CN104537462A - 空气细颗粒物的火电污染因素控制方法 - Google Patents
空气细颗粒物的火电污染因素控制方法 Download PDFInfo
- Publication number
- CN104537462A CN104537462A CN201410755192.7A CN201410755192A CN104537462A CN 104537462 A CN104537462 A CN 104537462A CN 201410755192 A CN201410755192 A CN 201410755192A CN 104537462 A CN104537462 A CN 104537462A
- Authority
- CN
- China
- Prior art keywords
- thermal power
- power plant
- pollution
- unit
- cost
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000010419 fine particle Substances 0.000 title claims abstract description 20
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 42
- 231100000719 pollutant Toxicity 0.000 claims abstract description 40
- 238000004519 manufacturing process Methods 0.000 claims abstract description 39
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 230000005619 thermoelectricity Effects 0.000 claims description 42
- 230000007613 environmental effect Effects 0.000 claims description 28
- 238000012113 quantitative test Methods 0.000 claims description 26
- 238000011109 contamination Methods 0.000 claims description 14
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 11
- 238000011160 research Methods 0.000 claims description 11
- 238000009792 diffusion process Methods 0.000 claims description 9
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 claims description 9
- 238000003915 air pollution Methods 0.000 claims description 8
- 239000000446 fuel Substances 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 8
- 230000001537 neural effect Effects 0.000 claims description 8
- 238000011002 quantification Methods 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 230000003750 conditioning effect Effects 0.000 claims description 4
- 238000013277 forecasting method Methods 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 4
- 239000002699 waste material Substances 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000012882 sequential analysis Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000003442 weekly effect Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 2
- 238000000265 homogenisation Methods 0.000 claims description 2
- 239000000779 smoke Substances 0.000 claims description 2
- 238000010248 power generation Methods 0.000 abstract description 16
- 238000004364 calculation method Methods 0.000 abstract 1
- 239000003245 coal Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000012731 temporal analysis Methods 0.000 description 3
- 238000000700 time series analysis Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 229910002651 NO3 Inorganic materials 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 150000003863 ammonium salts Chemical class 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 229910052785 arsenic Inorganic materials 0.000 description 1
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 206010006451 bronchitis Diseases 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000007096 poisonous effect Effects 0.000 description 1
- 238000009418 renovation Methods 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
- 239000011701 zinc Substances 0.000 description 1
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
- G06Q50/06—Energy or water supply
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种空气细颗粒物的火电污染因素控制方法，包括以下步骤：从电力生产部门获取火力发电厂生产相关数据和从环保部门获取气象和PM2.5监测数据，定量计算该单个火电厂排放的污染物对PM2.5造成的影响，建立单个火电厂对周边环境污染造成的影响的分析模型；对单个火电厂进行模型叠加，形成城市周边火电发电排放PM2.5定量分析模型，对重点城市周边乃至更大地理区域的火电PM2.5污染进行定量分析；结合各火电厂的发电数量、生产工艺和环境参数对污染排放进行预测和定量计算，得到火电厂治理的定量优先排序。本发明定量分析城市周边火电企业排放的污染物对PM2.5的影响，对重点城市区域内PM2.5值进行周级别和月级别的预测，为政府提供制定政策依据，在保证生产的同时兼顾环境保护。
Description
技术领域
本发明涉及火力发电厂的污染排放治理方法，尤其是涉及一种空气细颗粒物的火电污染因素控制方法。
背景技术
环境保护是我国的一项基本国策。随着经济的日趋繁荣，科学技术水平的快速发展，工业化与城市化进程的有序推进，人民生活水平的日益提高，环境污染问题也逐渐加重。这主要是由于在经济发展与环境保护这两方面出现失衡而造成的。而我国各省市在能源上对于煤的过度依赖，进而又加剧了这一问题的严重性。燃煤由此而造成许多城市的空气质量恶劣，并对人们的健康造成极大的危害。目前，欧美等发达国家传统发电采用的是燃油和天然气，污染较煤炭发电更小，同时大力发展清洁能源，如核能、水能、风能、太阳能、生物能、海潮能等新能源。但在我国，采用清洁能源取代煤炭，短期内还难以实现，这是由于煤炭在我国能源结构中的重要地位决定的。今后一段时期内，煤炭仍将是我国主要的一次能源。
城市大气污染问题由于其对区域环境和人体健康的影响而成为全社会关注的焦点和热点。世界卫生组织发布的报告显示，无论是发达国家还是发展中国家，目前大多数城市和农村人口均遭受到颗粒物对健康的影响。大气中的PM2.5颗粒物对光的散射和吸收，能显著减弱光信号，大幅降低有效视距，因而PM2.5会导致城市人为能见度下降，产生灰霾天气。PM2.5的来源复杂，成分自然也很复杂。主要成分有碳、有机碳化合物、硫酸盐、硝酸盐、铵盐。其他的常见成分包括各种金属元素，既有钠、镁、钙、铝、铁等地壳中含量丰富的元素，也有铅、锌、砷、镉、铜等源自人类污染的重金属元素。PM2.5粒径小，与较粗的大气颗粒物相比，含有大量的有毒有害物质，且寿命长、输送距离远，因而对人体健康和大气环境质量的影响更大，对空气质量和能见度的影响要比PM10更直观。而人体的生理结构决定了对PM2.5没有任何过滤、阻拦能力：PM2.5引发包括哮喘、支气管炎和心血管病等方面的疾病；损害血红蛋白输送氧的能力，影响血液的输送；PM2.5中的某些成分会使人体产生病变，从而诱发多种癌症。因此，为有效改善城市地区大气环境质量，首要的工作是降低PM2.5浓度，从而改善城市居民健康状况，减少相应的经济损失。
治理PM2.5应重点考虑PM2.5重要来源的燃煤因素。我国煤炭的最主要消耗行业是火力发电行业。火力发电是我国重要的发电形式之一。与其他发电形式相比，火力发电具有性能稳定、供电质量高、技术成熟、适用范围广等特点，承担着为人们的正常生产生活提供电能的重要任务，是保证我国经济发展的关键因素。火力发电作为我国电力供应的主要形式，在今后很长的一段时间内还难以改变。各级政府对非常重视大气污染的整治工作，各地将在开展PM2.5排放总量调查的基础上，实行PM2.5排放总量控制制度，将PM2.5纳入污染物减排统计、监测考核体系，不断削减排放总量，严格控制新增排放量，实施清洁生产，从源头上减少PM2.5的产生和排放。
而火力发电厂的污染排放治理，单凭发电企业自身是难以解决的：一方面，由于发电企业由于自身盈利能力不强，经常处于经营生产的亏损边缘，未来更加严格的排放标准下的环保成本会令发电企业不堪重负；另一方面，由于电厂生产任务通常带有强制性，需要从全市乃至全省的角度，对其排污整治、技术改造进行合理的统筹规划。此外，火电企业的减排成本会随着环保指标的提升而增加，依靠政府财政进行补贴并不现实，最终可能还是向电网乃至最终用户转嫁。优化阶梯电价以实现环境保护的做法，在环境污染日益恶劣的情况下，有可能被全社会所接受，如何科学分步骤、分阶段的进行实施，又对整个社会的影响轻微，成为了一个难题。因此，地方政府、电力调度控制部门和火电企业需要紧密配合，共同实现PM2.5污染治理的目标。
发明内容
本发明正是在上述背景下，针对现有技术不足，提出了一种空气细颗粒物的火电污染因素控制方法，其目的是能够从宏观上、整体上解决目前存在的火电行业PM2.5排放治理问题。
本发明所采用的技术方案：
一种空气细颗粒物的火电污染因素控制方法，其特征在于，包括以下步骤：
首先，从电力生产部门获取火力发电厂生产相关数据和从环保部门获取气象和PM2.5监测数据，考虑单个火电厂周边的环境参数（气压、温度、湿度、风向、风速等），结合其火电发电量以及地理位置，定量计算该单个火电厂排放的污染物对PM2.5造成的影响，建立单个火电厂对周边环境污染造成的影响的分析模型，并分析PM2.5扩散机理，建立远距离扩散模型；
其次，在完成单个火电厂的定量分析后，进行模型叠加，形成城市周边火电发电排放PM2.5定量分析模型，对重点城市周边乃至更大地理区域的火电PM2.5污染进行定量分析，并根据结果动态调整定量分析模型，以提高定量分析的准确性；
第三，结合各火电厂的发电数量、生产工艺和环境参数对污染排放进行预测和定量计算，从单一火电厂出发形成全市、地区或全省范围的火电厂PM2.5排放的定量分析，得到火电厂治理的定量优先排序。
本发明的有益效果：
1、本发明空气细颗粒物的火电污染因素控制方法，考虑从火电厂到电力调度控制，再到电力用户之间的各种因素，建立的火电厂、电网和用户之间的数学模型，利用定量分析的手段，研究如何根据时间因素、空间因素对火力发电企业的生产、节能减排进行指导，为政府提供制定政策依据的辅助决策系统：定量分析城市周边火电企业排放的污染物对PM2.5的影响，对重点城市区域内PM2.5值进行周级别和月级别的预测，为各火电厂制定科学有效的生产计划，在保证生产的同时兼顾环境保护,并在此基础上提供阶梯电价机制优化和火电厂PM2.5污染治理的政策依据。
2、本发明空气细颗粒物的火电污染因素控制方法，采用独特的思路，通过动态规划来治理PM2.5，投入少却能达到较好的效果，因此具有良好的政策支持环境。以目前国内外比较流行的系统预测理论、复杂系统网络理论、动态规划理论、经济优化模型为基础，采用运筹决策的智能计算方法研究火力发电的PM2.5污染治理对策的理论基础和数学模型，建立城市PM2.5的预测模型，进行周级别和月级别PM2.5的预测，对电厂的火电生产进行计划，并为政府和环保单位进行火电行业PM2.5污染整治提供政策依据和辅助决策。
3、本发明空气细颗粒物的火电污染因素控制方法，从火电厂、电网和用户的角度进行系统性研究，能够填补利用动态规划实现火力发电PM2.5治理的空白，为政府和环保部分提供制定政策的依据和治理对策的辅助决策，以整治PM2.5的主要污染来源—火电燃煤的污染排放问题，实现PM2.5的污染治理和区域联防。目前，国内外还缺乏从火电厂、电网和用户的角度出发,以PM2.5预测、火电厂污染定量为基础来制定火电厂PM2.5减排的生产调度策略，以火电厂污染治理优先排序、阶梯电价机制优化为主要手段以提出火电PM2.5污染治理的实施方案，共同实现重点城市PM2.5火电污染因素控制。本方法的研究成果，具有较高的理论研究价值和市场应用推广价值。
4、本发明空气细颗粒物的火电污染因素控制方法，用于火电企业PM2.5污染治理的辅助决策系统，通过科学合理的制定城市周边各火电厂优化PM2.5排放生产计划，预计能降低PM2.5排放3%左右，能够实现90%精度以上的PM2.5污染情况预测，完成精度达到90%以上的火电厂PM2.5污染定量分析，实现以优化PM2.5排放为目的的城市周边火力发电企业生产计划下达，并在此基础上科学合理地制定分区域、分时间、分步骤的进行火电厂PM2.5污染治理方案，为政府和环保部门提供决策依据，同时100%保证电力供应的稳定性。根据2004年国家计委能源研究所研究，常规燃煤发电的环境成本为13．88分/千瓦时，因此本方法将产生巨大的直接和间接经济效益。
5、本发明空气细颗粒物的火电污染因素控制方法，针对PM2.5的重要来源—火力发电的污染治理对策，探索适合我国城市基本情况的电力生产环境保护对策，将数学方法解析和优化模型调度应用于火力发电企业的生产、节能减排，集成细颗粒物（PM2.5）预测、火电厂污染定量、发电生产计划制定、火电厂PM2.5排放控制、阶梯电价机制优化、火电厂PM2.5污染治理等功能的决策辅助软件系统，具有独特性和创新性。
PM2.5的成因复杂，其来源和影响因素构成了非常复杂的系统，因此利用复杂网络的分析方法能较好的解决其预测问题。本方法通过时间序列分析和BP神经网络方法进行长期和短期预测具有先进性，目前未见相似的文献报道和研究。
附图说明
图1是本发明空气细颗粒物的火电污染因素控制方法流程图；
图2是本发明火电污染因素控制方法火电污染扩散动态GIS系统示意图。
具体实施方式
下面通过具体实施方式，对本发明的技术方案做进一步的详细描述。
实施例1
参见图1，本发明空气细颗粒物的火电污染因素控制方法，包括以下步骤：
首先，从电力生产部门获取火力发电厂生产相关数据和从环保部门获取气象和PM2.5监测数据，考虑单个火电厂周边的环境参数（气压、温度、湿度、风向、风速等），结合其火电发电量以及地理位置，定量计算该单个火电厂排放的污染物对PM2.5造成的影响，建立单个火电厂对周边环境污染造成的影响的分析模型，并分析PM2.5扩散机理，建立远距离扩散模型；
其次，在完成单个火电厂的定量分析后，进行模型叠加，形成城市周边火电发电排放PM2.5定量分析模型，对重点城市周边乃至更大地理区域的火电PM2.5污染进行定量分析，并根据结果动态调整定量分析模型，以提高定量分析的准确性；
第三，结合各火电厂的发电数量、生产工艺和环境参数对污染排放进行预测和定量计算，从单一火电厂出发形成全市、地区或全省范围的火电厂PM2.5排放的定量分析，得到火电厂治理的定量优先排序。
目前缺乏以重点城市及周边区域内火电厂为PM2.5污染源的定量分析研究，这是由于火电生产数据是受生产计划调整而动态变化的，对其排放污染定量具有困难性，本方法结合发电量、生产工艺和环境参数对污染排放进行预测和定量计算，从单一电厂出发形成全省范围的火电厂污染排放的定量，具有创新性。
实施例2
参见图1，图2。本实施例的空气细颗粒物的火电污染因素控制方法，与实施例1不同的是，进一步的：通过定量分析城市周边火电企业的污染排放对城市PM2.5的影响，建立如图2所示的火电污染扩散动态GIS系统，将污染情况在GIS系统中3D动态显示，用户能够直观的获得污染扩散信息；采用复杂系统网络的分析思路，结合时间序列分析和BP神经网络方法，根据历史数据（气压、温度、湿度、风向、风速等）分区域对PM2.5值进行周级别和月级别的预测：
（a）根据重点城市近年来的污染数据，进行统计分析，研究污染数据随季节的变化趋势，建立时间序列分析模型，采用趋势预测与ARIMA相结合的组合方法对PM2.5污染情况进行周级别和月级别的预测；
采用组合预测方法，先利用高阶多项式提取趋势，检验残差符合零均值的平稳时间序列，然后采用ARIMA模型预测，PM2.5预测值为趋势预测值与ARIMA预测值之和；
（b）分析研究近年来的气压、温度、湿度、风向、风速等数据，考虑其对PM2.5的影响，利用BP神经网络方法进行PM2.5短期预测，以历史空气污染数据为基础，建立时间序列模型，进行地图上任意点（包括经纬度和高程）的空气污染状况模拟，对未来空气质量进行多周期的科学预测；
然后，根据火电厂生产的时间因素和其所处的空间位置因素，建立城市周边各电厂之间的关联模型，结合PM2.5值周级别和月级别的预测结果，为各火电厂进行排污技术改造和制定生产计划提供依据，在保证电力供应的条件下，尽可能降低PM2.5对重点城市市区的影响。
实施例3
本实施例的空气细颗粒物的火电污染因素控制方法，以对复杂系统进行动态规划来实现经济最优化为出发点，建立我国城市的PM2.5的预测模型，定量分析火电厂PM2.5污染，进行火电厂的火电生产的计划规划，优化阶梯电价机制，推进火电厂PM2.5污染治理，为政府和环保单位进行火电行业PM2.5污染整治提供政策依据和辅助决策。其主要步骤包括：
（1）定量分析城市周边火电企业的污染排放对城市PM2.5的影响，实现火电污染扩散动态GIS系统：
从电力生产调度部门获取火力发电厂生产相关数据和从环保部门获取气象和PM2.5监测数据，考虑单个火电厂周边的环境参数（气压、温度、湿度、风向、风速等），结合其火电发电量以及地理位置，定量计算排放的污染物对PM2.5造成的影响，为该电厂进行排污技术改造和制定生产计划提供依据。通过对单个火电厂的PM2.5排放定量分析，本方法建立火电厂污染影响的分析模型，重点研究其对周边环境造成的影响，并分析PM2.5扩散机理，建立远距离扩散模型，定量计算其对市区的具体位置的影响。
在完成单个火电厂的定量分析后，进行模型叠加，形成城市周边火电发电排放PM2.5定量分析模型，对重点城市周边乃至更大地理区域的火电PM2.5污染进行定量分析。定量分析的结果与电厂周边设置的PM2.5检测点的数据进行分析比对，以检验其有效性，并根据结果动态调整定量分析模型，以提高定量分析的准确性。在城市周边火电发电排放PM2.5定量分析模型的基础上，研制火电污染扩散动态GIS系统，将污染情况在GIS系统中3D动态显示，用户能够直观的获得污染扩散信息。
通过对火电厂PM2.5排放的定量分析，本方法得到火电厂治理的定量优先排序：污染危害大的电厂优先治理；在城市污染严重的情况下，暂时关停污染较大的发电厂，将发电量分配给生产工艺先进、污染较小的电厂。
（2）采用复杂系统网络的分析思路，结合时间序列分析和BP神经网络方法，根据历史数据（气压、温度、湿度、风向、风速等）分区域对PM2.5值进行周级别和月级别的预测：
（a）根据重点城市近年来的污染数据，分析其统计数据，研究其随季节的变化趋势，建立了时间序列分析模型，对PM2.5污染周级别和月级别的预测。
采用趋势预测与ARIMA相结合的组合预测方法进行PM2.5污染情况进行预测：采用组合预测方法，先利用高阶多项式提取趋势，检验残差符合零均值的平稳时间序列，然后采用ARIMA模型预测，PM2.5预测值为趋势预测值与ARIMA预测值之和。
（b）分析研究近年来的气压、温度、湿度、风向、风速等数据，考虑其对PM2.5的影响，利用BP神经网络方法进行PM2.5短期预测。BP神经网络具有很强自学习和自适应特性，能够实现高度非线性函数的映射功能，将其应用于对PM2.5预测能起到较好的效果。
PM2.5的成因复杂，其来源和影响因素构成非常复杂，本方法通过时间序列分析和BP神经网络方法进行长期和短期预测，能较好的解决其预测问题。
（3）根据火电厂生产的时间因素和其所处的空间位置因素，建立城市周边各电厂之间的关联模型，结合PM2.5值周级别和月级别的预测结果，为各火电厂制定科学有效的生产计划，在保证电力供应的条件下，尽可能降低PM2.5对重点城市市区的影响。以降低PM2.5排放对主要城市的影响为出发点，综合考虑省内均衡、区域均衡、地区内火电厂均衡、电厂排污改造水平和生产经济性，提出合理的发电量分配和安排机组出力的调度算法。
（1）
式中F—发电的总成本；T—划分的周期数；N—机组数；K—污染物种类；
—机组i在单位时间t的启（1）停（0）状态；—启动过程中的燃料消耗；
—机组i的第k种污染物的启动排放量；—t时段对第k种污染物的控制系数，为一维向量，值域0-1。如k=4时，（1,1,0,0）表示t时段主要控制第1、2中污染物排放量；
—机组i所用燃料单价，单位元/kg；—机组i排放k污染物后造成的单位外部成本，单位元/kg；
，为机组i的燃料消耗函数，、、已知；
，—为机组i的第k种污染物的排放函数，、、已知。
（2）
式中F—发电的总成本；
—机组i所用燃料的单价，单位元/kg;
—k污染物排放后造成的单位外部成本，单位元/kg.
以调度周期内平均发电成本（含排污环境成本）最低位目标函数，以各污染物排放量控制目标为约束条件，建立排污外部成本量化模型。
（3）
（4）
其中
（5）
（6）
（7）
式中为污染物排放外部成本量化周期内平均发电成本；W—周期包含的天数；为k污染物周期内第w天的排放预测值；为k污染物周期内排放总量上限。、、分别为火电机组i，水电机组j，风电机组l的固定投资成本（环境对策成本），其中为包含排污设备投资的固定成本，若该机组无排污设备时，为普通的固定投资成本；
为量化周期内第w天排放k污染物所造成的成本预测值（环境损失成本），，上文已定义；为量化周期内第w天发电能耗成本预测值；
为量化周期内系统用户电量总需求；为周期内第w天t时段的用户电量需求；为设置的时段长度。
本方法在完成对城市周边火电厂排放PM2.5定量和PM2.5污染情况预测的基础上，能够科学有效的制定城市周边各火电厂的生产计划：在预计全市污染情况严重时，尽量降低对市区PM2.5影响严重的发电厂生产量，同时要考虑整个周边发电厂的发电成本问题（与电厂位置和电厂排污技术改造情况有关）；在预计全市污染情况较轻时，优先选取发电成本较低的发电厂进行生产，同时要考虑其PM2.5的排放污染情况。
本方法以污染源扩散的定量计算为手段，将目前设置孤立的PM2.5监测点来监测空气污染的方式转换成通过科学计算进行地图上任意点（包括经纬度和高程）的空气污染状况模拟；以历史空气污染数据为基础，建立时间序列模型，对未来空气质量进行多周期的科学预测；以优化空气质量为目的，设置科学的火电生产调度方案，将通过监测点监测污染状况的方式转化为降低污染的控制模式。本方法通过建立空气污染扩散、定量分析和预测的数学模型，能够为公众提供科学参考，能够为实施PM2.5减排提供科学依据和辅助的决策支持。
Claims (4)
1.一种空气细颗粒物的火电污染因素控制方法，其特征在于，包括以下步骤：
首先，从电力生产部门获取火力发电厂生产相关数据和从环保部门获取气象和PM2.5监测数据，考虑单个火电厂周边的环境参数，结合其火电发电量以及地理位置，定量计算该单个火电厂排放的污染物对PM2.5造成的影响，建立单个火电厂对周边环境污染造成的影响的分析模型，并分析PM2.5扩散机理，建立远距离扩散模型；
其次，在完成单个火电厂的定量分析后，进行模型叠加，形成城市周边火电发电排放PM2.5定量分析模型，对重点城市周边乃至更大地理区域的火电PM2.5污染进行定量分析，并根据结果动态调整定量分析模型，以提高定量分析的准确性；
第三，结合各火电厂的发电数量、生产工艺和环境参数对污染排放进行预测和定量计算，从单一火电厂出发形成全市、地区或全省范围的火电厂PM2.5排放的定量分析，得到火电厂治理的定量优先排序。
2.根据权利要求1所述的空气细颗粒物的火电污染因素控制方法，其特征在于：通过定量分析城市周边火电企业的污染排放对城市PM2.5的影响，建立火电污染扩散动态GIS系统，将污染情况在GIS系统中3D动态显示，用户能够直观的获得污染扩散信息；采用复杂系统网络的分析思路，结合时间序列分析和BP神经网络方法，根据包括气压、温度、湿度、风向、风速各因素在内的历史数据，分区域对PM2.5值进行周级别和月级别的预测：
（a）根据重点城市近年来的污染数据，进行统计分析，研究污染数据随季节的变化趋势，建立时间序列分析模型，采用趋势预测与ARIMA相结合的组合方法对PM2.5污染情况进行周级别和月级别的预测；
采用组合预测方法，先利用高阶多项式提取趋势，检验残差符合零均值的平稳时间序列，然后采用ARIMA模型预测，PM2.5预测值为趋势预测值与ARIMA预测值之和；
（b）分析包括气压、温度、湿度、风向、风速因素在内的历史数据，考虑各因素对PM2.5的影响，利用BP神经网络方法进行PM2.5短期预测，以历史空气污染数据为基础，建立时间序列模型，进行地图上任意点的空气污染状况模拟，对未来空气质量进行多周期的科学预测。
3.根据权利要求2所述的空气细颗粒物的火电污染因素控制方法，其特征在于：根据火电厂生产的时间因素和其所处的空间位置因素，建立城市周边各电厂之间的关联模型，结合PM2.5值周级别和月级别的预测结果，为各火电厂进行排污技术改造和制定生产计划提供依据，在保证电力供应的条件下，尽可能降低PM2.5对重点城市市区的影响。
4.根据权利要求1、2或3所述的空气细颗粒物的火电污染因素控制方法，其特征在于：以降低火电厂PM2.5排放对主要城市的影响为出发点，综合考虑省内均衡、区域均衡、地区内火电厂均衡、电厂排污改造水平和生产经济性，提出合理的发电量分配和安排机组出力的调度算法：
（1）
式中F—发电的总成本；T—划分的周期数；N—机组数；K—污染物种类；
—机组i在单位时间t的启（1）停（0）状态；—启动过程中的燃料消耗；
—机组i的第k种污染物的启动排放量；—t时段对第k种污染物的控制系数，为一维向量，值域0-1，如k=4时，（1,1,0,0）表示t时段主要控制第1、2中污染物排放量；
—机组i所用燃料单价，单位元/kg；—机组i排放k污染物后造成的单位外部成本，单位元/kg；
，为机组i的燃料消耗函数，、、已知；
，—为机组i的第k种污染物的排放函数，、、已知；
（2）
式中F—发电的总成本；
—机组i所用燃料的单价，单位元/kg;
—k污染物排放后造成的单位外部成本，单位元/kg.
以调度周期内平均发电成本（含排污环境成本）最低位目标函数，以各污染物排放量控制目标为约束条件，建立排污外部成本量化模型；
（3）
（4）
其中
（5）
（6）
（7）
式中为污染物排放外部成本量化周期内平均发电成本；W—周期包含的天数；为k污染物周期内第w天的排放预测值；为k污染物周期内排放总量上限；
、、分别为火电机组i，水电机组j，风电机组l的固定投资成本（环境对策成本），其中为包含排污设备投资的固定成本，若该机组无排污设备时，为普通的固定投资成本；
为量化周期内第w天排放k污染物所造成的成本预测值（环境损失成本），，上文已定义；为量化周期内第w天发电能耗成本预测值；
为量化周期内系统用户电量总需求；为周期内第w天t时段的用户电量需求；为设置的时段长度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410755192.7A CN104537462B (zh) | 2014-12-11 | 2014-12-11 | 空气细颗粒物的火电污染因素控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410755192.7A CN104537462B (zh) | 2014-12-11 | 2014-12-11 | 空气细颗粒物的火电污染因素控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104537462A true CN104537462A (zh) | 2015-04-22 |
| CN104537462B CN104537462B (zh) | 2018-02-02 |
Family
ID=52852981
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410755192.7A Active CN104537462B (zh) | 2014-12-11 | 2014-12-11 | 空气细颗粒物的火电污染因素控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104537462B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105870976A (zh) * | 2016-04-15 | 2016-08-17 | 国家电网公司 | 一种基于能源环境效率的低碳调度方法和装置 |
| CN106815793A (zh) * | 2017-01-06 | 2017-06-09 | 烟台市兴蓝电子科技开发有限公司 | 一种雾霾治理方法 |
| CN107145668A (zh) * | 2017-05-05 | 2017-09-08 | 国网冀北电力有限公司电力科学研究院 | 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 |
| CN107229796A (zh) * | 2017-06-05 | 2017-10-03 | 东北大学 | 一种燃煤电厂大气污染物排放仿真方法 |
| CN107679747A (zh) * | 2017-09-30 | 2018-02-09 | 国网青海省电力公司 | 一种光伏出力跟踪环境治理负荷需求的控制方法 |
| CN108120661A (zh) * | 2017-12-19 | 2018-06-05 | 北京理工大学 | 一种城市空气中颗粒物含量时空分布测定方法 |
| CN108364694A (zh) * | 2018-03-09 | 2018-08-03 | 中华人民共和国陕西出入境检验检疫局 | 基于多数据源大数据的机场疾病预警及防控系统构建方法 |
| 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 |
| CN109934377A (zh) * | 2018-12-29 | 2019-06-25 | 段文旭 | 一种细颗粒物的工业污染源综合交互因素控制分析和预测方法 |
| CN109978271A (zh) * | 2019-03-29 | 2019-07-05 | 国网湖南省电力有限公司 | 一种基于雾霾预测的火电厂开机策略优化方法及系统 |
| CN110083793A (zh) * | 2019-04-23 | 2019-08-02 | 国网湖南省电力有限公司 | 基于火电厂排放源解析的减排快速计算方法及系统 |
| CN110595972A (zh) * | 2019-10-16 | 2019-12-20 | 上海应用技术大学 | Pm2.5浓度值和影响因素的分析方法 |
| CN110648036A (zh) * | 2018-06-27 | 2020-01-03 | 北京低碳清洁能源研究所 | 一种决定燃煤电厂的污染物排放量的方法和装置 |
| CN111476433A (zh) * | 2020-04-26 | 2020-07-31 | 北京保生源科技有限公司 | 基于数据分析的烟气排放预测方法及系统 |
| CN114169574A (zh) * | 2021-11-11 | 2022-03-11 | 国网冀北电力有限公司唐山供电公司 | 一种通过工业运行电力指数进行大气污染预测的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120005103A1 (en) * | 2010-06-30 | 2012-01-05 | Hitachi, Ltd. | Method and apparatus for construction simulation |
| CN102779322A (zh) * | 2012-06-29 | 2012-11-14 | 西安理工大学 | 基于环境保护和经济效益的火电厂综合调度方法 |
| CN104037757A (zh) * | 2014-05-20 | 2014-09-10 | 西安理工大学 | 一种基于头脑风暴的火电厂经济环境调度方法 |
| CN104181946A (zh) * | 2014-09-02 | 2014-12-03 | 云南中科物联网科技有限公司 | 一种基于物联网的大气污染监控方法及系统 |
-
2014
- 2014-12-11 CN CN201410755192.7A patent/CN104537462B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120005103A1 (en) * | 2010-06-30 | 2012-01-05 | Hitachi, Ltd. | Method and apparatus for construction simulation |
| CN102779322A (zh) * | 2012-06-29 | 2012-11-14 | 西安理工大学 | 基于环境保护和经济效益的火电厂综合调度方法 |
| CN104037757A (zh) * | 2014-05-20 | 2014-09-10 | 西安理工大学 | 一种基于头脑风暴的火电厂经济环境调度方法 |
| CN104181946A (zh) * | 2014-09-02 | 2014-12-03 | 云南中科物联网科技有限公司 | 一种基于物联网的大气污染监控方法及系统 |
Non-Patent Citations (5)
| Title |
|---|
| CHRISTOPH HUEGLIN ET AL.: "Chemical characterisation of PM2.5, PM10 and coarse particles at urban, near-city and rural sites in Switzerland", 《ATMOSPHERIC ENVIRONMENT》 * |
| 李茜 等: "《2012中国环境科学学会学术年会论文集》", 31 December 2012 * |
| 王敏 等: "基于BP人工神经网络的城市PM2.5浓度空间预测", 《环境污染与防治》 * |
| 秦晓敏 等: "火电厂环境影响评价中大气污染物的叠加、削减问题分析", 《新疆环境保护》 * |
| 郭庆春 等: "人工神经网络在大气污染预测中的应用研究", 《工业仪表与自动化装置》 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105870976B (zh) * | 2016-04-15 | 2018-05-29 | 国家电网公司 | 一种基于能源环境效率的低碳调度方法和装置 |
| CN105870976A (zh) * | 2016-04-15 | 2016-08-17 | 国家电网公司 | 一种基于能源环境效率的低碳调度方法和装置 |
| CN106815793A (zh) * | 2017-01-06 | 2017-06-09 | 烟台市兴蓝电子科技开发有限公司 | 一种雾霾治理方法 |
| CN107145668A (zh) * | 2017-05-05 | 2017-09-08 | 国网冀北电力有限公司电力科学研究院 | 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 |
| CN107229796A (zh) * | 2017-06-05 | 2017-10-03 | 东北大学 | 一种燃煤电厂大气污染物排放仿真方法 |
| CN107679747B (zh) * | 2017-09-30 | 2020-11-13 | 国网青海省电力公司 | 一种光伏出力跟踪环境治理负荷需求的控制方法 |
| CN107679747A (zh) * | 2017-09-30 | 2018-02-09 | 国网青海省电力公司 | 一种光伏出力跟踪环境治理负荷需求的控制方法 |
| CN108120661A (zh) * | 2017-12-19 | 2018-06-05 | 北京理工大学 | 一种城市空气中颗粒物含量时空分布测定方法 |
| CN108364694A (zh) * | 2018-03-09 | 2018-08-03 | 中华人民共和国陕西出入境检验检疫局 | 基于多数据源大数据的机场疾病预警及防控系统构建方法 |
| 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 |
| CN108446807B (zh) * | 2018-04-02 | 2022-05-06 | 中国地质大学（北京） | 基于重污染天气预警的大气污染物排放总量控制方法 |
| CN110648036A (zh) * | 2018-06-27 | 2020-01-03 | 北京低碳清洁能源研究所 | 一种决定燃煤电厂的污染物排放量的方法和装置 |
| CN109934377A (zh) * | 2018-12-29 | 2019-06-25 | 段文旭 | 一种细颗粒物的工业污染源综合交互因素控制分析和预测方法 |
| CN109978271A (zh) * | 2019-03-29 | 2019-07-05 | 国网湖南省电力有限公司 | 一种基于雾霾预测的火电厂开机策略优化方法及系统 |
| CN110083793A (zh) * | 2019-04-23 | 2019-08-02 | 国网湖南省电力有限公司 | 基于火电厂排放源解析的减排快速计算方法及系统 |
| CN110595972A (zh) * | 2019-10-16 | 2019-12-20 | 上海应用技术大学 | Pm2.5浓度值和影响因素的分析方法 |
| CN111476433A (zh) * | 2020-04-26 | 2020-07-31 | 北京保生源科技有限公司 | 基于数据分析的烟气排放预测方法及系统 |
| CN114169574A (zh) * | 2021-11-11 | 2022-03-11 | 国网冀北电力有限公司唐山供电公司 | 一种通过工业运行电力指数进行大气污染预测的方法 |
| CN114169574B (zh) * | 2021-11-11 | 2024-06-04 | 国网冀北电力有限公司唐山供电公司 | 一种通过工业运行电力指数进行大气污染预测的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104537462B (zh) | 2018-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104537462A (zh) | 空气细颗粒物的火电污染因素控制方法 | |
| Yang et al. | Co-benefits of carbon and pollution control policies on air quality and health till 2030 in China | |
| Zhang et al. | Evaluating the relationships among economic growth, energy consumption, air emissions and air environmental protection investment in China | |
| Wang et al. | Environmental performance evaluation of Beijing's energy use planning | |
| Zhao et al. | Energy conservation, environmental and economic value of the wind power priority dispatch in China | |
| Diaz-Mendez et al. | Economic, environmental and health co-benefits of the use of advanced control strategies for lighting in buildings of Mexico | |
| Bisegna et al. | Fostering the energy efficiency through the energy savings: The case of the University of Palermo | |
| Zhang et al. | Air quality changes in China 2013–2020: Effectiveness of clean coal technology policies | |
| Song et al. | Does environmental infrastructure investment contribute to emissions reduction? A case of China | |
| Xu et al. | Approach and practices of district energy planning to achieve low carbon outcomes in China | |
| Xu et al. | Industrial decarbonisation oriented distributed renewable generation towards wastewater treatment sector: Case from the Yangtze River Delta region in China | |
| Luo et al. | Exploring regional air quality evolution by developing a driving force model: Case study of Beijing | |
| Li et al. | Research on Influential Factors of PM2. 5 within the Beijing‐Tianjin‐Hebei Region in China | |
| CN115587658A (zh) | 一种建筑企业精细化碳排放测算方法 | |
| Dzhidzhelava et al. | The environmental component of construction projects in the aspect of sustainable development | |
| Saad et al. | Establishment of a sustainable energy action plan case study of a municipality in Lebanon | |
| Qin et al. | Simulation of Spatiotemporal Trends of Gaseous Elemental Mercury in the Yangtze River Delta of Eastern China by an Artificial Neural Network | |
| Hsueh | EVALUATION OF COMMUNITY ENERGY-SAVING EFFECTS USING FUZZY LOGIC MODEL. | |
| CN112712233A (zh) | 面向电网绿色发展水平的评价方法、系统及装置 | |
| Tiwari | Applications of smart technologies regarding promoting energy efficiency and sustainable resource utilization | |
| Bian et al. | PM2. 5 air quality and health gains in the quest for carbon peaking: A case study of Fujian Province, China | |
| Vu et al. | Application TAPM-AERMOD system model to study impacts of thermal power plants in SouthEast and SouthWest areas to the air quality of HCMC: current status and according to Vietnam power planning VII toward 2030 | |
| Motlagh et al. | City-scale model to assess rooftops performance on air pollution mitigation; validation for Tehran | |
| Bai et al. | Carbon Emission Growth Mechanism and Trend Forecast in Baotou Based on Production-Living-Ecological Space. | |
| Zhang et al. | Can a new power system help maintain planetary boundaries within a safe operating space? |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240428 Address after: No.62, Kexue Avenue, Zhongyuan District, Zhengzhou City, Henan Province, 450000 Patentee after: Information Engineering University of Strategic Support Force,PLA Country or region after: China Address before: No. 28, Building 9, Courtyard 7, Jianxue Street, Jinshui District, Zhengzhou City, Henan Province, 450002 Patentee before: Liao Ying Country or region before: China |
|
| TR01 | Transfer of patent right |