一种用于焚烧发电厂的生活垃圾处理方法与系统与流程

本发明涉及焚烧发电，特别是涉及一种用于焚烧发电厂的生活垃圾处理方法与系统。

背景技术：

1、生活垃圾处理一直是城市管理和环境保护领域的重要问题。传统的生活垃圾处理方法包括填埋和焚烧，然而，填埋会占用大量土地资源并产生有害气体，而焚烧会排放大量二氧化碳和其他有害气体，对环境造成污染。

2、为了解决这一问题，焚烧发电厂应运而生。焚烧发电厂是一种将生活垃圾通过高温焚烧产生热能，再利用热能驱动发电机发电的设施。这种方法不仅实现了生活垃圾的资源化利用，还能减少对环境的污染，具有很高的环保和经济效益。

3、然而由于焚烧的垃圾种类繁多，如果将多种垃圾随机混合投入焚烧炉中，会使焚烧炉放出的热量忽高忽低不稳定，导致锅炉产生热蒸汽量也忽多忽少不断地波动，这对发电装置产生不利影响；同时焚烧炉中垃圾燃烧产生热量波动进一步影响炉膛温度的稳定性，当焚烧炉的炉膛温度降低时，使得在高温时已分解的二恶英再次生成，容易对环境造成污染。

技术实现思路

1、为解决上述问题，本发明实施例的目的在于提供一种用于焚烧发电厂的生活垃圾处理方法与系统。

2、一种用于焚烧发电厂的生活垃圾处理方法，包括：

3、步骤1：集中收集生活垃圾，并对所述生活垃圾进行压缩排水得到排水后的生活垃圾；

4、步骤2：将排水后的生活垃圾摆放在传送带上，使用工业相机扫描每一个生活垃圾，并对每个生活垃圾所属类别进行标定；

5、步骤3：将标定为可焚烧的生活垃圾放入到垃圾烘干机中进行烘干得到干垃圾，将标定为不可焚烧的生活垃圾放入到残渣回收装置中；

6、步骤4：将所述干垃圾进行破碎处理得到焚烧组合物；

7、步骤5：将所述焚烧组合物投入到焚烧炉中进行焚烧，并将焚烧过程产生的热量传递到锅炉产生热蒸汽，以驱动汽轮机发电；

8、步骤6：将焚烧炉产生的烟气和废料进行净化处理。

9、优选的，在所述步骤2中，使用工业相机扫描每一个生活垃圾，并对每个生活垃圾所属类别进行标定，包括：

10、步骤2.1：获取工业相机采集的生活垃圾图像；

11、步骤2.2：对所述生活垃圾图像进行超像素分割得到多个超像素区块；

12、步骤2.3：计算每个超像素区块下的像素均值和像素中值之间的差值；

13、步骤2.4：根据像素均值和像素中值之间的差值估算出相应生活垃圾图像的噪声强度；

14、步骤2.5：基于所述噪声强度对所述生活垃圾图像进行去噪得到去噪后的生活垃圾图像；

15、步骤2.6：将所述去噪后的生活垃圾图像作为训练样本输入到深度学习模型中进行训练得到生活垃圾分类模型；

16、步骤2.7：利用所述生活垃圾分类模型对每个生活垃圾所属类别进行标定。

17、优选的，所述步骤2.4：根据像素均值和像素中值之间的差值估算出相应生活垃圾图像的噪声强度，包括：

18、步骤2.4.1：将每个生活垃圾图像差值的绝对值按照从小到大的顺序进行排列得到超像素区块差异序列；

19、步骤2.4.2：选取超像素区块差异序列前10％作为标准超像素区块；

20、步骤2.4.3：计算每个标准超像素区块的像素标准差；其中，标准超像素区块的像素标准差计算为：

21、

22、其中，μli表示第li个标准超像素区块的像素均值，nli表示第li个标准超像素区块的像素个数，ili,x表示第li个标准超像素区块中第x个像素点的像素值，σli表示第li个标准超像素区块的像素标准差。

23、步骤2.4.4：基于像素标准差估算出相应生活垃圾图像的噪声强度。

24、优选的，在所述步骤2.4.4中，生活垃圾图像的噪声强度计算公式为：

25、

26、其中，表示噪声强度，t表示标准超像素区块的个数。

27、优选的，所述步骤2.5：基于所述噪声强度对所述生活垃圾图像进行去噪得到去噪后的生活垃圾图像，包括：

28、步骤2.5.1：以生活垃圾图像中任意一点为中心取邻域；

29、步骤2.5.2：计算基于中心点与相应邻域之间的相关度；其中，相关度计算公式为：

30、

31、其中，w(x,y)表示中心点x与相应邻域之间的相关度，z(x)表示平滑系数，v(x)表示中心点x的像素值，v(y)表示邻域中第y个点的像素值，h2表示噪声系数，且c表示可调系数；

32、步骤2.5.3：基于中心点与相应邻域之间的相关度构建去噪模型；

33、步骤2.5.4：利用所述去噪模型对所述生活垃圾图像进行去噪得到去噪后的生活垃圾图像。

34、优选的，在所述步骤2.5.3中，去噪模型为：

35、

36、其中，f(x)表示去噪后的生活垃圾图像上的第x个像素点，i表示以x为中心点取的邻域，j(y)表示生活垃圾图像在第y个点的像素值。

37、优选的，所述步骤2.6：将所述去噪后的生活垃圾图像作为训练样本输入到深度学习模型中进行训练得到生活垃圾分类模型，包括：

38、将训练样本输入到深度学习模型中进行训练，通过反向传播算法不断调整模型参数以最小化损失函数，得到生活垃圾分类模型；其中，所述损失函数为：

39、

40、其中，n表示训练样本的数量，k表示生活垃圾所属的类别数量，yij表示第i个训练样本属于第j个类别的真实标签，pij表示深度学习模型输出的第i个训练样本属于第j个类别的预测概率。

41、本发明还提供了一种用于焚烧发电厂的生活垃圾处理系统，包括：

42、压缩排水模块，用于集中收集生活垃圾，并对所述生活垃圾进行压缩排水得到排水后的生活垃圾；

43、类别标定模块，用于将排水后的生活垃圾摆放在传送带上，使用工业相机扫描每一个生活垃圾，并对每个生活垃圾所属类别进行标定；

44、垃圾烘干模块，用于将标定为可焚烧的生活垃圾放入到垃圾烘干机中进行烘干得到干垃圾，将标定为不可焚烧的生活垃圾放入到残渣回收装置中；

45、垃圾破碎模块，用于将所述干垃圾进行破碎处理得到焚烧组合物；

46、垃圾焚烧模块，用于将所述焚烧组合物投入到焚烧炉中进行焚烧，并将焚烧过程产生的热量传递到锅炉产生热蒸汽，以驱动汽轮机发电；

47、污染净化模块，用于将焚烧炉产生的烟气和废料进行净化处理。

48、本发明还提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现上述的一种用于焚烧发电厂的生活垃圾处理方法中的步骤。

49、本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的的一种用于焚烧发电厂的生活垃圾处理方法中的步骤。

50、根据本发明提供的具体实施例，本发明公开了以下技术效果：

51、本发明涉及一种用于焚烧发电厂的生活垃圾处理方法，与现有技术相比，本发明通过将生活垃圾进行分类然后对可焚烧的生活垃圾进行干燥粉碎后，可以减小不同材质垃圾之间对燃烧的相互影响，提高焚烧过程中温度的稳定性，实现了资源的有效利用。

52、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。