式,亦可用來實現使電腦90發揮的機能的一部分。例如,程式亦可藉由和儲存器中已記憶著的其他程式之組合,或藉由和建置於其他裝置的其他程式之組合來使機能發揮。另,其他的實施形態中,電腦亦可除上述構成外或取代上述構成而具備PLD(Programmable Logic Device;可程式邏輯裝置)等的客製化LSI(Large Scale Integrated Circuit;大型積體電路)。作為PLD的例子,可舉出PAL(Programmable Array Logic;可程式邏輯陣列)、GAL(Generic Array Logic;同屬陣列邏輯)、CPLD(Complex Programmable Logic Device;複合可程式邏輯裝置)、FPGA(Field Programmable Gate Array;現場可程式閘陣列)等。在此情形下,藉由處理器實現的機能的一部
分或全部可藉由該積體電路來實現。
作為儲存器93的例子,可舉出HDD(Hard Disk Drive;硬碟機)、SSD(Solid State Drive;固態硬碟機)、磁碟、光磁碟、CD-ROM(Compact Disc Read Only Memory;光碟唯讀記憶體)、DVD-ROM(Digital Versatile Disc Read Only Memory;數位多功能光碟唯讀記憶體)、半導體記憶體等。儲存器93可為直接連接至電腦90的匯流排之內部媒體,亦可為介由介面94或通訊線路連接至電腦90的外部媒體。此外,當此程式藉由通訊線路播送至電腦90的情形下,亦可由接受播送的電腦90將該程式載入至主記憶體92而執行上述處理。至少1個的實施形態中,儲存器93為非暫態之有形的記憶媒體。
〈附記〉
各實施形態記載之焚化爐設備的控制裝置4、例如可如以下般理解。
(1)第1態樣之焚化爐設備的控制裝置4,係具有一面使被焚化物燃燒一面予以搬送之爐本體、及對前述爐本體供給前述被焚化物之進料器,該焚化爐設備的控制裝置,具備:圖像資訊取得部41,周期性地取得包含和前述進料器的端部連接的前述爐本體122的接收口之圖像資訊;圖像資訊辨識部42,基於前述圖像資訊辨識在前述接收口122的前述被焚化物是否為對前述爐本體伸出的狀態;及供給狀態判定部43,當規定時間連續性地辨識出前
述被焚化物為對前述爐本體伸出的狀態的情形下,判定前述被焚化物有對前述爐本體過剩供給的預兆。按照本態樣及以下的各態樣,能夠改善根據過剩供給等的廢棄物等被燃燒物的供給量的變化而做之控制的延遲。
(2)第2態樣之焚化爐設備的控制裝置4,為如上述(1)態樣之焚化爐設備的控制裝置4,其中,也可以是,前述圖像資訊取得部41,取得包含前述接收口122及乾燥區域的內壁的至少一部之前述圖像資訊。
(3)第3態樣之焚化爐設備的控制裝置4,為如上述(1)或(2)態樣之焚化爐設備的控制裝置4,其中,也可以是,前述供給狀態判定部43,當規定時間連續性地辨識出前述被焚化物為對前述爐本體伸出的狀態,且基於前述進料器的總擠出長度之過剩供給發生機率為規定的閾值以上的情形下,判定前述被焚化物有對前述爐本體過剩供給的預兆。
(4)第4態樣之焚化爐設備的控制裝置4,為如上述(3)態樣之焚化爐設備的控制裝置4,其中,也可以是,前述閾值,為一可基於至少包含示意一氧化碳的產生量之資訊與示意氮氧化物的產生量之資訊的實際的前述被焚化物的燃燒狀況之資訊來使其變化的值。
(5)第5態樣之焚化爐設備的控制裝置4,為如上述(1)至(4)態樣之焚化爐設備的控制裝置4,其中,也可以是,前述圖像資訊辨識部42,依將前述接收口122分割成複數個區域而成的每一分割區域,辨識前述被焚化物
是否為對前述爐本體伸出的狀態,前述供給狀態判定部43,當規定時間連續性地辨識出至少在複數個前述分割區域前述被焚化物為對前述爐本體伸出的狀態的情形下,判定前述被焚化物有對前述爐本體過剩供給的預兆。
(6)第6態樣之焚化爐設備的控制裝置4,為如上述(1)至(5)態樣之焚化爐設備的控制裝置4,其中,也可以是,前述圖像資訊辨識部42,運用至少以前述圖像資訊作為解釋變數,以前述被焚化物的伸出有無及視野不良作為目標變數而求出的預訓練模型491,來辨識前述被焚化物是否為伸出的狀態,前述供給狀態判定部43,至少當規定時間連續性地辨識出前述被焚化物為對前述爐本體伸出的狀態,且前述進料器為推擠前述被焚化物當中的情形下,判定前述被焚化物有對前述爐本體過剩供給的預兆。
(7)第7態樣之焚化爐設備的控制裝置4,為如上述(1)至(6)態樣之焚化爐設備的控制裝置4,其中,也可以是,更具備:燃燒用空氣量控制部或進料器控制部的至少一方,其中該燃燒用空氣量控制部是基於前述過剩供給的預兆的判定結果而使燃燒用空氣的供給量變化,該進料器控制部是基於前述過剩供給的預兆的判定結果而使前述進料器的動作速度或行程的至少一方變化。
按照本揭示之焚化爐設備的控制裝置,能夠改善根據廢棄物等被燃燒物的供給量的變化而做之控制的
延遲。
Claims (6)
- 一種焚化爐設備的控制裝置,係具有一面使被焚化物燃燒一面予以搬送之爐本體、及對前述爐本體供給前述被焚化物之進料器,該焚化爐設備的控制裝置,具備:圖像資訊取得部,周期性地取得包含和前述進料器的端部連接的前述爐本體的接收口之圖像資訊;圖像資訊辨識部,基於前述圖像資訊辨識在前述接收口的前述被焚化物是否為對前述爐本體伸出的狀態;及供給狀態判定部,當規定時間連續性地辨識出前述被焚化物為對前述爐本體伸出的狀態的情形下,判定前述被焚化物有對前述爐本體過剩供給的預兆;前述圖像資訊辨識部,運用至少以前述圖像資訊作為解釋變數,以前述被焚化物的伸出有無及視野不良作為目標變數而求出的預訓練模型,來辨識前述被焚化物是否為伸出的狀態,前述供給狀態判定部,至少當規定時間連續性地辨識出前述被焚化物為對前述爐本體伸出的狀態,且前述進料器為推擠前述被焚化物當中的情形下,判定前述被焚化物有對前述爐本體過剩供給的預兆。
- 如請求項1記載之焚化爐設備的控制裝置,其中,前述圖像資訊取得部,取得包含前述接收口及乾燥區域的內壁的至少一部分之前述圖像資訊。
- 如請求項1或2記載之焚化爐設備的控制裝置,其中,前述供給狀態判定部,當規定時間連續性地辨識出前述被焚化物為對前述爐本體伸出的狀態,且基於前述進料器的總擠出長度之過剩供給發生機率為規定的閾值以上的情形下,判定前述被焚化物有對前述爐本體過剩供給的預兆。
- 如請求項3記載之焚化爐設備的控制裝置,其中,前述閾值,為一可基於至少包含示意一氧化碳的產生量之資訊與示意氮氧化物的產生量之資訊的實際的前述被焚化物的燃燒狀況之資訊來使其變化的值。
- 如請求項1或2記載之焚化爐設備的控制裝置,其中,前述圖像資訊辨識部,依將前述接收口分割成複數個區域而成的每一分割區域,辨識前述被焚化物是否為對前述爐本體伸出的狀態,前述供給狀態判定部,當規定時間連續性地辨識出至少在複數個前述分割區域前述被焚化物為對前述爐本體伸出的狀態的情形下,判定前述被焚化物有對前述爐本體過剩供給的預兆。
- 如請求項1或2記載之焚化爐設備的控制裝置,其中,更具備:燃燒用空氣量控制部或進料器控制部的至少 一方,其中該燃燒用空氣量控制部是基於前述過剩供給的預兆的判定結果而使燃燒用空氣的供給量變化,該進料器控制部是基於前述過剩供給的預兆的判定結果而使前述進料器的動作速度或行程的至少一方變化。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021-107370 | 2021-06-29 | ||
JP2021107370A JP6998485B1 (ja) | 2021-06-29 | 2021-06-29 | 焼却炉設備の制御装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202303044A TW202303044A (zh) | 2023-01-16 |
TWI823354B true TWI823354B (zh) | 2023-11-21 |
Family
ID=80469016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111114983A TWI823354B (zh) | 2021-06-29 | 2022-04-20 | 焚化爐設備的控制裝置 |
Country Status (5)
Country | Link |
---|---|
JP (1) | JP6998485B1 (zh) |
KR (1) | KR20230172551A (zh) |
CN (1) | CN117321339A (zh) |
TW (1) | TWI823354B (zh) |
WO (1) | WO2023276423A1 (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW301699B (zh) * | 1994-12-22 | 1997-04-01 | Asea Brown Boveri | |
JP2017187228A (ja) * | 2016-04-06 | 2017-10-12 | 日立造船株式会社 | ストーカ式焼却炉 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014126321A (ja) | 2012-12-27 | 2014-07-07 | Kobe Steel Ltd | ごみ処理炉ホッパ内のごみ体積の推定方法 |
JP7059955B2 (ja) | 2019-02-08 | 2022-04-26 | Jfeエンジニアリング株式会社 | 廃棄物供給量測定装置及び方法そして廃棄物焼却装置及び方法 |
-
2021
- 2021-06-29 JP JP2021107370A patent/JP6998485B1/ja active Active
-
2022
- 2022-04-20 TW TW111114983A patent/TWI823354B/zh active
- 2022-04-21 WO PCT/JP2022/018444 patent/WO2023276423A1/ja active Application Filing
- 2022-04-21 CN CN202280035667.8A patent/CN117321339A/zh active Pending
- 2022-04-21 KR KR1020237039447A patent/KR20230172551A/ko unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW301699B (zh) * | 1994-12-22 | 1997-04-01 | Asea Brown Boveri | |
JP2017187228A (ja) * | 2016-04-06 | 2017-10-12 | 日立造船株式会社 | ストーカ式焼却炉 |
Also Published As
Publication number | Publication date |
---|---|
KR20230172551A (ko) | 2023-12-22 |
JP6998485B1 (ja) | 2022-01-18 |
CN117321339A (zh) | 2023-12-29 |
TW202303044A (zh) | 2023-01-16 |
WO2023276423A1 (ja) | 2023-01-05 |
JP2023005444A (ja) | 2023-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102271070B1 (ko) | 혼탄조합 결정 방법 및 장치 | |
JP7443683B2 (ja) | 自動燃焼制御方法および監視センタ | |
JP6983684B2 (ja) | 制御装置、ボイラ、ボイラの監視画像取得方法およびボイラの監視画像取得プログラム | |
WO2021124660A1 (ja) | 燃焼設備の状態特定装置、状態特定方法およびプログラム | |
CN103423750A (zh) | 一种垃圾焚烧炉的燃烧控制方法 | |
JP6880146B2 (ja) | 燃焼状況評価方法及び燃焼制御方法 | |
TWI823354B (zh) | 焚化爐設備的控制裝置 | |
Vogelbacher et al. | Image-based characterization of alternative fuel combustion with multifuel burners | |
JP7256016B2 (ja) | 予測モデル生成装置、予測モデル生成装置による予測モデル生成方法、及び予測装置 | |
WO2021241610A1 (ja) | 焼却炉の供給量検知システム、焼却炉の運転制御システム、焼却炉の供給量検知方法、及び焼却炉の運転制御方法 | |
JP7085039B1 (ja) | 予測モデル作成装置、排ガス濃度制御システム、予測モデル作成方法、及び排ガス濃度制御方法 | |
TW202323728A (zh) | 控制裝置 | |
JP2003161420A (ja) | ストーカ焼却炉の燃焼制御方法及び燃焼制御装置 | |
JP2023040645A (ja) | 焼却炉設備の制御装置 | |
JP7443051B2 (ja) | ごみ焼却炉の燃焼制御方法 | |
JP6880141B2 (ja) | 燃焼状況評価方法及び燃焼制御方法 | |
WO2024106008A1 (ja) | 崩落検知システム、および崩落検知方法 | |
JP2022155618A (ja) | 燃焼炉設備の制御装置 | |
JP2021089097A (ja) | 燃焼設備の制御装置、燃焼設備の制御方法およびプログラム | |
JP3467751B2 (ja) | ごみ焼却炉における燃焼位置、燃え切り点位置の検出方式 | |
JP7351599B2 (ja) | ごみ焼却炉の燃切点推定方法及びごみ焼却炉の燃切点調整方法 | |
CN112884789B (zh) | 一种循环流化床内循环倍率的计算方法和系统 | |
JP7445058B1 (ja) | 燃焼設備用システムおよび燃焼制御方法 | |
JP2022071891A (ja) | 炉内画像作成方法、炉内状況判定方法、及び燃焼状況評価方法 | |
JPH09273732A (ja) | ごみ焼却炉の燃焼制御方法 |