垃圾焚烧发电厂烟气污染物过量排放风险量化评估方法与流程

1.本发明涉及烟气污染物排放环境风险评估技术，尤其是指一种垃圾焚烧发电厂烟气污染物过量排放风险量化评估方法。


背景技术：

2.近年来，中国垃圾焚烧发电逐渐取代卫生填埋成为城市垃圾主流处理模式，但垃圾焚烧产生的no
x
、so2、pm、二噁英等烟气污染物若处理不当则会对生态环境和人体健康构成严重的潜在危害。相比先进的垃圾焚烧发电厂，部分电厂由于技术、设备、管理等方面较为落后，存在较为严重的烟气污染物过量排放环境污染问题，并因此引发了一系列群众抗议的“邻避效应”事件。以往有关垃圾焚烧发电厂烟气污染物致因机理的研究均是从化学反应机理、工程技术原理等复杂、专业的角度出发，但是未能综合技术、设备和管理等角度全方位分析垃圾焚烧发电厂烟气污染物过量排放致因机理。
3.若开发出一种能简单、有效地为政府、企业和公众全面阐明和揭示垃圾焚烧发电厂烟气污染物过量排放的致因机理并利于他们了解并熟知的评估方法，对于垃圾焚烧发电厂烟气污染物减排、政府制定垃圾焚烧行业烟气污染相关政策以及解决“邻避效应”问题具有非常重要的科学和现实意义。


技术实现要素：

4.有鉴于此，本发明针对现有技术存在之缺失，其主要目的是提供一种垃圾焚烧发电厂烟气污染物过量排放风险量化评估方法，其为垃圾焚烧发电厂烟气污染物过量排放关键风险因子识别、减少烟气污染物排放提供科学有效的新方法和新途经，同时为垃圾焚烧发电行业环境风险防控和管理提供了科学有效理论和决策支持。
5.为实现上述目的，本发明采用如下之技术方案：
6.一种垃圾焚烧发电厂烟气污染物过量排放风险量化评估方法，包括有如下步骤
7.步骤1：识别垃圾焚烧发电厂目标风险控制事故t；
8.步骤2：识别导致目标控制风险事故t发生的风险因子；
9.步骤3：构建“垃圾焚烧发电厂烟气污染物过量排放”事故树模型与化简处理；
10.步骤4：将“垃圾焚烧发电厂烟气污染物过量排放”事故树转化为贝叶斯网络bn模型；
11.步骤5：基于“垃圾焚烧发电厂烟气污染物过量排放”贝叶斯网络模型的风险量化评估；
12.步骤6：确定关键风险因子，采取防控措施。
13.作为一种优选方案，步骤1中，首先通过若干垃圾焚烧发电厂历史运行管理数据结合具体电厂清洁生产审核研究技术资料，确定量化评估对象为“垃圾焚烧发电厂烟气污染物过量排放”因果系统；
14.鉴于垃圾焚烧发电厂烟气污染物过量排放会对生态环境和人体健康造成严重的
潜在危害，确定具体分析对象和目标控制风险事故t为“垃圾焚烧发电厂烟气污染物过量排放”。
15.作为一种优选方案，步骤2中，通过调研垃圾焚烧发电厂设备、技术和管理等方面的若干历史数据和资料并结合具体电厂清洁生产审核研究技术资料辨识导致“垃圾焚烧厂烟气污染物过量排放t”发生的风险因子。
16.作为一种优选方案，步骤3中，基于事故树理论进行逻辑演绎推理，对导致“垃圾焚烧发电厂烟气污染物过量排放”的风险因子进行逐层逻辑排列，直至“垃圾焚烧发电厂烟气污染物过量排放”事故树的纵向分析程度到达基本事件为止，构建“垃圾焚烧发电厂烟气污染物过量排放”事故树模型。
17.作为一种优选方案，所述“垃圾焚烧发电厂烟气污染物过量排放”事故树模型包括如下的事件类型：顶上事件、中间事件及基本事件，其中，顶上事件为“垃圾焚烧发电厂烟气污染物过量排放t”；
18.中间事件为“使用不合格的烟气污染物处理原料m
1”、“使用有缺陷的烟气处理设备m
2”、“烟气直接排放m
3”、“垃圾焚烧不充分m
4”、“利益驱动m
5”、“设备故障m
6”、“焚烧炉工况不佳m
7”；
19.基本事件为“对于原料的不严格监管x
1”、“烟气处理工艺落后x
2”、“未运行烟气处理设备x
3”、“在线监测不严格监管x
4”、“垃圾成分复杂x
5”、“非法销售x
6”、“市场需求x
7”、“烟气处理设备老化x
8”、“设备维护不足x
9”、“未添加辅助燃料x
10”、“焚烧温度≤850℃x
11”；
20.每个中间事件受一个以上的相应基本事件直接关联；
21.当中间事件“使用不合格的烟气污染物处理原料m
1”、“使用有缺陷的烟气处理设备m
2”、“烟气直接排放m
3”、“垃圾焚烧不充分m
4”中有一个发生时，就会导致顶上事件“垃圾焚烧发电厂烟气污染物过量排放t”的发生；对于中间事件“使用不合格的烟气污染物处理原料m
1”、“烟气直接排放m
3”、“利益驱动m
5”、“设备故障m
6”、“焚烧炉工况不佳m
7”，当与它们直接关联的基本事件同时发生时，就会导致它们发生；对于中间事件“使用有缺陷的烟气处理设备m
2”、“垃圾焚烧不充分m
4”，与它们直接关联的基本事件中有一个发生时就会导致它们发生。
22.将“垃圾焚烧发电厂烟气污染物过量排放”事故树模型简化处理：
23.结合最小割集理念确定导致顶上事件“垃圾焚烧发电厂烟气污染物过量排放t”发生的六种基本事件组合方式，第1种包含有“对于原料的不严格监管x
1”、“非法销售x
6”、“市场需求x
7”，第2种包含有“烟气处理工艺落后x
2”，第3种包含有“烟气处理设备老化x
8”、“设备维护不足x
9”，第4种包含有“未运行烟气处理设备x
3”、“在线监测不严格监管x
4”，第5种包含有“垃圾成分复杂x
5”，第6种包含有“未添加辅助燃料x
10”、“焚烧温度≤850℃x
11”；任一一种组合方式中的基本事件全部发生时，就会诱发垃圾焚烧发电厂烟气污染物过量排放目标控制风险事故。
24.作为一种优选方案，步骤4中，根据事故树和贝叶斯网络原理，事故树映射到贝叶斯网络上的过程如下：
25.首先是图形转化，事故树的顶上事件、中间事件和基本事件分别相应转化贝叶斯网络的叶节点、中间节点和根节点，用单向箭头将节点联系起来，箭头的起始节点为原因节点，箭头指向的节点为结果节点；
26.其次是参数转化，将基本事件的发生概率作为根节点的先验概率，事件间的逻辑关系转化为条件概率，最终得到“垃圾焚烧发电厂烟气污染物过量排放”贝叶斯网络模型。
27.获取基本事件的发生概率时，在若干垃圾焚烧发电厂数据抽取与归纳的基础上结合模糊集合理论将基本事件的发生概率表述为三角模糊数，综合事件发生概率的技术统计与数据抽取耦合α
‑
加权估值解模糊，采用的公式如下所示：
[0028][0029][0030]
式(1)中为专家的综合意见，表示第n个专家表述基本事件x
i
的发生概率的三角模糊数，l'
xi
,m'
xi
,u'
xi
分别代表基本事件x
i
的发生概率的下边界，中值和上边界，式(2)中p(x
i
)为基本事件x
i
的发生概率，进而可以转化为根节点x
i
的先验概率。
[0031]
作为一种优选方案，步骤5中，先通过“垃圾焚烧发电厂烟气污染物过量排放”贝叶斯网络模型的双向分析功能评估计算节点的发生概率，正向预测未知变量的先验概率；在已知证据的情况下反向诊断获得根节点的后验概率，后验概率越大，则越需要及时采取措施进行防控；
[0032]
其次进行重要度分析，采用伯恩鲍姆重要度系数i
bim
(x
i
)衡量根节点x
i
对叶节点“垃圾焚烧发电厂烟气污染物过量排放t”的贡献和影响程度，若i
bim
(x
a
)＞i
bim
(x
b
)，则根节点x
a
比x
b
对垃圾焚烧发电厂烟气污染物过量排放的影响程度更大。
[0033]
作为一种优选方案，正向预测计算公式如式(3)所示，反向诊断计算公式如式(4)所示：
[0034][0035][0036]
式(3)中，p(a)为bn网络中节点a的先验概率，p(b
i
)为节点a的原因节点b
i
的先验概率，p(a|b
i
)表示在原因节点b
i
的处于某种状态时节点a的条件概率，n为原因节点的数量，i＝1,2,...,n；
[0037]
式(4)中，p(b
j
|a)表示在节点a处于某种状态时节点b
j
的后验概率，p(a|b
j
)表示在节点b
j
处于某种状态时节点a的条件概率。p(b
j
)表示节点b
j
的先验概率；
[0038]
作为一种优选方案，所述伯恩鲍姆重要度系数i
bim
(x
i
)的计算公式如下：
[0039]
i
bim
(x
i
)＝p(t＝yes|x
i
＝yes)
‑
p(t＝yes|x
i
＝no)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0040]
式中：p(t＝yes|x
i
＝yes)表示根节点x
i
在发生状态下(x
i
＝yes)叶节点t的发生概率，p(t＝yes|x
i
＝no)表示根节点x
i
在不发生状态下(x
i
＝no)叶节点t的发生概率。
[0041]
作为一种优选方案，步骤6中，根据步骤5的风险量化分析结果，确定了有哪些基本风险因子对垃圾焚烧发电厂烟气污染物过量排放的影响程度较大，进而采取相应的防控措施。
[0042]
本发明与现有技术相比具有明显的优点和有益效果，具体而言，由上述技术方案可知，其主要是通过构建的“垃圾焚烧发电厂烟气污染物过量排放”事故树耦合贝叶斯网络的量化风险评估方法，可以预测“垃圾焚烧发电厂烟气污染物过量排放t”的发生概率，或者在事故t发生时诊断获取具体基本风险因子的实时发生概率(后验概率)，并且确定需要优先重点防控的关键风险因子；如此，为垃圾焚烧发电厂烟气污染物过量排放关键风险因子识别、减少烟气污染物排放提供科学有效的新方法和新途经，同时为垃圾焚烧发电行业环境风险防控和管理提供了科学有效理论和决策支持。
[0043]
为更清楚地阐述本发明的结构特征和功效，下面结合附图与具体实施例来对本发明进行详细说明：
附图说明
[0044]
图1是本发明之实施例的评估方法程序示意图；
[0045]
图2是本发明之实施例的“垃圾焚烧发电厂烟气污染物过量排放”事故模型示意图；
[0046]
图3是本发明之实施例的“垃圾焚烧发电厂烟气污染物过量排放”简化树模型示意图；
[0047]
图4是本发明之实施例的“垃圾焚烧发电厂烟气污染物过量排放”贝叶斯网络模型示意图。
具体实施方式
[0048]
请参照图1至图4所示，一种垃圾焚烧发电厂烟气污染物过量排放风险量化评估方法，包括有如下步骤
[0049]
步骤1：识别垃圾焚烧发电厂目标风险控制事故t。
[0050]
首先通过大量垃圾焚烧发电厂历史运行管理数据结合具体电厂清洁生产审核研究技术资料，确定量化评估对象为“垃圾焚烧发电厂烟气污染物过量排放”因果系统。
[0051]
鉴于垃圾焚烧发电厂烟气污染物过量排放会对生态环境和人体健康造成严重的潜在危害，确定具体分析对象和目标控制风险事故t为“垃圾焚烧发电厂烟气污染物过量排放”。
[0052]
步骤2：识别导致目标控制风险事故t发生的风险因子。
[0053]
通过深入调研垃圾焚烧发电厂设备、技术和管理等方面的大量历史数据和资料并结合具体电厂清洁生产审核研究技术资料精确辨识导致“垃圾焚烧厂烟气污染物过量排放t”发生的风险因子。
[0054]
步骤3：构建“垃圾焚烧发电厂烟气污染物过量排放”事故树模型与化简处理。
[0055]
基于事故树理论进行逻辑演绎推理，对导致“垃圾焚烧发电厂烟气污染物过量排放”的风险因子进行逐层逻辑排列，直至“垃圾焚烧发电厂烟气污染物过量排放”事故树的纵向分析程度到达基本事件为止，最终所构建的“垃圾焚烧发电厂烟气污染物过量排放”事故树模型如附图2所示。所述“垃圾焚烧发电厂烟气污染物过量排放”事故树模型包括如下的事件类型：顶上事件、中间事件及基本事件，其中，顶上事件为“垃圾焚烧发电厂烟气污染物过量排放t”；
[0056]
中间事件为“使用不合格的烟气污染物处理原料m
1”、“使用有缺陷的烟气处理设备m
2”、“烟气直接排放m
3”、“垃圾焚烧不充分m
4”、“利益驱动m
5”、“设备故障m
6”、“焚烧炉工况不佳m
7”；
[0057]
基本事件为“对于原料的不严格监管x
1”、“烟气处理工艺落后x
2”、“未运行烟气处理设备x
3”、“在线监测不严格监管x
4”、“垃圾成分复杂x
5”、“非法销售x
6”、“市场需求x
7”、“烟气处理设备老化x
8”、“设备维护不足x
9”、“未添加辅助燃料x
10”、“焚烧温度≤850℃x
11”；
[0058]
每个中间事件受一个以上的相应基本事件直接关联；
[0059]
当中间事件“使用不合格的烟气污染物处理原料m
1”、“使用有缺陷的烟气处理设备m
2”、“烟气直接排放m
3”、“垃圾焚烧不充分m
4”中有一个发生时，就会导致顶上事件“垃圾焚烧发电厂烟气污染物过量排放t”的发生；对于中间事件“使用不合格的烟气污染物处理原料m
1”、“烟气直接排放m
3”、“利益驱动m
5”、“设备故障m
6”、“焚烧炉工况不佳m
7”，当与它们直接关联的基本事件同时发生时，就会导致它们发生；例如：当“未运行烟气处理设备x
3”和“在线监测不严格监管x
4”同时发生时，会引起“烟气直接排放m
3”的发生，并进一步导致顶上事件t发生；其他分支结构含义以此类推；对于中间事件“使用有缺陷的烟气处理设备m
2”、“垃圾焚烧不充分m
4”，与它们直接关联的基本事件中有一个发生时就会导致它们发生。
[0060]
将“垃圾焚烧发电厂烟气污染物过量排放”事故树模型简化处理：
[0061]
结合最小割集理念确定导致顶上事件“垃圾焚烧发电厂烟气污染物过量排放t”发生的六种基本事件组合方式，如附图3简化树模型所示。第1种包含有“对于原料的不严格监管x
1”、“非法销售x
6”、“市场需求x
7”，第2种包含有“烟气处理工艺落后x
2”，第3种包含有“烟气处理设备老化x
8”、“设备维护不足x
9”，第4种包含有“未运行烟气处理设备x
3”、“在线监测不严格监管x
4”，第5种包含有“垃圾成分复杂x
5”，第6种包含有“未添加辅助燃料x
10”、“焚烧温度≤850℃x
11”；任一一种组合方式中的基本事件全部发生时，就会诱发垃圾焚烧发电厂烟气污染物过量排放目标控制风险事故。例如：当“烟气处理工艺落后x
2”或者“垃圾成分复杂x
5”发生时，就会诱发垃圾焚烧发电厂烟气污染物过量排放目标控制风险事故；简化树的其他分支结构含义以此类推。
[0062]
步骤4：将“垃圾焚烧发电厂烟气污染物过量排放”事故树转化为贝叶斯网络(bn)模型。
[0063]
(1)根据事故树和贝叶斯网络原理，事故树映射到贝叶斯网络上的过程如下：首先是图形转化，事故树的顶上事件“垃圾焚烧发电厂烟气污染物过量排放t”、使用不合格的烟气污染物处理原料m
1”等7个中间事件和“对于原料的不严格监管x
1”等11个基本事件分别转化贝叶斯网络的叶节点、中间节点和根节点，用单向箭头将节点联系起来，箭头的起始节点为原因节点，箭头指向的节点为结果节点；其次是参数转化，将基本事件的发生概率作为根节点的先验概率，事件间的逻辑关系转化为条件概率，最终得到“垃圾焚烧发电厂烟气污染物过量排放”贝叶斯网络模型如附图4所示。
[0064]
基本事件的发生概率的获取存在较大的难度，在大量垃圾焚烧发电厂数据抽取与归纳的基础上结合模糊集合理论获取基本风险因子的发生概率。由垃圾焚烧行业领域专家将基本事件的发生概率表述为三角模糊数，综合事件发生概率的技术统计与数据抽取耦合α
‑
加权估值解模糊，采用的公式如下所示：
[0065][0066][0067]
式(1)中为专家的综合意见，表示第n个专家表述基本事件x
i
的发生概率的三角模糊数，分别代表基本事件x
i
的发生概率的下边界，中值和上边界，式(2)中p(x
i
)为基本事件x
i
的发生概率，进而可以转化为根节点x
i
的先验概率。
[0068]
步骤5：基于“垃圾焚烧发电厂烟气污染物过量排放”贝叶斯网络模型的风险量化评估。
[0069]
先通过“垃圾焚烧发电厂烟气污染物过量排放”贝叶斯网络模型的双向分析功能评估计算节点的发生概率，正向预测未知变量的先验概率，即用于计算“垃圾焚烧发电厂烟气污染物过量排放t”的发生概率；在已知证据的情况下反向诊断获得根节点的后验概率，即当垃圾焚烧发电厂烟气污染物过量排放事故发生时，诊断具体根节点x
i
的后验概率，后验概率越大，则越需要及时采取措施进行防控。正向预测计算公式如式(3)所示，反向诊断计算公式如式(4)所示：
[0070][0071][0072]
式(3)中，p(a)为bn网络中节点a的先验概率，p(b
i
)为节点a的原因节点b
i
的先验概率，p(a|b
i
)表示在原因节点b
i
的处于某种状态下节点a的条件概率，n为原因节点的数量，i＝1,2,...,n；叶节点“垃圾焚烧发电厂烟气污染物过量排放t”的发生概率可以通过其原因节点“使用不合格的烟气污染物处理原料m
1”、“使用有缺陷的烟气处理设备m
2”、“烟气直接排放m
3”、“垃圾焚烧不充分m
4”以及条件概率计算获得；式(4)中，p(b
j
|a)表示在节点a处于某种状态下节点b
j
的后验概率，p(a|b
j
)表示在节点b
j
处于某种状态下节点a的条件概率。p(b
j
)表示节点b
j
的先验概率；“对于原料的不严格监管x
1”等11个根节点的后验概率可以通过相应节点的条件概率以及先验概率计算获得。
[0073]
其次进行重要度分析，采用伯恩鲍姆重要度系数i
bim
(x
i
)衡量根节点x
i
对叶节点“垃圾焚烧发电厂烟气污染物过量排放t”的贡献和影响程度，若i
bim
(x
a
)＞i
bim
(x
b
)，则根节点x
a
比x
b
对垃圾焚烧发电厂烟气污染物过量排放的影响程度更大，其计算公式如下：
[0074]
i
bim
(x
i
)＝p(t＝yes|x
i
＝yes)
‑
p(t＝yes|x
i
＝no)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0075]
式中：p(t＝yes|x
i
＝yes)表示根节点x
i
在发生状态下(x
i
＝yes)叶节点t的发生概率，p(t＝yes|x
i
＝no)表示根节点x
i
在不发生状态下(x
i
＝no)叶节点t的发生概率。
[0076]
步骤6：确定关键风险因子，采取防控措施。
[0077]
根据上述风险量化分析结果，确定了有哪些基本风险因子对垃圾焚烧发电厂烟气污染物过量排放的影响程度较大，进而采取相应的防控措施。例如，若分析得出“烟气处理
工艺落后x
2”和“垃圾成分复杂x
5”对垃圾焚烧发电厂烟气污染物过量排放的影响程度较大，则应淘汰落后工艺，采取国内外先进、处理效率更高的烟气处理工艺；做好入炉垃圾分类和预处理机制，减少工业固体废弃物入炉。
[0078]
需要说明的是：
[0079]
事故树分析法(fta)是一种自上而下的事故风险分析模型，常用于剖析复杂系统中的重大风险事故的潜在原因，由于其简明易懂的优点被广泛用于煤矿爆炸、火灾等场景的事故分析。与事故树分析法类似，贝叶斯网络(bn)作为一种有向概率图模型可同时正向预测目标控制风险事件发生概率或反向诊断获取基本风险因子的后验概率，曾用于天然气站安全评估、城市生态风险评估等各领域，它能清晰地将风险因子之间的逻辑关系用有向概率图表达出来。
[0080]
在事故树耦合贝叶斯网络模型建立的过程中，首先调研大量垃圾焚烧发电厂历史运行维护资料并结合具体电厂清洁生产审核研究技术资料精确辨识引起“垃圾焚烧发电厂烟气污染物过量排放”目标风险控制事件的风险因子，并进行逻辑演绎推理，编制符合中国垃圾焚烧发电厂实际情况的事故树模型，简化事故树获得简化树及导致“垃圾焚烧发电厂烟气污染物过量排放”事故发生的基本事件组合；其次，耦合并运用贝叶斯网络理论将该致因系统映射转化为对应的“垃圾焚烧发电厂烟气污染物过量排放”bn有向图模型，正向预测垃圾焚烧发电厂发生烟气污染物过量排放事故的概率，并在垃圾焚烧发电厂已经发生烟气污染物过量排放事故时反向诊断获得基本风险因子的后验概率，结合伯恩鲍姆重要度表征基本风险因子对“垃圾焚烧发电厂烟气污染物过量排放”的贡献度和影响程度；最终确定需要优先防控的影响因子。在进行风险量化评估前，结合具体电厂清洁生产审核技术资料与模糊集合理论获取基本风险因子的发生概率，进一步提高量化评估的准确性和科学性。通过应用上述风险量化评估方法，可有效地协助垃圾焚烧发电厂确定导致烟气污染物过量排放的重点防控风险因子，并及时采取措施促进烟气污染物减排。
[0081]
本发明的设计重点在于，其主要是通过构建的“垃圾焚烧发电厂烟气污染物过量排放”事故树耦合贝叶斯网络的量化风险评估方法，可以预测“垃圾焚烧发电厂烟气污染物过量排放t”的发生概率，或者在事故t发生时诊断获取具体基本风险因子的实时发生概率(后验概率)，并且结合伯恩鲍姆重要度确定需要优先重点防控的关键风险因子；如此，为垃圾焚烧发电厂烟气污染物过量排放关键风险因子识别、减少烟气污染物排放提供科学有效的新方法和新途经，同时为垃圾焚烧发电行业环境风险防控和管理提供了科学有效理论和决策支持。