CN116050649A - 一种基于Calpuff模型的大气污染溯源***及方法 - Google Patents
一种基于Calpuff模型的大气污染溯源***及方法 Download PDFInfo
- Publication number
- CN116050649A CN116050649A CN202310131532.8A CN202310131532A CN116050649A CN 116050649 A CN116050649 A CN 116050649A CN 202310131532 A CN202310131532 A CN 202310131532A CN 116050649 A CN116050649 A CN 116050649A
- Authority
- CN
- China
- Prior art keywords
- data
- pollution source
- exhaust emission
- unit time
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 55
- 238000004088 simulation Methods 0.000 claims abstract description 8
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 51
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 20
- 239000012855 volatile organic compound Substances 0.000 claims description 18
- 239000002912 waste gas Substances 0.000 claims description 13
- 239000013618 particulate matter Substances 0.000 claims description 11
- 239000000779 smoke Substances 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000008520 organization Effects 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 17
- 238000000638 solvent extraction Methods 0.000 description 12
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 9
- 239000003344 environmental pollutant Substances 0.000 description 8
- 231100000719 pollutant Toxicity 0.000 description 8
- 238000005070 sampling Methods 0.000 description 7
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 3
- URLKBWYHVLBVBO-UHFFFAOYSA-N Para-Xylene Chemical group CC1=CC=C(C)C=C1 URLKBWYHVLBVBO-UHFFFAOYSA-N 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- IVSZLXZYQVIEFR-UHFFFAOYSA-N m-xylene Chemical compound CC1=CC=CC(C)=C1 IVSZLXZYQVIEFR-UHFFFAOYSA-N 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及大气污染溯源领域,具体公开一种基于Calpuff模型的大气污染溯源***及方法。现场端数据采集设备对污染源的废气排放数据进行现场采集;污染源在线监测服务端获取所有现场端数据采集设备所采集的废气排放数据,并将废气排放数据以单位时间的格式进行存储;溯源分析终端动态获取污染源指定时间段的废气排放数据,生成单位时间废气排放清单,并基于Calpuff模型对指定单位时间的空气质量进行模拟,根据模拟结果进行空气质量预测和污染源溯源。本发明动态将污染源实时监测到的单位时间段内的排放数据制作成符合Calpuff模型需要的污染源排放清单,能够提高Calpuff空气质量模型的数据质量,实现精准溯源。
Description
技术领域
本发明涉及大气污染溯源领域,具体涉及一种基于Calpuff模型的大气污染溯源***及方法。
背景技术
当前各地生态环境部门越来越希望能够通过一定的手段,追溯到造成某个国、省、市控空气监测站点污染物超标的具体原因。Calpuff模型是现有使用的空气质量模型之一,在空气质量模拟和溯源方面有着广泛的应用。污染源排放清单的输入是决定Calpuff模型的溯源数据质量的重要因素,目前行业内在制作Calpuff模型输入的小时排放清单时主要有如下方法:
1)使用清华大学的污染源清单。该清单用于某一地级城市时分辨率相对较低,并且相对比较旧。
2)使用地方环保部门提供的污染源清单。该清单是统计的上一年度的污染源排放总量,需要使用SMOKE工具根据行业特征和经验值,分配到每一天的某一小时,如果污染源变化较大,去年的清单并不能真实反映今年的排放情况,对Calpuff模型模拟的大气污染物浓度等数据质量大大折扣。
3)使用某一行业的污染源排放清单。该方法虽然具有分辨率高,相对稳定的特点,但空气质量中污染物浓度间不是线性关系,缺少其他行业的污染源排放,同样会影响Calpuff模型的数据质量。
发明内容
为解决上述问题,本发明提供一种基于Calpuff模型的大气污染溯源***及方法,直接将污染源实时监测到的单位时间排放数据制作符合Calpuff模型需要的污染源排放清单,具有行业覆盖范围广,实时性高,可管控力度大的特点,能够提高Calpuff空气质量模型的数据质量,实现精准溯源。
第一方面,本发明的技术方案提供一种基于Calpuff模型的大气污染溯源***,包括:
现场端数据采集设备:对污染源的废气排放数据进行现场采集;
污染源在线监测服务端:获取所有现场端数据采集设备所采集的废气排放数据,并将废气排放数据以单位时间的格式进行存储;
溯源分析终端:配置有Calpuff模型,从污染源在线监测服务端动态获取污染源指定时间段的废气排放数据,生成单位时间废气排放清单,并基于Calpuff模型利用指定单位时间的废气排放清单对污染源空气质量进行模拟,根据模拟结果进行空气质量预测和污染溯源。
进一步地,污染源在线监测服务端所存储废气排放数据包括:颗粒物单位时间排放量、氮氧化物单位时间排放量、二氧化硫单位时间排放量、VOCs单位时间排放量、烟温和流速。
进一步地,溯源分析终端从污染源在线监测服务端获取污染源指定时间段的废气排放数据,生成单位时间废气排放清单,具体包括:
获取监测范围内每个污染源的基础数据;
获取监测范围内每个污染源指定时间段的单位时间废气排放数据;
对污染源的废气排放数据进行无效数据和造假数据的筛选过滤;
根据行业排放经验库对颗粒物、氮氧化物、VOCs进行物种分配;
将废气排放数据转换为Calpuff模型要求的计量单位;
根据污染源基础数据和处理后的单位数据废气排放数据生成单位时间废气排放清单。
进一步地,污染源基础数据包括:烟囱编号、经度、纬度、烟囱出口内径、烟囱离地高度、烟囱出口温度、烟囱出口速度,烟囱流速、生产状态、所属行业。
第二方面,本发明的技术方案提供一种基于Calpuff模型的大气污染溯源方法,包括以下步骤:
对污染源的废气排放数据进行现场采集;
获取所采集的废气排放数据,并将废气排放数据以单位时间的排放数据进行存储;
动态获取污染源指定时间段的废气排放数据,生成单位时间废气排放清单;
基于Calpuff模型利用单位时间废气排放清单对污染源空气质量进行模拟,根据模拟结果进行污染预测和溯源。
进一步地,废气排放数据包括:颗粒物单位时间排放量、氮氧化物单位时间排放量、二氧化硫单位时间排放量、VOCs单位时间排放量、烟温和流速。
进一步地,动态获取污染源指定时间段的废气排放数据,生成单位时间废气排放清单,具体包括:
获取监测范围内每个污染源的基础数据;
获取监测范围内每个污染源指定时间段的单位时间废气排放数据;
对污染源的废气排放数据进行无效数据和造假数据的筛选过滤;
根据行业排放经验库对颗粒物、氮氧化物、VOCs进行物种分配;
将废气排放数据转换为Calpuff模型要求的计量单位;
根据污染源基础数据和处理后的单位数据废气排放数据生成单位时间废气排放清单。
进一步地,污染源基础数据包括:烟囱编号、经度、纬度、烟囱出口内径、烟囱离地高度、烟囱出口温度、烟囱出口速度,烟囱流速、生产状态、所属行业。
本发明提供的一种基于Calpuff模型的大气污染溯源***及方法,相对于现有技术,具有以下有益效果:使用现场端数据采集设备直接采集污染源的实时废气排放数据,由溯源分析终端根据污染源的实时数据生成单位时间废气排放清单,根据该实时的单位时间废气排放清单对污染源空气质量进行模拟,进而进行空气质量预测和污染源溯源。本发明直接将污染源实时监测到的单位时间排放数据制作符合Calpuff模型需要的污染源排放清单,具有行业覆盖范围广,实时性高,可管控力度大的特点,能够提高Calpuff空气质量模型的数据质量,实现精准溯源。
附图说明
为了更清楚的说明本申请实施例或现有技术的技术方案,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的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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是本发明实施例提供的一种基于Calpuff模型的大气污染溯源***结构示意框图。
图2是本发明实施例提供的一种基于Calpuff模型的大气污染溯源方法流程示意图。
图3是一些具体实施例中图2中步骤S3的具体流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。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。
在本说明书的描述中,所使用的“包含”、“包括”、“具有”、“含有”等,均为开放性的用语,即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请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。各实施例中涉及的步骤顺序用于示意性说明本申请的实施,其中的步骤顺序不作限定,可根据需要作适当调整。
图1是本发明实施例提供的一种基于Calpuff模型的大气污染溯源***结构示意框图,如图1所示,该***包括:现场端数据采集设备、污染源在线监测服务端和溯源分析终端。
现场端数据采集设备:对污染源的废气排放数据进行现场采集。
污染源在线监测服务端:获取现场端数据采集设备所采集的废气排放数据,并将废气排放数据以单位时间的排放数据进行存储。
溯源分析终端:配置有Calpuff模型,从污染源在线监测服务端获取污染源指定时间段的废气排放数据,生成单位时间废气排放清单,基于Calpuff模型利用单位时间废气排放清单对污染源空气质量进行模拟,根据模拟结果进行污染预测和溯源。
需要说明的是,现场端数据采集设备从多个在线监测终端获取污染源的废气排放数据,一般包括颗粒物在线监测终端、SO2在线监测终端、NOx在线监测终端、VOCs在线监测终端、烟温在线监测终端、流速在线监测终端等,当然根据采集需求也可从其他在线监测终端获取废气排放数据。一般在废气采样口安装废气采样设备,在线监测终端安装在监测站房内,由废气采样设备将采样废气输送至监测站房内,由在线监测终端对采样废气进行分析采集,获得废气排放数据,再由现场端数据采集设备从各个在线监测终端获取到废气排放数据。当然,现场端数据采集设备可以设置多个,各自从对应的在线监测终端获取数据。
重点污染源作为区域内空气中污染物贡献比例最高,是环保部门管控力度最大的污染源,基于此,在具体实施时,可将本***应用与重点污染源的废气监测,首先在重点污染源安装现场端数据采集设备和污染源在线监测服务端,由现场端数据采集设备对重点污染源的废气排放数据进行现场采集,然后传输到对应的污染源在线监测服务端,由污染源在线监测服务端存储单位时间的废气排放数据,再由溯源分析终端从污染源在线监测服务端获取重点污染源指定时间段的废气排放数据,生成单位时间废气排放清单,根据清单进行污染预测和溯源。
本实施例提供的基于Calpuff模型的大气污染溯源***,使用现场端数据采集设备直接采集污染源的实时废气排放数据,由溯源分析终端根据污染源的实时数据生成单位时间废气排放清单,根据该实时的单位时间废气排放清单对污染源空气质量进行模拟,进而进行污染预测和溯源。本方案直接将污染源实时监测到的单位时间排放数据制作符合Calpuff模型需要的污染源排放清单,具有行业覆盖范围广,实时性高,可管控力度大的特点,能够提高Calpuff空气质量模型的数据质量,实现精准溯源。
需要说明的是,一个溯源分析终端同时与多个重点污染源的污染源在线监测服务端通信,实现对多个重点污染源的废气进行监测,同时每个重点污染源又有多个监测站点,在每个监测点均配置现场端数据采集设备进行数据采集,进而溯源分析终端根据多个重点污染源的多个监测站点数据生成清单。
重点污染源所排放废气一般包括颗粒物、氮氧化物、二氧化硫和VOCs(指挥发性有机物)等,相应的,在污染源在线监测服务端所存储的废气排放数据包括:颗粒物单位时间排放量、氮氧化物单位时间排放量、二氧化硫单位时间排放量、VOCs单位时间排放量、烟温和流速。
溯源分析终端从监测区域的各个重点污染源处获得废气排放数据,根据需要指定时间段,即获得指定时间段的废气排放数据,根据所有重点污染源的所有数据生成清单。在一些具体实施例中,具体通过以下过程实现清单的生成。
1)获取监测范围内每个污染源的基础数据。
一般污染源的基础数据包括:烟囱编号、经度、纬度、烟囱出口内径、烟囱离地高度、烟囱出口温度、烟囱出口速度(m/s),烟囱流速(m3/s)、生产状态、所属行业。
2)获取监测范围内每个污染源指定时间段的单位时间废气排放数据。
在一些具体实施例中,单位时间可取1小时,即小时废气排放数据,主要包括:颗粒物、氮氧化物、二氧化硫、VOCs(苯、甲苯、邻/间/对二甲苯、甲烷、非甲烷总烃等)、烟温、流速等。
3)对污染源的废气排放数据进行无效数据和造假数据的筛选过滤。
根据现有算法对废气排放数据进行无效数据和造假数据的筛选过滤即可,在此不再赘述。
4)根据行业排放经验库对颗粒物、氮氧化物、VOCs进行物种分配。
对颗粒物进行物种分配是指按经验比例分配到PM10、PM2.5;对氮氧化物进行物种分配是指按经验比例分配到NO、NO2等;对VOCs进行物种分配是指按经验比例分配到苯系物和其他种类。
5)将废气排放数据转换为Calpuff模型要求的计量单位。
污染源在线监测服务端所使用的单位一般是kg/h,需要先将其转换为Calpuff模型要求的计量单位。
6)根据污染源基础数据和处理后的单位数据废气排放数据生成单位时间废气排放清单。
单位时间废气排放清单为ASCII格式文件,包括文件头和文件体两部分。其中,文件头包括污染源的基础信息:点源编号、烟囱底部海拔高度、烟囱高度、出口直径、经纬度、受建筑物下洗影响值、污染物列表和相对分子量等信息。文件体包括每个污染源每小时的排放信息:每个污染物排放量、流速、烟温等。
上文中对于一种基于Calpuff模型的大气污染溯源***的实施例进行了详细描述,基于上述实施例描述的基于Calpuff模型的大气污染溯源***,本发明实施例还提供了一种与该***对应的基于Calpuff模型的大气污染溯源方法。
图2是本发明实施例提供的一种基于Calpuff模型的大气污染溯源方法流程示意图,如图2所示,该方法包括以下步骤。
S1,对污染源的废气排放数据进行现场采集。
S2,获取所采集的废气排放数据,并将废气排放数据以单位时间的排放数据进行存储。
S3,获取污染源指定时间段的废气排放数据,生成单位时间废气排放清单。
S4,基于Calpuff模型利用单位时间废气排放清单对污染源空气质量进行模拟,根据模拟结果进行污染预测和溯源。
其中,步骤S1具体包括:1)从废气采样口进行废气采样;2)对采样废气进行采集分析获得废气排放数据。
污染源所排放废气一般包括颗粒物、氮氧化物、二氧化硫和VOCs,相应的,本实施例的废气排放数据包括:颗粒物单位时间排放量、氮氧化物单位时间排放量、二氧化硫单位时间排放量、VOCs单位时间排放量、烟温和流速。
如图3所示,在一些具体实施例中,步骤S3获取污染源指定时间段的废气排放数据,生成单位时间废气排放清单,具体包括以下步骤:
S301,获取监测范围内每个污染源的基础数据。
污染源基础数据一般包括:烟囱编号、经度、纬度、烟囱出口内径、烟囱离地高度、烟囱出口温度、烟囱出口速度,烟囱流速、生产状态、所属行业。
S302,获取监测范围内每个污染源指定时间段的单位时间废气排放数据。
S303,对污染源的废气排放数据进行无效数据和造假数据的筛选过滤。
S304,根据行业排放经验库对颗粒物、氮氧化物、VOCs进行物种分配。
对颗粒物进行物种分配是指按经验比例分配到PM10、PM2.5;对氮氧化物进行物种分配是指按经验比例分配到NO、NO2等;对VOCs进行物种分配是指按经验比例分配到苯系物和其他种类。
S305,将废气排放数据转换为Calpuff模型要求的计量单位。
S306,将废气排放数据转换为Calpuff模型要求的文件组织格式。
S307,根据污染源基础数据和处理后的单位数据废气排放数据生成单位时间废气排放清单。
本实施例的基于Calpuff模型的大气污染溯源方法基于现前述的基于Calpuff模型的大气污染溯源***实现,因此该方法中的具体实施方式可见前文中的基于Calpuff模型的大气污染溯源***的实施例部分,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再展开介绍。
另外,由于本实施例的基于Calpuff模型的大气污染溯源方法基于现前述的基于Calpuff模型的大气污染溯源***实现,因此其作用与上述***的作用相对应,这里不再赘述。
以上公开的仅为本发明的优选实施方式,但本发明并非局限于此,任何本领域的技术人员能思之的没有创造性的变化,以及在不脱离本发明原理前提下所作的若干改进和润饰,都应落在本发明的保护范围内。
Claims (8)
1.一种基于Calpuff模型的大气污染溯源***,其特征在于,包括:
现场端数据采集设备:对污染源的废气排放数据进行现场采集;
污染源在线监测服务端:获取所有现场端数据采集设备所采集的废气排放数据,并将废气排放数据以单位时间的格式进行存储;
溯源分析终端:配置有Calpuff模型,从污染源在线监测服务端动态获取污染源指定时间段的废气排放数据,生成单位时间废气排放清单,并基于Calpuff模型利用指定单位时间的废气排放清单对污染源空气质量进行模拟,根据模拟结果进行空气质量预测和污染源溯源。
2.根据权利要求1所述的基于Calpuff模型的大气污染溯源***,其特征在于,污染源在线监测服务端所存储废气排放数据包括:颗粒物单位时间排放量、氮氧化物单位时间排放量、二氧化硫单位时间排放量、VOCs单位时间排放量、烟温和流速。
3.根据权利要求2所述的基于Calpuff模型的大气污染溯源***,其特征在于,溯源分析终端从污染源在线监测服务端获取污染源指定时间段的废气排放数据,生成单位时间废气排放清单,具体包括:
获取监测范围内每个污染源的基础数据;
获取监测范围内每个污染源指定时间段的单位时间废气排放数据;
对污染源的废气排放数据进行无效数据和造假数据的筛选过滤;
根据行业排放经验库对颗粒物、氮氧化物、VOCs进行物种分配;
将废气排放数据转换为Calpuff模型要求的计量单位;
根据污染源基础数据和处理后的单位数据废气排放数据生成单位时间废气排放清单。
4.根据权利要求3所述的基于Calpuff模型的大气污染溯源***,其特征在于,污染源基础数据包括:烟囱编号、经度、纬度、烟囱出口内径、烟囱离地高度、烟囱出口温度、烟囱出口速度,烟囱流速、生产状态、所属行业。
5.一种基于Calpuff模型的大气污染溯源方法,其特征在于,包括以下步骤:
对污染源的废气排放数据进行现场采集;
获取所采集的废气排放数据,并将废气排放数据以单位时间的排放数据进行存储;
动态获取污染源指定时间段的废气排放数据,生成单位时间废气排放清单;
基于Calpuff模型利用单位时间废气排放清单对污染源空气质量进行模拟,根据模拟结果进行污染预测和溯源。
6.根据权利要求5所述的基于Calpuff模型的大气污染溯源方法,其特征在于,废气排放数据包括:颗粒物单位时间排放量、氮氧化物单位时间排放量、二氧化硫单位时间排放量、VOCs单位时间排放量、烟温和流速。
7.根据权利要求6所述的基于Calpuff模型的大气污染溯源方法,其特征在于,动态获取污染源指定时间段的废气排放数据,生成单位时间废气排放清单,具体包括:
获取监测范围内每个污染源的基础数据;
获取监测范围内每个污染源指定时间段的单位时间废气排放数据;
对污染源的废气排放数据进行无效数据和造假数据的筛选过滤;
根据行业排放经验库对颗粒物、氮氧化物、VOCs进行物种分配;
将废气排放数据转换为Calpuff模型要求的计量单位;
将废气排放数据转换为Calpuff模型要求的文件组织格式;
根据污染源基础数据和处理后的单位数据废气排放数据生成单位时间废气排放清单。
8.根据权利要求7所述的基于Calpuff模型的大气污染溯源方法,其特征在于,污染源基础数据包括:烟囱编号、经度、纬度、烟囱出口内径、烟囱离地高度、烟囱出口温度、烟囱出口速度,烟囱流速、生产状态、所属行业。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310131532.8A CN116050649A (zh) | 2023-02-17 | 2023-02-17 | 一种基于Calpuff模型的大气污染溯源***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310131532.8A CN116050649A (zh) | 2023-02-17 | 2023-02-17 | 一种基于Calpuff模型的大气污染溯源***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116050649A true CN116050649A (zh) | 2023-05-02 |
Family
ID=86129517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310131532.8A Pending CN116050649A (zh) | 2023-02-17 | 2023-02-17 | 一种基于Calpuff模型的大气污染溯源***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116050649A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117034041A (zh) * | 2023-10-08 | 2023-11-10 | 山东智云信息科技有限公司 | 一种基于大数据的企业污染等级评估***及处理方法 |
-
2023
- 2023-02-17 CN CN202310131532.8A patent/CN116050649A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117034041A (zh) * | 2023-10-08 | 2023-11-10 | 山东智云信息科技有限公司 | 一种基于大数据的企业污染等级评估***及处理方法 |
CN117034041B (zh) * | 2023-10-08 | 2024-01-26 | 山东智云信息科技有限公司 | 一种基于大数据的企业污染等级评估***及处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110085281B (zh) | 一种基于特征污染因子源解析的环境污染溯源***及方法 | |
Kumar et al. | Real-time sensors for indoor air monitoring and challenges ahead in deploying them to urban buildings | |
CN110348746B (zh) | 基于单个污染源的空气质量影响评估方法和装置 | |
De Medeiros et al. | An IoT-based air quality monitoring platform | |
CN116050649A (zh) | 一种基于Calpuff模型的大气污染溯源***及方法 | |
Besari et al. | Application of M2M to detect the air pollution | |
Pokric et al. | ekoNET-environmental monitoring using low-cost sensors for detecting gases, particulate matter, and meteorological parameters | |
Lagesse et al. | Performing indoor PM2. 5 prediction with low-cost data and machine learning | |
CN117291343A (zh) | 一种基于空天地监测网络的大气污染防治管控*** | |
Sanzhapov et al. | Analysis of Availability of Data Sets Necessary for Decision Making in Air Quality Assessment | |
Archilla et al. | Aviator-assessing aviation emissions impact on local air quality at airports towards regulation | |
Grigoras et al. | Air quality assessment in Craiova urban area | |
Suciu et al. | IoT system for air pollutants assessment in underground infrastructures | |
Hertel et al. | Assessing the impacts of traffic air pollution on human exposure and health | |
Demidchik et al. | Using the Internet of Things (IoT) for Natural Resources Monitoring System | |
Diez et al. | Uncertainty propagation of meteorological and emission data in modeling pollutant dispersion in the atmosphere | |
Devi et al. | Air Pollution Prevention Using Wireless Sensors | |
RU90577U1 (ru) | Система контроля за выбросами промышленного предприятия | |
CN115203278A (zh) | 基于环境监测的温室气体溯源***及方法 | |
Youness et al. | Low-cost data acquisition station for microclimate detection and public health risks management: A case study of Casablanca | |
CN116090653A (zh) | 一种提高cmaq模型输入数据质量的方法 | |
Güğül et al. | Analysis results of greenhouse gas and meteorology data obtained during pandemic period using developed dynamic monitoring station | |
Handayani et al. | Performance Evaluation on Applied Low-Cost Multi-Sensor Technology in Air Pollution Monitoring | |
RU2487892C1 (ru) | Система экологического контроля атмосферного воздуха промышленного региона | |
Munir | Urban air quality monitoring, mapping and modelling to determine the main drivers of air pol-lution |
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 |