CN115201071A - 一种基于厂界恶臭在线监测***的空气扩散溯源方法及*** - Google Patents

一种基于厂界恶臭在线监测***的空气扩散溯源方法及*** Download PDF

Info

Publication number
CN115201071A
CN115201071A CN202211102031.9A CN202211102031A CN115201071A CN 115201071 A CN115201071 A CN 115201071A CN 202211102031 A CN202211102031 A CN 202211102031A CN 115201071 A CN115201071 A CN 115201071A
Authority
CN
China
Prior art keywords
monitoring
diffusion
monitoring point
malodorous gas
gas pollutants
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.)
Granted
Application number
CN202211102031.9A
Other languages
English (en)
Other versions
CN115201071B (zh
Inventor
郭杰
刘浩然
王冲
周城
盛润坤
项金冬
于志伟
于俊库
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.)
Hangzhou Zetian Chunlai Technology Co ltd
Original Assignee
Hangzhou Zetian Chunlai Technology Co ltd
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 Hangzhou Zetian Chunlai Technology Co ltd filed Critical Hangzhou Zetian Chunlai Technology Co ltd
Priority to CN202211102031.9A priority Critical patent/CN115201071B/zh
Publication of CN115201071A publication Critical patent/CN115201071A/zh
Application granted granted Critical
Publication of CN115201071B publication Critical patent/CN115201071B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N13/00—Investigating surface or boundary effects, e.g. wetting power; Investigating diffusion effects; Analysing materials by determining surface, boundary, or diffusion effects
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N13/00—Investigating surface or boundary effects, e.g. wetting power; Investigating diffusion effects; Analysing materials by determining surface, boundary, or diffusion effects
    • G01N2013/003—Diffusion; diffusivity between liquids
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Treating Waste Gases (AREA)

Abstract

本发明涉及一种基于厂界恶臭在线监测***的空气扩散溯源方法及***，其方法包括：在恶臭监测区域布设N个监测点；采集各监测点监测的恶臭气体污染物及其浓度，同时采集各监测点的气象信息；将所有监测点监测的恶臭气体污染物按照预设体积分数分割为N个烟团；根据气象信息计算得到三维风场，之后获取各个烟团在对应的三维风场中的运动轨迹；根据恶臭气体污染物浓度并结合气象信息中的风速分别计算各烟团对应的污染物排放量；将各烟团对应的污染物排放量及在三维风场中的运动轨迹进行叠加并按照预设体积分数拼接得到污染物扩散分布图；根据污染物扩散分布图对恶臭污染源的位置进行定位。本发明的空气扩散溯源方法的溯源精度高。

Description

一种基于厂界恶臭在线监测***的空气扩散溯源方法及***
技术领域
本发明属于大气污染监测技术领域，具体涉及一种基于厂界恶臭在线监测***的空气扩散溯源方法及***。
背景技术
恶臭是指一切刺激嗅觉器官引起人们不愉快感觉以及损害生活环境的异味气体。恶臭污染来源广泛、成分复杂，且各种恶臭污染物彼此交错，互相影响，监测难度较大。厂界恶臭在线监测***，基于特征光谱吸收技术可同时监测空气中的多种恶臭气体以及臭气浓度。
但是，现有的恶臭溯源模型在反演污染源分布以及浓度方面存在以下不足：
（一）传统恶臭经验模型通常假设恶臭污染源为常量，即将污染源作为稳态源处理；然而，在实际恶臭污染中，污染源存在明显变化；
（二）经典的高斯点源扩散模型以“稳态”为前提，仅表示一段时间的平均值。然而，实际情况下，由于臭气的扩散受到复杂的或非稳态的气象条件以及地形条件的影响，经典高斯模型预测易出现误差。
发明内容
基于现有技术中存在的上述缺点和不足，本发明的目的之一是至少解决现有技术中存在的上述问题之一或多个，换言之，本发明的目的之一是提供满足前述需求之一或多个的一种基于厂界恶臭在线监测***的空气扩散溯源方法及***。
为了达到上述发明目的，本发明采用以下技术方案：
一种基于厂界恶臭在线监测***的空气扩散溯源方法，包括以下步骤：
S1、在恶臭监测区域布设N台厂界恶臭在线监测***，作为N个监测点；其中，N为大于1的整数；
采集各监测点监测的恶臭气体污染物及其浓度，同时采集各监测点的气象信息；
S2、将所有监测点监测的恶臭气体污染物按照预设体积分数分割为N个烟团；其中，每一监测点对应一个烟团，预设体积分数为1/N；
根据各监测点的气象信息计算得到各监测点对应的三维风场；
S3、根据拉格朗日粒子扩散模型获取各个烟团在对应的三维风场中的运动轨迹；
根据恶臭气体污染物浓度并结合气象信息中的风速分别计算各烟团对应的污染物排放量；
S4、将各烟团对应的污染物排放量及在三维风场中的运动轨迹进行叠加并按照预设体积分数拼接得到整个恶臭监测区域的恶臭气体污染物在大气中的污染物扩散分布图；
S5、根据污染物扩散分布图对恶臭污染源的位置进行定位。
作为优选方案，所述气象信息还包括温度、湿度、压力和风向。
作为优选方案，所述步骤S3中，风速小于1.0m/s对应的监测点监测的恶臭气体污染物浓度C与其对应的烟团的污染物排放量Q之间的关系为：
Figure 756160DEST_PATH_IMAGE001
Figure 370813DEST_PATH_IMAGE002
其中，
Figure 339906DEST_PATH_IMAGE003
为顺风向扩散系数，
Figure 494943DEST_PATH_IMAGE004
为侧风向扩散系数，
Figure 888884DEST_PATH_IMAGE005
为高斯方程垂直扩散系数，d a 为烟团中心与监测点之间的距离的顺风向分量，d c 为烟团中心与监测点之间的距离的垂直分量，G为高斯方程垂直系数，H为烟团中心高于地面的有效高度，h为混合层高度。
作为优选方案，所述步骤S3中，风速不小于1.0m/s的监测点监测的恶臭气体污染物浓度与其对应的烟团的污染物排放量之间的关系为：
Figure 736755DEST_PATH_IMAGE006
Figure 193144DEST_PATH_IMAGE007
Figure 89556DEST_PATH_IMAGE008
Figure 885473DEST_PATH_IMAGE009
Figure 966562DEST_PATH_IMAGE010
Figure 34881DEST_PATH_IMAGE011
Figure 797301DEST_PATH_IMAGE012
Figure 775621DEST_PATH_IMAGE013
其中，j∈[1，N]，Q j 为风速不小于1.0m/s的第j个监测点对应的烟团叠加风场后的污染物排放量，C j 为第j个监测点监测的恶臭气体污染物浓度，U j 为第j个监测点处的目标时间段内的平均风速；
Figure 699715DEST_PATH_IMAGE014
为第j个监测点的监测范围内的排气筒的平均高度，若监测范围内无排气筒，则
Figure 6062DEST_PATH_IMAGE014
取值为1；α为高斯方程垂直扩散系数
Figure 368910DEST_PATH_IMAGE005
的幂指数，γ为高斯方程垂直扩散系数
Figure 404999DEST_PATH_IMAGE005
的α次项系数，即
Figure 421366DEST_PATH_IMAGE015
，x j 为第j个监测点的实际监测半径，b为常数项；
第j个监测点与第j-1个监测点相邻。
作为优选方案，所述步骤S3中，还判断监测点的监测范围内是否满足建筑物下洗的条件；若是，则根据建筑物的尺寸对高斯方程垂直扩散系数
Figure 605223DEST_PATH_IMAGE005
进行修正；若否，则高斯方程垂直扩散系数
Figure 709445DEST_PATH_IMAGE005
取值为监测点的实际监测半径。
作为优选方案，所述建筑物下洗的条件为：
Figure 272144DEST_PATH_IMAGE016
其中，H q 为监测点的监测范围内的排气筒的最大高度，H b 为监测点的监测范围内的建筑物的高度，L b 为建筑物的高度和宽度中的较小值，T b 为建筑物高度常系数。
作为优选方案，所述T b 取值为0.5。
作为优选方案，所述根据建筑物的尺寸对高斯方程垂直扩散系数进行修正，包括：
若H w /H b ≥5时，
Figure 803620DEST_PATH_IMAGE017
；
若1≤H w /H b ＜5时，
Figure 943614DEST_PATH_IMAGE018
；
若H w /H b ＜1时，
Figure 38478DEST_PATH_IMAGE019
；
H w 为建筑物的宽度，H b 为建筑物的高度，x为监测点的实际监测半径。
作为优选方案，所述步骤S4中，还对污染物扩散分布图进行锐化处理。
本发明还提供一种基于厂界恶臭在线监测***的空气扩散溯源***，应用如上任一项方案所述的空气扩散溯源方法，所述空气扩散溯源***包括：
采集模块，用于采集各监测点监测的恶臭气体污染物及其浓度，同时采集各监测点的气象信息；
分割模块，用于将所有监测点监测的恶臭气体污染物按照预设体积分数分割为N个烟团；
计算模块，用于根据各监测点的气象信息计算得到各监测点对应的三维风场；
轨迹获取模块，用于根据拉格朗日粒子扩散模型获取各个烟团在对应的三维风场中的运动轨迹；
所述计算模块还用于根据恶臭气体污染物浓度并结合气象信息中的风速分别计算各烟团对应的污染物排放量；
拼接模块，用于将各烟团对应的污染物排放量及在三维风场中的运动轨迹进行叠加并按照预设体积分数拼接得到整个恶臭监测区域的恶臭气体污染物在大气中的污染物扩散分布图；
定位模块，用于根据污染物扩散分布图对恶臭污染源的位置进行定位。
本发明与现有技术相比，有益效果是：
（1）本发明进行烟团的分割并计算分割后的各烟团的污染物排放量，之后与各个烟团在三维风场中的运动轨迹进行叠加并拼接，得到整个恶臭监测区域的恶臭气体污染物在大气中的污染物扩散分布图，从而根据污染物扩散分布图实现恶臭污染源的溯源，溯源精度高；
（2）本发明综合气象信息中的风速对恶臭气体污染物扩散距离的影响以及恶臭气体污染物浓度，计算得到各烟团对应的污染物排放量，提高了污染物排放量的计算精度，进而提升溯源的精度；
（3）本发明考虑建筑物下洗的影响，进一步提升溯源的精度。
附图说明
图1是本发明实施例1的基于厂界恶臭在线监测***的空气扩散溯源方法的流程图；
图2是本发明实施例1的恶臭气体扩散距离与风速的影响关系图；
图3是本发明实施例1的锐化前的污染物扩散分布图；
图4是本发明实施例1的锐化后的污染物扩散分布图；
图5是本发明实施例1的基于厂界恶臭在线监测***的空气扩散溯源***的构架图。
具体实施方式
为了更清楚地说明本发明实施例，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，并获得其他的实施方式。
实施例1：
如图1所示，本实施例的基于厂界恶臭在线监测***的空气扩散溯源方法，包括以下步骤：
S0、在恶臭监测区域布设N台厂界恶臭在线监测***，作为N个监测点；其中，N为大于1的整数。
具体地，利用厂界恶臭在线监测***对化工、石油炼制、制药、涂装、造纸、食品加工、香精香料、污水处理、垃圾填埋等行业产生的恶臭气体进行采样，在气体池中利用紫外吸收光谱技术产生光谱信号，通过迭代搜索最优算法将多组分混叠吸光图谱进行单组分识别区分，再根据Beer-Lambert定律反演出对应的恶臭气体污染物及其浓度。其中，厂界恶臭在线监测***的具体构造以及检测原理可以参考现有技术，在此不赘述。
S1、采集各监测点监测的恶臭气体污染物及其浓度，同时通过各监测点的气象站采集各监测点的气象信息。
具体地，气象信息包括气象五参数，即温度、湿度、压力、风速和风向，以便根据随时间和空间变化的气象条件模拟恶臭气体污染物的扩散迁移。
S2、将所有监测点监测的恶臭气体污染物按照预设体积分数分割为N个烟团；其中，每一监测点对应一个烟团，预设体积分数为1/N；
根据各监测点的气象信息计算得到各监测点对应的三维风场。
具体地，分割的N个烟团对应网格结构，例如，6×6km2网格对应36个烟团。另外，根据各监测点的气象信息计算得到各监测点对应的三维风场属于现有技术，在此不赘述。
S3、根据拉格朗日粒子扩散模型获取各个烟团在对应的三维风场中的运动轨迹；其中，拉格朗日粒子扩散模型属于现有模型，在此不赘述。
另外，根据恶臭气体污染物浓度并结合气象信息中的风速分别计算各烟团对应的污染物排放量。
具体地，以单个监测点为例，其对应的烟团内部污染物扩散分布公式基于二维高斯函数进行了改进，增加了烟团在顺风向和侧风向扩散系数以及考虑了不同高度建筑物（或不同高度起伏地形）对烟团扩散的影响。
如图2所示，风速对恶臭气体污染物扩散距离的影响较大，以下综合考虑风速对恶臭气体污染物扩散距离的影响，对烟团对应的污染物排放量进行计算，详细说明如下：
（1）若监测点处的风速小于1.0m/s（包含静风状态，即风速为0m/s），则监测点监测的恶臭气体污染物浓度C与其对应的烟团的污染物排放量Q之间的关系为：
Figure 783580DEST_PATH_IMAGE001
Figure 548274DEST_PATH_IMAGE002
其中，
Figure 50930DEST_PATH_IMAGE003
为顺风向扩散系数，
Figure 496955DEST_PATH_IMAGE004
为侧风向扩散系数，
Figure 158881DEST_PATH_IMAGE005
为高斯方程垂直扩散系数，d a 为烟团中心与监测点之间的距离的顺风向分量，d c 为烟团中心与监测点之间的距离的垂直分量，G为高斯方程垂直系数，H为烟团中心高于地面的有效高度，h为混合层高度。
侧风向扩散系数（即水平扩散系数）
Figure 953530DEST_PATH_IMAGE004
和高斯方程垂直扩散系数
Figure 271379DEST_PATH_IMAGE005
主要是针对烟团（或是经拉长之后的烟气）在一个时间步长内的开始和结束两个位置来说的。烟团的扩散系数随时间、扩散距离的变化而不断发生变化，因此，可以分别建立以这两种参数（时间、扩散距离）为变量的方程计算扩散系数。
（2）若监测点处的风速不小于1.0m/s，则监测点监测的恶臭气体污染物浓度与其对应的烟团的污染物排放量之间的关系为：
Figure 317832DEST_PATH_IMAGE006
Figure 709631DEST_PATH_IMAGE007
Figure 753810DEST_PATH_IMAGE008
Figure 621272DEST_PATH_IMAGE009
Figure 409099DEST_PATH_IMAGE010
Figure 904672DEST_PATH_IMAGE011
Figure 182069DEST_PATH_IMAGE012
Figure 208931DEST_PATH_IMAGE013
其中，j∈[1，N]，Q j 为风速不小于1.0m/s的第j个监测点对应的烟团叠加风场后的污染物排放量，C j 为第j个监测点监测的恶臭气体污染物浓度，U j 为第j个监测点处的目标时间段内的平均风速；
Figure 738132DEST_PATH_IMAGE014
为第j个监测点的监测范围内的排气筒的平均高度，若监测范围内无排气筒，则
Figure 166840DEST_PATH_IMAGE014
取值为1；α为高斯方程垂直扩散系数
Figure 349559DEST_PATH_IMAGE005
的幂指数，γ为高斯方程垂直扩散系数
Figure 322107DEST_PATH_IMAGE005
的α次项系数，即
Figure 451737DEST_PATH_IMAGE015
，x j 为第j个监测点的实际监测半径（同x的含义，只是该处具体指的是第j个监测点的实际监测半径），b为常数项；另外，第j个监测点与第j-1个监测点始终保持相邻，具体分布可根据实际情况进行划分。
一般情况下，在恶臭监测区域内，每平方公里的监测范围内应至少安装一台厂界恶臭在线监测***对近地面的恶臭气体污染物浓度进行监测，即每台厂界恶臭在线监测***对恶臭无组织排放源监测所覆盖的面积S≤1km2，例如，若每平方公里的监测范围内布设有2台厂界恶臭在线监测***，则每一台厂界恶臭在线监测***所覆盖的面积S为0.5km2，依次类推，如此布设计算的各烟团对应的污染物排放量才具有现实意义；相应地，监测点的实际监测半径
Figure 797267DEST_PATH_IMAGE020
。
在实际应用中，一些建筑物或障碍物可能会对低矮烟团排放的烟气的扩散和抬升产生明显的影响，从而改变烟气的迁移扩散路线，这种现象称为建筑物下洗；此时，气流迁移扩散的路线可以分为两个部分：
（一）在建筑物或障碍物迎风面的一侧，夹带着污染物的风受到了建筑物或障碍物的阻挡，一部分气流绕过建筑物或障碍物，从两侧向前移动，并在建筑物或障碍物的背风处发生旋转式的抬升；
（二）另一部分气流受到建筑物或障碍物的阻挡会直接跃过建筑物或障碍物；
上述两部分被改变迁移路线的气流会组成穴区；当气流经过穴区后，湍流强度逐渐提高，湍流特征会逐渐和未经建筑物或障碍物阻碍影响的湍流特征相同，该区域称为湍流激发区。因此，本实施例对湍流激发区进行了参数化。
具体地，在上述步骤S3中，判断监测点的监测范围内是否满足建筑物下洗的条件；若是，则根据建筑物的尺寸对高斯方程垂直扩散系数
Figure 291834DEST_PATH_IMAGE005
进行修正；若否，则高斯方程垂直扩散系数
Figure 293288DEST_PATH_IMAGE005
取值为监测点的实际监测半径x。
其中，建筑物下洗的条件为：
Figure 288926DEST_PATH_IMAGE016
其中，H q 为监测点的监测范围内的排气筒的最大高度，H b 为监测点的监测范围内的建筑物的高度，L b 为建筑物的高度和宽度中的较小值，T b 为建筑物高度常系数，通常T b 取值为0.5。
此时，根据建筑物的尺寸对高斯方程垂直扩散系数
Figure 348017DEST_PATH_IMAGE005
进行修正存在以下三种不同的情况：
若H w /H b ≥5时，
Figure 341381DEST_PATH_IMAGE017
；
若1≤H w /H b ＜5时，
Figure 892448DEST_PATH_IMAGE018
；
若H w /H b ＜1时，
Figure 35985DEST_PATH_IMAGE019
；
H w 为建筑物的宽度，H b 为建筑物的高度，x为监测点的实际监测半径。
S4、将各烟团对应的污染物排放量及在三维风场中的运动轨迹进行叠加并按照预设体积分数拼接得到整个恶臭监测区域的恶臭气体污染物在大气中的污染物扩散分布图，如图3所示。
其中，拼接过程中若存在烟团有重合的情况，把重合部分裁剪掉即可；具体的叠加以及拼接过程可以参考现有技术，在此不赘述。
另外，经过图像处理技术对污染物扩散分布图进行锐化处理，如图4所示。
S5、根据污染物扩散分布图对恶臭污染源的位置进行定位。如图4所示，Q1、Q2为污染源中心点位，通过等高线的疏密程度以及颜色的深浅程度可清晰地观察到恶臭气体污染物在大气中的扩散情况，该扩散情况结合了建筑物或障碍物的阻挡，风速、风向等气象条件，客观准确，对污染物具体源头地点及污染物排放强度都有清晰地展示，为环保部门快速定位污染源头，处理恶臭突发污染事件提供协助，具有重要的现实应用意义。
基于本实施例上述的基于厂界恶臭在线监测***的空气扩散溯源方法，如图5所示，本实施例还提供基于厂界恶臭在线监测***的空气扩散溯源***，包括采集模块、分割模块、计算模块、轨迹获取模块、判断模块、拼接模块、锐化模块和定位模块。
具体地，利用厂界恶臭在线监测***对化工、石油炼制、制药、涂装、造纸、食品加工、香精香料、污水处理、垃圾填埋等行业产生的恶臭气体进行采样，在气体池中利用紫外吸收光谱技术产生光谱信号，通过迭代搜索最优算法将多组分混叠吸光图谱进行单组分识别区分，再根据Beer-Lambert定律反演出对应的恶臭气体污染物及其浓度。其中，厂界恶臭在线监测***的具体构造以及检测原理可以参考现有技术，在此不赘述。
本实施例的采集模块用于采集各监测点监测的恶臭气体污染物及其浓度，同时采集各监测点的气象信息。具体地，气象信息包括气象五参数，即温度、湿度、压力、风速和风向，以便根据随时间和空间变化的气象条件模拟恶臭气体污染物的扩散迁移。
本实施例的分割模块用于将所有监测点监测的恶臭气体污染物按照预设体积分数分割为N个烟团；其中，每一监测点对应一个烟团，预设体积分数为1/N；具体地，分割的N个烟团对应网格结构，例如，6×6km2网格对应36个烟团。
本实施例的计算模块用于根据各监测点的气象信息计算得到各监测点对应的三维风场；其中，三维风场的计算属于现有技术，在此不赘述。
本实施例的轨迹获取模块用于根据拉格朗日粒子扩散模型获取各个烟团在对应的三维风场中的运动轨迹；其中，拉格朗日粒子扩散模型属于现有模型，在此不赘述。
本实施例的计算模块还用于根据恶臭气体污染物浓度并结合气象信息中的风速分别计算各烟团对应的污染物排放量。具体地，以单个监测点为例，其对应的烟团内部污染物扩散分布公式基于二维高斯函数进行了改进，增加了烟团在顺风向和侧风向扩散系数以及考虑了不同高度建筑物（或不同高度起伏地形）对烟团扩散的影响。
如图2所示，风速对恶臭气体污染物扩散距离的影响较大，以下综合考虑风速对恶臭气体污染物扩散距离的影响，对烟团对应的污染物排放量进行计算，详细说明如下：
（1）若监测点处的风速小于1.0m/s（包含静风状态，即风速为0m/s），则监测点监测的恶臭气体污染物浓度C与其对应的烟团的污染物排放量Q之间的关系为：
Figure 293791DEST_PATH_IMAGE001
Figure 520373DEST_PATH_IMAGE002
其中，
Figure 230840DEST_PATH_IMAGE003
为顺风向扩散系数，
Figure 692914DEST_PATH_IMAGE004
为侧风向扩散系数，
Figure 70806DEST_PATH_IMAGE005
为高斯方程垂直扩散系数，d a 为烟团中心与监测点之间的距离的顺风向分量，d c 为烟团中心与监测点之间的距离的垂直分量，G为高斯方程垂直系数，H为烟团中心高于地面的有效高度，h为混合层高度。
侧风向扩散系数（即水平扩散系数）
Figure 202710DEST_PATH_IMAGE004
和高斯方程垂直扩散系数
Figure 338156DEST_PATH_IMAGE005
主要是针对烟团（或是经拉长之后的烟气）在一个时间步长内的开始和结束两个位置来说的。烟团的扩散系数随时间、扩散距离的变化而不断发生变化，因此，可以分别建立以这两种参数（时间、扩散距离）为变量的方程计算扩散系数。
（2）若监测点处的风速不小于1.0m/s，则监测点监测的恶臭气体污染物浓度与其对应的烟团的污染物排放量之间的关系为：
Figure 151391DEST_PATH_IMAGE006
Figure 446106DEST_PATH_IMAGE007
Figure 686595DEST_PATH_IMAGE008
Figure 558605DEST_PATH_IMAGE009
Figure 237848DEST_PATH_IMAGE010
Figure 324753DEST_PATH_IMAGE011
Figure 939405DEST_PATH_IMAGE012
Figure 111760DEST_PATH_IMAGE013
其中，j∈[1，N]，Q j 为风速不小于1.0m/s的第j个监测点对应的烟团叠加风场后的污染物排放量，C j 为第j个监测点监测的恶臭气体污染物浓度，U j 为第j个监测点处的目标时间段内的平均风速；
Figure 63535DEST_PATH_IMAGE014
为第j个监测点的监测范围内的排气筒的平均高度，若监测范围内无排气筒，则
Figure 457477DEST_PATH_IMAGE014
取值为1；α为高斯方程垂直扩散系数
Figure 39768DEST_PATH_IMAGE005
的幂指数，γ为高斯方程垂直扩散系数
Figure 761736DEST_PATH_IMAGE005
的α次项系数，即
Figure 392569DEST_PATH_IMAGE015
，x j 为第j个监测点的实际监测半径（同x的含义，只是该处具体指的是第j个监测点的实际监测半径），b为常数项；另外，第j个监测点与第j-1个监测点始终保持相邻，具体分布可根据实际情况进行划分。
一般情况下，在恶臭监测区域内，每平方公里的监测范围内应至少安装一台厂界恶臭在线监测***对近地面的恶臭气体污染物浓度进行监测，即每台厂界恶臭在线监测***对恶臭无组织排放源监测所覆盖的面积S≤1km2，例如，若每平方公里的监测范围内布设有2台厂界恶臭在线监测***，则每一台厂界恶臭在线监测***所覆盖的面积S为0.5km2，依次类推，如此布设计算的各烟团对应的污染物排放量才具有现实意义；相应地，监测点的实际监测半径
Figure 454066DEST_PATH_IMAGE020
。
在实际应用中，一些建筑物或障碍物可能会对低矮烟团排放的烟气的扩散和抬升产生明显的影响，从而改变烟气的迁移扩散路线，这种现象称为建筑物下洗；此时，气流迁移扩散的路线可以分为两个部分：
（一）在建筑物或障碍物迎风面的一侧，夹带着污染物的风受到了建筑物或障碍物的阻挡，一部分气流绕过建筑物或障碍物，从两侧向前移动，并在建筑物或障碍物的背风处发生旋转式的抬升；
（二）另一部分气流受到建筑物或障碍物的阻挡会直接跃过建筑物或障碍物；
上述两部分被改变迁移路线的气流会组成穴区；当气流经过穴区后，湍流强度逐渐提高，湍流特征会逐渐和未经建筑物或障碍物阻碍影响的湍流特征相同，该区域称为湍流激发区。因此，本实施例对湍流激发区进行了参数化。
具体地，本实施例的判断模块用于判断监测点的监测范围内是否满足建筑物下洗的条件；若是，则根据建筑物的尺寸对高斯方程垂直扩散系数
Figure 535154DEST_PATH_IMAGE005
进行修正；若否，则高斯方程垂直扩散系数
Figure 682102DEST_PATH_IMAGE005
取值为监测点的实际监测半径x。
其中，建筑物下洗的条件为：
Figure 100313DEST_PATH_IMAGE016
其中，H q 为监测点的监测范围内的排气筒的最大高度，H b 为监测点的监测范围内的建筑物的高度，L b 为建筑物的高度和宽度中的较小值，T b 为建筑物高度常系数，通常T b 取值为0.5。
此时，根据建筑物的尺寸对高斯方程垂直扩散系数
Figure 78634DEST_PATH_IMAGE005
进行修正存在以下三种不同的情况：
若H w /H b ≥5时，
Figure 268307DEST_PATH_IMAGE017
；
若1≤H w /H b ＜5时，
Figure 840233DEST_PATH_IMAGE018
；
若H w /H b ＜1时，
Figure 937502DEST_PATH_IMAGE019
；
H w 为建筑物的宽度，H b 为建筑物的高度，x为监测点的实际监测半径。
本实施例的拼接模块用于将各烟团对应的污染物排放量及在三维风场中的运动轨迹进行叠加并按照预设体积分数拼接得到整个恶臭监测区域的恶臭气体污染物在大气中的污染物扩散分布图，如图3所示。另外，还通过锐化模块经过图像处理技术对污染物扩散分布图进行锐化处理，如图4所示。
本实施例的定位模块用于根据污染物扩散分布图对恶臭污染源的位置进行定位。如图4所示，Q1、Q2为污染源中心点位，通过等高线的疏密程度以及颜色的深浅程度可清晰地观察到恶臭气体污染物在大气中的扩散情况，该扩散情况结合了建筑物或障碍物的阻挡，风速、风向等气象条件，客观准确。
实施例2：
本实施例的基于厂界恶臭在线监测***的空气扩散溯源方法与实施例1的不同之处在于：
省略建筑物下洗的判断步骤以及对高斯方程垂直扩散系数进行修正的步骤，简化溯源的计算量，提升溯源效率，满足不同应用的需求；
其他步骤可以参考实施例1。
本实施例的基于厂界恶臭在线监测***的空气扩散溯源***与实施例1的不同之处在于：
省略判断模块以及计算模块对对高斯方程垂直扩散系数的修正，简化溯源的计算量，提升溯源效率，满足不同应用的需求；
其他构架可以参考实施例1。
实施例3：
本实施例的基于厂界恶臭在线监测***的空气扩散溯源方法与实施例1的不同之处在于：
省略锐化处理步骤，提升溯源效率，满足不同应用的需求；
其他步骤可以参考实施例1。
本实施例的基于厂界恶臭在线监测***的空气扩散溯源***与实施例1的不同之处在于：
省略锐化模块，提升溯源效率，满足不同应用的需求；
其他构架可以参考实施例1。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是对本发明的优选实施例及原理进行了详细说明，对本领域的普通技术人员而言，依据本发明提供的思想，在具体实施方式上会有改变之处，而这些改变也应视为本发明的保护范围。

Claims (10)

1.一种基于厂界恶臭在线监测***的空气扩散溯源方法，其特征在于，包括以下步骤：
S1、在恶臭监测区域布设N台厂界恶臭在线监测***，作为N个监测点；其中，N为大于1的整数；
采集各监测点监测的恶臭气体污染物及其浓度，同时采集各监测点的气象信息；
S2、将所有监测点监测的恶臭气体污染物按照预设体积分数分割为N个烟团；其中，每一监测点对应一个烟团，预设体积分数为1/N；
根据各监测点的气象信息计算得到各监测点对应的三维风场；
S3、根据拉格朗日粒子扩散模型获取各个烟团在对应的三维风场中的运动轨迹；
根据恶臭气体污染物浓度并结合气象信息中的风速分别计算各烟团对应的污染物排放量；
S4、将各烟团对应的污染物排放量及在三维风场中的运动轨迹进行叠加并按照预设体积分数拼接得到整个恶臭监测区域的恶臭气体污染物在大气中的污染物扩散分布图；
S5、根据污染物扩散分布图对恶臭污染源的位置进行定位。
2.根据权利要求1所述的一种基于厂界恶臭在线监测***的空气扩散溯源方法，其特征在于，所述气象信息还包括温度、湿度、压力和风向。
3.根据权利要求2所述的一种基于厂界恶臭在线监测***的空气扩散溯源方法，其特征在于，所述步骤S3中，风速小于1.0m/s对应的监测点监测的恶臭气体污染物浓度C与其对应的烟团的污染物排放量Q之间的关系为：
Figure 971157DEST_PATH_IMAGE001
Figure 622718DEST_PATH_IMAGE002
其中，
Figure 58248DEST_PATH_IMAGE003
为顺风向扩散系数，
Figure 250195DEST_PATH_IMAGE004
为侧风向扩散系数，
Figure 798988DEST_PATH_IMAGE005
为高斯方程垂直扩散系数，d a 为烟团中心与监测点之间的距离的顺风向分量，d c 为烟团中心与监测点之间的距离的垂直分量，G为高斯方程垂直系数，H为烟团中心高于地面的有效高度，h为混合层高度。
4.根据权利要求3所述的一种基于厂界恶臭在线监测***的空气扩散溯源方法，其特征在于，所述步骤S3中，风速不小于1.0m/s的监测点监测的恶臭气体污染物浓度与其对应的烟团的污染物排放量之间的关系为：
Figure 27975DEST_PATH_IMAGE006
Figure 91746DEST_PATH_IMAGE007
Figure 25067DEST_PATH_IMAGE008
Figure 349738DEST_PATH_IMAGE009
Figure 139839DEST_PATH_IMAGE010
Figure 628589DEST_PATH_IMAGE011
Figure 772126DEST_PATH_IMAGE012
Figure 92249DEST_PATH_IMAGE013
其中，j∈[1，N]，Q j 为风速不小于1.0m/s的第j个监测点对应的烟团叠加风场后的污染物排放量，C j 为第j个监测点监测的恶臭气体污染物浓度，U j 为第j个监测点处的目标时间段内的平均风速；
Figure 256514DEST_PATH_IMAGE014
为第j个监测点的监测范围内的排气筒的平均高度，若监测范围内无排气筒，则
Figure 171510DEST_PATH_IMAGE014
取值为1；α为高斯方程垂直扩散系数
Figure 243371DEST_PATH_IMAGE005
的幂指数，γ为高斯方程垂直扩散系数
Figure 621263DEST_PATH_IMAGE005
的α次项系数，即
Figure 628533DEST_PATH_IMAGE015
，x j 为第j个监测点的实际监测半径，b为常数项；
第j个监测点与第j-1个监测点相邻。
5.根据权利要求3或4所述的一种基于厂界恶臭在线监测***的空气扩散溯源方法，其特征在于，所述步骤S3中，还判断监测点的监测范围内是否满足建筑物下洗的条件；若是，则根据建筑物的尺寸对高斯方程垂直扩散系数
Figure 888613DEST_PATH_IMAGE005
进行修正；若否，则高斯方程垂直扩散系数
Figure 623220DEST_PATH_IMAGE005
取值为监测点的实际监测半径。
6.根据权利要求5所述的一种基于厂界恶臭在线监测***的空气扩散溯源方法，其特征在于，所述建筑物下洗的条件为：
Figure 855618DEST_PATH_IMAGE016
其中，H q 为监测点的监测范围内的排气筒的最大高度，H b 为监测点的监测范围内的建筑物的高度，L b 为建筑物的高度和宽度中的较小值，T b 为建筑物高度常系数。
7.根据权利要求6所述的一种基于厂界恶臭在线监测***的空气扩散溯源方法，其特征在于，所述T b 取值为0.5。
8.根据权利要求6所述的一种基于厂界恶臭在线监测***的空气扩散溯源方法，其特征在于，所述根据建筑物的尺寸对高斯方程垂直扩散系数进行修正，包括：
若H w /H b ≥5时，
Figure 424003DEST_PATH_IMAGE017
；
若1≤H w /H b ＜5时，
Figure 781166DEST_PATH_IMAGE018
；
若H w /H b ＜1时，
Figure 398092DEST_PATH_IMAGE019
；
H w 为建筑物的宽度，H b 为建筑物的高度，x为监测点的实际监测半径。
9.根据权利要求1所述的一种基于厂界恶臭在线监测***的空气扩散溯源方法，其特征在于，所述步骤S4中，还对污染物扩散分布图进行锐化处理。
10.一种基于厂界恶臭在线监测***的空气扩散溯源***，应用如权利要求1-9任一项所述的空气扩散溯源方法，其特征在于，所述空气扩散溯源***包括：
采集模块，用于采集各监测点监测的恶臭气体污染物及其浓度，同时采集各监测点的气象信息；
分割模块，用于将所有监测点监测的恶臭气体污染物按照预设体积分数分割为N个烟团；
计算模块，用于根据各监测点的气象信息计算得到各监测点对应的三维风场；
轨迹获取模块，用于根据拉格朗日粒子扩散模型获取各个烟团在对应的三维风场中的运动轨迹；
所述计算模块还用于根据恶臭气体污染物浓度并结合气象信息中的风速分别计算各烟团对应的污染物排放量；
拼接模块，用于将各烟团对应的污染物排放量及在三维风场中的运动轨迹进行叠加并按照预设体积分数拼接得到整个恶臭监测区域的恶臭气体污染物在大气中的污染物扩散分布图；
定位模块，用于根据污染物扩散分布图对恶臭污染源的位置进行定位。
CN202211102031.9A 2022-09-09 2022-09-09 一种基于厂界恶臭在线监测***的空气扩散溯源方法及*** Active CN115201071B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211102031.9A CN115201071B (zh) 2022-09-09 2022-09-09 一种基于厂界恶臭在线监测***的空气扩散溯源方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211102031.9A CN115201071B (zh) 2022-09-09 2022-09-09 一种基于厂界恶臭在线监测***的空气扩散溯源方法及***

Publications (2)

Publication Number Publication Date
CN115201071A true CN115201071A (zh) 2022-10-18
CN115201071B CN115201071B (zh) 2022-12-09

Family

ID=83571793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211102031.9A Active CN115201071B (zh) 2022-09-09 2022-09-09 一种基于厂界恶臭在线监测***的空气扩散溯源方法及***

Country Status (1)

Country Link
CN (1) CN115201071B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115453070A (zh) * 2022-11-09 2022-12-09 安徽皖欣环境科技有限公司 一种用于智慧环保管家的污染物预警方法
CN115792137A (zh) * 2023-01-17 2023-03-14 河北先河环保科技股份有限公司 大气污染溯源方法及装置、终端
CN116859001A (zh) * 2023-07-18 2023-10-10 安徽碧水环业生态科技有限公司 一种碳排放在线监测平台及分析方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR494758A (fr) * 1917-05-07 1919-09-18 Audley Hart Stow Procédé et dispositif destinés à produire des écrans de fumée pour la protection des navires
CN104008229A (zh) * 2014-04-30 2014-08-27 北京大学 一种街区污染物浓度分布模型建立方法
CN106407714A (zh) * 2016-10-14 2017-02-15 珠海富鸿科技有限公司 基于calpuff***的大气污染评估方法及装置
CN107193056A (zh) * 2017-05-09 2017-09-22 西南石油大学 空气污染物监测预警方法及云平台
CN107436343A (zh) * 2017-07-31 2017-12-05 南京南瑞集团公司 一种模拟计算敏感区域污染物浓度的方法
CN107449874A (zh) * 2017-09-13 2017-12-08 中国科学院地理科学与资源研究所 一种基于传感器的有机废物处理设施恶臭监测***
CN111537023A (zh) * 2020-05-13 2020-08-14 浙江大学 一种工业园区大气污染物扩散模拟与溯源方法
CN112749478A (zh) * 2020-12-11 2021-05-04 江苏汇环环保科技有限公司 一种基于高斯扩散模型大气污染溯源扩散分析***及方法
CN113436045A (zh) * 2021-06-15 2021-09-24 深圳中兴网信科技有限公司 大气污染多尺度融合溯源方法、装置和可读存储介质
CN114295778A (zh) * 2021-11-30 2022-04-08 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***

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR494758A (fr) * 1917-05-07 1919-09-18 Audley Hart Stow Procédé et dispositif destinés à produire des écrans de fumée pour la protection des navires
CN104008229A (zh) * 2014-04-30 2014-08-27 北京大学 一种街区污染物浓度分布模型建立方法
CN106407714A (zh) * 2016-10-14 2017-02-15 珠海富鸿科技有限公司 基于calpuff***的大气污染评估方法及装置
CN107193056A (zh) * 2017-05-09 2017-09-22 西南石油大学 空气污染物监测预警方法及云平台
CN114280695A (zh) * 2017-05-09 2022-04-05 西南石油大学 一种空气污染物监测预警方法及云平台
CN107436343A (zh) * 2017-07-31 2017-12-05 南京南瑞集团公司 一种模拟计算敏感区域污染物浓度的方法
CN107449874A (zh) * 2017-09-13 2017-12-08 中国科学院地理科学与资源研究所 一种基于传感器的有机废物处理设施恶臭监测***
CN111537023A (zh) * 2020-05-13 2020-08-14 浙江大学 一种工业园区大气污染物扩散模拟与溯源方法
CN112749478A (zh) * 2020-12-11 2021-05-04 江苏汇环环保科技有限公司 一种基于高斯扩散模型大气污染溯源扩散分析***及方法
CN113436045A (zh) * 2021-06-15 2021-09-24 深圳中兴网信科技有限公司 大气污染多尺度融合溯源方法、装置和可读存储介质
CN114295778A (zh) * 2021-11-30 2022-04-08 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***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
江鸿宾: "基于MM5-CALPUFF耦合体系研究关中城市群对西安市SO2浓度贡献特征", 《硕士电子期刊 工程科技Ⅰ辑》 *
苑春莉等: "大气扩散模型的研究进展", 《节能》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115453070A (zh) * 2022-11-09 2022-12-09 安徽皖欣环境科技有限公司 一种用于智慧环保管家的污染物预警方法
CN115453070B (zh) * 2022-11-09 2023-03-10 安徽皖欣环境科技有限公司 一种用于智慧环保管家的污染物预警方法
CN115792137A (zh) * 2023-01-17 2023-03-14 河北先河环保科技股份有限公司 大气污染溯源方法及装置、终端
CN116859001A (zh) * 2023-07-18 2023-10-10 安徽碧水环业生态科技有限公司 一种碳排放在线监测平台及分析方法
CN116859001B (zh) * 2023-07-18 2024-03-19 安徽碧水环业生态科技有限公司 一种碳排放在线监测平台及分析方法

Also Published As

Publication number Publication date
CN115201071B (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
CN115201071B (zh) 一种基于厂界恶臭在线监测***的空气扩散溯源方法及***
CN112749478B (zh) 一种基于高斯扩散模型大气污染溯源扩散分析***及方法
CN106777762B (zh) 一种街道峡谷内污染物分布实时估计方法
CN108648127B (zh) 一种城市空气污染热点区域锁定方法
Lee et al. Evaluation of wind-driven natural ventilation of single-span greenhouses built on reclaimed coastal land
Amorim et al. CFD modelling of the aerodynamic effect of trees on urban air pollution dispersion
CN114280695A (zh) 一种空气污染物监测预警方法及云平台
Chen et al. Spatio-temporal variation of ozone pollution risk and its influencing factors in China based on Geodetector and Geospatial models
CN103258116A (zh) 一种大气污染物扩散模型的构建方法
Shafiev et al. Studies of the influence of vegetation cover on the process of transfer and diffusion of harmful substances in the atmosphere
CN107169277B (zh) 一种pm2.5浓度的数据分析和预测模型建立方法
Scungio et al. Numerical simulation of ultrafine particle dispersion in urban street canyons with the Spalart-Allmaras turbulence model
Mallongi et al. Modelling of S02 and CO Pollution Due to Industry PLTD Emission Tello in Makassar Indonesia
KR102100739B1 (ko) 미세먼지 발생 예측방법
CN107145668A (zh) 发电厂烟气污染物排放对区域大气雾霾的评价方法及装置
CN110020448A (zh) 边界层气象参数改进型中尺度大气光化学污染模拟预测算法
Kim et al. Design of a windbreak fence to reduce fugitive dust in open areas
CN108009330A (zh) 增加气象模式接口的中尺度大气光化学污染模拟预测算法
Balczó et al. Air quality around motorway tunnels in complex terrain- computational fluid dynamics modeling and comparison to wind tunnel data
Kang et al. Effects of Vertical Forests on Air Quality in Step-up Street Canyons
Xing et al. VOCs hyperspectral imaging: A new insight into evaluate emissions and the corresponding health risk from industries
Liu et al. Mixing characteristics of black carbon aerosols in a coastal city using the CPMA-SP2 system
CN113506049A (zh) 基于人工智能的道路洒水车调度方法及***
Yan et al. Mitigating PM2. 5 exposure with vegetation barrier and building designs in urban open-road environments based on numerical simulations
CN116258101B (zh) 一种基于气体浓度监测数据快速计算排放源强的方法

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
CP03 Change of name, title or address

Address after: 310053 Room 301, 3 / F, building 1, 22 Zhiren street, Puyan street, Binjiang District, Hangzhou City, Zhejiang Province

Patentee after: Hangzhou Zetian Chunlai Technology Co.,Ltd.

Country or region after: China

Address before: 310053 Room 301, 3 / F, building 1, 22 Zhiren street, Puyan street, Binjiang District, Hangzhou City, Zhejiang Province

Patentee before: Hangzhou Zetian Chunlai Technology Co.,Ltd.

Country or region before: China