CN109443423A - 一种基于积差分析的燃气机组碳排放数据关联度检验方法 - Google Patents
一种基于积差分析的燃气机组碳排放数据关联度检验方法 Download PDFInfo
- Publication number
- CN109443423A CN109443423A CN201811181417.7A CN201811181417A CN109443423A CN 109443423 A CN109443423 A CN 109443423A CN 201811181417 A CN201811181417 A CN 201811181417A CN 109443423 A CN109443423 A CN 109443423A
- Authority
- CN
- China
- Prior art keywords
- data
- carbon emission
- generator set
- gas generator
- gas
- 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
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Engines (AREA)
- Exhaust Gas After Treatment (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明公开了一种基于积差分析的燃气机组碳排放数据关联度检验方法,首先将燃气机组碳排放浓度实时监测数据转化为瞬时碳排放量数据,然后利用积差分析法计算燃气机组进气量与二氧化碳排放量的相关系数,最后根据相关系数大小判断碳排放监测数据之间关联度的合理性,对碳排放数据异常进行排查。本发明方法计算逻辑简单,可用于现场在线监测,及时发现异常监测数据,提醒现场运行人员排查数据故障,从源头确保燃气机组碳排放监测数据的可靠性;同时,可以根据现场监测数据的更新频率合理选择相关系数时间段的长度,既满足了积差分析对样本容量的要求,又能应用于异常数据在线检测预警、数据有效性判断、参数关联分析等不同业务场景。
Description
技术领域
本发明属于烟气排放连续监测技术领域,具体涉及一种基于积差分析的燃气机组碳排放数据关联度检验方法。
背景技术
2011年10月,为了进一步激励温室气体排放企业降低二氧化碳排放水平,用更低成本实现碳减排目标,国家发改委正式确定北京、天津、上海、重庆、广东、湖北、深圳7省市进行碳交易试点工作,并于2013年正式实施试点。截至2017年9月,碳排放交易试点累计配额成交量达到1.97亿吨二氧化碳当量,约合45亿元人民币,试点工作取得了显著成效。在试点成功经验的基础上,我国于2017年正式启动全国碳排放交易体系的建设,第一阶段以电力行业为突破口,初步核算其碳排放总量约占全国的50%。
我国火电行业目前普遍采用基于排放因子的碳排放核算方法,根据2015年11月发布的《GB/T 32151.1—2015温室气体排放核算与报告第一部分:发电企业》,发电企业按照其发电生产过程的不同,其温室气体核算和报告范围包括以下部分和全部排放:(1)化石燃料燃烧生产的二氧化碳排放;(2)脱硫过程的二氧化碳排放;(3)企业购入电力产生的二氧化碳排放。核算过程基本采用“燃料消耗量×二氧化碳排放因子”的做法,企业需要根据自身情况选择相应的排放因子。由于火电企业实际情况千差万别,火电行业碳排放核算过程中排放因子和相关参数的可选择性直接影响了碳排放核算数据的可信度。同时,火电行业按照规定的排放因子核算出的碳排放量是否能真实反映火电行业实际碳排放水平也未可知。由于火电企业实际情况的复杂性,选择排放因子及相关参数的尺度不一,造成碳排放数据可比性不强,不仅给火电企业碳排放数据的分析汇总带来了较大困难,也增加了相关主管部门数据监管和第三方核查机构数据核查工作的复杂度。而且,碳排放核算数据不准确也会影响碳交易奖惩机制的设计,无法起到激励积极参与企业、约束不履行企业的作用,进而抑制碳市场交易的活跃度。
目前,国际上一些发达国家对于这方面问题已提出了解决方案,对于需重点监测的火电企业都要求进行实时在线监测,如美国环保署要求所有年排放超过2.5万吨二氧化碳当量的排放源(设备级)从2011年开始必须全部安装烟气排放连续监测系统(CEMS),并且在线上报小时二氧化碳排放量。在我国率先以电力行业为突破口启动全国碳市场建设的形势下,现有的基于排放因子的碳排放核算方法已经不能满足对碳排放进行准确核查和及时报送的要求,应使用二氧化碳排放连续监测系统对火电机组进行准确实时的碳排放监测,基于现场监测数据采用实测法在线计算二氧化碳排放量,提高碳排放核算数据的时效性和准确性。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种基于积差分析的燃气机组碳排放数据关联度检验方法。
为实现上述技术目的,本发明采取的技术方案为:
参见图1,一种基于积差分析的燃气机组碳排放数据关联度检验方法,包括以下步骤:
步骤一:以一段时间内(如15分钟、1小时等)燃气机组进气量和碳排放参数的现场监测数据为数据源,对其进行预处理,即剔除异常数据并统一数据单位;所述碳排放参数包括排口烟气压力、温度、湿度、流速和CO2浓度;该步骤的具体步骤包括:
步骤1:停机数据剔除,机组停机判断,一是为了保证机组处于运行状态,二是因为测量仪表的读数在机组停机时并不总是会归零,因此需要通过机组停机判断来剔除这部分数据。机组停机的判断条件如下:
FHgas≤0,式中FHgas为燃机负荷(MW);
步骤2:标定故障数据剔除,CO2测量仪表处于标定或故障状态时,说明仪表在进行维护,测量结果不能反映实际排放情况,因此这两种状态下的数据不可用。
标定故障数据判断规则如下:
式中分别为CO2测量仪表的标定、故障状态;
步骤3:超限数据剔除:
在机组运行过程中,根据碳排放参数的正常值的取值范围初步判断现场监测数据的有效性,快速排查其中的异常数据;本发明方法涉及的现场监测参数及其取值范围如表1所示。
表1本发明中涉及的燃气机组碳排放监测参数单位、取值范围
步骤4:数据单位统一:
将碳排放参数现场监测数据的单位统一转换成实测法二氧化碳排放量计算公式要求的单位。在本发明方法涉及的现场监测参数中,主要是排口烟气压力,如果现场测量单位是kPa要将其转换成实测法要求的单位Pa。
步骤二:计算瞬时二氧化碳排放量,将其与燃机进气量实时监测数据进行积差分析;具体步骤为:
步骤a:瞬时二氧化碳排放量计算:
首先根据排口烟气参数计算瞬时标干烟气量,然后再根据排口二氧化碳浓度计算瞬时二氧化碳排放量;
所述瞬时标干烟气量计算公式为:
式中,是瞬时标干烟气量(Nm3/s,标立方米/秒);A是排口截面积(m2);Vgas、Pgas、Tgas、Xgas分别是排口烟气流速(m/s)、压力(Pa)、温度(℃)、湿度(%);
所述瞬时二氧化碳排放量计算公式为:
式中,是瞬时二氧化碳排放量(kg/s);是瞬时标干烟气量(Nm3/s);是排口烟气中CO2浓度(%),是将浓度从百分比浓度转换成ppm(百万分比浓度);44/22.4是二氧化碳体积浓度和质量浓度的转换系数;10-6是mg(毫克)到kg(千克)的转换系数。
步骤b:相关系数计算:
燃机进气量与二氧化碳排放量,即变量x与变量y之间的皮尔逊相关系数γxy按照下式计算:
式中,分别是变量x、变量y的算术平均值,xi、yi分别是变量x、变量y在某个时刻的监测值,n是一段时间内监测数据样本集中经数据预处理后的有效数据记录数。
步骤三:将积差分析得到的相关系数与关联度阈值进行比较,检验监测数据的合理性,相关系数γxy的取值范围为[-1,1]:γxy>0,为正相关,两个变量变化方向相同,即两个变量同时变大或变小;γxy<0,为负相关,两个变量变化方向相反;γxy=0表示两个变量完全不相关。相关系数γxy的绝对值越大,表示变量之间的线性相关程度越高;绝对值越接近0,变量之间的线性相关程度越低。通常γxy的绝对值>0.5时,认为两个变量有很强的线性相关性。
根据燃气机组二氧化碳产生的工艺机理可知,随着燃机进气量的增加二氧化碳排放量也相应增加,因此这两个参数变化方向保持一致,即同步增大或减小,所以是正相关的关系,相关系数应大于0。同时,由于两个参数之间有较强的关联关系,因此将关联度阈值设为0.5,如果这两个参数某段时间内的相关系数小于该阈值,则判定该时段燃气机组碳排放监测数据不合理,需要对该时段内的监测数据进行异常排查。
本发明具有以下有益效果:
基于积差分析的燃气机组碳排放数据关联度检验方法,首先将燃气机组碳排放浓度实时监测数据转化为瞬时碳排放量数据,然后对某个时间段内瞬时碳排放量和燃机进气量进行关联度分析,对碳排放连续监测数据进行合理性检验,进一步提高现场监测数据的真实有效性,为燃气电厂利用碳排放连续监测数据开展碳排放核算工作提供更为可靠的数据来源。
本发明方法计算逻辑简单,可用于现场在线监测,及时发现异常监测数据,提醒现场运行人员排查数据故障,从源头确保燃气机组碳排放监测数据的可靠性;同时,可以根据现场监测数据的更新频率合理选择相关系数时间段的长度,对于毫秒级监测数据可以计算1分钟相关系数,对于秒级监测数据可以计算15分钟相关系数,对于分钟级监测数据可以计算小时相关系数,这样既满足了积差分析对样本容量的要求,又能应用于异常数据在线检测预警、数据有效性判断、参数关联分析等不同业务场景。
附图说明
图1是本发明的一种基于积差分析的燃气机组碳排放数据关联度检验方法的处理流程图;
图2是本发明实施例中测试机组2018年6月1日5点到6点1分钟间隔的进气量、二氧化碳排放量变化曲线图;
图3是本发明实施例中测试机组2018年6月1日7点到8点1分钟间隔的进气量、二氧化碳排放量变化曲线图;
图4是本发明实施例中测试机组2018年6月1日进气量-二氧化碳排放量小时相关系数曲线。
具体实施方式
以下以一台9F燃气机组(测试机组)为例对本发明作进一步详细描述,选取该机组进气量和碳排放监测参数2018年6月1日全天1分钟间隔的监测数据进行说明。测试机组燃机额定负荷、汽机额定负荷分别为475MW、200MW,烟囱排口处截面积为28.26m2。参见图1,本发明的一种基于积差分析的燃气机组碳排放数据关联度检验方法,包括以下步骤:
步骤一:数据预处理:
根据数据预处理规则,检查监测数据中是否存在停机、标定故障、超限数据,从监测数据集中剔除上述异常数据。由于该机组排口烟气压力的现场测量单位为Pa,无需进行数据单位统一。
步骤二:积差分析:
1、相关系数正常
以2018年6月1日5点(5:00-5:59)这个小时的监测数据为例,监测数据见表2。
表2测试机组2018年6月1日5点到6点1分钟间隔的监测数据
按照技术解决方案,利用表2中的监测数据计算得到瞬时二氧化碳排放量。进气量、二氧化碳排放量数据如表3所示,趋势曲线如图2所示。
表3测试机组2018年6月1日5点到6点1分钟间隔的进气量、二氧化碳排放量
根据表3中的样本数据,计算出该小时进气量和二氧化碳排放量的相关系数为0.845,说明这两个参数的变化趋势一致,高度正相关,这也与图2中两个参数的变化趋势相符。
2、相关系数异常
以2018年6月1日7点(7:00-7:59)这个小时的监测数据为例,如表4所示。
表4测试机组2018年6月1日7点到8点1分钟间隔的监测数据
根据表4中的样本数据计算得到瞬时二氧化碳排放量,进而算出该小时进气量和二氧化碳排放量的相关系数为-0.208。该小时进气量、二氧化碳排放量数据如表5所示,趋势曲线如图3所示。
表5测试机组2018年6月1日7点到8点1分钟间隔的进气量、二氧化碳排放量
从图3可以看出,两个参数的变化趋势不一致,从7:25分左右开始尤为明显,因此该小时的相关系数为负,出现异常。
步骤三:关联度检验:
根据燃气机组进气量与二氧化碳排放量的相关关系及依赖程度,将关联度阈值设为0.5。图4是测试机组2018年6月1日24小时的相关系数曲线,关联度阈值用虚线表示。如图4所示,7点、8点2个小时的相关系数分别为-0.208、-0.288,明显低于阈值,说明这2个小时碳排放监测数据不合理,需要进行预警,对该时段内碳排放监测数据进行异常筛查。
本发明首先将燃气机组碳排放浓度实时监测数据转化为瞬时碳排放量数据,然后对某个时间段内燃气机组进气量和二氧化碳排放量进行积差分析,最后根据相关系数的大小检验燃气机组碳排放监测数据的合理性,对监测数据异常进行排查,进一步保证燃气机组碳排放连续监测数据的真实有效性。利用排口烟气压力、温度、湿度、流速、二氧化碳浓度等碳排放参数的现场监测数据,计算瞬时二氧化碳排放量,将燃气机组碳排放浓度实时监测数据转化为瞬时碳排放量数据。运用积差分析方法,以皮尔逊相关系数作为两个参数之间相关程度的度量指标,计算燃机进气量与二氧化碳排放量数据之间的相关程度,据此评估这两个参数之间数据趋势的同步变化规律。根据燃气机组二氧化碳产生机理,合理选择关联度阈值,对燃气机组二氧化碳排放监测数据的合理性进行检验,对低于阈值的情况进行预警,以便及时排查异常监测数据,提高现场监测数据的准确性。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (6)
1.一种基于积差分析的燃气机组碳排放数据关联度检验方法,其特征在于:包括以下步骤:
步骤一:以一段时间内燃气机组进气量和碳排放参数的现场监测数据为数据源,对其进行预处理,即剔除异常数据并统一数据单位;
步骤二:计算瞬时二氧化碳排放量,将其与燃机进气量实时监测数据进行积差分析;
步骤三:将积差分析得到的相关系数与关联度阈值进行比较,检验监测数据的合理性。
2.根据权利要求1所述的一种基于积差分析的燃气机组碳排放数据关联度检验方法,其特征在于:步骤一所述碳排放参数包括排口烟气压力、温度、湿度、流速和CO2浓度。
3.根据权利要求2所述的一种基于积差分析的燃气机组碳排放数据关联度检验方法,其特征在于:所述步骤一包括以下步骤:
步骤1:停机数据剔除:
机组停机的判断条件为FHgas≤0,式中FHgas为燃机负荷(MW);
步骤2:标定故障数据剔除:
标定故障数据判断规则为式中分别为CO2测量仪表的标定、故障状态;
步骤3:超限数据剔除:
在机组运行过程中,根据碳排放参数的正常值的取值范围初步判断现场监测数据的有效性,快速排查其中的异常数据;
步骤4:数据单位统一:
将碳排放参数现场监测数据的单位统一转换成实测法二氧化碳排放量计算公式要求的单位。
4.根据权利要求3所述的一种基于积差分析的燃气机组碳排放数据关联度检验方法,其特征在于:步骤3所述的碳排放参数的正常值的取值范围为:
排口烟气压力取值范围是-1000到1000,排口烟气温度的取值范围是大于0且不超过200,排口烟气湿度、排口烟气流速和排口烟气CO2浓度的取值均大于0且不超过100。
5.根据权利要求4所述的一种基于积差分析的燃气机组碳排放数据关联度检验方法,其特征在于:所述步骤二包括以下步骤:
步骤a:瞬时二氧化碳排放量计算:
首先根据排口烟气参数计算瞬时标干烟气量,然后再根据排口二氧化碳浓度计算瞬时二氧化碳排放量;
所述瞬时标干烟气量计算公式为:
式中,是瞬时标干烟气量(Nm3/s,标立方米/秒);A是排口截面积(m2);Vgas、Pgas、Tgas、Xgas分别是排口烟气流速(m/s)、压力(Pa)、温度(℃)、湿度(%);
所述瞬时二氧化碳排放量计算公式为:
式中,是瞬时二氧化碳排放量(kg/s);是瞬时标干烟气量(Nm3/s);是排口烟气中CO2浓度(体积百分比,%),是将浓度从百分比浓度转换成ppm(百万分比浓度);44/22.4是二氧化碳体积浓度和质量浓度的转换系数;10-6是毫克到千克的转换系数;
步骤b:相关系数计算:
燃机进气量与二氧化碳排放量,即变量x与变量y之间的皮尔逊相关系数γxy按照下式计算:
式中,分别是变量x、变量y的算术平均值,xi、yi分别是变量x、变量y在某个时刻的监测值,n是一段时间内监测数据样本集中经数据预处理后的有效数据记录数;相关系数γxy的取值范围为[-1,1]:γxy>0时,两个变量为正相关,γxy<0,则两个变量为负相关,γxy=0,表示两个变量完全不相关;相关系数γxy的绝对值越大,表示变量之间的线性相关程度越高;绝对值越接近0,变量之间的线性相关程度越低。
6.根据权利要求1-5任一所述的一种基于积差分析的燃气机组碳排放数据关联度检验方法,其特征在于:所述步骤三所述关联度阈值设为0.5,若相关系数小于该阈值,则该时段燃气机组碳排放监测数据不合理,需要对该时段内的监测数据进行异常排查。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811181417.7A CN109443423B (zh) | 2018-10-10 | 2018-10-10 | 一种基于积差分析的燃气机组碳排放数据关联度检验方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811181417.7A CN109443423B (zh) | 2018-10-10 | 2018-10-10 | 一种基于积差分析的燃气机组碳排放数据关联度检验方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109443423A true CN109443423A (zh) | 2019-03-08 |
CN109443423B CN109443423B (zh) | 2021-09-07 |
Family
ID=65546102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811181417.7A Active CN109443423B (zh) | 2018-10-10 | 2018-10-10 | 一种基于积差分析的燃气机组碳排放数据关联度检验方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109443423B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740301A (zh) * | 2019-03-14 | 2019-05-10 | 华北电力大学 | 一种基于bp神经网络的燃气机组碳排放量的核算方法 |
CN109740977A (zh) * | 2019-03-14 | 2019-05-10 | 华北电力大学 | 基于灰色关联分析的燃气机组碳排放影响因素的评价方法 |
CN111461456A (zh) * | 2020-04-16 | 2020-07-28 | 中煤科工集团重庆研究院有限公司 | 一种基于瓦斯监控数据瞬时变化特征预警突出危险的方法 |
CN111551676A (zh) * | 2020-05-18 | 2020-08-18 | 浙江新寰科环保科技股份有限公司 | 一种温室气体排放的监测方法 |
CN111707782A (zh) * | 2020-03-30 | 2020-09-25 | 江苏方天电力技术有限公司 | 基于氧量的火电机组二氧化碳排放浓度异常检测方法 |
CN113280854A (zh) * | 2021-04-02 | 2021-08-20 | 无锡先导智能装备股份有限公司 | 感应加热装置的监测方法、装置、计算机设备和存储介质 |
CN114384210A (zh) * | 2022-01-18 | 2022-04-22 | 安徽节源环保科技有限公司 | 一种固定排放源的碳排放量在线测量系统与方法 |
CN115759450A (zh) * | 2022-11-28 | 2023-03-07 | 广东省科学院江门产业技术研究院有限公司 | 一种基于大数据的碳排放核算预警分析系统 |
CN118091052A (zh) * | 2024-04-24 | 2024-05-28 | 江西江投能源技术研究有限公司 | 一种基于cems的二氧化碳在线监测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101169886B1 (ko) * | 2011-03-14 | 2012-08-03 | 김대식 | 에너지 절감형 다기능 창호시스템 및 그 제어방법 |
CN103748340A (zh) * | 2011-08-19 | 2014-04-23 | 特斯托股份公司 | 用于确定内燃机中NOx和/或CO2的特定和/或绝对排放值的方法及测量装置 |
CN106844832A (zh) * | 2016-12-11 | 2017-06-13 | 华电电力科学研究院 | 一种基于工业分析、全硫和发热量数据的碳排放核算方法 |
CN108280047A (zh) * | 2018-01-24 | 2018-07-13 | 江苏方天电力技术有限公司 | 一种基于现场监测数据的火电机组碳排放核算方法 |
WO2018182154A1 (ko) * | 2017-03-31 | 2018-10-04 | 조한 | 소각로의 배기가스 처리시스템 |
-
2018
- 2018-10-10 CN CN201811181417.7A patent/CN109443423B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101169886B1 (ko) * | 2011-03-14 | 2012-08-03 | 김대식 | 에너지 절감형 다기능 창호시스템 및 그 제어방법 |
CN103748340A (zh) * | 2011-08-19 | 2014-04-23 | 特斯托股份公司 | 用于确定内燃机中NOx和/或CO2的特定和/或绝对排放值的方法及测量装置 |
CN106844832A (zh) * | 2016-12-11 | 2017-06-13 | 华电电力科学研究院 | 一种基于工业分析、全硫和发热量数据的碳排放核算方法 |
WO2018182154A1 (ko) * | 2017-03-31 | 2018-10-04 | 조한 | 소각로의 배기가스 처리시스템 |
CN108280047A (zh) * | 2018-01-24 | 2018-07-13 | 江苏方天电力技术有限公司 | 一种基于现场监测数据的火电机组碳排放核算方法 |
Non-Patent Citations (1)
Title |
---|
孙健等: "基于移动监测的城市道路交通碳排放形成机理——以上海市为例", 《中国公路学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740301A (zh) * | 2019-03-14 | 2019-05-10 | 华北电力大学 | 一种基于bp神经网络的燃气机组碳排放量的核算方法 |
CN109740977A (zh) * | 2019-03-14 | 2019-05-10 | 华北电力大学 | 基于灰色关联分析的燃气机组碳排放影响因素的评价方法 |
CN111707782A (zh) * | 2020-03-30 | 2020-09-25 | 江苏方天电力技术有限公司 | 基于氧量的火电机组二氧化碳排放浓度异常检测方法 |
CN111461456A (zh) * | 2020-04-16 | 2020-07-28 | 中煤科工集团重庆研究院有限公司 | 一种基于瓦斯监控数据瞬时变化特征预警突出危险的方法 |
CN111551676A (zh) * | 2020-05-18 | 2020-08-18 | 浙江新寰科环保科技股份有限公司 | 一种温室气体排放的监测方法 |
CN113280854A (zh) * | 2021-04-02 | 2021-08-20 | 无锡先导智能装备股份有限公司 | 感应加热装置的监测方法、装置、计算机设备和存储介质 |
CN114384210A (zh) * | 2022-01-18 | 2022-04-22 | 安徽节源环保科技有限公司 | 一种固定排放源的碳排放量在线测量系统与方法 |
CN115759450A (zh) * | 2022-11-28 | 2023-03-07 | 广东省科学院江门产业技术研究院有限公司 | 一种基于大数据的碳排放核算预警分析系统 |
CN115759450B (zh) * | 2022-11-28 | 2023-10-27 | 广东省科学院江门产业技术研究院有限公司 | 一种基于大数据的碳排放核算预警分析系统 |
CN118091052A (zh) * | 2024-04-24 | 2024-05-28 | 江西江投能源技术研究有限公司 | 一种基于cems的二氧化碳在线监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109443423B (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109443423A (zh) | 一种基于积差分析的燃气机组碳排放数据关联度检验方法 | |
US20190113417A1 (en) | Method for acquiring thermal efficiency of a boiler | |
CN102494714B (zh) | 电站锅炉效率与燃煤热值、灰分和水分的同步测算方法 | |
CN105971738B (zh) | 一种燃气轮机组烟气流量在线监测的方法 | |
CN108280047A (zh) | 一种基于现场监测数据的火电机组碳排放核算方法 | |
CN110532681A (zh) | 基于narx网络-箱线图和常模式提取的燃机异常检测方法 | |
CN109557869A (zh) | 一种火电机组碳排放在线监测管理系统 | |
CN109190967B (zh) | 一种用于火力发电机组的碳排放量核算方法和系统 | |
CN111753389B (zh) | 一种燃煤锅炉入炉原煤热值在线软测量方法和装置 | |
CN110320334A (zh) | 水质监测系统、具备该水质监测系统的蒸汽轮机系统以及水质监测方法 | |
CN105223036B (zh) | MgO烟气脱硫性能现场验证方法与系统 | |
CN109829235B (zh) | 一种基于摩尔数平衡原理的发动机燃油消耗率计算方法 | |
CN113918881A (zh) | 基于分层多项式模型的飞灰含碳量软测量方法及监测系统 | |
CN113030002B (zh) | 一种基于红外光谱法的水汽品质异常判定方法及监测设备 | |
CN109556876B (zh) | 一种区分燃气轮机燃烧故障和热通道设备故障的诊断方法 | |
CN203365369U (zh) | 一种用于监测快堆清洗过程中产生的氢气的系统 | |
CN109655489B (zh) | 一种燃煤机组标准煤耗的计量方法及装置 | |
CN114200063B (zh) | 一种igcc联合循环发电燃料组分分析及热值测量系统 | |
CN113836794B (zh) | 一种软硬结合的飞灰含碳量在线监测方法 | |
CN110276115A (zh) | 基于燃机叶片型线参数的气路故障诊断方法 | |
CN114577984B (zh) | 一种火电厂气态污染物总量监测方法及装置 | |
CN112446003A (zh) | 基于特征通流面积准确评估汽轮机组蒸汽泄漏量的方法 | |
CN107560864A (zh) | 用于燃烧器中结垢监测和预测的方法与装置 | |
CN217484237U (zh) | 一种用于igcc燃气合成气含水量的测量系统 | |
CN109489766B (zh) | 一种火力发电机组燃料燃烧碳氧化因子在线计量方法 |
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 |