CN113052042B - 污染物排放源监测装置及方法 - Google Patents

污染物排放源监测装置及方法 Download PDF

Info

Publication number
CN113052042B
CN113052042B CN202110284296.4A CN202110284296A CN113052042B CN 113052042 B CN113052042 B CN 113052042B CN 202110284296 A CN202110284296 A CN 202110284296A CN 113052042 B CN113052042 B CN 113052042B
Authority
CN
China
Prior art keywords
ship
pollutant
fluctuation
emission
theoretical
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
Application number
CN202110284296.4A
Other languages
English (en)
Other versions
CN113052042A (zh
Inventor
李晓波
李珂
冀青鹏
武强
陈秋燕
沈腾
刘雪燕
胡霁
李佩青
熊碧波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
711th Research Institute of CSIC
Original Assignee
711th Research Institute of CSIC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 711th Research Institute of CSIC filed Critical 711th Research Institute of CSIC
Priority to CN202110284296.4A priority Critical patent/CN113052042B/zh
Publication of CN113052042A publication Critical patent/CN113052042A/zh
Application granted granted Critical
Publication of CN113052042B publication Critical patent/CN113052042B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/148—Wavelet transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • Geometry (AREA)
  • Signal Processing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Hardware Design (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种污染物排放源监测装置及方法，用于污染物排放源和超排船舶的自动化识别。所述装置包括基于遥测技术和船舶自动识别技术对污染物浓度和船舶航行信息等数据进行远程检测的综合检测模块、基于波动识别算法模型计算污染物实测浓度值的波动识别模块、基于船舶排放污染物预测算法模型计算污染物原始排放浓度值的排放预测模块、基于船舶排放污染物扩散算法模型计算污染物扩散至监测点时的理论浓度值的扩散预测模块、基于船舶污染源反向追踪溯源算法模型确认污染物排放源的追踪溯源模块以及用于判断污染物是否超排并自动标记超排船舶的超排识别模块。通过上述模块的协同作用，使污染物排放源和超排船舶的自动化识别过程能够高效、准确地进行。

Description

污染物排放源监测装置及方法
技术领域
本发明涉及尾气监测技术领域，具体地涉及一种污染物排放源监测装置及方法。
背景技术
随着世界经济和国内外贸易的日益繁荣，船舶废气污染已引起国际社会的广泛关注，船舶柴油机是船舶气态污染物的主要污染源，所排放的NOx、SOx和颗粒物(ParticulateMatter，简称PM)等污染物都会对海洋及周边城市大气环境造成较大污染。为了减少船舶排气对环境大气的污染，世界各国和国际组织相继制定了严苛的船舶排放法规，海事部门对船舶排放的监控监管面临着严峻挑战。
目前，国内外通常采用遥测技术对船舶产生的气态污染物进行快速监测，遥测技术是指对被测量对象的参数进行远距离测量。然而，目前对船舶污染物排放的监测过程，还未能实现智能化和无人化，尤其是对复杂海域下排放污染源的识别过程以及超排船舶的追踪溯源过程仍然需要人工参与。
因此如何解决现有技术中污染物排放源监测与识别技术智能化程度低的问题，成为本领域技术人员的研究课题。
发明内容
本发明的目的在于，针对现有技术中存在的技术问题，提供一种污染物排放源监测装置及方法，以实现污染物排放源和超排船舶的自动化识别。
根据本发明的第一方面，本发明提供了一种污染物排放源监测装置，用于污染物排放源和超排船舶的自动化识别。所述装置包括：综合检测模块，用于获取并发送气象数据、船舶航行数据和包括监测点处污染物实时浓度数据的监测信号；波动识别模块，与所述综合检测模块连接，用于接收所述监测信号并识别所述监测信号的特征波动，以及，记录所述特征波动的参数，以计算所述污染物的实测浓度值，并生成第一船舶名单；排放预测模块，分别与所述综合检测模块和所述波动识别模块连接，用于根据所述第一船舶名单中各第一船舶的航行数据和所述污染物在各所述第一船舶的排放因子，计算所述污染物在各所述第一船舶的原始排放浓度值；扩散预测模块，分别与所述综合检测模块和所述排放预测模块连接，用于根据所述原始排放浓度值、所述气象数据和各所述第一船舶的航行数据，计算所述污染物从各所述第一船舶扩散至所述监测点的理论浓度值，并生成第二船舶名单；追踪溯源模块，分别与所述综合检测单元和所述扩散预测模块连接，用于根据所述第二船舶名单中各第二船舶的航行数据和所述气象数据，计算所述污染物从各所述第二船舶扩散至所述监测点的理论扩散时间，以得到所述污染物排放源的理论位置，并根据所述理论位置和各所述第二船舶的航行数据确定排放所述污染物的船舶。
可选地，本发明提供的污染物排放源监测装置还包括：超排识别模块，分别与所述波动识别模块和所述超排识别模块连接，用于根据所述污染物的实测浓度值，判断所述污染物是否为超标排放，并当判断出所述污染物为超标排放时，确定排放所述污染物的船舶为超排船舶。
根据本发明的第二方面，本发明提供了一种污染物排放源监测方法，该方法采用本发明提供的污染物排放源监测装置。所述方法包括如下步骤：获取并发送气象数据、船舶航行数据和包括监测点处污染物实时浓度数据的监测信号；接收所述监测信号并识别所述监测信号的特征波动，以计算所述污染物的实测浓度值并生成第一船舶名单；根据所述第一船舶名单中各第一船舶的航行数据和所述污染物在各所述第一船舶的排放因子，计算所述污染物在各所述第一船舶的原始排放浓度值；根据所述原始排放浓度值、所述气象数据和所述各第一船舶的航行数据，计算所述污染物从各所述第一船舶扩散至所述监测点时的理论浓度值，并生成第二船舶名单；根据所述第二船舶名单中各第二船舶的航行数据和所述气象数据，计算所述污染物从各所述第二船舶扩散至所述监测点的理论扩散时间，以得到所述污染物排放源的理论位置，并根据所述理论位置和各所述第二船舶的航行数据确定排放所述污染物的船舶。
可选地，本发明提供的污染物排放源监测方法还包括：根据所述污染物的实测浓度值，判断所述污染物是否为超标排放，若判断出所述污染物为超标排放，则确定排放所述污染物的船舶为超排船舶。
本发明提供了一种污染物排放源监测装置以及采用该装置的方法，采用本发明能够实现污染物排放源和超排船舶的自动化识别，且识别过程高效、识别结果准确。本发明的综合检测模块基于遥测技术和船舶自动识别***(Automatic Identification System，简称AIS) 远程获取并发送包括监测点处污染物实时浓度数据的监测信号、气象数据和船舶航行数据。波动识别模块基于波动识别算法模型，对所述监测信号中表示污染物浓度为上升状态的特征波动进行识别，以记录所述特征波动的波动区间、波动峰值和波动基准值，并在此基础上计算污染物的实测浓度值。所述实测浓度值能够准确反映出污染物在监测点的浓度波动，有助于提高后续识别过程的准确度。后续的污染物排放源识别过程分为三个阶段：排放预测模块基于船舶排放污染物预测算法模型计算污染物在船舶的原始排放浓度值、扩散预测模块基于船舶排放污染物扩散算法模型计算污染物从船舶扩散至监测点时的理论浓度值、追踪溯源模块基于船舶污染源反向追踪溯源算法模型计算污染物从船舶扩散至监测点所需的理论扩散时间和污染物排放源的理论位置，并在此基础上，将船舶的实际位置与所述理论位置进行比较，位于所述理论位置的船舶即为污染物排放源。通过上述三阶段中的模块和方法识别污染物排放源有助于提高识别效率。进一步地，当超排识别模块根据所述实测浓度值判断出所述污染物为超标排放时，则自动将追踪溯源模块所确定的船舶标记为超排船舶，以完成污染物排放源和超排船舶的自动化识别过程。
附图说明
下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其它有益效果显而易见。
图1为本发明实施例提供的污染物排放源监测装置的结构示意图。
图2为本发明实施例提供的污染物排放源监测方法的流程示意图。
图3为图2中步骤S2的具体流程示意图。
图4为图2中步骤S4的具体流程示意图。
图5为图2中步骤S5的具体流程示意图。
具体实施方式
下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述。本发明的说明书和权利要求书以及附图中的术语“第一”、“第二”、“第三”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应当理解，这样描述的对象在适当情况下可以互换。此外，术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排它的包含。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”“相连”“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1，为本发明实施例提供的污染物排放源监测装置的结构示意图。
具体地，所述的污染物排放源监测装置100包括综合检测模块110、波动识别模块120、排放预测模块130、扩散预测模块140、追踪溯源模块150和超排识别模块160。其中，综合检测模块110用于获取气象数据、船舶航行数据和包括监测点处污染物实时浓度数据的监测信号，并将检测到的数据或信号分别发送至波动识别模块120、排放预测模块130、扩散预测模块140、追踪溯源模块150和超排识别模块160，供后续污染物排放源与超排船舶自动化识别过程中使用。
综合检测模块110包括：污染物检测单元111、气象检测单元112和船舶运行检测单元 113。其中，污染物检测单元111，用于实时获取并发送包括所述监测点处污染物的实时浓度数据的监测信号。本发明实施例中提供的污染物检测单元111基于遥测技术，通过遥测设备对监测点处的污染物的种类及其浓度进行远程检测并将相关检测数据向外界发送。气象检测单元112，用于获取并发送所述监测点的预设范围内的气象数据，例如风速、风向、气温、气压、相对湿度等。船舶运行检测单元113，用于获取波动识别模块120生成的第一船舶名单中各第一船舶以及扩散预测模块140生成的第二船舶名单中各第二船舶的航行数据。本发明实施例提供的船舶运行检测单元113的运行基于船舶自动识别***(AutomaticIdentification System，简称AIS)，能够检测船舶的船位、航速、航向、船名、呼号等航行数据，并与外界交换上述数据。
波动识别模块120用于根据接收到的污染物浓度监测信号的波动情况判断监测点周围是否有船舶经过并排放了污染物，例如根据监测信号中波动的上升沿的趋势判断污染物的浓度是否处于持续上升的状态，若所述监测信号中出现了表示污染物为持续上升状态的特征波动，则波动识别模块120基于波动识别算法模型，识别所述特征波动，并记录所述特征波动的参数，其中包括：所述特征波动的波动区间、波动峰值和所述波动峰值出现的时刻。所述的波动识别算法模型的建立是基于小波变换理论，由于小波变换的多分辨率和频带分解作用，使波动识别算法模型对复杂监测信号的适应能力得到提高，使根据所述波动识别算法模型计算得到的实测浓度值更加接近真实情况。具体地，波动识别模块120根据所述特征波动的上升沿起始点和下降沿结束点识别并记录所述特征波动的波动区间，同时记录所述特征波动的波动峰值和所述波动峰值出现的时刻。进一步地，波动识别模块120 还用于根据所述波动区间的起始点和结束点进行差分拟合处理，以得到所述特征波动的波动基准值。进一步地，波动识别模块120将所述波动峰值和所述波动基准值进行差值计算，以确定所述监测信号对应的污染物的实测浓度值。需要说明的是，为提高整个监测装置100对污染物排放源与超排船舶自动化识别过程的效率，本发明根据船舶各主要污染物的原始排放浓度值和监测点处相应污染物浓度的最小检出值，选择浓度数据差距最明显的污染物作为目标污染物。通过识别所述目标污染物的浓度的监测信号判断所述监测点的预设范围内是否有船舶经过，并自动进行后续的污染物排放源与超排船舶的识别过程。所述的目标污染物可以为氮氧化物，但不限于此，波动识别模块120在识别与记录氮氧化物浓度的特征波动数据(包括波动区间、波动峰值及其出现的时刻、波动基准值)的同时，也会以同样的方式记录二氧化硫等其他污染物浓度的特征波动数据，以获取各污染物在监测点位的实测浓度值。本发明的波动识别模块120通过自动识别各污染物浓度监测信号中的特征波动，确定了各污染物浓度的波动峰值和波动基准值，解决了监测过程中自动识别监测信号的特征波动和确定波动基线值的问题，使计算出的实测浓度值更能够反映出相应污染物的浓度在监测点处的真实情况。在识别到所述监测信号的特征波动后，基于综合检测模块110 检测到的船舶航行数据，波动识别模块120生成第一船舶名单，同时记录所述第一船舶名单中各第一船舶的类型、轨迹、位置、工况等航行数据，以触发排放预测模块130。所述第一船舶名单中包括位于所述监测点的预设范围之内的全部船舶，监测点的预设范围可以是监测点周围两公里或三公里的范围，本发明实施例在此不作具体限制。
排放预测模块130用于根据各所述第一船舶的航行数据(船舶类型、工况)和所述污染物在各所述第一船舶的排放因子，基于船舶排放污染物预测算法模型，计算污染物在各所述第一船舶的原始排放浓度值。本领域技术人员应当理解，不同类型船舶排放同种污染物的排放因子各不相同，因此，原始排放浓度的计算需要同时考虑污染物的种类以及其所在船舶的排放因子。
扩散预测模块140根据排放预测模块130计算出的污染物在各第一船舶的原始排放浓度，结合所述监测点的预设范围内的气象数据，并基于船舶排放污染物扩散算法模型，计算所述污染物从各所述第一船舶扩散至所述监测点的理论浓度值，并生成第二船舶名单。具体地，扩散预测模块140将各所述第一船舶的连续航行轨迹以固定长度(例如1米)为步长分割成离散的位置点，根据风向、风速、温度、空气湿度等气象数据，参考高斯扩散模型，计算所述污染物在每个位置点的扩散因子并记录所述污染物从每个位置点扩散至所述监测点时的浓度值，选择其中数值最大的浓度值作为所述污染物从各所述第一船舶扩散至所述监测点时的理论浓度值。进一步地，扩散预测模块140将各所述第一船舶对应的理论浓度值与波动识别模块120计算出的实测浓度值进行比较，并根据比较结果生成所述第二船舶名单，所述第二船舶名单中的各第二船舶对应的理论浓度值在所述实测浓度值的预设误差范围之内。
追踪溯源模块150根据各所述第二船舶的航行数据(例如航速等)和所述监测点的预设范围内的气象数据(例如风向、风速等)，基于船舶污染源反向追踪溯源算法模型，计算所述污染物从各所述第二船舶扩散至所述监测点的理论扩散时间。进一步，追踪溯源模块150根据计算出的理论扩散时间和波动识别模块120记录的所述波动峰值出现的时刻确定所述污染物排放源的理论位置，并将由船舶运行检测单元113所确定的各所述第二船舶的实际位置与所述理论位置进行匹配，以确定排放所述污染物的船舶。具体地，理论位置可以为一固定区域，该固定区域内的船舶即为所述污染物的疑似排放源；若该固定区域内的船舶的数量为一艘，则该船舶即为排放所述污染物的船舶，本次污染物排放源自动识别过程成功；若位于该固定区域内的船舶的数量为大于1艘，则需要考虑缩小该固定区域的面积或结合该固定区域内各船舶的类型、工况、航向、轨迹等航行数据以进一步辨别所述污染物的排放源。
超排识别模块160用于根据所述污染物的实测浓度值判断所述污染物是否为超标排放，当判断出所述污染物为超标排放时，将追踪溯源模块150确定的排放所述污染物的船舶标记为超排船舶。本领域技术人员应当理解，船舶排放的尾气中主要包括氮氧化物和硫化物。具体地，针对氮氧化物的超排判断，超排识别模块160可以根据相关部门(例如国际海事组织、交通运输部门等)规定的排放标准进行判断；针对二氧化硫的超排判断，超排识别模块160可以根据波动识别模块120计算出的二氧化硫实测浓度值和二氧化碳实测浓度值，计算硫碳比，根据所述硫碳比进一步计算相应船舶的燃油含硫量。当计算出的船舶燃油含硫量大于0.5％时，则确认排放二氧化硫的船舶为超排船舶。
本发明实施例提供污染物排放源监测装置100中，综合检测模块110基于遥测技术和船舶自动识别***(Automatic Identification System，简称AIS)远程检测污染物浓度数据、气象数据和船舶航行数据。波动识别模块120接收综合检测模块110发送的包括监测点处污染物的实时浓度数据的监测信号，并基于波动识别算法模型识别所述监测信号中表示污染物处于上升状态的特征波动，以得到所述特征波动的波动峰值和波动基准值，并在此基础上计算各污染物的实测浓度值，以反映各污染物在监测点处的真实浓度。排放预测模块130基于船舶排放污染物预测算法模型计算污染物原始排放浓度值、扩散预测模块140基于船舶排放污染物扩散算法模型计算污染物从船舶扩散至监测点时的理论浓度值、追踪溯源模块150基于船舶污染源反向追踪溯源算法模型计算污染物从船舶扩散至监测点所需的理论扩散时间和污染物排放源的理论位置，并在此基础上，将船舶的实际位置与理论位置进行比较，位于所述理论位置的船舶即为污染物排放源。进一步地，超排识别模块160根据波动识别模块120计算的实测浓度值判断是否存在污染物超标排放的情况，并在确定污染物为超标排放后，将追踪溯源模块150所确定的船舶自动标记为超排船舶。以上即为采用本发明实施例所述的装置100对污染物排放源与超排船舶进行自动识别的过程。
请参阅图2，为本发明实施例提供的污染物排放源监测方法的流程示意图。
具体地，所述的污染物排放源监测方法采用前文中所述的污染物排放源监测装置100，所述方法包括如下步骤：
步骤S1，获取并发送气象数据、船舶航行数据和包括监测点处污染物的实时浓度数据的监测信号。
具体地，在本步骤中，气象数据为监测点预设范围内的气象数据，包括风速、风向、温度、空气湿度等。所述的船舶航行数据为所述监测点的预设范围内船舶的航行数据，包括船舶的航向、航速、工况等。监测信号由污染物在监测点的一系列浓度数据生成，船舶排放的尾气在海洋或河流中沉积，由于水体的流动性，污染物随水流迁移，因此监测点处污染物浓度并非恒定，尤其是当有船舶经过所述监测点时，监测点处污染物的浓度数据会出现明显的波动，该波动可以通过监测信号中的特征波动体现出来。
步骤S2，接收监测信号并识别监测信号的特征波动，以计算污染物的实测浓度值，并生成第一船舶名单。
步骤S2的执行基于波动识别算法模型。请参阅图3，步骤S2包括：
子步骤S21，识别监测信号中是否出现表示污染物的浓度为上升状态的特征波动。
具体地，接收到所述监测信号后，识别所述监测信号中是否出现包括表示所述污染物的浓度为上升状态的特征波动，例如根据监测信号中波动上升沿的趋势进行判断所述特征波动是否出现。
子步骤S22，若识别到特征波动，则记录特征波动的参数，其中包括：特征波动的波动区间、波动峰值和波动峰值出现的时刻。
具体地，若识别到所述特征波动，则根据基于小波变换理论的波动识别算法模型，通过特征波动的上升沿起始点和下降沿结束点确定所述特征波动的波动区间，根据所述特征波动的下降沿起始点确定其波动峰值，并记录所述波动区间、波动峰值及所述波动峰值出现的时刻。
子步骤S23，根据波动区间的起始点和结束点确定特征波动的波动基准值。
子步骤S24，根据特征波动的波动峰值和波动基准值，计算污染物的实测浓度值。
具体地，根据所述波动峰值和所述波动基准值进行差值计算，得到污染物的实测浓度值。
子步骤S25，根据实测浓度值，生成第一船舶名单，第一船舶名单包括监测点的预设范围内的所有船舶。
步骤S3，根据第一船舶名单中各第一船舶的航行数据和污染物在各第一船舶的排放因子，计算污染物在各第一船舶的原始排放浓度值。
具体地，步骤S3的执行基于船舶排放污染物预测算法模型。具体地，根据各第一船舶的航行数据(船舶类型、工况)和污染物在各第一船舶的排放因子，计算污染物在各第一船舶的原始排放浓度。本领域技术人员应当理解，不同类型船舶排放同种污染物的排放因子各不相同，因此所述原始排放浓度的计算需要同时考虑污染物的种类以及与其所在船舶的排放因子。
步骤S4，根据原始排放浓度值、气象数据和各第一船舶的航行数据，计算污染物从各第一船舶扩散至监测点时的理论浓度值，并生成第二船舶名单。
步骤S4的执行基于船舶排放污染物扩散算法模型。请参阅图4，步骤S4包括：
子步骤S41，根据原始排放浓度值、气象数据和各第一船舶的航行数据，并采用高斯扩散模型，计算污染物从各第一船舶扩散至监测点的理论浓度值。
具体地，将各所述第一船舶的连续航行轨迹以固定长度(例如1米)为步长分割成离散的位置点；根据风向、风速、温度、空气湿度等气象数据，参考高斯扩散模型，计算所述污染物在每个位置点(包括船舶航行轨迹的起点和终点)的扩散因子并记录所述污染物从每个位置点扩散至所述监测点时的浓度值，选择其中数值最大的浓度值作为所述污染物从各所述第一船舶扩散至所述监测点时的理论浓度值。
子步骤S42，将各第一船舶排放的污染物所对应的理论浓度值与实测浓度值进行比较。
子步骤S43，根据比较结果生成第二船舶名单，第二船舶名单中各第二船舶所对应的理论浓度值在实测浓度值的预设误差范围之内。
步骤S5，根据第二船舶名单中各第二船舶的航行数据和气象数据，计算污染物从各第二船舶扩散至监测点的理论扩散时间，以得到污染物排放源的理论位置，并根据理论位置和各第二船舶的航行数据确定排放污染物的船舶。
步骤S5的执行基于船舶污染源反向追踪溯源算法模型。请参阅图5，步骤S5包括：
子步骤S51，根据理论扩散时间和波动峰值出现的时刻，得到污染物排放源的理论位置。
具体地，根据各第二船舶的航行数据和气象数据，计算污染物从各第二船舶扩散至监测点的理论扩散时间；根据所述理论扩散时间和前述记录的波动峰值出现的时刻，经推算得到污染物排放源的理论位置。
子步骤S52，根据各第二船舶的航行数据确定各第二船舶的实际位置。
子步骤S53，将各第二船舶的实际位置与理论位置进行匹配，以确定排放污染物的船舶。
具体地，理论位置可以为一固定区域，该固定区域内的船舶即为所述污染物的疑似排放源；若该固定区域内的船舶的数量为一艘，则该船舶即为排放所述污染物的船舶，本次污染物排放源自动识别过程成功；若位于该固定区域内的船舶的数量为大于1艘，则需要考虑缩小该固定区域的面积或结合该固定区域内各船舶的类型、工况、航向、轨迹等航行数据，以进一步辨别所述污染物的排放源。
步骤S6，根据污染物的实测浓度值，判断污染物是否为超标排放；若判断出污染物为超标排放，则确定排放污染物的船舶为超排船舶。
具体地，在本步骤中，将步骤S2中计算出的各污染物的实测浓度值与相关部门(例如环保部门、交通运输部门等)规定的各污染物的排放标准进行比较，以判断是否存在超标排放的现象。当判断出存在污染物超标排放现象时，将步骤S5中确定的排放所述污染物的船舶标记为超排船舶。本领域技术人员应当理解，船舶排放的尾气中主要包括氮氧化物和硫化物。具体地，当所述污染物为二氧化硫时，根据计算出的二氧化硫实测浓度值和二氧化碳实测浓度值计算硫碳比，根据计算出的硫碳比计算相应船舶的燃油含硫量。当计算出相应船舶的燃油含硫量大于0.5％时，则确认排放二氧化硫的船舶为超排船舶。
通过执行上述步骤S1至步骤S6，污染物排放源与超排船舶的自动化识别过程完成。
本发明实施例提供的污染物排放源监测方法，基于前述的污染物排放源监测装置。采用本方法能够实现污染物排放源和超排船舶的自动化识别，且识别过程高效、识别结果准确。具体地，本发明通过遥测技术和船舶自动识别***远程获取并发送包括监测点处污染物实时浓度数据的监测信号、气象数据和船舶航行数据；并且基于波动识别算法模型，识别出所述监测信号中表示污染物浓度为上升状态的特征波动，记录所述特征波动的波动区间、波动峰值和波动基准值，并在此基础上计算污染物的实测浓度值，所述实测浓度值能够准确反映出污染物在监测点的浓度波动，有助于提高后续识别过程的准确度；后续的污染物排放源识别过程分为三个阶段：基于船舶排放污染物预测算法模型计算污染物在船舶的原始排放浓度值、基于船舶排放污染物扩散算法模型计算污染物从船舶扩散至监测点时的理论浓度值、基于船舶污染源反向追踪溯源算法模型计算污染物从船舶扩散至监测点所需的理论扩散时间和污染物排放源的理论位置，并在此基础上，将船舶的实际位置与所述理论位置进行比较，位于所述理论位置的船舶即为污染物排放源；通过上述三阶段中的方法识别污染物排放源有助于提高识别效率。进一步地，当根据所述实测浓度值判断出所述污染物为超标排放时，则将所确定的船舶标记超排船舶，以完成污染物排放源和超排船舶的自动化识别过程。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
以上对本发明实施例所提供的污染物排放源监测装置及方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想；本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例的技术方案的范围。

Claims (11)

1.一种污染物排放源监测装置，用于污染物排放源和超排船舶的自动化识别，其特征在于，所述装置包括：
综合检测模块，用于获取并发送包括监测点处污染物实时浓度数据的监测信号；
波动识别模块，用于接收所述监测信号并识别所述监测信号的特征波动，以及，记录所述特征波动的参数，以获取所述污染物的实测浓度值和第一船舶名单；
排放预测模块，用于获取所述污染物在所述第一船舶名单中的各第一船舶的原始排放浓度值；
扩散预测模块，用于获取所述污染物从各所述第一船舶扩散至所述监测点的理论浓度值和第二船舶名单，其中所述第二船舶名单中的各第二船舶对应的理论浓度值在所述实测浓度值的预设误差范围之内；
追踪溯源模块，用于获取所述污染物从所述第二船舶名单中的各第二船舶扩散至所述监测点的理论扩散时间和所述污染物排放源的理论位置，以确定排放所述污染物的船舶。
2.根据权利要求1所述的装置，其特征在于，所述装置还包括：超排识别模块，用于根据所述污染物的实测浓度值，判断所述污染物是否为超标排放，并当判断出所述污染物为超标排放时，确定排放所述污染物的船舶为超排船舶。
3.根据权利要求1或2所述的装置，其特征在于，所述特征波动的参数包括所述特征波动的波动区间、波动峰值和所述波动峰值出现的时刻；
所述追踪溯源模块用于根据所述波动峰值出现的时刻和所述理论扩散时间确定所述理论位置。
4.根据权利要求1或2所述的装置，其特征在于，所述综合检测模块还用于获取并发送各所述第一船舶和各所述第二船舶的航行数据；以及获取并发送所述监测点的预设范围内的气象数据。
5.根据权利要求4所述的装置，其特征在于，所述排放预测模块用于根据各所述第一船舶的航行数据和所述污染物在各所述第一船舶的排放因子，计算所述污染物在各所述第一船舶的原始排放浓度；
所述扩散预测模块用于根据所述原始排放浓度值、各所述第一船舶的航行数据和所述气象数据，计算所述污染物从各所述第一船舶扩散至所述监测点的理论浓度值，并生成所述第二船舶名单；
所述追踪溯源模块用于根据各所述第二船舶的航行数据和所述气象数据，计算所述污染物从各所述第二船舶扩散至所述监测点的理论扩散时间，以获取所述污染物排放源的理论位置，并根据所述理论位置和各所述第二船舶的运行数据确定排放所述污染物的船舶。
6.一种污染物排放源监测方法，其特征在于，所述方法包括如下步骤：
获取并发送气象数据、船舶航行数据和包括监测点处污染物实时浓度数据的监测信号；
接收所述监测信号并识别所述监测信号的特征波动，以计算所述污染物的实测浓度值并生成第一船舶名单；
根据所述第一船舶名单中各第一船舶的航行数据和所述污染物在各所述第一船舶的排放因子，计算所述污染物在各所述第一船舶的原始排放浓度值；
根据所述原始排放浓度值、所述气象数据和各所述第一船舶的航行数据，计算所述污染物从各所述第一船舶扩散至所述监测点时的理论浓度值，并生成第二船舶名单；
根据所述第二船舶名单中各第二船舶的航行数据和所述气象数据，计算所述污染物从各所述第二船舶扩散至所述监测点的理论扩散时间，以得到所述污染物排放源的理论位置，并根据所述理论位置和各所述第二船舶的航行数据确定排放所述污染物的船舶。
7.根据权利要求6所述的方法，其特征在于，所述的接收所述监测信号并识别所述监测信号的特征波动的步骤中包括：
识别所述监测信号中是否出现表示所述污染物的浓度为上升状态的特征波动；
若识别到所述特征波动，则记录所述特征波动的参数，其中包括：所述特征波动的波动区间、波动峰值和所述波动峰值出现的时刻；
根据所述波动区间的起始点和结束点确定所述特征波动的波动基准值。
8.根据权利要求7所述的方法，其特征在于，所述的计算所述污染物的实测浓度值并生成第一船舶名单的步骤中包括：
根据所述特征波动的所述波动峰值和所述波动基准值，计算所述污染物的实测浓度值；
根据所述实测浓度值，生成所述第一船舶名单，所述第一船舶名单包括所述监测点的预设范围内的所有船舶。
9.根据权利要求6所述的方法，其特征在于，所述的计算所述污染物从各所述第一船舶扩散至所述监测点时的理论浓度值，并生成第二船舶名单的步骤中包括：
根据所述原始排放浓度值、所述气象数据和各所述第一船舶的航行数据，并采用高斯扩散模型，计算所述污染物从各所述第一船舶扩散至所述监测点的理论浓度值；
将各所述第一船舶排放的污染物所对应的理论浓度值与所述实测浓度值进行比较；
根据比较结果生成所述第二船舶名单，所述第二船舶名单中各第二船舶所对应的理论浓度值在所述实测浓度值的预设误差范围之内。
10.根据权利要求7所述的方法，其特征在于，所述的得到所述污染物排放源的理论位置，并根据所述理论位置和各所述第二船舶的航行数据确定排放所述污染物的船舶的步骤中包括：
根据所述理论扩散时间和所述波动峰值出现的时刻，得到所述污染物排放源的所述理论位置；
根据各所述第二船舶的航行数据确定各所述第二船舶的实际位置；
将各所述第二船舶的实际位置与所述理论位置进行匹配，以确定排放所述污染物的船舶。
11.根据权利要求6至10任一项所述的方法，其特征在于，所述方法还包括：
根据所述污染物的实测浓度值，判断所述污染物是否为超标排放；
若判断出所述污染物为超标排放，则确定排放所述污染物的船舶为超排船舶。
CN202110284296.4A 2021-03-17 2021-03-17 污染物排放源监测装置及方法 Active CN113052042B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110284296.4A CN113052042B (zh) 2021-03-17 2021-03-17 污染物排放源监测装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110284296.4A CN113052042B (zh) 2021-03-17 2021-03-17 污染物排放源监测装置及方法

Publications (2)

Publication Number Publication Date
CN113052042A CN113052042A (zh) 2021-06-29
CN113052042B true CN113052042B (zh) 2023-04-18

Family

ID=76512993

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110284296.4A Active CN113052042B (zh) 2021-03-17 2021-03-17 污染物排放源监测装置及方法

Country Status (1)

Country Link
CN (1) CN113052042B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113624929B (zh) * 2021-10-12 2022-01-25 成都千嘉科技有限公司 一种气体传感器全量程自动标定方法
CN114295778B (zh) * 2021-11-30 2024-07-05 江苏环保产业股份有限公司 一种基于火电厂烟气排放质量评价方法及评价***
CN115290834B (zh) * 2022-10-09 2023-01-06 杭州泽天春来科技有限公司 船舶碳排放监测装置及方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107389880B (zh) * 2017-09-08 2020-02-07 交通运输部天津水运工程科学研究所 一种船舶尾气移动监测方法
CN109060014B (zh) * 2018-07-16 2020-10-09 交通运输部水运科学研究所 一种船舶废气排放合规性判定与违规船舶识别方法
CN109978335B (zh) * 2019-02-26 2021-05-25 交通运输部水运科学研究所 一种船舶燃油合规性判定与违规识别方法
CN111238570B (zh) * 2020-01-19 2021-11-23 北京理工大学 一种船舶排气污染物检测***及方法
CN111256755B (zh) * 2020-01-20 2021-07-06 武汉理工大学 一种移动船舶废气排放溯源装置及方法
CN111443015A (zh) * 2020-03-04 2020-07-24 平安国际智慧城市科技股份有限公司 大气污染物的溯源方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN113052042A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN113052042B (zh) 污染物排放源监测装置及方法
CN109060014B (zh) 一种船舶废气排放合规性判定与违规船舶识别方法
CN113187638B (zh) 一种诊断燃油中硫含量高的方法
CN109063910A (zh) 一种基于大数据的船舶污染物排放实时监测方法
CN113049037B (zh) 一种尾气超标船舶的智能监测***及方法
KR102154272B1 (ko) 선박 정보를 기반으로 한 유해 가스 배출량 측정 방법 및 이러한 방법을 수행하는 장치
CN111811572A (zh) 一种基于大数据的船舶废气排放实时监测方法
CN115854271B (zh) 城市地下管网损伤监测与修复***及损伤识别修复方法
CN105224730A (zh) 一种高压共轨电控柴油机原始no2排放量预测方法
CN113125682B (zh) 浮标式区域多船船用燃料油含硫量监测装置及方法
CN207636984U (zh) 一种船舶尾气污染排放监控***
CN116861339A (zh) 一种基于机器学习识别船舶工况以提升船舶碳污排放量估算精度的方法
CN115796504B (zh) 一种基于碳强度的船舶实时能效评估方法及***
US11561212B1 (en) Method for determining NOx sensor data falsification based on remote emission monitoring
CN111443168A (zh) 一种锅炉烟气氮氧化物监测报警***
CN112129887A (zh) 城市温室气体排放量的核算方法和装置
CN115798627A (zh) 脱碳吸收剂降解程度测定方法、装置及船舶管理***
Verbeek et al. 2.22 ‘Real Sailing Emissions’ for maritime vessels using sensors and satellite data transmission
Fan et al. Microscopic characteristics and influencing factors of ship emissions based on onboard measurements
CN215493498U (zh) 港口船舶大气污染物监测***
CN117037400B (zh) 海洋自然保护地的电子围栏***
WIN et al. Study of Air Pollution Diffusion from Ships Based on AIS Data-Survey of the Situation in the Port of Yangon
CN116343118B (zh) 一种基于污染点的污染监控方法及***
CN112765532B (zh) 基于燃料消耗量的污染物排放测量方法及***
CN214121469U (zh) 一种基于拖轮作业的船舶能效检测***

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 201108 Shanghai city Minhang District Huaning Road No. 3111

Applicant after: The 711 Research Institute of China Shipbuilding Corp.

Address before: 201108 Shanghai city Minhang District Huaning Road No. 3111

Applicant before: Shanghai Marine Diesel Engine Research Institute

GR01 Patent grant
GR01 Patent grant