一种基于RDF技术的餐厨垃圾智能化处理系统

专利名称：一种基于RDF技术的餐厨垃圾智能化处理系统

专利类型：发明专利

专利申请号：CN202410940977.5

专利申请（专利权）人：宜宾学院
权利人地址：四川省宜宾市酒圣路8号

专利发明（设计）人：曾韵敏,刘燕兰,高园沅,赵宇莎,任冰,李彤彤,李鑫月,罗绍鹏,龙星全

专利摘要：本发明提供了一种基于RDF技术的餐厨垃圾智能化处理系统，涉及数字管理技术领域。本发明在餐厨垃圾‑RDF燃料制备产线基础上，通过添加产线闭环回收管理系统，实现RDF燃料的均匀且按需供应；其中，闭环回收管理系统通过三相回收硬件单元提供硬件支持，通过餐厨垃圾管理单元监测各批次餐厨垃圾的三相质量信息并进行回收消耗和产出预测，从而指导垃圾三相的分配；通过RDF燃料管理单元负责生物质燃烧锅炉的闭环焚烧和燃料库存管理，确保持续且按需供能；通过油脂回收管理单元管理油脂焚烧补充和库存，确保高价值回收和能量补充；通过废水回收管理单元管理废水的出入库，保证用水供应充足。

主权利要求：
1.一种基于RDF技术的餐厨垃圾智能化处理系统，其特征在于，包括餐厨垃圾‑RDF燃料制备产线和产线闭环回收管理系统；其中，所述餐厨垃圾‑RDF燃料制备产线通过垃圾分选入仓环节分选得到餐厨垃圾并装入储料仓；通过垃圾批次出仓环节将储料仓中的餐厨垃圾按照不同批次出仓处理；通过不同垃圾处理环节对餐厨垃圾进行分离处理，得到批次分离残渣、批次分离油脂、批次分离废水和批次RDF燃料；
所述产线闭环回收管理系统包括三相回收硬件单元、餐厨垃圾管理单元、RDF燃料管理单元、油脂回收管理单元和废水回收管理单元；其中，所述三相回收硬件单元包括生物质燃烧锅炉、燃料回收库存仓、油脂回收库存罐、废水回收库存罐和废水处理系统，所述生物质燃烧锅炉用于产线闭环供热供电，所述废水处理系统用于产线闭环供水；
所述餐厨垃圾管理单元监测储料仓中各批次餐厨垃圾的垃圾三相质量信息，并分别输入至回收消耗预测模型和回收产出预测模型预测，得到批次回收消耗预测量和批次回收产出预测量；其中，所述批次回收消耗预测量包括批次能量消耗预测量和批次废水消耗预测量；所述批次回收产出预测量包括批次残渣产出预测量、批次油脂产出预测量和批次废水产出预测量；通过批次废水消耗预测量和批次废水产出预测量做差得到批次废水净消耗预测量；通过批次残渣产出预测量推测得到批次RDF燃料产出预测量；通过批次RDF燃料产出预测量推测得到批次焚烧能量产出预测量，并与批次能量消耗预测量做差得到批次能量净消耗预测量；
所述RDF燃料管理单元根据各批次能量净消耗预测量对生物质燃烧锅炉进行闭环焚烧管理和对燃料回收库存仓进行燃料出入库管理，所述油脂回收管理单元根据各批次能量净消耗预测量对生物质燃烧锅炉进行焚烧补充管理和对油脂回收库存罐油脂出库管理，所述废水回收管理单元根据批次废水净消耗预测量对废水回收库存罐进行废水出入库管理；
其中，所述回收消耗预测模型通过如下步骤得到：
获取各批次餐厨垃圾的垃圾三相质量信息，得到耗能输入数据集；
获取各批次餐厨垃圾不同垃圾处理环节的设备耗能和设备耗水，得到耗能输出数据集；其中，包括设备电耗能和设备热耗能；
耗能输入数据集和耗能输出数据集训练/拟合机器学习模型或者数学回归模型；
持续进行训练/拟合直至满足预测精度，输出得到回收耗能预测模型；其中，批次能量消耗预测量包括批次电能消耗预测量和批次热能消耗预测量；
所述回收产出预测模型通过如下步骤得到：
获取各批次餐厨垃圾的垃圾三相质量信息，得到耗能输入数据集；
获取各批次餐厨垃圾的批次分离残渣、批次分离油脂和批次分离废水，得到耗能输出数据集；
耗能输入数据集和耗能输出数据集训练/拟合机器学习模型或者数学回归模型；
持续进行训练/拟合直至满足预测精度，输出得到回收产出预测模型。
2.根据权利要求1所述的一种基于RDF技术的餐厨垃圾智能化处理系统，其特征在于，所述垃圾三相质量信息包括浮油层厚度信息、浮油层电导率信息、浊液层厚度信息、浊液层电导率信息、沉淀层厚度信息、沉淀层电导率信息和三相总质量信息。
3.根据权利要求1所述的一种基于RDF技术的餐厨垃圾智能化处理系统，其特征在于，所述餐厨垃圾‑RDF燃料制备产线通过残渣初步脱水环节对餐厨垃圾进行初步脱水分离，得到初步分离残渣和初步脱渣水油垃圾；通过垃圾三相分离环节对初步脱渣水油垃圾进行二次处理，得到二次分离残渣、批次分离油脂和批次分离废水；通过残渣二次脱水环节对初步分离残渣和二次分离残渣进行二次脱水分离，得到批次分离残渣和二次脱渣水油垃圾；所述二次脱渣水油垃圾添加至后续批次餐厨垃圾的垃圾三相分离环节进行处理；通过RDF燃料制备环节对批次分离残渣处理得到批次RDF燃料。
4.根据权利要求1所述的一种基于RDF技术的餐厨垃圾智能化处理系统，其特征在于，提前测定所述餐厨垃圾‑RDF燃料制备产线的燃料生产率，即各批次分离残渣和各批次RDF燃料的比值；通过燃料生产率和批次残渣产出预测量推测得到批次RDF燃料产出预测量；提前测定所述生物质燃烧锅炉的能量转化效率，包括热转化效率和电转化效率；通过批次RDF燃料产出预测量结合RDF燃料热值参数，得到RDF燃料热值预测量；将RDF燃料热值预测量按照电热需求比例并结合热转化效率和电转化效率进行分配，得到批次焚烧能量产出预测量；其中，批次焚烧能量产出预测量包括批次焚烧电能产出预测量和批次焚烧热能产出预测量，电热需求比例即设备电耗能和设备热耗能的比值。
5.根据权利要求1所述的一种基于RDF技术的餐厨垃圾智能化处理系统，其特征在于，所述RDF燃料管理单元通过如下步骤进行闭环焚烧管理和出入库管理：获取餐厨垃圾任务列表，得到各待处理批次餐厨垃圾；
获取各待处理批次餐厨垃圾的批次能量净消耗预测量，并进行求和处理得到待处理批次能量总净消耗预测量；
对燃料回收库存仓进行燃料出入库管理：当待处理批次能量总净消耗预测量为正时，则燃料回收库存仓为燃料出库状态；当待处理批次能量总净消耗预测量为负时，则燃料回收库存仓为燃料入库状态；
对生物质燃烧锅炉进行闭环焚烧管理：将待处理批次能量总净消耗预测量换算为RDF燃料需求量，若待处理批次餐厨垃圾产出的RDF燃料大于RDF燃料需求量，则将RDF燃料需求量的RDF燃料均用于闭环焚烧，其余RDF燃料进行入库保存；若待处理批次餐厨垃圾产出的RDF燃料小于RDF燃料需求量，则将待处理批次餐厨垃圾产出的RDF燃料均用于闭环焚烧并通过燃料回收库存仓内库存补齐能量缺口。
6.根据权利要求5所述的一种基于RDF技术的餐厨垃圾智能化处理系统，其特征在于，当燃料回收库存仓内库存无法补齐能量缺口时，所述油脂回收管理单元则将能量缺口换算为对应量的油脂并添加至生物质燃烧锅炉中进行焚烧补充。
7.根据权利要求5所述的一种基于RDF技术的餐厨垃圾智能化处理系统，其特征在于，所述油脂回收管理单元还汇总各待处理批次餐厨垃圾的批次油脂产出预测量，得到待处理批次油脂总产出预测量，获取并判断是否超出油脂回收库存罐的空余量；若超出，则进行提前预警并安排对油脂回收库存罐进行油脂出库。
8.根据权利要求1所述的一种基于RDF技术的餐厨垃圾智能化处理系统，其特征在于，所述废水回收管理单元还汇总各待处理批次餐厨垃圾的批次废水净消耗预测量，得到待处理批次废水总净消耗预测量；若待处理批次废水总净消耗预测量为正，则废水回收库存罐为入库状态，通过外来水源补齐用水缺口；若待处理批次废水总净消耗预测量为负，则废水回收库存罐为出库状态，经过废水处理系统对外排除多余废水。 说明书 : 一种基于RDF技术的餐厨垃圾智能化处理系统技术领域[0001] 本发明涉及数字管理技术领域，尤其涉及一种基于RDF技术的餐厨垃圾智能化处理系统。背景技术[0002] 随着城市化进程的加快和居民生活水平的提高，餐厨垃圾的产生量不断增加。餐厨垃圾成分复杂，含有大量有机物质，容易腐败发臭，处理不当会导致环境污染和卫生问题。传统的餐厨垃圾处理方式主要包括填埋、堆肥和焚烧，但这些方法存在一定的局限性，如填埋占用土地资源且易产生渗滤液污染、堆肥周期长且处理能力有限、焚烧需要高能耗且易产生二次污染物。[0003] RDF（RefuseDerivedFuel，垃圾衍生燃料）作为一种将固体废弃物转化为替代燃料的技术，近年来得到了广泛关注和应用。RDF技术不仅可以减少固体废弃物的体积，降低填埋量，还能将废弃物中的有机物质转化为高热值燃料，用于发电、供热等领域，具有较高的经济效益和环境效益，是无害化处理餐厨垃圾并二次利用的绿色途径。[0004] 但是，现有的基于RDF技术的餐厨垃圾处理系统各处理流程相互独立，导致其在处理过程中存在很大的能量损耗，并且还需要从外部输入能量以满足各处理流程能量需求，无法做到能量闭环利用。因此，需要一种基于RDF技术的餐厨垃圾智能化处理系统来解决上述技术问题。发明内容[0005] 为解决上述技术问题，本发明提供的一种基于RDF技术的餐厨垃圾智能化处理系统，包括餐厨垃圾‑RDF燃料制备产线和产线闭环回收管理系统；其中，[0006] 所述餐厨垃圾‑RDF燃料制备产线通过垃圾分选入仓环节分选得到餐厨垃圾并装入储料仓；通过垃圾批次出仓环节将储料仓中的餐厨垃圾按照不同批次出仓处理；通过不同垃圾处理环节对餐厨垃圾进行分离处理，得到批次分离残渣、批次分离油脂、批次分离废水和批次RDF燃料；[0007] 所述产线闭环回收管理系统包括三相回收硬件单元、餐厨垃圾管理单元、RDF燃料管理单元、油脂回收管理单元和废水回收管理单元；其中，所述三相回收硬件单元包括生物质燃烧锅炉、燃料回收库存仓、油脂回收库存罐、废水回收库存罐和废水处理系统，所述生物质燃烧锅炉用于产线闭环供热供电，所述废水处理系统用于产线闭环供水；[0008] 所述餐厨垃圾管理单元监测储料仓中各批次餐厨垃圾的垃圾三相质量信息，并分别输入至回收消耗预测模型和回收产出预测模型预测，得到批次回收消耗预测量和批次回收产出预测量；其中，所述批次回收消耗预测量包括批次能量消耗预测量和批次废水消耗预测量；所述批次回收产出预测量包括批次残渣产出预测量、批次油脂产出预测量和批次废水产出预测量；通过批次废水消耗预测量和批次废水产出预测量做差得到批次废水净消耗预测量；通过批次残渣产出预测量推测得到批次RDF燃料产出预测量；通过批次RDF燃料产出预测量推测得到批次焚烧能量产出预测量，并与批次能量消耗预测量做差得到批次能量净消耗预测量；[0009] 所述RDF燃料管理单元根据各批次能量净消耗预测量对生物质燃烧锅炉进行闭环焚烧管理和对燃料回收库存仓进行燃料出入库管理，所述油脂回收管理单元根据各批次能量净消耗预测量对生物质燃烧锅炉进行焚烧补充管理和对油脂回收库存罐油脂出库管理，所述废水回收管理单元根据批次废水净消耗预测量对废水回收库存罐进行废水出入库管理。[0010] 作为更进一步的解决方案，所述垃圾三相质量信息包括浮油层厚度信息、浮油层电导率信息、浊液层厚度信息、浊液层电导率信息、沉淀层厚度信息、沉淀层电导率信息和三相总质量信息。[0011] 作为更进一步的解决方案，所述餐厨垃圾‑RDF燃料制备产线通过残渣初步脱水环节对餐厨垃圾进行初步脱水分离，得到初步分离残渣和初步脱渣水油垃圾；通过垃圾三相分离环节对初步脱渣水油垃圾进行二次处理，得到二次分离残渣、批次分离油脂和批次分离废水；通过残渣二次脱水环节对初步分离残渣和二次分离残渣进行二次脱水分离，得到批次分离残渣和二次脱渣水油垃圾；所述二次脱渣水油垃圾添加至后续批次餐厨垃圾的垃圾三相分离环节进行处理；通过RDF燃料制备环节对批次分离残渣处理得到批次RDF燃料。[0012] 作为更进一步的解决方案，所述回收消耗预测模型通过如下步骤得到：[0013] 获取各批次餐厨垃圾的垃圾三相质量信息，得到耗能输入数据集；[0014] 获取各批次餐厨垃圾不同垃圾处理环节的设备耗能和设备耗水，得到耗能输出数据集；其中，包括设备电耗能和设备热耗能；[0015] 耗能输入数据集和耗能输出数据集训练/拟合机器学习模型或者数学回归模型；[0016] 持续进行训练/拟合直至满足预测精度，输出得到回收耗能预测模型；其中，批次能量消耗预测量包括批次电能消耗预测量和批次热能消耗预测量。[0017] 作为更进一步的解决方案，提前测定所述餐厨垃圾‑RDF燃料制备产线的燃料生产率，即各批次分离残渣和各批次RDF燃料的比值；通过燃料生产率和批次残渣产出预测量推测得到批次RDF燃料产出预测量；提前测定所述生物质燃烧锅炉的能量转化效率，包括热转化效率和电转化效率；通过批次RDF燃料产出预测量结合RDF燃料热值参数，得到RDF燃料热值预测量；将RDF燃料热值预测量按照电热需求比例并结合热转化效率和电转化效率进行分配，得到批次焚烧能量产出预测量；其中，批次焚烧能量产出预测量包括批次焚烧电能产出预测量和批次焚烧热能产出预测量，电热需求比例即设备电耗能和设备热耗能的比值。[0018] 作为更进一步的解决方案，所述回收产出预测模型预测通过如下步骤得到：[0019] 获取各批次餐厨垃圾的垃圾三相质量信息，得到耗能输入数据集；[0020] 获取各批次餐厨垃圾的批次分离残渣、批次分离油脂和批次分离废水，得到耗能输出数据集；[0021] 耗能输入数据集和耗能输出数据集训练/拟合机器学习模型或者数学回归模型；[0022] 持续进行训练/拟合直至满足预测精度，输出得到回收产出预测模型预测。[0023] 作为更进一步的解决方案，所述RDF燃料管理单元通过如下步骤进行闭环焚烧管理和出入库管理：[0024] 获取餐厨垃圾任务列表，得到各待处理批次餐厨垃圾；[0025] 获取各待处理批次餐厨垃圾的批次能量净消耗预测量，并进行求和处理得到待处理批次能量总净消耗预测量；[0026] 对燃料回收库存仓进行燃料出入库管理：当待处理批次能量总净消耗预测量为正时，则燃料回收库存仓为燃料出库状态；当待处理批次能量总净消耗预测量为负时，则燃料回收库存仓为燃料入库状态；[0027] 对生物质燃烧锅炉进行闭环焚烧管理：将待处理批次能量总净消耗预测量换算为RDF燃料需求量，若待处理批次餐厨垃圾产出的RDF燃料大于RDF燃料需求量，则将RDF燃料需求量的RDF燃料均用于闭环焚烧，其余RDF燃料进行入库保存；若待处理批次餐厨垃圾产出的RDF燃料小于RDF燃料需求量，则将待处理批次餐厨垃圾产出的RDF燃料均用于闭环焚烧并通过燃料回收库存仓内库存补齐能量缺口。[0028] 作为更进一步的解决方案，当燃料回收库存仓内库存无法补齐能量缺口时，所述油脂回收管理单元则将能量缺口换算为对应量的油脂并添加至生物质燃烧锅炉中进行焚烧补充。[0029] 作为更进一步的解决方案，所述油脂回收管理单元还汇总各待处理批次餐厨垃圾的批次油脂产出预测量，得到待处理批次油脂总产出预测量，获取并判断是否超出油脂回收库存罐的空余量；若超出，则进行提前预警并安排对油脂回收库存罐进行油脂出库。[0030] 作为更进一步的解决方案，所述废水回收管理单元还汇总各待处理批次餐厨垃圾的批次废水净消耗预测量，得到待处理批次废水总净消耗预测量；若待处理批次废水总净消耗预测量为正，则废水回收库存罐为入库状态，通过外来水源补齐用水缺口；若待处理批次废水总净消耗预测量为负，则废水回收库存罐为出库状态，经过废水处理系统对外排除多余废水。[0031] 与相关技术相比较，本发明提供的一种基于RDF技术的餐厨垃圾智能化处理系统具有如下有益效果：[0032] 本发明在餐厨垃圾‑RDF燃料制备产线基础上，通过添加产线闭环回收管理系统，实现RDF燃料的均匀且按需供应。闭环回收管理系统包括三相回收硬件单元、餐厨垃圾管理单元、RDF燃料管理单元、油脂回收管理单元和废水回收管理单元。三相回收硬件单元提供硬件支持，餐厨垃圾管理单元监测各批次餐厨垃圾的三相质量信息并进行回收消耗和产出预测，从而指导垃圾三相的分配。RDF燃料管理单元负责生物质燃烧锅炉的闭环焚烧和燃料库存管理，确保持续且按需供能。油脂回收管理单元管理油脂焚烧补充和库存，确保高价值回收和能量补充。废水回收管理单元管理废水的出入库，保证用水供应充足。附图说明[0033] 图1为本发明提供的一种基于RDF技术的餐厨垃圾智能化处理系统结构示意图；[0034] 图2为本发明提供的一种具体餐厨垃圾‑RDF燃料制备产线结构示意图。具体实施方式[0035] 下面结合附图和实施方式对本发明作进一步说明。[0036] 如图1所示，一种基于RDF技术的餐厨垃圾智能化处理系统，包括餐厨垃圾‑RDF燃料制备产线和产线闭环回收管理系统；其中，[0037] 所述餐厨垃圾‑RDF燃料制备产线通过垃圾分选入仓环节分选得到餐厨垃圾并装入储料仓；通过垃圾批次出仓环节将储料仓中的餐厨垃圾按照不同批次出仓处理；通过不同垃圾处理环节对餐厨垃圾进行分离处理，得到批次分离残渣、批次分离油脂、批次分离废水和批次RDF燃料；[0038] 所述产线闭环回收管理系统包括三相回收硬件单元、餐厨垃圾管理单元、RDF燃料管理单元、油脂回收管理单元和废水回收管理单元；其中，所述三相回收硬件单元包括生物质燃烧锅炉、燃料回收库存仓、油脂回收库存罐、废水回收库存罐和废水处理系统，所述生物质燃烧锅炉用于产线闭环供热供电，所述废水处理系统用于产线闭环供水；[0039] 所述餐厨垃圾管理单元监测储料仓中各批次餐厨垃圾的垃圾三相质量信息，并分别输入至回收消耗预测模型和回收产出预测模型预测，得到批次回收消耗预测量和批次回收产出预测量；其中，所述批次回收消耗预测量包括批次能量消耗预测量和批次废水消耗预测量；所述批次回收产出预测量包括批次残渣产出预测量、批次油脂产出预测量和批次废水产出预测量；通过批次废水消耗预测量和批次废水产出预测量做差得到批次废水净消耗预测量；通过批次残渣产出预测量推测得到批次RDF燃料产出预测量；通过批次RDF燃料产出预测量推测得到批次焚烧能量产出预测量，并与批次能量消耗预测量做差得到批次能量净消耗预测量；[0040] 所述RDF燃料管理单元根据各批次能量净消耗预测量对生物质燃烧锅炉进行闭环焚烧管理和对燃料回收库存仓进行燃料出入库管理，所述油脂回收管理单元根据各批次能量净消耗预测量对生物质燃烧锅炉进行焚烧补充管理和对油脂回收库存罐油脂出库管理，所述废水回收管理单元根据批次废水净消耗预测量对废水回收库存罐进行废水出入库管理。[0041] 需要说明的是：传统的餐厨垃圾‑RDF燃料制备产线通常需要外部提供电能，仅是通过对热气的再利用达到部分能量回收利用，未能完全实现能量闭环利用的效果，所以我们急需实现能量的闭环利用，从而达到节能减排的效果。[0042] 其实，现有技术已经存在通过RDF燃料焚烧发电的工艺，如申请号为：CN201410409660.5的专利申请，便提供了一种垃圾制备RDF焚烧发电工艺；因此，将RDF燃料转化为电能不存在技术壁垒，未能完全实现能量闭环的原因主要是：不同批次餐厨垃圾的水油渣占比不同，一些残渣占比高的批次餐厨垃圾，能得到较多的RDF燃料，但是一些水油占比高的批次餐厨垃圾，能得到的RDF燃料不多甚至很少，这就导致电能提供不够稳定；此外，由于不同批次餐厨垃圾处理耗电情况不同，该焚烧多少RDF燃料也需要根据情况来确定，焚烧多了则会导致资源浪费且危害系统安全，焚烧少了则会导致系统供能不足甚至导致系统停工。[0043] 为此，本实施例在餐厨垃圾‑RDF燃料制备产线的基础上，通过添加产线闭环回收管理系统，从而协调RDF燃料供应均匀且按需供应；其中，所述产线闭环回收管理系统包括三相回收硬件单元、餐厨垃圾管理单元、RDF燃料管理单元、油脂回收管理单元和废水回收管理单元；通过三相回收硬件单元为闭环回收管理提供硬件实施基础，通过餐厨垃圾管理单元来监测储料仓中各批次餐厨垃圾的垃圾三相质量信息，并对批次回收消耗和批次回收产出进行预测，从而指导后续垃圾三相的分配管理；[0044] RDF燃料管理单元对生物质燃烧锅炉进行闭环焚烧管理和对燃料回收库存仓进行燃料出入库管理，从而协调供能持续且按需供应；油脂回收管理单元对生物质燃烧锅炉进行焚烧补充管理和对油脂回收库存罐油脂出库管理，从而实现高价值回收和能量补充保障；废水回收管理单元对废水回收库存罐进行废水出入库管理，从而保证用水供应充足且适量。[0045] 作为更进一步的解决方案，所述垃圾三相质量信息包括浮油层厚度信息、浮油层电导率信息、浊液层厚度信息、浊液层电导率信息、沉淀层厚度信息、沉淀层电导率信息和三相总质量信息。[0046] 需要说明的是：三相各厚度信息一定程度上反应了水油渣占比的占比情况，但是由于此时餐厨垃圾还未进行三相分离，因此各层之间是处于相互混杂的状态，有些沉淀层较厚，但是沉淀物中含水量很高，这样得到的分离残渣也不会很多，因此，我们还结合各层的电导率信息，从而对各层含水量（最主要的影响因素）进行一个判断，从而保证能客观反应水油渣占比的占比情况。[0047] 作为更进一步的解决方案，所述餐厨垃圾‑RDF燃料制备产线通过残渣初步脱水环节对餐厨垃圾进行初步脱水分离，得到初步分离残渣和初步脱渣水油垃圾；通过垃圾三相分离环节对初步脱渣水油垃圾进行二次处理，得到二次分离残渣、批次分离油脂和批次分离废水；通过残渣二次脱水环节对初步分离残渣和二次分离残渣进行二次脱水分离，得到批次分离残渣和二次脱渣水油垃圾；所述二次脱渣水油垃圾添加至后续批次餐厨垃圾的垃圾三相分离环节进行处理；通过RDF燃料制备环节对批次分离残渣处理得到批次RDF燃料。[0048] 需要说明的是：如图2所示，在一个具体的实施例中，餐厨垃圾车卸料以后首先进行分选、分拣，然后按照不同批次放入储料仓；在对餐厨垃圾进行处理时，首先进行螺旋挤压脱水（残渣初步脱水环节），得到初步分离残渣和初步脱渣水油垃圾；通过蒸煮罐加热后，通过三相卧螺分离（垃圾三相分离环节），得到二次分离残渣、批次分离油脂和批次分离废水；初步分离残渣经过磁选、粉碎以后，同上一批次的二次分离残渣混合调理剂A后（如木屑，改良脱水性能，提升机械脱水效率）一并进行压板脱水（残渣二次脱水环节）得到批次分离残渣和二次脱渣水油垃圾；二次脱渣水油垃圾泵送至下一批次的蒸煮罐加热，批次分离残渣则添加辅料后继续绞送（辅料为木屑、锯末、糠壳、酒糟、农业秸秆碎屑等生物质固体废物，对生物质物料颗粒成型、稳定具有关键作用），经过搅拌消毒、烘干后制料成型RDF燃料。[0049] 作为更进一步的解决方案，所述回收消耗预测模型通过如下步骤得到：[0050] 获取各批次餐厨垃圾的垃圾三相质量信息，得到耗能输入数据集；[0051] 获取各批次餐厨垃圾不同垃圾处理环节的设备耗能和设备耗水，得到耗能输出数据集；其中，包括设备电耗能和设备热耗能；[0052] 耗能输入数据集和耗能输出数据集训练/拟合机器学习模型或者数学回归模型；[0053] 持续进行训练/拟合直至满足预测精度，输出得到回收耗能预测模型；其中，批次能量消耗预测量包括批次电能消耗预测量和批次热能消耗预测量。[0054] 需要说明的是：预测模型为现阶段成熟技术，可以采用不同的方式实现，其主要是保证预测输出的准确性，我们可以通过餐厨垃圾‑RDF燃料制备产线不断采集训练数据，从而保证模型预测的准确。[0055] 作为更进一步的解决方案，提前测定所述餐厨垃圾‑RDF燃料制备产线的燃料生产率，即各批次分离残渣和各批次RDF燃料的比值；通过燃料生产率和批次残渣产出预测量推测得到批次RDF燃料产出预测量；提前测定所述生物质燃烧锅炉的能量转化效率，包括热转化效率和电转化效率；通过批次RDF燃料产出预测量结合RDF燃料热值参数，得到RDF燃料热值预测量；将RDF燃料热值预测量按照电热需求比例并结合热转化效率和电转化效率进行分配，得到批次焚烧能量产出预测量；其中，批次焚烧能量产出预测量包括批次焚烧电能产出预测量和批次焚烧热能产出预测量，电热需求比例即设备电耗能和设备热耗能的比值。[0056] 需要说明的是：生物质燃烧锅炉的发电和发热效率有所不同，所以导致其不同的电热需求比例会存在不同的批次焚烧能量产出预测量，如：同样批次RDF燃料，电需求高的情况下（电转化效率比热转化效率低）得到的RDF燃料热值则会更低；因此，需要更多RDF燃料满足需求，我们提前通过预测量按照电热需求比例并结合热转化效率和电转化效率进行分配，从而得到能真实反应焚烧能量产出情况的批次焚烧能量产出预测量；其中，RDF燃料热值参数如下表1所示，我们通过热值参数就能大致估算燃料燃烧所提供的热值。[0057] 表1：RDF燃料热值参数[0058][0059] 作为更进一步的解决方案，所述回收产出预测模型预测通过如下步骤得到：[0060] 获取各批次餐厨垃圾的垃圾三相质量信息，得到耗能输入数据集；[0061] 获取各批次餐厨垃圾的批次分离残渣、批次分离油脂和批次分离废水，得到耗能输出数据集；[0062] 耗能输入数据集和耗能输出数据集训练/拟合机器学习模型或者数学回归模型；[0063] 持续进行训练/拟合直至满足预测精度，输出得到回收产出预测模型预测。[0064] 作为更进一步的解决方案，所述RDF燃料管理单元通过如下步骤进行闭环焚烧管理和出入库管理：[0065] 获取餐厨垃圾任务列表，得到各待处理批次餐厨垃圾；[0066] 获取各待处理批次餐厨垃圾的批次能量净消耗预测量，并进行求和处理得到待处理批次能量总净消耗预测量；[0067] 对燃料回收库存仓进行燃料出入库管理：当待处理批次能量总净消耗预测量为正时，则燃料回收库存仓为燃料出库状态；当待处理批次能量总净消耗预测量为负时，则燃料回收库存仓为燃料入库状态；[0068] 对生物质燃烧锅炉进行闭环焚烧管理：将待处理批次能量总净消耗预测量换算为RDF燃料需求量，若待处理批次餐厨垃圾产出的RDF燃料大于RDF燃料需求量，则将RDF燃料需求量的RDF燃料均用于闭环焚烧，其余RDF燃料进行入库保存；若待处理批次餐厨垃圾产出的RDF燃料小于RDF燃料需求量，则将待处理批次餐厨垃圾产出的RDF燃料均用于闭环焚烧并通过燃料回收库存仓内库存补齐能量缺口。[0069] 需要说明的是：首先，RDF燃料和分离油脂都能进行供能，但是分离油脂有着更高的利用价值，因此，我们优先使用RDF燃料；我们结合各待处理批次餐厨垃圾的批次能量净消耗预测量，求得待处理批次能量总净消耗预测量，便能准确反应当前各批次餐厨垃圾处理完成后，是有能量剩余还是说有能量缺口，通过RDF燃料提供对应的能量，并且提前调度对应量的RDF燃料进行焚烧，剩余的则放入燃料回收库存仓，若还空缺则调用燃料回收库存仓中的库存燃料进行补充。[0070] 作为更进一步的解决方案，当燃料回收库存仓内库存无法补齐能量缺口时，所述油脂回收管理单元则将能量缺口换算为对应量的油脂并添加至生物质燃烧锅炉中进行焚烧补充。[0071] 需要说明的是：焚烧补充能有效弥补能量缺口，从而保证持续供能。[0072] 作为更进一步的解决方案，所述油脂回收管理单元还汇总各待处理批次餐厨垃圾的批次油脂产出预测量，得到待处理批次油脂总产出预测量，获取并判断是否超出油脂回收库存罐的空余量；若超出，则进行提前预警并安排对油脂回收库存罐进行油脂出库。[0073] 需要说明的是：由于油脂在不断产出且不能像残渣一样进行堆放或者像废水一样进行处理排放，因此，我们需要结合预测量判断未来是否会出现油脂回收库存罐的空余量不足的情况，提前进行油脂出库保证不会出现爆仓情况。[0074] 作为更进一步的解决方案，所述废水回收管理单元还汇总各待处理批次餐厨垃圾的批次废水净消耗预测量，得到待处理批次废水总净消耗预测量；若待处理批次废水总净消耗预测量为正，则废水回收库存罐为入库状态，通过外来水源补齐用水缺口；若待处理批次废水总净消耗预测量为负，则废水回收库存罐为出库状态，经过废水处理系统对外排除多余废水。[0075] 需要说明的是：同样的，一些餐厨垃圾水分含量少，其待处理批次废水总净消耗预测量为正，所以需要提前保证废水回收库存罐中水够用；有些水分含量高，则需要将处理后的水提前排出，避免后续的废水无法存储。[0076] 以上仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

专利地区：四川

专利申请日期：2024-07-15

专利公开日期：2024-09-13

专利公告号：2024-09-13