CN115705510A - 厂区气体污染分布预测方法、***、电子设备及存储介质 - Google Patents
厂区气体污染分布预测方法、***、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115705510A CN115705510A CN202110904332.2A CN202110904332A CN115705510A CN 115705510 A CN115705510 A CN 115705510A CN 202110904332 A CN202110904332 A CN 202110904332A CN 115705510 A CN115705510 A CN 115705510A
- Authority
- CN
- China
- Prior art keywords
- distribution characteristic
- characteristic database
- distribution
- static
- target area
- 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.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 181
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 126
- 230000003068 static effect Effects 0.000 claims abstract description 101
- 238000005070 sampling Methods 0.000 claims abstract description 62
- 238000012216 screening Methods 0.000 claims abstract description 23
- 238000007794 visualization technique Methods 0.000 claims abstract description 3
- 238000011109 contamination Methods 0.000 claims description 7
- 238000009792 diffusion process Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 230000001154 acute effect Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 5
- 239000000356 contaminant Substances 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 39
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 239000003344 environmental pollutant Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000012855 volatile organic compound Substances 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 1
- ODUCDPQEXGNKDN-UHFFFAOYSA-N Nitrogen oxide(NO) Natural products O=N ODUCDPQEXGNKDN-UHFFFAOYSA-N 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 description 1
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种厂区气体污染分布预测方法,包括步骤:S110获取目标区域的气象数据和多个采样点的位置与浓度数据,建立静态分布特征数据库,其中,多个采样点包括在线监测点;S130根据当前监测状态,筛选出最匹配的静态分布特征数据库;S140建立目标区域浓度调控系数模型,得到动态分布特征数据库;S150基于所得到的动态分布特征数据库,利用空间插值和可视化手段形成目标区域气体污染分布图。本发明还公开了一种厂区气体污染分布预测***、电子设备及存储介质。本发明通过多个采样点实测建立静态分布特征数据库,结合当前监测状态,构建目标区域浓度调控系数模型,综合考虑了厂区内气象与距离两大显著影响因素,实现厂区级气体污染分布的实时准确预测。
Description
技术领域
本发明涉及气体污染监测技术领域,特别涉及一种厂区气体污染分布预测方法、***、电子设备及存储介质。
背景技术
气体污染主要包括一氧化碳(CO)、二氧化硫(SO2)、氮氧化物(NOx)、臭氧(O3)和PM2.5、PM10等大气污染物,以及石化企业关注的挥发性有机物和硫化氢、氨气等有毒有害气体。气体污染排放会对空气环境、人员健康造成危害,随着《重点行业挥发性有机物综合治理方案》、《有毒有害气体环境风险预警体系建设技术导则》等标准文件的颁布,石化企业已增设在线监测设备并逐步搭建气体污染监测网络,实现监测点位置污染物浓度的在线监测,但对于未布设监测点的位置尚无有效手段把控污染情况。对石化企业而言,如何依托已有网格化监测网络实时数据,进一步预测厂区污染物动态分布形式,对提升企业泄漏监测能力具有显著意义。然而,目前污染分布预测方法主要针对城市级、区域级较大尺度范围,并不适用于面积较小、生产企业和装置密集的厂区。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的之一在于,提供一种厂区气体污染分布预测方法、***、电子设备及存储介质,从而改善现有技术不适用于厂区污染预测的问题。
本发明的另一目的在于,提供一种厂区气体污染分布预测方法、***、电子设备及存储介质,从而提高厂区气体污染分布预测的准确性。
为实现上述目的,根据本发明的第一方面,本发明提供了一种厂区气体污染分布预测方法,包括步骤:
S110获取目标区域的气象数据和多个采样点的位置与浓度数据,建立静态分布特征数据库,其中,多个采样点包括在线监测点;
S130根据当前监测状态,筛选出最匹配的静态分布特征数据库;
S140建立目标区域浓度调控系数模型,得到动态分布特征数据库;
S150基于所得到的动态分布特征数据库,利用空间插值和可视化手段形成目标区域气体污染分布图。
进一步,上述技术方案中,按照设定频率,重复上述步骤S130至S150,形成动态更新的目标区域气体污染分布图。
进一步,上述技术方案中,多个采样点均匀覆盖目标区域。
进一步,上述技术方案中,当前监测状态包括设定时间段内目标区域上风向10米高处的平均风向、平均风速和每个在线监测点的平均污染浓度。
进一步,上述技术方案中,设定时间段为当前的前1~6小时。进一步,上述技术方案中,平均风向和平均风速采用矢量平均法计算;平均污染浓度采用算术平均法计算。
进一步,上述技术方案中,当目标区域为封闭或半封闭、地形平坦、建筑物遮挡稀少时,静态分布特征数据库为采样点的坐标和采样点的浓度的集合。
进一步,上述技术方案中,建立静态分布特征数据库的步骤包括:
基于多个采样点的位置与浓度数据,利用空间插值法形成目标区域的污染分布数据库;
将目标区域划分为井型网格,取网格点和在线监测点的合集组成特征点;
根据污染分布数据库,得到各个特征点的污染浓度,建立静态分布特征数据库static_net{xs,ys,cs},其中xs、ys为特征点的坐标,cs为特征点的污染浓度。
进一步,上述技术方案中,建立静态分布特征数据库的步骤还包括:
对所建立的静态分布特征数据库进行空间插值还原得到污染分布数据库,计算还原得到的污染分布数据库与原有污染分布数据库的相似性;
设置相似性阈值M和N,且0<M<N<1;以及
根据相似性判断所建立的静态分布特征数据库是否合格:
若M≤相似性≤N,则所建立的静态分布特征数据库合格;
若相似性<M,则增加网格密度重新划分井型网格,建立静态分布特征数据库;以及
若相似性>N,则减小网格密度重新划分井型网格,建立静态分布特征数据库。
进一步,上述技术方案中,相似性阈值0.7≤M≤0.75,0.8≤N≤0.85。
进一步,上述技术方案中,目标区域的气象数据为目标区域上风向10米高处的风速和风向,采样周期内的气象数据的平均值为采样气象条件,采样周期为所有采样点完成采样的时间。
进一步,上述技术方案中,根据不同的采样气象条件建立多个静态分布特征数据库,将当前监测状态与采样气象条件进行对比,筛选出最匹配的静态分布特征数据库,包括:
风向筛选步骤,计算当前监测状态中的平均风向与多个静态分布特征数据库的采样气象条件之间的风向差异性EW,并筛选最小值min_EW,
若仅有一个静态分布特征数据库的EW≤(min_EW+W),则将风向差异性最小值min_EW对应的静态分布特征数据库确定为最匹配的静态分布特征数据库,其中,W为设定角度值,且W≤15°;
否则进入风速筛选步骤,计算当前监测状态中的平均风速与多个静态分布特征数据库的采样气象条件之间的风速差异性ES,并筛选最小值min_ES,将风速差异性最小值min_ES对应的静态分布特征数据库确定为最匹配的静态分布特征数据库。
进一步,上述技术方案中,步骤S140包括:
S141建立第i个在线监测点的浓度调控系数模型ki(xs,ys),ki与第i个在线监测点的坐标(xi,yi)、当前监测状态中的平均风向θ和平均风速s,以及污染变化强度pi相关,pi=ci/ci0,其中ci为当前监测状态中第i个在线监测点的平均污染浓度,ci0为最匹配的静态分布特征数据库中第i个在线监测点所对应的特征点的污染浓度;
S142建立目标区域的浓度调控系数模型:
S143得到动态分布特征数据库dynamic_net(xs,ys,cd),其中cd=cs·K(xs,ys)。
进一步,上述技术方案中,第i个在线监测点的浓度调控系数模型ki(xs,ys)符合气体扩散的衰减规律,且满足:
当pi<1时,ki∈[pi,1),当pi>1时,ki∈(1,pi],当pi=1时,ki=1;
当Di=0时,ki=pi,即没有衰减;当Di=D0时,ki=1,即完全衰减;当Di∈(0,D0)时,随着Di的增大,ki逐渐由污染变化强度pi衰减至1,其中,D0为完全衰减距离,
其中,d为特征点(xs,ys)到第i个在线监测点(xi,yi)的距离,θi为当前监测状态中的平均风向θ与(xs,ys)和(xi,yi)两点间线段夹角的锐角;m表示与风速有关的系数,1≤m≤5,且当前监测状态中的平均风速s越大,m越大。
进一步,上述技术方案中,D0与目标区域的面积大小及在线监测点的数量相关,D0为100~500m。
进一步,上述技术方案中,若0m/s≤s<1m/s,m=1;若1m/s≤s<3m/s,m=2;若3m/s≤s<5m/s,m=3,若5m/s≤s<7m/s,m=4,若s≥7m/s,m=5。
根据本发明的第二方面,本发明提供了一种厂区气体污染分布预测***,包括:数据采集单元,其用于获取目标区域的气象数据和多个采样点的位置与浓度数据;数据处理单元,其用于根据数据采集单元获取的数据,建立静态分布特征数据库、筛选出最匹配的静态分布特征数据库、建立目标区域浓度调控系数模型,得到动态分布特征数据库;以及基于所得到的动态分布特征数据库,利用空间插值和可视化手段形成目标区域气体污染分布图。
进一步,上述技术方案中,数据采集单元包括移动监测设备和在线监测站点。
根据本发明的第三方面,本发明提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器执行如上述技术方案中任意一项的厂区气体污染分布预测方法。
根据本发明的第四方面,本发明提供了一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储有计算机可执行指令,计算机可执行指令用于使计算机执行如上述技术方案中任意一项的厂区气体污染分布预测方法。
与现有技术相比,本发明具有如下一个或多个有益效果:
1.本发明适用于厂区气体污染分布预测。厂区面积较小、生产企业和装置密集,风向对污染分布的影响显著;厂区内排放源分布复杂但位置明确且不存在移动源。因此,厂区级污染状况存在分布复杂多变,但相同气象条件下分布特征类似的特点。本发明通过多个采样点实测建立静态分布特征数据库,并可结合利用在线监测点和气象站等已有设备的数据,筛选出最匹配的静态分布特征数据库,并构建目标区域浓度调控系数模型,综合考虑了厂区内气象与距离两大显著影响因素,实现厂区级气体污染分布的实时准确预测。
2.根据需要设定频率,能够得到目标区域动态更新的气体污染分布,有利于全面展示企业污染分布水平,从而提高企业污染管控水平。方便地识别重污染区域,为精细化污染管控与治理提供数据支撑。
3.本发明可以通过划分网格提取静态分布特征数据库,经过浓度调控得到的动态分布特征数据库更精确反映实际污染分布。
4.本发明能够充分利用厂区已有的在线监测资源,如在线监测站点、气象站等,建立静态分布特征数据库时仅需采用便携式或走航式监测设备对多个采样点依次进行采样,监测设备的总量少,投资和维护成本低,利于在石油化工企业推广和应用。
上述说明仅为本发明技术方案的概述,为了能够更清楚地了解本发明的技术手段并可依据说明书的内容予以实施,同时为了使本发明的上述和其他目的、技术特征以及优点更加易懂,以下列举一个或多个优选实施例,并配合附图详细说明如下。
附图说明
图1是根据本发明的一实施方式的厂区气体污染分布预测方法的流程图。
图2是根据本发明的一实施方式的ki的衰减曲线,其中pi>1。
图3是根据本发明的一实施方式的ki的衰减曲线,其中pi<1。
图4是根据本发明的实施例的执行厂区气体污染分布预测方法的电子设备的硬件结构示意图。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其他明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其他元件或其他组成部分。
在本文中,为了描述的方便,可以使用空间相对术语,诸如“下面”、“下方”、“下”、“上面”、“上方”、“上”等,来描述一个元件或特征与另一元件或特征在附图中的关系。应理解的是,空间相对术语旨在包含除了在图中所绘的方向之外物件在使用或操作中的不同方向。例如,如果在图中的物件被翻转,则被描述为在其他元件或特征“下方”或“下”的元件将取向在元件或特征的“上方”。因此,示范性术语“下方”可以包含下方和上方两个方向。物件也可以有其他取向(旋转90度或其他取向)且应对本文使用的空间相对术语作出相应的解释。
在本文中,术语“第一”、“第二”等是用以区别两个不同的元件或部位,并不是用以限定特定的位置或相对关系。换言之,在一些实施例中,术语“第一”、“第二”等也可以彼此互换。
如图1所示,根据本发明具体实施方式的厂区气体污染分布预测方法的流程如下:
S110获取目标区域的气象数据和多个采样点的位置与浓度数据,建立静态分布特征数据库。
其中,多个采样点包括在线监测点,在线监测点可以为已有的在线监测站点。多个采样点均匀覆盖目标区域,获取多个采样点的位置与浓度数据可以采用便携式或走航式监测设备,因此,采样点的数量可以布置较多个。应注意的是,采样时,尽量选取气象条件较为稳定的时候,采样的气象条件便可近似采用采样周期内的平均值。
进一步地,在本发明的一个或多个示例性实施方式中,目标区域的气象数据可以为目标区域上风向10米高处的风速和风向,采样周期内的气象数据的平均值为采样气象条件,采样周期为所有采样点完成采样的时间,因而尽量选择气象条件较为稳定尽快完成采样工作。在不同的采样气象条件下,完成目标区域的多个采样点的数据获取,建立多个静态分布特征数据库。
静态分布特征数据库的建立可以根据厂区条件采用不同的方式。示例性地,当目标区域为封闭或半封闭、地形平坦、建筑物遮挡稀少时,可以直接采用采样点的坐标和采样点的浓度的集合作为静态分布特征数据库。
示例性地,也可以通过网格化的方式建立静态分布特征数据库,步骤如下:
基于多个采样点的位置与浓度数据,利用空间插值法形成目标区域的污染分布数据库;
将目标区域划分为井型网格,取网格点和在线监测点的合集组成特征点;
根据污染分布数据库,得到各个特征点的污染浓度,建立静态分布特征数据库static_net{xs,ys,cs},其中xs、ys为特征点的坐标,cs为特征点的污染浓度。
进一步地,为了确保网格划分在体现实际分布特性的基础上,能够尽量减少数据处理时间,提高效率,同时降低对动态分布特征数据库灵活性的限制。在本发明的一个或多个示例性实施方式中,建立静态分布特征数据库的步骤还可以包括检验的过程:
对所建立的静态分布特征数据库进行空间插值还原得到污染分布数据库,计算还原得到的污染分布数据库与原有污染分布数据库的相似性;
设置相似性阈值M和N,且0<M<N<1;以及
根据相似性判断所建立的静态分布特征数据库是否合格:
若M≤相似性≤N,则所建立的静态分布特征数据库合格;
若相似性<M,则增加网格密度重新划分井型网格,建立静态分布特征数据库;以及
若相似性>N,则减小网格密度重新划分井型网格,建立静态分布特征数据库。
示例性地,相似性阈值M=0.75,N=0.85,应了解的是,本发明并不以此为限。相似性阈值的取值范围可以为0.7≤M≤0.75,0.8≤N≤0.85。
S130根据当前监测状态,筛选出最匹配的静态分布特征数据库。
当前监测状态可以包括设定时间段内目标区域上风向10米高处的平均风向、平均风速和每个在线监测点的平均污染浓度。示例性地,设定时间段可以为当前的前1~6小时,本发明并不以此为限。进一步地,在本发明的一个或多个示例性实施方式中,平均风向和平均风速采用矢量平均法计算;平均污染浓度采用算术平均法计算。
将当前监测状态与采样气象条件进行对比,筛选出最匹配的静态分布特征数据库,包括:
风向筛选步骤,计算当前监测状态中的平均风向与多个静态分布特征数据库的采样气象条件之间的风向差异性EW,并筛选最小值min_EW,
若仅有一个静态分布特征数据库的EW≤(min_EW+W),则将风向差异性最小值min_EW对应的静态分布特征数据库确定为最匹配的静态分布特征数据库,其中,W为设定角度值,且W≤15°;
否则进入风速筛选步骤,计算当前监测状态中的平均风速与多个静态分布特征数据库的采样气象条件之间的风速差异性ES,并筛选最小值min_ES,将风速差异性最小值min_ES对应的静态分布特征数据库确定为最匹配的静态分布特征数据库。
S140建立目标区域浓度调控系数模型,得到动态分布特征数据库。
S141建立第i个在线监测点的浓度调控系数模型ki(xs,ys),ki与第i个在线监测点的坐标(xi,yi)、当前监测状态中的平均风向θ和平均风速s,以及污染变化强度pi相关,pi=ci/cs,其中ci为当前监测状态中第i个在线监测点的平均污染浓度,ci0为最匹配的静态分布特征数据库中第i个在线监测点所对应的特征点的污染浓度;
S142建立目标区域的浓度调控系数模型:
S143得到动态分布特征数据库dynamic_net(xs,ys,cd),其中cd=cs·K(xs,ys)。
进一步地,在本发明的一个或多个示例性实施方式中,第i个在线监测点的浓度调控系数模型ki(xs,ys)符合气体扩散的衰减规律,且满足:
当pi<1时,ki∈[pi,1),当pi>1时,ki∈(1,pi],当pi=1时,ki=1;
当Di=0时,ki=pi,即没有衰减,当Di=D0时,ki=1,即完全衰减,当Di∈(0,D0)时,随着Di的增大,ki逐渐由污染变化强度pi变化至1,其中,D0为完全衰减距离,
其中,d为特征点(xs,ys)到第i个在线监测点(xi,yi)的距离,θi为当前监测状态中的平均风向θ与(xs,ys)和(xi,yi)两点间线段夹角的锐角;m表示与风速有关的系数,1≤m≤5,且当前监测状态中的平均风速s越大,m越大。
示例性地,D0与目标区域的面积大小及在线监测点的数量相关,D0一般为100~500m。示例性地,若0m/s≤s<1m/s,m=1;若1m/s≤s<3m/s,m=2;若3m/s≤s<5m/s,m=3,若5m/s≤s<7m/s,m=4,若s≥7m/s,m=5。
示例性地,若第i个在线监测点具备气象监测站,即可以实时监测获取该位置的具体风向、风速数据,则计算θi时使用的当前监测状态中的平均风向θ,可优选以该监测点的平均风向代替;计算系数m时使用的当前监测状态中的平均风速s,可优选以该监测点的平均风速代替,若该监测点的气象监测站高度不是10米,则按公式换算得到10米高处的风速值。
示例性地,可以采用如下方法确定ki与Di的关系:
1)配置点源气体泄漏,气体种类为目标区域典型气体污染物,泄漏源高度为目标区域典型污染源排放高度,源强为典型污染源常态排放量;例如,气体选用丙烯、泄漏源高度10m、源强50kg/h;
2)配置气象数据为目标区域泄漏源高度常见风速;例如,5m/s;
3)进行泄漏模拟或试验,获取气体泄漏扩散数据;以风向方向为x轴方向,以下风向2~10m处为原点,记录各x位置(x≥0)垂直截面上的最大浓度值c;
4)以浓度c的最大值为1000,对所有浓度c等比例缩小得到ck;取ck=1所在位置的x值为D0,对所有x等比例缩小/放大得到Dx;并建立[Dx,ck]对应关系表f,其中Dx等间距取值且D0≥Dx≥0,1000≥ck≥1,即该对应关系表可表示为ck=f(Dx);
当pi>1时,ki∈(1,pi],则ki与Di的数值关系为ki=1+[(pi-1)×f(Di)/1000];
当pi<1时,ki∈[pi,1),则ki与Di的数值关系为ki=1-[(1-pi)×f(Di)/1000]。
S150基于所得到的动态分布特征数据库,利用空间插值和可视化手段形成目标区域气体污染分布图。
进一步地,在本发明的一个或多个示例性实施方式中,按照设定频率,重复上述步骤S130至S150,形成动态更新的目标区域气体污染分布图。
根据本发明具体实施方式的厂区气体污染分布预测***,其包括:数据采集单元,其用于获取目标区域的气象数据和多个采样点的位置与浓度数据;数据处理单元,其用于根据数据采集单元获取的数据,建立静态分布特征数据库、筛选出最匹配的静态分布特征数据库、建立目标区域浓度调控系数模型,得到动态分布特征数据库;以及基于所得到的动态分布特征数据库,利用空间插值和可视化手段形成目标区域气体污染分布图。
进一步地,在本发明的一个或多个示例性实施方式中,数据采集单元包括移动监测设备和在线监测站点。
下面以具体实施例的方式更详细地说明本发明的厂区气体污染分布预测方法、***、电子设备及存储介质,应了解的是,实施例仅为示例性的,本发明并不以此为限。
实施例1
本实施例具体说明根据当前监测状态,筛选出最匹配的静态分布特征数据库的步骤。本实施例中,目标区域包含在线监测点6个,且已在不同的采样气象条件下建立了8个静态分布特征数据库,分别如下:
①风向345°(西北风)、风速2.5m/s的静态特征数据库A;
②风向330°(西北风)、风速3m/s的静态特征数据库B;
③风向320°(西北风)、风速5m/s的静态特征数据库C;
④风向90°(东风)、风速3m/s的静态特征数据库D;
⑤风向120°(东南风)、风速1m/s的静态特征数据库E;
⑥风向130°(东南风)、风速3m/s的静态特征数据库F;
⑦风向170°(南风)、风速2m/s的静态特征数据库G;
⑧风向190°(南风)、风速2m/s的静态特征数据库H。
若当前监测状态中平均风向为80°、平均风速为2m/s。依次将当前监测状态与上述不同的采样气象条件进行对比,风向筛选步骤中,静态分布特征数据库D具有风向差异性的最小值min_EW=10°,且没有其他静态分布特征数据库的EW≤(min_EW+W),因此,静态分布特征数据库D确定为最匹配的静态分布特征数据库。
若当前监测状态中平均风向为125°、平均风速为1.3m/s。依次将当前监测状态与上述不同的采样气象条件进行对比,风向筛选步骤中,静态分布特征数据库E和F具有相同的风向差异性5°,为最小值。进入风速筛选步骤,静态特征数据库E具有风速差异性的最小值min_ES,因此,静态分布特征数据库E确定为最匹配的静态分布特征数据库。
实施例2
本实施例具体说明当pi>1时,第i个在线监测点的浓度调控系数模型ki(xs,ys)。ki(xs,ys)应符合气体扩散的衰减规律,且ki∈(1,pi],即衰减范围为pi到1。
当某特征点正好处于第i个在线监测点的位置,即Di=0,则ki=pi,即没有衰减;当某特征点距离第i个在线监测点足够远,即Di≥D0时,ki=1,即完全衰减;随着Di的增大,ki逐渐由pi衰减至1,衰减曲线如图2所示。
其中,d为特征点(xs,ys)到第i个在线监测点(xi,yi)的距离,
θi为当前监测状态中的平均风向θ与(xs,ys)和(xi,yi)两点间线段夹角的锐角;m表示与风速有关的系数,1≤m≤5,且当前监测状态中的平均风速s越大,m越大。本实施例中当前监测状态中的平均风速为1.5m/s,则m=2。
实施例3
本实施例具体说明当0<pi<1时,第i个在线监测点的浓度调控系数模型ki(xs,ys)。ki(xs,ys)应符合气体扩散的衰减规律,且ki∈[pi,1],即衰减范围为1到pi。
当某特征点正好处于第i个在线监测点的位置,即Di=0,则ki=pi,即没有衰减;当某特征点距离第i个在线监测点足够远,即Di≥D0时,ki=1,即完全衰减;随着Di的增大,ki逐渐由pi增大至1,衰减曲线如图3所示。本实施例中当前监测状态中的平均风速为1.5m/s,则m=2。
实施例4
本实施例具体说明当pi=1时,第i个在线监测点的浓度调控系数模型ki=1。在线监测点的总数为N,目标区域的浓度调控系数模型:为1,此时动态分布特征数据库与静态分布特征数据库相等,即dynamic_net(xs,ys,cd)=static_net{xs,ys,cs}。
实施例5
本实施例具体说明第i个在线监测点的浓度调控系数模型中θi以及m的计算问题。若第i个在线监测点不具备气象监测站,首先获取当前监测状态中的平均风向θ作为该监测点位置的风向状态,并以平均风向θ与(xs,ys)和(xi,yi)两点间线段夹角的锐角为θi;
获取当前监测状态中的平均风速s作为该监测点位置的风速状态,若0m/s≤s<1m/s,m=1;若1m/s≤s<3m/s,m=2;若3m/s≤s<5m/s,m=3,若5m/s≤s<7m/s,m=4,若s≥7m/s,m=5。
实施例6
本实施例具体说明第i个在线监测点的浓度调控系数模型中θi以及m的的计算问题,若第i个在线监测点具备气象监测站,即可以实时监测获取该位置的具体风向风速数据;首先统计该气象监测站的设定时间段内的所有风向监测数据,采用矢量平均法计算得到平均风向θ;θi为平均风向θ与(xs,ys)和(xi,yi)两点间线段夹角的锐角。
即,若目标区域的上风向10米高处的平均风向以及第i个在线监测点的平均风向均为已知时,优选使用第i个在线监测点的平均风向均计算θi。
同理,优选使用第i个在线监测点的平均风速筛选系数m的取值,若第i个在线监测点的气象站的高度不是10米,则按照公式换算为10米高度风速。
实施例7
本实施例提供了一种非暂态(非易失性)计算机存储介质,计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的方法,并实现相同的技术效果。
实施例8
本实施例提供了一种计算机程序产品,计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,使计算机执行以上各个方面的方法,并实现相同的技术效果。
实施例9
图4是本实施例的执行厂区气体污染分布预测方法的电子设备的硬件结构示意图。该设备包括一个或多个处理器610以及存储器620。以一个处理器610为例。该设备还可以包括:输入装置630和输出装置640。
处理器610、存储器620、输入装置630和输出装置640可以通过总线或者其他方式连接,图4中以通过总线连接为例。
存储器620作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器610通过运行存储在存储器620中的非暂态软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述方法实施例的处理方法。
存储器620可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储数据等。此外,存储器620可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器620可选包括相对于处理器610远程设置的存储器,这些远程存储器可以通过网络连接至处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置630可接收输入的数字或字符信息,以及产生信号输入。输出装置640可包括显示屏等显示设备。
一个或者多个模块存储在存储器620中,当被一个或者多个处理器610执行时,执行:
S110获取目标区域的气象数据和多个采样点的位置与浓度数据,建立静态分布特征数据库,其中,多个采样点包括在线监测点;
S130根据当前监测状态,筛选出最匹配的静态分布特征数据库;
S140建立目标区域浓度调控系数模型,得到动态分布特征数据库;
S150基于所得到的动态分布特征数据库,利用空间插值和可视化手段形成目标区域气体污染分布图。
上述产品可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明其他实施例所提供的方法。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。针对上述示例性实施方案所做的任何简单修改、等同变化与修饰,都应落入本发明的保护范围。
Claims (19)
1.一种厂区气体污染分布预测方法,其特征在于,包括步骤:
S110获取目标区域的气象数据和多个采样点的位置与浓度数据,建立静态分布特征数据库,其中,所述多个采样点包括在线监测点;
S130获取当前监测状态,筛选出最匹配的静态分布特征数据库;
S140建立目标区域浓度调控系数模型,得到动态分布特征数据库;
S150基于所得到的动态分布特征数据库,利用空间插值和可视化手段形成目标区域气体污染分布图。
2.根据权利要求1所述的厂区气体污染分布预测方法,其特征在于,按照设定频率,重复上述步骤S130至S150,形成动态更新的目标区域气体污染分布图。
3.根据权利要求1所述的厂区气体污染分布预测方法,其特征在于,所述多个采样点均匀覆盖目标区域。
4.根据权利要求1所述的厂区气体污染分布预测方法,其特征在于,所述当前监测状态包括设定时间段内目标区域的上风向10米高处的平均风向、平均风速和每个在线监测点的平均污染浓度。
5.根据权利要求4所述的厂区气体污染分布预测方法,其特征在于,所述设定时间段为当前的前1~6小时;所述平均风向和平均风速采用矢量平均法计算;所述平均污染浓度采用算术平均法计算。
6.根据权利要求4所述的厂区气体污染分布预测方法,其特征在于,当目标区域为封闭或半封闭、地形平坦、建筑物遮挡稀少时,静态分布特征数据库为采样点的坐标和采样点的浓度的集合。
7.根据权利要求4所述的厂区气体污染分布预测方法,其特征在于,建立静态分布特征数据库的步骤包括:
基于多个采样点的位置与浓度数据,利用空间插值法形成目标区域的污染分布数据库;
将目标区域划分为井型网格,取网格点和在线监测点的合集组成特征点;
根据污染分布数据库,得到各个特征点的污染浓度,建立静态分布特征数据库static_net{xs,ys,cs},其中xs、ys为特征点的坐标,cs为特征点的污染浓度。
8.根据权利要求7所述的厂区气体污染分布预测方法,其特征在于,建立静态分布特征数据库的步骤还包括:
对所建立的静态分布特征数据库进行空间插值还原得到污染分布数据库,计算还原得到的污染分布数据库与原有污染分布数据库的相似性;
设置相似性阈值M和N,且0<M<N<1;以及
根据相似性判断所建立的静态分布特征数据库是否合格:
若M≤相似性≤N,则所建立的静态分布特征数据库合格;
若相似性<M,则增加网格密度重新划分井型网格,建立静态分布特征数据库;以及
若相似性>N,则减小网格密度重新划分井型网格,建立静态分布特征数据库。
9.根据权利要求8所述的厂区气体污染分布预测方法,其特征在于,相似性阈值0.7≤M≤0.75,0.8≤N≤0.85。
10.根据权利要求7所述的厂区气体污染分布预测方法,其特征在于,目标区域的气象数据为目标区域上风向10米高处的风速和风向,采样周期内的气象数据的平均值为采样气象条件,所述采样周期为所有采样点完成采样的时间。
11.根据权利要求10所述的厂区气体污染分布预测方法,其特征在于,根据不同的采样气象条件建立多个静态分布特征数据库,将当前监测状态与采样气象条件进行对比,筛选出最匹配的静态分布特征数据库,包括:
风向筛选步骤,计算当前监测状态中的平均风向与多个静态分布特征数据库的采样气象条件之间的风向差异性EW,并筛选最小值min_EW,
若仅有一个静态分布特征数据库的EW≤(min_EW+W),则将风向差异性最小值min_EW对应的静态分布特征数据库确定为最匹配的静态分布特征数据库,其中,W为设定角度值,且W≤15°;
否则进入风速筛选步骤,计算当前监测状态中的平均风速与多个静态分布特征数据库的采样气象条件之间的风速差异性ES,并筛选最小值min_ES,将风速差异性最小值min_ES对应的静态分布特征数据库确定为最匹配的静态分布特征数据库。
13.根据权利要求12所述的厂区气体污染分布预测方法,其特征在于,所述第i个在线监测点的浓度调控系数模型ki(xs,ys)符合气体扩散的衰减规律,且满足:
当pi<1时,ki∈[pi,1),当pi>1时,ki∈(1,pi],当pi=1时,ki=1;
当Di=0时,ki=pi,即没有衰减;当Di=D0时,ki=1,即完全衰减;当Di∈(0,D0)时,随着Di的增大,ki逐渐由污染变化强度pi衰减至1,其中,D0为完全衰减距离,
14.根据权利要求13所述的厂区气体污染分布预测方法,其特征在于,D0与目标区域的面积大小及在线监测点的数量相关,D0为100~500m。
15.根据权利要求13所述的厂区气体污染分布预测方法,其特征在于,若0m/s≤s<1m/s,m=1;若1m/s≤s<3m/s,m=2;若3m/s≤s<5m/s,m=3,若5m/s≤s<7m/s,m=4,若s≥7m/s,m=5。
16.一种厂区气体污染分布预测***,其特征在于,包括:
数据采集单元,其用于获取目标区域的气象数据和多个采样点的位置与浓度数据;
数据处理单元,其用于根据所述数据采集单元获取的数据,建立静态分布特征数据库、筛选出最匹配的静态分布特征数据库、建立目标区域浓度调控系数模型,得到动态分布特征数据库;以及基于所得到的动态分布特征数据库,利用空间插值和可视化手段形成目标区域气体污染分布图。
17.根据权利要求16所述的厂区气体污染分布预测***,其特征在于,所述数据采集单元包括移动监测设备和在线监测站点。
18.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1~15中任意一项所述的厂区气体污染分布预测方法。
19.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使所述计算机执行如权利要求1~15中任意一项所述的厂区气体污染分布预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110904332.2A CN115705510A (zh) | 2021-08-06 | 2021-08-06 | 厂区气体污染分布预测方法、***、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110904332.2A CN115705510A (zh) | 2021-08-06 | 2021-08-06 | 厂区气体污染分布预测方法、***、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115705510A true CN115705510A (zh) | 2023-02-17 |
Family
ID=85178543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110904332.2A Pending CN115705510A (zh) | 2021-08-06 | 2021-08-06 | 厂区气体污染分布预测方法、***、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115705510A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116187788A (zh) * | 2023-05-04 | 2023-05-30 | 江苏智能低碳科技发展有限公司 | 用于厂区的能碳管理算法应用平台 |
-
2021
- 2021-08-06 CN CN202110904332.2A patent/CN115705510A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116187788A (zh) * | 2023-05-04 | 2023-05-30 | 江苏智能低碳科技发展有限公司 | 用于厂区的能碳管理算法应用平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112418609B (zh) | 一种基于面-网格-点的大气二次污染精准溯源方法 | |
CN111368401A (zh) | 污染源的溯源方法、装置和存储介质 | |
CN111798928B (zh) | 大气颗粒物污染源解析方法和装置 | |
CN114819696B (zh) | 确定污染物浓度影响因素的方法、装置及电子设备 | |
CN110738354B (zh) | 预测颗粒物浓度的方法、装置、存储介质及电子设备 | |
CN110348746B (zh) | 基于单个污染源的空气质量影响评估方法和装置 | |
CN112991132B (zh) | Pm2.5和臭氧协同管控区域识别方法及装置 | |
CN114329245A (zh) | 一种空气污染的溯源方法、装置、服务器及存储介质 | |
CN113642263B (zh) | 基于北斗网格的空气质量预警方法和装置 | |
KR102100739B1 (ko) | 미세먼지 발생 예측방법 | |
CN112967764B (zh) | 多技术耦合的污染物源解析方法、装置 | |
CN114118613A (zh) | 一种焦化土壤污染空间分布预测优化方法及*** | |
CN117092297A (zh) | 一种工业园区大气污染物的溯源方法、***、设备及介质 | |
CN115099451A (zh) | 一种基于污染精准溯源预报技术的企业敏感性识别方法 | |
CN117871790B (zh) | 基于多种数据融合的路边监测站数据分析和交通溯源方法 | |
CN116087044A (zh) | 一种基于cmb模型的pm2.5在线来源解析方法及设备 | |
CN115730852A (zh) | 一种化工企业土壤污染管控方法及*** | |
CN113834902B (zh) | 一种基于四维变分同化的二氧化硫排放源反演方法 | |
CN115705510A (zh) | 厂区气体污染分布预测方法、***、电子设备及存储介质 | |
CN109085100B (zh) | 污染物浓度的确定方法及装置 | |
CN116228501B (zh) | 排污超标区域行业确定方法、装置、存储介质及电子设备 | |
CN116148951B (zh) | 空气目标污染物组分预报模型训练方法、预报方法及装置 | |
Halimi et al. | Modeling spatial distribution of Tehran air pollutants using geostatistical methods incorporate uncertainty maps | |
CN115239027B (zh) | 空气质量格点化集合预报的方法及装置 | |
Jin et al. | Position correction in dust storm forecasting using LOTOS-EUROS v2. 1: grid-distorted data assimilation v1. 0 |
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 |