CN112462603B - 区域大气重污染应急的优化调控方法、装置、设备及介质 - Google Patents
区域大气重污染应急的优化调控方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112462603B CN112462603B CN202011092840.7A CN202011092840A CN112462603B CN 112462603 B CN112462603 B CN 112462603B CN 202011092840 A CN202011092840 A CN 202011092840A CN 112462603 B CN112462603 B CN 112462603B
- Authority
- CN
- China
- Prior art keywords
- pollution
- emission reduction
- control
- area
- heavy pollution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本申请公开了一种区域大气重污染应急的优化调控方法、装置、设备及介质。该方法包括:建立区域大气重污染应急优化调控模型;模型包括目标函数和约束条件;目标函数为待治理区域中污染物减排导致的经济损耗最小化;约束条件包括管控目标区域的大气污染物浓度限值和不同治理预案的固定减排比例;待治理区域包括若干行政分区;对模型进行求解,获得待治理区域最优调控预案;根据每日气象条件和空气质量约束限值的不同,可提出重污染过程期间的逐日动态调整优化。本申请的方法将重污染应急的实际问题转化为优化算法的数学问题可以求解方程最优解,所得最优解更能反映实际问题的规划与管理目标,可实现治理目的的同时将污染管控的经济损失降到最低。
Description
技术领域
本申请涉及大气污染处理技术领域,具体涉及一种区域大气重污染应急的优化调控方法、装置、电子设备及计算机可读存储介质。
背景技术
社会经济的发展通常会产生一定的环境污染问题,环境污染的有效治理也会需要一定的经济损耗为代价,两者密不可分。如何在绿色环境与经济发展之间找到最佳的平衡点,环境管理者需制定满足区域经济损耗最小的前提下,最大程度的改善环境污染问题,也是当前亟待解决的问题。
近年来,以区域范围广、污染程度重、持续时间长为主要特征的区域重污染事件时有发生。由于地理位置和气象条件等原因,某些地区更是频发重污染事件。而当前的应急管理方式仍然是以粗放式、高成本的管控形式为主,虽然很多学者针对重污染治理预案开展了较多的研究,但是实际应用时很少有能够满足重污染实际需求的应急方法。重污染天气严重影响社会正常秩序和公众身体健康,目前在大气重污染事件的应急处理上,很多地区仍然使用“一刀切”的方案,在重污染应急方面缺乏科学有效的优化调控方案。做好区域性的重污染天气应急管理工作,推进空气质量的改善,实现经济社会与生态环境之间的协调发展,具有非常重要的意义。
在以往的重污染治理预案研究方面,常用的重污染应急管控评估和方案制定的方法主要有:
1)、通过多组管控方案情景模拟来进行管控方案优选。
通过重污染过程分析,提出多组管控方案,基于管控方案的分析结果,进行情景模拟,筛选模拟结果中污染物浓度改善情况最好的管控方案。
2)、基于重污染的浓度来直接判定采用的污染治理预案。
各个城市依据重污染期间的浓度特征,判断浓度改善一定幅度所需的污染物减排比例制定污染治理预案。
然而,方法1)需要进行多个情景模拟,需要耗费大量的计算机计算能力和时间,在应对重污染预测预警时往往不能及时给出最优管控方案。方法2)没有考虑区域传输对空气质量影响的重要性,且复杂的气象条件也是动态变化的,本地污染减排不一定有效改善空气质量状况,应当以区域联防联控的角度考虑重污染问题,制定动态的分时段分区域重污染治理预案。另外,方法1)和方法2)均未考虑重污染应急管控对经济的影响,由这两种方法得到的重污染应急预案可能会对区域经济造成较大的影响。
发明内容
本申请的目的是提供一种区域大气重污染应急的优化调控方法、装置、电子设备及计算机可读存储介质。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
根据本申请实施例的一个方面,提供一种区域大气重污染应急的优化调控方法,包括:
建立区域大气重污染应急的优化调控模型;所述区域大气重污染应急的优化调控模型包括目标函数和约束条件;所述目标函数为待治理区域中污染物减排导致的经济损耗最小化;所述约束条件包括管控目标区域的污染物浓度限值和不同重污染应急预案规定的固定减排比例;所述管控目标区域和待治理区域均包括若干行政分区;
对所述区域大气重污染应急的优化调控模型进行求解,用于管控目标区域的大气重污染应急优化调控。
进一步地,所述待治理区域中污染物减排导致的经济损耗为所述待治理区域内所有分区减排损耗的和。
进一步地,每一所述分区减排损耗为所述分区对应的污染治理预案级别下的减排比例与单位比例减排成本之积。
进一步地,所述目标函数的公式为
其中,T代表重污染过程持续的总时段,t代表整个重污染过程中的特定时期(如某小时、某一天、某几天等);K代表K个待管控地区;j代表分区序号,j为正整数;b代表污染治理预案级别,b为正整数;B代表各个待管控地区在重污染期间可选的应急预案管控级别;Qt,j,b代表t时期、分区j在污染治理预案级别b下的减排比例;Pj,b代表分区j在污染治理预案级别b下的单位比例减排成本;Cost代表在整个重污染时段内,所有分区进行污染物减排所导致的经济总损耗。
进一步地,所述约束条件包括:
所述管控目标区域污染物浓度低于预设阈值;
各级别的污染治理预案对应固定减排比例。
其中,所述管控目标区域污染物浓度低于预设阈值,公式如下:
Ct为在整个重污染时段T中,t时期内在采取管控方案后,管控目标行政区的污染物平均浓度,
Ot代表管控目标行政区污染物平均浓度预设阈值;
Z代表所有的管控目标行政区i的数量;
Qt,j,b代表t时期内待治理分区j在污染治理预案级别b下的减排比例;
θt,i,j为t时期内、待治理分区j的排放对管控目标区域i的污染物浓度贡献比例,
Pt,i代表t时期内管控目标区域i的总浓度。
根据本申请实施例的另一个方面,提供大气重污染应急的优化调控装置,包括:
建模模块,用于建立区域大气重污染应急的优化调控模型;所述区域大气重污染应急的优化调控模型包括目标函数和约束条件;所述目标函数为待治理区域中污染物减排导致的经济损耗最小化;所述约束条件包括管控目标区域的污染物浓度限值和不同治理预案的固定减排比例;所述管控目标区域和待治理区域均包括若干行政分区;
求解模块,用于对所述区域大气重污染应急的优化调控模型进行求解,用于待治理区域的大气重污染应急优化调控。
根据本申请实施例的另一个方面,提供电子设备,包括存储器、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,所述处理器执行所述程序,以实现上述的区域大气重污染应急的优化调控方法。
根据本申请实施例的另一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行,以实现上述区域大气重污染应急的优化调控方法。
本申请实施例的其中一个方面提供的技术方案可以包括以下有益效果:
本申请实施例提供的区域大气重污染应急的优化调控方法,根据重污染应急问题的分析,建立优化调控数学方程,将实际问题转化为数学问题可以求解方程最优解,所得最优解更能反映实际问题的规划与管理目标,以经济成本最小和空气质量浓度限值为目标,相比现有粗犷式的重污染应急管控策略,能够在达到治理目的的同时将污染管控的经济损失降到最低。
对比以往的研究与资料中的数学算法,待治理区域的各城市所采用的污染治理预案的组合方式省略了繁琐的参数,简化了方程算法,省去了算法函数的开发,直接将现实情况中所有重污染预警方案带入方程求解各个组合方式的经济损耗总成本和各个城市的浓度限值并加以筛选和判断以寻取最优解。通过该方法基本可以获得所有可选减排情景下的污染物浓度改善情况,节省了多个减排情景下空气质量模式模拟的计算耗时。
重污染应急方案中,环境管理者往往不会对一次重污染过程进行针对性的分析并设定最优的减排比例,而是在多个污染治理预案中选择最优的分时段不同等级预案,在多个污染治理预案级别的排列组合中寻求环境与经济之间的最优解,更符合环境管理者对重污染应急管理方法和现实操作的需要。
本申请的其他特征和优点将在随后的说明书中阐述,并且,部分从说明书中显而易见,或者部分特征和优点可以从说明书中推知或毫无疑义地确定,或者通过实施本申请实例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本申请的一个实施例的区域大气重污染应急的优化调控方法流程图;
图2示出了本申请的一个实施例中的甲地区应急减排成本柱状图;
图3示出了本申请的一个实施例中的方案预期所得结果示意图;
图4示出了本申请的一个实施例的优化方案与实际方案对比的优越性。
图5示出了本申请的一个实施例的区域大气重污染应急的优化调控装置结构框图;
图6示出了本申请的一个实施例的电子设备的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,下面结合附图和具体实施例对本申请做进一步说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
优化控制模型可以为重污染应急提供科学的理论基础和方法路线,基本原理为在已知***特征的条件下,满足一定的参数控制,使***达到最优的运行或平衡状态,着重于实现从一切可能的控制方案中寻找最优解的科学理论,分为线性和非线性规划模型。最优化方法解决实际工程问题通常分为三步进行:①根据提出的最优化问题,建立最优化数学模型,确定变量,列出约束条件和目标函数;②对建立的数学模型进行分析和求解,选择的优化求解方法;③根据最优化方法的算法列出程序图和编写程序,用计算机求解,并对算法的收敛性、通用性、简便性、计算效率及误差做出评价和分析。通过最优化方法能够在多个可选择的方案中确定一个最优的满足目标方案要求的结果。
线性规划模型的一般表达式为:
最大(最小)目标方程Max/Min Q=C1x1+C2x2+C3x3+...+Cnxn
多个约束条件
a11x1+a12x2+a13x3+...+a1nxn≤b1
a21x1+a22x2+a23x3+...+a2nxn≤b2
...
an1x1+an2x2+an3x3+...+annxn≤bn
变量本身特征约束x1,x2,x3,...,xn≥0
重污染过程的形成和持续具有区域性的特征,优化控制方法以区域重污染过程期间空气质量改善为核心目标,兼顾重污染应急各行业减排成本,将待治理区域多个城市及周边区域作为优化待治理区域的污染源体标记,并以待治理区域内空气质量改善的分区作为受体标记,应用第三代空气质量数值模式及其耦合污染来源追踪模块或敏感性分析模块(NAQPMS-OSAM、CAMx-PSAT/OSAT或CAMx-DDM/HDDM等)对重污染过程进行模拟或预测,量化分析各地区污染排放对受体城市的颗粒物(如PM2.5、PM10等)浓度的贡献率,结合区域内污染源排放清单的区域差异进一步计算排放削减对模拟区域的污染物浓度的变化响应关系,对主要污染物一次PM2.5及其前体物SO2、NOx与VOCs的削减量进行优化分配,基于线性规划理论,根据区域总减排成本和各个分区的污染物浓度限值的权重分析,建立适用于重污染应急的优化调控数学模型,引入待治理区域各个城市分时段的所有污染治理预案组合,求解获得重污染过程期间各个城市的典型污染物最优的动态预警调控方案,找到环境与经济的最佳平衡点。
如图1所示,本申请的一个实施例提供了一种区域大气重污染应急的优化调控方法,包括:
S10、建立区域大气重污染应急的优化调控模型;所述大气重污染应急优化调控模型包括目标函数和约束条件;所述目标函数为待治理区域中污染物减排导致的经济损耗最小化;所述约束条件包括管控目标区域的污染物浓度限值和不同治理预案的固定减排比例;所述管控目标区域和待治理区域均包括若干行政分区;
S20、对所述区域大气重污染应急的优化调控模型进行求解,用于待治理区域的大气重污染应急优化调控。
另外,根据每日气象条件和空气质量约束限值的不同,提出重污染过程期间的逐日动态调整优化。
所述目标函数为待治理区域中污染物减排导致的经济损耗最小化。
根据单位减排成本和污染治理预案组合中的减排比例计算区域总减排成本。首先统计各个预警级别下的各污染物的减排比例和减排成本,进而得到各个污染治理预案组合下各个城市的减排经济损耗,每时段各污染治理预案组合下的各城市减排成本相加得到该时段区域减排总成本。
目标函数:待治理区域中污染物减排导致的经济损耗最小化,
其中,T代表重污染过程持续的总时段,
t代表整个重污染过程中的特定时期(如某小时、某一天、某几天等);
K代表K个待管控地区;
j代表分区序号,j为正整数;
b代表污染治理预案级别,b为正整数;
B代表各个待管控地区在重污染期间可选的应急预案管控级别;
Qt,j,b代表t时期、分区j在污染治理预案级别b下的减排比例;
Pj,b代表分区j在污染治理预案级别b下的单位比例减排成本;
Cost代表在整个重污染时段内,所有分区进行污染物减排所导致的经济总损耗。
约束条件:
1、管控目标区域的污染物浓度低于预设阈值
根据分区在各污染级别下的污染浓度,可计算出分区污染物浓度改善所需分区的减排比例,进而筛选所有污染治理预案中可以实现分区污染物浓度降至限定值的预案。
Ct为在整个重污染时段T中,t时期内在采取管控方案后,管控目标行政区的污染物平均浓度,
Ot代表管控目标行政区污染物平均浓度预设阈值;
Z代表所有的管控目标行政区i的数量;
Qt,j,b代表t时期内待治理分区j在污染治理预案级别b下的减排比例;
θt,i,j为t时期内、待治理分区j的排放对管控目标区域i的污染物浓度贡献比例,
Pt,i代表t时期内管控目标区域i的总浓度。
在本实施方式中,本方案中各城市的减排比例只能从应急预案中规定的选取。
2、各污染治理预案对应固定减排比例
例如,将非负约束、减排潜力约束、预警源下的总体约束、企业污染治理预案约束简化,形成各个污染治理预案级别下的固定减排比例,即某一污染预警级别下各城市污染物总量的减排比例。
在实际问题中,减排成本与减排比例呈线性关系,即在无减排、黄色预警、橙色预警、红色预警的预警等级下,减排成本也是等值线性增长的。该实际问题属于无减排、黄色预警、橙色预警、红色预警多个预警等级的离散变量中求最优解问题,为实现方程可解,考虑实际问题中各预警等级的减排比例基本符合阶梯式的等值线性增长,本方法基于线性规划理论,限定预警等级的减排比例应属于等值线性关系(例如无减排、黄色预警、橙色预警、红色预警减排比例分别为0、0.1、0.2、0.3)。
例如,B代表各个待管控地区在重污染期间可选的应急预案管控级别,B为正整数;设定B的取值范围可以为[1,2,3,4],分别用1、2、3和4代表无预警、黄色预警、橙色预警与红色预警,该四个污染治理预案级别分别对应的减排比例为0、10%、20%和30%。
方程先求解基准情景(不减排情景)空气污染物降至目标区域改善浓度作为约束条件,获得所有分区都可以达到对应的目标浓度且减排成本最低的污染治理预案组合。
若方程无解,所有的预案组合都不能满足所有分区实现相应的污染物浓度改善,则算法求解最大改善幅度,获得污染物浓度最低的区域污染情况。
方程求解方法1(迭代算法):
迭代算法是用计算机解决问题的一种基本方法,它利用计算机运算速度快、适合做重复性操作的特点,让计算机对一组指令(或一定步骤)进行重复执行,在每次执行这组指令(或这些步骤)时,都从变量的原值推出它的一个新值。本方法使用迭代算法将多组变量引入公式和算法来求问题的最优解。
在待治理区域中,一共有M个待减排城市(每个城市相当于一个分区),共有无预警、黄色预警、橙色预警、红色预警4个应对方案,每个城市采用一种污染治理预案,计算待治理区域所有城市所采用的污染治理预案的所有组合方式共4M个,由源体污染排放对受体空气质量影响的响应关系的引入可计算每一个组合方式下的各个目标改善城市的浓度改善效果,由减排成本的引入计算每一组合方式下的区域总减排成本,根据减排成本最小的目标和浓度改善的约束筛选最优的污染治理预案。再将逐日的污染治理预案进行排列,并将整个污染过程进行统计和归类。考虑初步结果可能出现类似两个橙色预警日之间存在黄色预警的预案组合,本方法引入放大的预案不利变更因子,得到各污染时段内预案等级基本相同或相近的预案组合。方案预期所得结果如图3所示。方程求解方法2(整数线性规划):
区域内污染排放城市为N,每个城市的可选方案为M,例如甲地区共16个城市(分别表示为A、B、C、D、E、F、G、H、I、J、K、L、M、N、O、P),每个城市有无预警、黄色预警、橙色预警、红色预警共4个可选方案,则总共有416个方案中求最优解(空气质量达到限值,减排成本最小),使用计算机逐一遍历并进行分析可以实现但需要时间较长,满足不了时效性。整数规划问题被看作是数学规划最难的问题之一,其方案组合呈指数级爆发增长。因此迭代算法在污染源分区较多或者可选方案较多的情景下是不适用的。
优化算法也可以使用线性规划方法求解。这里认定,大气环境颗粒物浓度(PM2.5、PM10)与其来源污染排放呈线性关系的,则源体污染减排使得受体空气质量改善程度是线性关系,且污染减排与减排成本也呈线性关系。例如源体城市污染共减排10%,则受体空气质量改善10%,减排成本则需增加10%。
在原有的目标函数和约束条件的基础上,整数线性规划增加了对预警方案的减排比例和减排成本的约束。在实际问题中,在无减排、黄色预警、橙色预警、红色预警各预警等级的减排比例基本符合阶梯式的等值线性增长,因此整数线性规划限定预警等级的减排比例符合等值线性增长的。且减排成本与减排比例呈线性关系,即在由低到高的预警等级下,其减排成本也是等值线性增长的。
建立线性数学方程,使用Python软件的pulp整数线性规划函数库进行求解,获得所有源体城市的减排比例,形成区域内各城市污染减排的应急预警预案。
案例分析(以甲地区为例):
目标函数:
1、甲地区污染物减排所需经济总损耗最小
参考图2所示,根据减排成本和污染治理预案组合中的减排比例计算总经济损耗。
约束条件:
1、区域污染物浓度限值
根据甲地区各城市以及周边区域的污染排放对甲地区各城市的污染物浓度贡献响应关系,要求污染治理预案中各待治理区域的污染减排可实现甲地区各城市平均PM2.5浓度降至实际减排的监测浓度。
2、不同污染治理预案的固定减排比例
各预警等级的预案下各城市污染物总量的减排比例。
表1污染治理预案减排比例
本实施例的方法,基于线性规划理论,建立优化调控方程,以区域内多个城市的总减排成本最小为目标,约束条件设定各城市空气质量改善目标和各污染治理预案限定的减排比例,使用python的pulp整数线性规划进行求解,获得所有源体城市的减排比例,形成区域内各城市污染减排的应急预警预案(图3),与实际方案对比(图4),本方法可实现与实际减排相同空气质量的改善幅度且减排总成本更低。参考图3和图4所示,甲地区最新的案例评估结果体现了本申请的方法与实际管控方案相比所具备的优势:在相同的空气质量改善幅度下,因污染减排产生的经济损耗更低。
本申请的实施例提供的一种区域大气重污染应急的优化调控方法,包括:
建立区域大气重污染应急的优化调控模型;所述区域大气重污染应急的优化调控模型包括目标函数和约束条件;所述目标函数为待治理区域中污染物减排导致的经济损耗最小化;所述约束条件包括管控目标区域的污染物浓度限值和不同重污染应急预案规定的固定减排比例;所述管控目标区域和待治理区域均包括若干行政分区;
对所述区域大气重污染应急的优化调控模型进行求解,用于管控目标区域的大气重污染应急优化调控。
所述目标函数为待治理区域中污染物减排导致的经济损耗最小化。
本实施例将其他分区的大气质量状况对本分区的影响因素也考虑在内。空气污染具有区域性特征,以甲地区为例,地处某盆地,区域内的污染排放在区域内汇集、不易扩散。区域内所有城市都有污染物排放,污染物在排放、转化、传输等过程中,将对区域内各个城市的污染物浓度产生不同程度的影响,另外区域外的污染排放也会对区域内各城市的大气环境污染物浓度具有一定贡献。在大气环境规划中,某个城市的污染程度较高,若只针对该城市的污染排放进行减排是不合理的,应需要针对该城市的污染来源进行追溯,并进行科学合理的减排,即区域联防联控。本实施例的方法在追溯污染来源的基础上,综合考虑各城市减排成本,如何分配污染排放来源的减排比例要求,来实现待治理区域空气质量的有效改善,且产生的区域减排总经济损耗最小。
源体城市:污染排放来源城市。受体城市:大气环境空气质量改善目标城市。关系:多个源体城市的污染物排放(工业排放、扬尘等)将对受体城市的大气环境空气质量(如PM2.5)产生贡献和影响。为了实现受体城市的空气质量改善,需要对其源体城市的污染物排放进行减排。
重污染应急优化算法使用线性规划方法求解。这里认定,大气环境颗粒物浓度(PM2.5、PM10)与其来源污染排放呈线性关系的,则源体污染减排使得受体空气质量改善程度是线性关系。且污染减排与减排成本也呈线性关系。例如源体城市污染共减排10%,则受体空气质量改善10%,减排成本则需增加10%。
根据甲地区2017年12月16日~2018年1月3日典型重污染过程,将实际问题转换为数学问题,建立线性规划方程:
其中,T=19代表整个重污染过程总时段为2017年12月16日~2018年1月3日的每一天,共计19天,对重污染期间区域总管控成本设定目标方程;
t代表整个重污染过程中的每一天;
K=16代表甲地区的16个待管控城市;
j代表分区序号,j为正整数;
b代表污染治理预案级别,b为正整数;
B=[1,2,3,4]代表各个待管控地区在重污染期间可选的应急预案管控级别,分别代表无预警、黄色预警、橙色预警、红色预警;
Qt,j,b代表每天、分区j在污染治理预案级别b下的减排比例,在无预警、黄色预警、橙色预警、红色预警级别下的减排比例分别对应0,0.1,0.2,0.3;
Pj,b代表分区j在污染治理预案级别b下的单位比例减排成本,与减排比例满足线性关系;
Cost代表在整个重污染时段内,所有分区进行污染物减排所导致的经济总损耗。
Ct为在整个重污染时段T中,每天在采取管控方案后,甲地区的污染物平均浓度,
Ot代表甲地区污染物平均浓度预设阈值,设定逐日动态浓度阈值;
Z=16代表甲地区共计16目标管控城市;
K=16代表甲地区16个待治理区域;
Qt,j,b代表每天待治理分区j(甲地区16个城市中的具体某个城市)在污染治理预案级别b下的减排比例;
θt,i,j为每天待治理分区j(甲地区16个城市中的具体某个城市)的排放对管控目标区域i(甲地区16个城市中的具体某个城市)的污染物浓度贡献比例;
Pt,i代表t时期内管控目标区域i的总浓度。
建立线性规划方程,使用Python软件的pulp整数线性规划函数库进行求解,获得所有源体城市的减排比例,形成区域内各城市污染减排的应急预警预案。
本申请实施例提供的区域大气重污染应急的优化调控方法,能达到以下有益技术效果:
1、根据重污染应急问题的分析,建立基于线性规划的优化控制方程,将实际问题转化为数学问题可以求解方程最优解,所得最优解更能反映实际问题的规划与管理目标。
2、分时段的各个城市的污染治理预案组合,更符合现实环境管理者的应对重污染过程的实际操作需求。
3、以经济成本最小和空气质量浓度限值为目标,相比现有粗犷式的重污染应急管控策略,能够在将污染管控的经济损失降到最低;
4、以空气质量源解析模式构建排放-浓度的响应关系,避免了多次运行空气质量情景模拟,大大节约了数值模拟的计算耗时。
本申请实施实例的方法以待治理区域空气污染过程期间空气质量改善为核心目标,兼顾重污染应急各地区减排成本,建立适用于重污染应急的多目标优化控制数学模型,求解实现最小的经济损耗和最大的环境效益的最优重污染治理预案。该方法节省了以往建立多个情景模拟寻取最优情景的耗时,其结果优于“一刀切”和依据重污染浓度直接判定污染治理预案的应对措施,体现了区域联防联控的重要性,为区域重污染应急管控提供科学合理的决策依据,为区域联防联控治理大气污染和空气质量的精细化管控提供科学的理论参考和决策支持。
如图5所示,本申请的另一个实施例还提供了一种区域大气重污染应急的优化调控装置,包括:
建模模块100,用于建立区域大气重污染应急的优化调控模型;所述大气重污染应急优化调控模型包括目标函数和约束条件;所述目标函数为待治理区域中污染物减排导致的经济损耗最小化;所述约束条件包括管控目标区域的污染物浓度限值和不同治理预案的固定减排比例;所述管控目标区域和待治理区域均包括若干行政分区;
求解模块200,用于对所述区域大气重污染应急的优化调控模型进行求解,用于待治理区域的大气重污染应急优化调控。
本申请的另一个实施例还提供了一种电子设备,包括存储器、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,所述处理器执行所述程序,以实现上述的区域大气重污染应急的优化调控方法。
请参考图6,其示出了本申请的一些实施方式所提供的一种电子设备的示意图。如图6所示,所述电子设备20可以包括:处理器200,存储器201,总线202和通信接口203,所述处理器200、通信接口203和存储器201通过总线202连接;所述存储器201中存储有可在所述处理器200上运行的计算机程序,所述处理器200运行所述计算机程序时执行本申请前述任一实施方式所提供的大气重污染应急的优化调控方法。
其中,存储器201可能包含高速随机存取存储器(RAM:Random Access Memory),也可能还可以包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口203(可以是有线或者无线)实现该***网元与至少一个其他网元之间的通信连接,可以使用互联网、广域网、本地网、城域网等。
总线202可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中,存储器201用于存储程序,所述处理器200在接收到执行指令后,执行所述程序,前述本申请实施例任一实施方式揭示的所述区域大气重污染应急的优化调控方法可以应用于处理器200中,或者由处理器200实现。
处理器200可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器200中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器200可以是通用处理器,可以包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器201,处理器200读取存储器201中的信息,结合其硬件完成上述方法的步骤。
本申请实施例提供的电子设备与本申请实施例提供的区域大气重污染应急的优化调控方法出于相同的发明构思,具有与其采用、运行或实现的方法相同的有益效果。
本申请的另一个实施例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,该程序被处理器执行,以实现上述的大气污染治理的多目标优化调控方法。
需要说明的是:
术语“模块”并非意图受限于特定物理形式。取决于具体应用,模块可以实现为硬件、固件、软件和/或其组合。此外,不同的模块可以共享公共组件或甚至由相同组件实现。不同模块之间可以存在或不存在清楚的界限。
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述,构造这类装置所要求的结构是显而易见的。此外,本申请也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本申请的内容,并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本申请的示例性实施例的描述中,本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本申请的单独实施例。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述实施例仅表达了本申请的实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (7)
1.一种区域大气重污染应急的优化调控方法,其特征在于,包括:
建立区域大气重污染应急的优化调控模型;所述区域大气重污染应急的优化调控模型包括目标函数和约束条件;所述目标函数为待治理区域中污染物减排导致的经济损耗最小化;所述约束条件包括管控目标区域的污染物浓度限值和各污染治理预案级别所对应的固定减排比例;所述管控目标区域和待治理区域均包括若干行政分区;
对所述区域大气重污染应急的优化调控模型进行求解,用于管控目标区域的大气重污染应急优化调控;每一所述分区减排损耗为所述分区对应的污染治理预案级别所对应的固定减排比例与单位比例减排成本之积;
所述目标函数的公式为
其中,T代表重污染过程持续的总时段,t代表整个重污染过程中的特定时期;K代表K个待管控地区;j代表分区序号,j为正整数;b代表污染治理预案级别,b为正整数;B代表各个待管控地区在重污染期间可选的污染治理预案级别;Qt,j,b代表t时期、分区j在污染治理预案级别b下的减排比例;Pj,b代表分区j在污染治理预案级别b下的单位比例减排成本;Cost代表在整个重污染时段内,所有分区进行污染物减排所导致的经济总损耗;
所述约束条件包括:
目标区域污染物浓度低于预设阈值;
待治理区域的各污染治理预案级别所对应的固定减排比例。
2.根据权利要求1所述的方法,其特征在于,所述待治理区域中污染物减排导致的经济损耗为所述待治理区域内所有分区减排损耗的总和。
4.根据权利要求3所述的方法,待治理分区的排放对管控目标区域的污染物浓度贡献由空气质量源解析数值模式计算得到。
5.一种区域大气重污染应急的优化调控装置,其特征在于,包括:
建模模块,用于建立区域大气重污染应急的优化调控模型;所述大气重污染应急优化调控模型包括目标函数和约束条件;所述目标函数为待治理区域中污染物减排导致的经济损耗最小化;所述约束条件包括管控目标区域的污染物浓度限值和各污染治理预案级别所对应的固定减排比例;所述管控目标区域和待治理区域均包括若干行政分区;
求解模块,用于对所述区域大气重污染应急的优化调控模型进行求解,用于待治理区域的大气重污染应急优化调控;每一所述分区减排损耗为所述分区对应的污染治理预案级别所对应的固定减排比例与单位比例减排成本之积;
所述目标函数的公式为
其中,T代表重污染过程持续的总时段,t代表整个重污染过程中的特定时期;K代表K个待管控地区;j代表分区序号,j为正整数;b代表污染治理预案级别,b为正整数;B代表各个待管控地区在重污染期间可选的污染治理预案级别;Qt,j,b代表t时期、分区j在污染治理预案级别b下的减排比例;Pj,b代表分区j在污染治理预案级别b下的单位比例减排成本;Cost代表在整个重污染时段内,所有分区进行污染物减排所导致的经济总损耗;
所述约束条件包括:
目标区域污染物浓度低于预设阈值;
待治理区域的各污染治理预案级别所对应的固定减排比例。
6.一种电子设备,其特征在于,包括存储器、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,所述处理器执行所述程序,以实现如权利要求1-4中任一所述的区域大气重污染应急的优化调控方法。
7.一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,该程序被处理器执行,以实现权利要求1-4中任一所述的区域大气重污染应急的优化调控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011092840.7A CN112462603B (zh) | 2020-10-13 | 2020-10-13 | 区域大气重污染应急的优化调控方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011092840.7A CN112462603B (zh) | 2020-10-13 | 2020-10-13 | 区域大气重污染应急的优化调控方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112462603A CN112462603A (zh) | 2021-03-09 |
CN112462603B true CN112462603B (zh) | 2021-11-16 |
Family
ID=74833785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011092840.7A Active CN112462603B (zh) | 2020-10-13 | 2020-10-13 | 区域大气重污染应急的优化调控方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112462603B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801422B (zh) * | 2021-03-23 | 2024-01-23 | 南京智汇环境气象产业研究院有限公司 | 数值模型和线性规划模型相结合的大气污染协同控制方法 |
CN113420071A (zh) * | 2021-06-24 | 2021-09-21 | 天津大学 | 大气污染区域联防联控应急调控方案优选方法 |
CN113419449B (zh) * | 2021-06-28 | 2022-04-22 | 中科三清科技有限公司 | 一种细颗粒物和臭氧协同控制的控制方法和装置 |
CN114199736B (zh) * | 2021-12-13 | 2023-12-01 | 北京市生态环境监测中心 | 获取pm2.5及其组分的区域传输贡献率的方法 |
CN115271257B (zh) * | 2022-09-22 | 2023-01-10 | 中科三清科技有限公司 | 多区域大气污染协同调控方法、装置及电子设备 |
CN116739190B (zh) * | 2023-08-14 | 2023-12-01 | 中科三清科技有限公司 | 优化污染控制的减排比例、减排成本与管控时间的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809520A (zh) * | 2015-04-29 | 2015-07-29 | 四川大学 | 一种大气污染总量控制循序渐进法 |
CN108446807A (zh) * | 2018-04-02 | 2018-08-24 | 环境保护部环境规划院 | 基于重污染天气预警的大气污染物排放总量控制方法 |
US10636271B2 (en) * | 2017-10-05 | 2020-04-28 | Tamkang University | Indoor air quality control system |
CN111145064A (zh) * | 2019-12-19 | 2020-05-12 | 北京工业大学 | 一种突发大气污染事故动态应急预警评估与决策支持方法和*** |
CN111461439A (zh) * | 2020-04-02 | 2020-07-28 | 浙江大学 | 基于城市大气扩散过程模拟预测多热源供热***负荷调度分配方法和*** |
-
2020
- 2020-10-13 CN CN202011092840.7A patent/CN112462603B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809520A (zh) * | 2015-04-29 | 2015-07-29 | 四川大学 | 一种大气污染总量控制循序渐进法 |
US10636271B2 (en) * | 2017-10-05 | 2020-04-28 | Tamkang University | Indoor air quality control system |
CN108446807A (zh) * | 2018-04-02 | 2018-08-24 | 环境保护部环境规划院 | 基于重污染天气预警的大气污染物排放总量控制方法 |
CN111145064A (zh) * | 2019-12-19 | 2020-05-12 | 北京工业大学 | 一种突发大气污染事故动态应急预警评估与决策支持方法和*** |
CN111461439A (zh) * | 2020-04-02 | 2020-07-28 | 浙江大学 | 基于城市大气扩散过程模拟预测多热源供热***负荷调度分配方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN112462603A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112462603B (zh) | 区域大气重污染应急的优化调控方法、装置、设备及介质 | |
Zhao et al. | A spatial econometric empirical research on the impact of industrial agglomeration on haze pollution in China | |
Carli et al. | A dynamic programming approach for the decentralized control of energy retrofit in large-scale street lighting systems | |
CN112801422B (zh) | 数值模型和线性规划模型相结合的大气污染协同控制方法 | |
CN112581107B (zh) | 污染排放控制方法、装置及可存储介质 | |
CN110674975B (zh) | 城市规划时用于减少碳排放的空间布局方法及装置 | |
Liu et al. | Air quality prediction models based on meteorological factors and real-time data of industrial waste gas | |
Yang et al. | Does urban sprawl exacerbate urban haze pollution? | |
Wu et al. | Does the new urbanization influence air quality in China? | |
Shan et al. | The pattern and mechanism of air pollution in developed coastal areas of China: From the perspective of urban agglomeration | |
CN114218751A (zh) | 臭氧污染的定量评估方法、装置、计算机设备和存储介质 | |
Wen et al. | Probing Energy-Related CO 2 Emissions in the Beijing-Tianjin-Hebei Region Based on Ridge Regression Considering Population Factors. | |
CN114997503A (zh) | 一种城市碳达峰时域的预测方法及*** | |
Lam et al. | Development of new emission reallocation method for industrial nonpoint source in China | |
Luo et al. | Spatial effects and influencing factors of urban land intensive use in the Yangtze River Delta under high-quality development | |
CN115689072A (zh) | 基于交通运输周转量的公路货运碳排放量预测方法 | |
CN113672873B (zh) | 污染物源解析方法、装置、电子设备及存储介质 | |
Kanemoto et al. | Urban dynamics and urban externalities | |
CN108446792A (zh) | 一种在演化路径与规划目标之间迭代的优化方法 | |
CN113409171A (zh) | 一种通过地块经济评价确定企业分档及政策的控制方法及装置 | |
Daxbeck et al. | The anthropogenic metabolism of the city of Vienna | |
CN107016487B (zh) | 一种基于环保管理的指标体系建模***和建模方法 | |
Wu et al. | Study on environment performance evaluation and regional differences of strictly-environmental-monitored cities in China | |
CN109712394A (zh) | 一种拥堵区域发现方法 | |
Karan et al. | Using building energy simulation and geospatial analysis to determine building and transportation related energy use |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210309 Assignee: Beijing Zhongke Sanqing Environmental Technology Co.,Ltd. Assignor: 3CLEAR TECHNOLOGY Co.,Ltd. Contract record no.: X2022980012305 Denomination of invention: Optimal control method, device, equipment and medium for emergency response to heavy air pollution in the region Granted publication date: 20211116 License type: Common License Record date: 20220815 |