CN106383205A - VOCs区域在线监测及预警*** - Google Patents

Abstract

本发明提出了一种VOCs区域在线监测及预警***，包括：所述监测模块采集每个所述监测点的监测数据；所述通讯模块接收监测数据；所述数据存储模块存储所述监测数据；所述应用服务模块接收并对所述监测数据进行智能分析，通过结合气象参数和排放源数据，进行无组织排放源强解析和污染物扩散趋势推算，并绘制源强及污染物扩散趋势示意图，建立污染物扩散模型；所述人机交互模块接收用户输入的操作命令，并显示各个监测点的监测数据及报警记录。本发明可以实现污染物源强计算及扩散趋势推算的功能，并可以在GIS上动态绘制等效源强和扩散趋势。

Description

VOCs区域在线监测及预警***

技术领域

本发明涉及污染物排放监测技术领域，特别涉及一种VOCs区域在线监测及预警***。

背景技术

近年来，在中央和地方财政的有力支持下，空气质量常规监测体系有了较大的发展，监测能力不断提高,但与此相比，有毒有害气体的预警监测体系尚处于起步阶段。如氯气、光气、硫化氢、氨气、苯系物等能在短时间内造成大面积的人员伤亡，对人体健康有着严重威胁的有毒有害气体并未纳入常规空气质量监测体系中。在风险物质和人群聚集的重点区域建设有毒有害气体预警体系是健全监测网络的重要一环，是应对工业化快速发展所带来的潜在风险的必要举措。

为切实保障人民群众生命财产安全，解决大气污染导致的环境问题、环保部门区域监测困难的问题，现开发区域监测***。实时统计各厂区、监测点的监测设备数据，并根据各监测点的排放情况及其气象条件，来分析与推测区域内整体的排放情况。这样能够很大程序上减少环保部门的人力与时间的投入，并能够解决及时性问题。

据统计，当前我国已建省级以上化工园区112个、地市级化工园区305个，县级化工园区829个，集中了全国约42.3％的规模以上化工企业。与此同时，据2010年环境保护部调查统计，51.7％的化工企业周边1公里范围内有居民聚集区，约90％以上的化工企业周边5公里范围内居民聚集区。

为扎实推进国家化工园区有毒有害气体环境风险预警体系建设工作，此次试点计划在全国选择16个重点化工园区开展试点工作。选择16个化工园区开展试点工作有三方面的主要原因。一是有毒有害气体种类繁多，类型复杂，需要在不同的聚集区探索风险预警体系建设，从而建立健全不同类型的有毒有害气体预警标准和规范。二是有毒有害气体聚集区在生产企业聚集的数量、种类，区域的面积，周边人口的聚集数量，区域的气候、地形等多方面有着明显的差别，环境风险预警的内容也要相应调整，因地制宜，体现出差别化。三是风险预警体系的建设，国家还没有相应的标准，试点工作应允许和鼓励试点园区结合自身的特点，探索不同的预警监测的模式，从而确定适合中国国情的有毒有害气体环境风险预警网络。

无组织排放的监测是以区域为单位的监测，小到一个车间，大到一个居民区，都是我们的监测对象。在经过一些低矮的排气筒排到空气中的污染气体，由于排气筒没有达到一定的高度，由此排出的气体不能像有组织排放气体一样，不会进入大气环流而是很快在出口处逸散，所以在一般情况下，会将这种比较低矮的烟囱作为无组织排放源处理。

等效源强指的是，结合厂界监测浓度，结合风速、风向等气象参数通过算法得出的无组织排放源单位时间内污染物的排放量。

无组织排放监测，由于排放源较为分散，如何准确的定位无组织排放源是在监测过程中要解决的首要问题；其次就是无组织排放源强监测，并且会根据监测算法求得污染源周围的各个点的浓度值；最后根据各个点的浓度和国家环境保护法中规定的标准，圈定受到污染较小的区域。这就是污染源无组织排放监测的基本理论。

发明内容

本发明的目的旨在至少解决所述技术缺陷之一。

为此，本发明的目的在于提出一种VOCs区域在线监测及预警***，可以实现污染物源强计算及扩散趋势推算的功能，并可以在GIS上动态绘制等效源强和扩散趋势。

为了实现上述目的，本发明的实施例提供一种VOCs区域在线监测及预警***，包括：监测模块、通讯模块、数据存储模块、应用服务模块和人机交互模块，其中，

所述监测模块包括多个现场监测设备，分别安装于VOCs区域内的各个监测点，用于采集每个所述监测点的监测数据，其中，所述监测数据包括：区域信息、设备信息、排放源数据和气象数据，将所述监测数据发送至所述通讯模块，其中，所述排放源数据包括监测点设备的污染物浓度；

所述通讯模块采用多路复用IO接口，接收来自所述监测模块的监测数据，并发送至所述数据存储模块；

所述数据存储模块内置有数据库，用于存储所述监测数据，并对所述监测数据进行备份存储；

所述应用服务模块用于接收并对所述监测数据进行智能分析，通过结合气象参数和排放源数据，进行无组织排放源强解析和污染物扩散趋势推算，并绘制源强及污染物扩散趋势示意图，建立污染物扩散模型，并在判断任一个监测点的污染物监测浓度超标时，生成报警记录，以及根据分析得到的污染物扩散趋势，得到污染影响范围，并对受影响的区域发送报警提示；

所述人机交互模块与所述应用服务模块进行通信，用于接收用户输入的操作命令，并显示各个监测点的监测数据及报警记录。

进一步，还包括：GIS地理信息模块，用于在GIS地图上标准各个监测点的位置，并实时显示各个监测点的监测数据。

进一步，所述应用服务模块根据监测点设备的污染物浓度和预设的参考点设备的浓度的差值，得到监测点浓度；

计算影响扩散参数的影响因子并选择合适的系数计算扩散参数；

根据所述监测点浓度和扩散参数进行无组织排放源强解析；

根据计算得到的源强，推算VOCs区域的扩散趋势。

进一步，所述应用服务器模块基于高斯烟羽模型改进后的无组织气体连续排放模型，推导出基于时间参数变化的气体浓度公式，根据多个现场监测设备采集到的监测数据进行分析，利用多传感器数据融合算法进行源目标定位及等效源强反算，计算排放贡献量及排放扩散趋势。

进一步，所述数据存储模块内置的数据库采用分布式存储方式。

进一步，所述应用服务模块还用于根据历史监测数据，生成相应的数据表格和绘制图表，并由所述人机交互界面进行显示。

进一步，所述应用服务模块设置有多个计算服务器和调度服务器，由所述计算服务器作为计算节点，用于进行无组织排放源强解析和污染物扩散趋势推算；所述调度服务器对各个计算服务器分配计算任务。

进一步，所述人机交互模块采用基于角色的访问控制，对登录用户分配相应的权限和密码管理。

进一步，所述应用服务模块对用户密码、数据库存储的监测数据和传输中的监测数据进行加密处理。

进一步，对所述用户密码采用单相散列加密算法，对所述数据库存储的监测数据采用对称加密算法，对传输中的监测数据采用非对称加密算法。

根据本发明实施例的VOCs区域在线监测及预警***，基于化工园规划地形以及环境参数(包括季节风向，温度，湿度等等)，合理的在厂界布局传感器节点，实现利用尽可能少的气体监测设备满足化工园区无工厂盲区的要求，实现污染物排放、气象数据的存储、管理及应用。实现海量数据下污染物源强计算及扩散趋势推算的功能，并可以在GIS上动态绘制等效源强和扩散趋势。

本发明针对企业包含石油化工、煤化工、橡胶、食品生产、塑料、制药、电子、化纤等多种行业的工艺废气排放、仓储装卸、物料转移、烟气排放等引起VOCs无组织排放及污染扩散，减少我国化工企业突发环境事件，减小有毒有害气体对大气的污染，以及对企业园区周围居民身体和生活环境的影响。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明实施例的VOCs区域在线监测及预警***的结构图；

图2为根据本发明实施例的计算源强及扩散趋势的流程图；

图3为根据本发明实施例的VOCs区域在线监测及预警***的架构图；

图4为根据本发明实施例的I/O复用模型的架构图；

图5为根据本发明实施例的通信服务器的架构图；

图6为根据本发明实施例的数据同步热备示意图；

图7为根据本发明实施例的存储服务器失效确认的示意图；

图8为根据本发明实施例的分布式计算模型MapReduce的示意图；

图9为根据本发明实施例的ModSecurity框架的示意图；

图10为根据本发明实施例的Shiro整体框架图；

图11为根据本发明实施例的单向散列加密的示意图；

图12为根据本发明实施例的对称加密的示意图；

图13为根据本发明实施例的非对称加密的示意图；

图14为根据本发明实施例的无组织面源等效浓度仿真图；

图15为根据本发明实施例的扩散趋势推算的示意图；

图16为根据本发明实施例的数据存储架构的示意图；

图17为根据本发明实施例的VOCs区域在线监测及预警***的工作流程图。

具体实施方式

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

本发明提供一种VOCs(挥发性有机化合物)区域在线监测及预警***，通过海量历史数据智能分析，能够检测到工业区的VOCs污染过程和追溯污染源头，更方便环保部门管理和整顿，为环保部门提供可靠的技术支持。

如图1和图3所示，本发明实施例的VOCs区域在线监测及预警***，包括：监测模块1、通讯模块2、数据存储模块3、应用服务模块4和人机交互模块5。

具体地，监测模块1包括多个现场监测设备，分别安装于VOCs区域内的各个监测点，用于采集每个监测点的监测数据，其中，监测数据包括：区域信息、设备信息、排放源数据和气象数据，将监测数据发送至通讯模块2，其中，排放源数据包括监测点设备的污染物浓度。

在本发明的一个实施例中，现场监测设备可以采用区域空气质量在线监测分析仪。

如图4、图5和图16所示，通讯模块2采用多路复用IO接口，接收来自监测模块的监测数据，并发送至数据存储模块3。具体的，本发明提供socket服务，使用tcp协议和现场监测设备通信，接收现场监测浓度数据、气象数据并发送远程控制指令。

本发明需要维护与现场监测设备的数据通信，随着业务增长，监测设备数量的增加，如何保证通信服务器稳定的性能也是***需要解决的关键问题。采用多并发的tcp通信，多路复用IO接口，提供高性能、高容量传输服务。

在多路复用IO接口中，会有一个线程不断去轮询多个socket的状态，只有当socket真正有读写事件时，才真正调用实际的IO读写操作。因为在多路复用IO接口中，只需要使用一个线程就可以管理多个socket，***不需要建立新的进程或者线程，也不必维护这些线程和进程，并且只有在真正有socket读写事件进行时，才会使用IO资源，所以它大大减少了资源占用。

并且，通讯模块可以实现监测与应用服务之间的网络传输，利用移动网络(例如GPRS)、专网和/或互联网(INTERNET)实现数据指令的传输。

参考图6和图7，数据存储模块3内置有数据库，用于存储监测数据，并对监测数据进行备份存储。此外，数据存储模块中的基础数据库除监测数据外，还可以存储点位信息、设备信息和其他数据等，在此不再赘述。

在本发明的一个实施例中，数据存储模块3内置的数据库采用分布式存储方式。

具体地，由于需要对现场浓度监测及气象实时数据进行存储和处理，无论是对存储量、读写和计算性能都有比较高的要求。在架构上，采用了分布式存储架构，设立多个独立的存储，分担负荷压力。同时利用缓存技术，将热数据保存在内存中，提高了***的可靠性、可用性和存储效率，同时易于扩展。

海量的环境监测数据要求***具有高可用、可伸缩的数据存储架构，又要保证***具有高效的数据检索的功能，同时降低数据存储的成本。将传统数据存储和大数据存储向结合，形成sql+nosql的存储架构。***中，结构化数据如用户信息，设备信息等保存在关系数据库中，而位置信息，污染物、气象数据等非结构化数据则由nosql数据库存储。同时***抛弃了传统的数据集中存储方案，采用可伸缩的分布存储架构，利用多台存储设备分担存储负荷，提高了***的可靠性、可用性和吞吐量。

本发明具有高可用性和大规模高速处理能力：“高可用性”(High Availability)通常来描述一个***经过专门的设计，从而减少停工时间，而保持其服务的高度可用性。

***通过设置服务器集群和负载均衡机制，提高***的高可用性的同时减少单台服务器的负载，提高***整体性能和可靠性。

参考图7，通过数据备份保证数据存有多个副本，任意副本的失效都不会导致数据的永久丢失，实现数据完全的持久化。通过失效转移机制保证当一个副本不可访问时，可以快速切换访问数据的其他副本，保证***可用。

参考图17，应用服务模块4用于接收并对监测数据进行智能分析，通过结合气象参数和排放源数据，进行无组织排放源强解析和污染物扩散趋势推算，并绘制源强及污染物扩散趋势示意图，建立污染物扩散模型，并在判断任一个监测点的污染物监测浓度超标时，生成报警记录，以及根据分析得到的污染物扩散趋势，得到污染影响范围，并对受影响的区域发送报警提示。

本发明提供的应用服务的高可用性。在应用服务器层，根据需要处理的用户负载的需求安装多台应用服务器，组成应用层集群，并采用配置平行并行处理(ParallelConcurrent Processing，PCP)来保证并发管理器的高可用性。当任何一个应用服务器出现突发性硬/软件故障时，使用负载均衡交换机提供的故障转移的能力来屏蔽掉这个服务器而不影响整个***的运行。

具体地，如图2所示，应用服务模块4根据监测点设备的污染物浓度和预设的参考点设备的浓度的差值，得到监测点浓度，计算影响扩散参数的影响因子并选择合适的系数计算扩散参数，根据监测点浓度和扩散参数进行无组织排放源强解析，根据计算得到的源强，推算VOCs区域的扩散趋势。

在全面掌握、分析污染源排放、气象因素的基础之上，本发明采用先进的基于大气扩散理论的高斯分布地面浓度反推法数学模型开发。实时统计各厂区、监测点的监测设备数据，并根据各监测点的排放情况及其气象条件，来分析与推测区域内整体的排放情况。实现对VOCs排放区域整体监控，污染物扩散趋势推算，VOCs排放源解析等功能。进一步，根据源解析数据，计算特定时间内的区域内无组织排放总量。

应用服务器模块4基于高斯烟羽模型改进后的无组织气体连续排放模型，推导出基于时间参数变化的气体浓度公式，根据多个现场监测设备采集到的监测数据进行分析，利用多传感器数据融合算法进行源目标定位及等效源强反算，计算排放贡献量及排放扩散趋势。

下面对大气污染物高斯模型进行说明。大气污染物高斯模型又分为高斯烟团模型和高斯烟羽模型。大气污染物泄漏分为瞬时泄漏和连续泄漏，瞬时泄漏是指污染物泄放的时间相对于污染物扩散的时间较短如突发泄漏等的情形，连续泄漏则是指污染物泄放的时间较长的情形。瞬时泄漏采用高斯烟团模型模拟，而连续泄漏采用高斯模型烟羽模型模拟。高斯模型适用于非重气云气体，包括轻气云和中性气云气体。要求气体在扩散过程中，风速均匀稳定。

在高斯烟团模型中，选择风向建立坐标***，即取泄漏源为坐标原点，x轴指向风向，y轴表示在水平面内与风向垂直的方向，z轴则指向与水平面垂直的方向，具体公式见式

$C(x,y,z,t)=\frac{Q}{{\left(2\mathrm{\π}\right)}^{3/2}\·{\mathrm{\σ}}_x{\mathrm{\σ}}_y{\mathrm{\σ}}_z}\·e^{-\begin{array}{c}{\left(x-ut\right)}^2\\ 2{\mathrm{\σ}}_x^2\end{array}}\·e^{-\frac{y^2}{2{\mathrm{\σ}}_y^2}}\·\left(e^{-\begin{array}{c}{\left(z-H\right)}^2\\ 2{\mathrm{\σ}}_z^2\end{array}}+e^{-\begin{array}{c}{\left(z+H\right)}^2\\ 2{\mathrm{\σ}}_z^2\end{array}}\right)$

高斯烟羽模型的表达式

$C(x,y,z,t)=\frac{Q}{2{\mathrm{\πu\σ}}_y{\mathrm{\σ}}_z}\·e^{-\begin{array}{c}{y}^2\\ 2{\mathrm{\σ}}_y^2\end{array}}\·\left(e^{-\frac{{\left(z-H\right)}^2}{2{\mathrm{\σ}}_z^2}}+e^{-\frac{{\left(z+H\right)}^2}{2{\mathrm{\σ}}_z^2}}\right)$

其中：C(x,y,z,t)为泄漏介质在某位置某时刻的浓度值；Q为污染物单位时间排放量(mg/s)；

x、y、z分别为x、y、z轴上的扩散系数，需根据大气稳定度选择参数计算得到(m)；x、y、z表示x、y、z上的坐标值(m)；u表示平均风速(m/s)；t表示扩散时间(s)；H表示泄漏源的高度(m)。

将监测区域当作一个大的面源进行计算，在区域内的地面点浓度假设是相同的。在区域外也就是面源边界到监测点的这块区域的点浓度会受到风速的影响。考虑到监测区域的实际情况，在合理布局和安装设备的前提下，当风速大于1m/s时，不考虑气体分子的沉降，所以采用高斯烟羽模式；当风速小于1m/s时，由于相当于无风状态，需要考虑气体分子的沉降，所以采用高斯烟团模式进行计算。根据对这两种情况的计算，我们可以计算出不同风速的情况下区域的等效源强。

在理论设计上，本发明采用了大气污染物高斯模型。不是单纯的根据几个点的监测浓度值反推计算出区域的等效源强，而是细化到在监测区域进行监测时，监测设备的分布，即分别在区域周围按等距离布点。考虑到一年四季风向的变化，在监测过程中，污染源无组织排放监测***会自动根据风向角的大小选择出参考点和监测点，将监测点和参考点浓度之差作为计算时用到的监测点浓度C。增强了算法的自适应性和准确性。此外，将区域看作一个面源进行污染源等效源强的求解，并且研究了风速对源强的影响。

具体地，应用服务模块4设置有多个计算服务器和调度服务器，由计算服务器作为计算节点，用于进行无组织排放源强解析和污染物扩散趋势推算；调度服务器对各个计算服务器分配计算任务。

通过结合气象参数和污染物监测浓度，实现等效源强计算和源解析运算，建立污染物扩散模型。大规模复杂的运算下还需保证用户访问***的流畅性和实时性。在这种情况下，***采用分布式计算架构，设置多个服务器充当计算节点，通过调度服务器分配计算任务。提高运算的效率。

考虑到无组织排放源的不宜定位的特性，物料平衡法在实际的应用中实施难度较大。估算法和经验公式法，针对性较强，是在人们的长期生活中得到的较为笼统的监测方法，难以适应实际监测工作中的复杂多变的情况。通量法方法简单，实用性较强，但是通量法监测时需要通量的横截面和风向的夹角，夹角测算不准确，监测结果会大相径庭。所以在经过比较和筛选，最终选择了反推法的改进方法。

污染气体的排放形式主要分为两种：无组织排放和经由烟囱等排气筒的固定污染源排放，其中污染物无组织排放较难监测和治理，解决此形式的污染气体排放监测问题对治理大气污染至关重要。

参考图14和图15，本发明通过建立基于高斯烟羽模型改进后的无组织气体连续排放模型，推导出基于时间参数变化的气体浓度公式，通过对传感器采集到的数据进行分析，利用多传感器数据融合算法(遗传算法、模式搜索等)来进行源目标定位及等效源强反算，计算工厂之间的排放贡献量及排放扩散趋势。本发明可以绘制时间段内污染物扩散趋势，显示污染影响范围。

此外，应用服务模块4还用于根据历史监测数据，生成相应的数据表格和绘制图表，并由人机交互界面进行显示，展示历史数据统计情况。

综上，应用服务模块可以根据对接收到的来自现场监测设备的数据进行分析，实现实时数据监测、空气质量超标报警、对排放趋势进行预警、提供决策管理、对监测等数据实现统计查询，并提供对历史数据的检索接口。

人机交互模块与应用服务模块进行通信，用于接收用户输入的操作命令，并显示各个监测点的监测数据及报警记录。显示查询该监控点最近五条报警记录，同时可链接到报警监控页面。数据库对各种污染数据和气象参数进行统一管理并实现关联，建立排放模型。实现了数据的共享和实时更新。随时从数据库中获取排放数据和气象数据进行，生成扩散趋势数据，并提供排放超标报警。

在本发明的一个实施例中，人机交互模块可以基于：平板电脑、手机、个人计算机PC等进行展示呈现。

相关管理人员在获取上述监测数据及分析结果后，执行相应的决策管理，例如：环境评估、排污许可、排污收费、监督执法、行政处罚、环境信访、应急预案和污染源建档等操作。需要说明的是，上述决策管理仅是出于示例的目的，而不是为了限制本发明。随着环境治理工作的开展，管理人员可以随时更新新的决策管理，在此不再赘述。

在本发明的一个实施例中，人机交互模块采用基于角色的访问控制，对登录用户分配相应的权限和密码管理。

访问控制的作用主要有：一、防止非法的主体进入受保护的网络资源。二、允许合法用户访问受保护的网络资源。三、防止合法的用户对受保护的网络资源进行非授权的访问。

本发明采用基于角色的访问控制模型(RBAC)，将访问许可权分配给一定的角色，用户通过饰演不同的角色获得角色所拥有的访问许可权。这是因为在很多实际应用中，用户并不是可以访问的客体信息资源的所有者(这些信息属于企业或公司)，这样的话，访问控制应该基于员工的职务而不是基于员工在哪个组或是谁信息的所有者，即访问控制是由各个用户在部门中所担任的角色来确定的。同时***采用数据库的细粒度访问控制，严格控制对数据的访问。

在本发明的一个实施例中，采用Apache Shiro框架实现应用的访问控制。如图10所示，Apache Shiro是一个强大易用的Java安全框架，提供了认证、授权、加密和会话管理等功能。

1、认证-用户身份识别，常被称为用户“登录”；

2、授权-访问控制；

3、密码加密-保护或隐藏数据防止被偷窥；

4、会话管理-每用户相关的时间敏感的状态。

5、对于任何一个应用程序，Shiro都可以提供全面的安全管理服务。

此外，本发明的VOCs区域在线监测及预警***还包括：GIS地理信息模块，用于在GIS地图上标准各个监测点的位置，并实时显示各个监测点的监测数据。

具体地，在GIS地图上以醒目图标标注该监控点位置，可显示风险源的基本信息。

在GIS地图上任意划出一个区域，就可实时显示该区域的所有监控点信息，选择区域内的任一部署点或区域内多个部署点就可实现单点或多点浏览。

本发明将排放数据、气象数据和地理位置关联，将计算得到的众多点浓度以3D扩散图的形式在电子地图中呈现，更加的直观和形象。同时绘制污染影响范围，对于突发性的大气污染事故发生时，有利于减小事故的危害，减轻人员伤亡和财产损失，实现地理信息服务及扩散预警。

需要说明的是，应用服务模块对用户密码、数据库存储的监测数据和传输中的监测数据进行加密处理。为了保护***中敏感数据，应用对这些信息进行了加密处理。项目中敏感数据主要有两种：用户密码、数据库中的污染物数据、传输中的污染物数据。

在本发明的一个实施例中，对用户密码采用单相散列加密算法，如图11所示。

对于用户密码，***采用单向散列加密。单项散列加密是指通过对不同输入长度的信息进行散列计算，得到固定长度的输出，这个散列计算过程是单项的，即不能对固定长度的输出进行计算从而获得输入信息。

如图12所示，对数据库存储的监测数据采用对称加密算法。对称加密是指加密和解密使用的密钥是同一个密钥(或者可以相互推算)。如图13所示，对传输中的监测数据采用非对称加密算法。

本发明为环境保护应用软件，***中涉及环境污染物及气象参数等敏感数据。对数据的安全防护尤为重要。同时***采用B/S架构，基于web的特性要求采取相应的web安全防护措施。

本发明实施例的VOCs区域在线监测及预警***可以通过以下手段保证***的安全性。如图8和图9所示，***采用ModSecurity开源Web应用防火墙。ModSecurity能够探测攻击并保护Web应用程序，既可以嵌入到web应用服务器中，也可以作为一个独立的应用程序启动。ModSecurity采用处理逻辑与攻击规则集合分离的架构模式。处理逻辑(执行引擎)负责请求和相应的拦截过滤，规则加载执行等功能。而攻击规则集合则负责描述对具体攻击的规则定义、模式识别、防御策略等功能。处理逻辑比较稳定，规则集合不断针对漏洞进行省事，是一种可扩展的架构设计。

本发明实施例的VOCs区域在线监测及预警***，可以满足以下技术指标：

1)可靠性：保证技术支持***的可靠性。

2)安全性：保证数据和***的安全性，采用适当加密防护措施。

3)并行性：支持多个采集设备并行进行数据库传输及存储。

4)完整性：保证数据库中数据的完整性。

5)一致性：保证分布数据存储架构下数据的一致性。

6)及时性：保证数据库中数据更新的及时性。

主要性能指标：

1)***的年可用率99％。

2)各功能模块年平均无故障时间不小于7000小时。

3)数据库平均上传下载速度在1Mb/s。

4)支持上TB级别的环境数据存储，建立污染排放、扩散模型。

根据本发明实施例的VOCs区域在线监测及预警***，基于化工园规划地形以及环境参数(包括季节风向，温度，湿度等等)，合理的在厂界布局传感器节点，实现利用尽可能少的气体监测设备满足化工园区无工厂盲区的要求，实现污染物排放、气象数据的存储、管理及应用。实现海量数据下污染物源强计算及扩散趋势推算的功能，并可以在GIS上动态绘制等效源强和扩散趋势。

本发明针对企业包含石油化工、煤化工、橡胶、食品生产、塑料、制药、电子、化纤等多种行业的工艺废气排放、仓储装卸、物料转移、烟气排放等引起VOCs无组织排放及污染扩散，减少我国化工企业突发环境事件，减小有毒有害气体对大气的污染，以及对企业园区周围居民身体和生活环境的影响。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。

Claims (10)

1.一种VOCs区域在线监测及预警***，其特征在于，包括：监测模块、通讯模块、数据存储模块、应用服务模块和人机交互模块，其中，

所述监测模块包括多个现场监测设备，分别安装于VOCs区域内的各个监测点，用于采集每个所述监测点的监测数据，其中，所述监测数据包括：区域信息、设备信息、排放源数据和气象数据，将所述监测数据发送至所述通讯模块，其中，所述排放源数据包括监测点设备的污染物浓度；

所述通讯模块采用多路复用IO接口，接收来自所述监测模块的监测数据，并发送至所述数据存储模块；

所述数据存储模块内置有数据库，用于存储所述监测数据，并对所述监测数据进行备份存储；

所述应用服务模块用于接收并对所述监测数据进行智能分析，通过结合气象参数和排放源数据，进行无组织排放源强解析和污染物扩散趋势推算，并绘制源强及污染物扩散趋势示意图，建立污染物扩散模型，并在判断任一个监测点的污染物监测浓度超标时，生成报警记录，以及根据分析得到的污染物扩散趋势，得到污染影响范围，并对受影响的区域发送报警提示；

所述人机交互模块与所述应用服务模块进行通信，用于接收用户输入的操作命令，并显示各个监测点的监测数据及报警记录。

2.如权利要求1所述的VOCs区域在线监测及预警***，其特征在于，还包括：GIS地理信息模块，用于在GIS地图上标准各个监测点的位置，并实时显示各个监测点的监测数据。

3.如权利要求1所述的VOCs区域在线监测及预警***，其特征在于，所述应用服务模块根据监测点设备的污染物浓度和预设的参考点设备的浓度的差值，得到监测点浓度；

计算影响扩散参数的影响因子并选择合适的系数计算扩散参数；

根据所述监测点浓度和扩散参数进行无组织排放源强解析；

根据计算得到的源强，推算VOCs区域的扩散趋势。

4.如权利要求3所述的VOCs区域在线监测及预警***，其特征在于，所述应用服务器模块基于高斯烟羽模型改进后的无组织气体连续排放模型，推导出基于时间参数变化的气体浓度公式，根据多个现场监测设备采集到的监测数据进行分析，利用多传感器数据融合算法进行源目标定位及等效源强反算，计算排放贡献量及排放扩散趋势。

5.如权利要求1所述的VOCs区域在线监测及预警***，其特征在于，所述数据存储模块内置的数据库采用分布式存储方式。

6.如权利要求1所述的VOCs区域在线监测及预警***，其特征在于，所述应用服务模块还用于根据历史监测数据，生成相应的数据表格和绘制图表，并由所述人机交互界面进行显示。

7.如权利要求1所述的VOCs区域在线监测及预警***，其特征在于，所述应用服务模块设置有多个计算服务器和调度服务器，由所述计算服务器作为计算节点，用于进行无组织排放源强解析和污染物扩散趋势推算；所述调度服务器对各个计算服务器分配计算任务。

8.如权利要求1所述的VOCs区域在线监测及预警***，其特征在于，所述人机交互模块采用基于角色的访问控制，对登录用户分配相应的权限和密码管理。

9.如权利要求1所述的VOCs区域在线监测及预警***，其特征在于，所述应用服务模块对用户密码、数据库存储的监测数据和传输中的监测数据进行加密处理。

10.如权利要求9所述的VOCs区域在线监测及预警***，其特征在于，

对所述用户密码采用单相散列加密算法，对所述数据库存储的监测数据采用对称加密算法，对传输中的监测数据采用非对称加密算法。