CN110927338B - 气体浓度数据补足方法及装置 - Google Patents
气体浓度数据补足方法及装置 Download PDFInfo
- Publication number
- CN110927338B CN110927338B CN201911227564.8A CN201911227564A CN110927338B CN 110927338 B CN110927338 B CN 110927338B CN 201911227564 A CN201911227564 A CN 201911227564A CN 110927338 B CN110927338 B CN 110927338B
- Authority
- CN
- China
- Prior art keywords
- sampling point
- sampling
- range
- gas concentration
- sampling points
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000005070 sampling Methods 0.000 claims abstract description 249
- 238000010219 correlation analysis Methods 0.000 claims abstract description 45
- 239000007789 gas Substances 0.000 claims description 117
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 24
- 238000012360 testing method Methods 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 17
- 230000000295 complement effect Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 5
- 239000003546 flue gas Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000010531 catalytic reduction reaction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000005262 decarbonization Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006477 desulfuration reaction Methods 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011077 uniformity evaluation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0037—NOx
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0068—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a computer specifically programmed
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0073—Control unit therefor
- G01N33/0075—Control unit therefor for multiple spatially distributed sensors, e.g. for environmental monitoring
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明提供的一种气体浓度数据补足方法及装置，其方法包括：执行迭代操作，以待补足数据的未测采样点为中心，确定采样点范围，对所述采样点范围内的所有已测采样点的气体浓度数据进行空间相关性分析，若空间相关性分析结果不满足设定要求，则缩小所述采样点范围，直至满足所述设定要求；在最终的所述采样点范围内确定所述未测采样点的气体浓度数据。通过在一流动气体的截面上进行采样，然后通过迭代地缩小采样点范围，进而使得在采样点范围内所有已测采样点满足空间相关性分析，由于范围内的采样点均满足空间相关性分析，因此在该范围内进行数据预测时预测准确性大大提高，补足的数据可靠，能够用于生产和应用。
Description
技术领域
本申请涉及气体数据补足技术领域，更具体的，涉及一种气体浓度数据补足方法及装置。
背景技术
选择性催化还原(SCR)烟气脱硝技术作为一种高效的氮氧化物控制技术，在燃煤电厂得到广泛的应用。对于脱硝装置进行性能评估主要通过现场试验检测和数值模拟两种手段。对于脱硝出入口NOx浓度的现场试验检测往往会存在以下问题：(1) 烟道截面积过大，而采样枪无法深入到烟道的各个位置；(2)烟道内支架横梁及烟道外各种步道造成个别测孔无法实施测试；(3)测孔位置分布不符合标准要求；(4)由于燃煤机组负荷运行往往不稳定，因此测试经常无法保证在同一工况下完成所有测孔的测试。过往的研究对于脱硝虽然通过SCR数值模拟技术做了较多研究，但其仍未完全成熟：(1)主要把SCR反应器入口的边界条件(比如入口NOx浓度，烟气流速，温度等)设置成均匀分布的定值，而往往反应器入口各流场并不均匀；(2)从锅炉端的烟道开始模拟，以期尽可能准确的描述脱硝入口的流场分布情况，但锅炉端的入口仍然采用均匀分布的边界条件。上述原因造成无法对脱硝出入口的NOx浓度进行同一工况下的分布检测和偏差性评估。因此根据已有的测孔条件及锅炉机组运行状态，通过已有有效检测数据的基础上对无法检测得到的采样位置进行数据的合理化补足，对于脱硝装置出入口NOx浓度分布评估、脱硝系统各区域脱硝效率评估、指导设计脱硝数值模拟的边界条件具有实际意义。
发明内容
为了解决上述问题的至少一个，本申请提供一种气体浓度数据补足方法，包括：
执行迭代操作，以待补足数据的未测采样点为中心，确定采样点范围，对所述采样点范围内的所有已测采样点的气体浓度数据进行空间相关性分析，若空间相关性分析结果不满足设定要求，则缩小所述采样点范围，直至满足所述设定要求；其中所述气体形成有流动通道，所有采样点位于所述流动通道的同一截面上；
在最终的所述采样点范围内确定所述未测采样点的气体浓度数据。
在某些实施例中，所述以待补足数据的未测采样点为中心，确定采样点范围，包括：
以所述未测采样点为中心，形成与所述截面同一形状的采样区域。
在某些实施例中，所述设定要求为显著性校验要求；所述对所述采样点范围内的所有已测采样点的气体浓度数据进行空间相关性分析，包括：
根据每个已测采样点的气体浓度数据计算对应所述采样点范围的莫兰指数；
根据所述莫兰指数的值以及莫兰指数的显著性检测值判断所述莫兰指数是否满足显著性校验要求。
在某些实施例中，所述缩小所述采样点范围，包括：
保持所述未测采样点处于中心位置，逐步缩小所述采样点范围。
在某些实施例中，所述在最终的所述采样点范围内确定所述未测采样点的气体浓度数据，包括：
基于克里格插值法，根据所述采样点范围内所有已测采样点的气体浓度数据、各已测采样点的期望值、各已测采样点对所述未测采样点的权重值以及已测采样点的数量，确定所述未测采样点的气体浓度数据。
在某些实施例中，所述气体为氮氧化物。
本申请另一方面实施例提供一种气体浓度数据的补足装置，包括：
迭代分析模块，执行迭代操作，以待补足数据的未测采样点为中心，确定采样点范围，对所述采样点范围内的所有已测采样点的气体浓度数据进行空间相关性分析，若空间相关性分析结果不满足设定要求，则缩小所述采样点范围，直至满足所述设定要求；其中所述气体形成有流动通道，所有采样点位于所述流动通道的同一截面上；
气体浓度确定模块，在最终的所述采样点范围内确定所述未测采样点的气体浓度数据。
在某些实施例中，所述以待补足数据的未测采样点为中心，所述迭代分析模块包括：
采样点范围确定单元，以所述未测采样点为中心，形成与所述截面同一形状的采样区域。
在某些实施例中，所述设定要求为显著性校验要求；所述迭代分析模块包括：
莫兰指数确定单元，根据每个已测采样点的气体浓度数据计算对应所述采样点范围的莫兰指数；
判断单元，根据所述莫兰指数的值以及莫兰指数的显著性检测值判断所述莫兰指数是否满足显著性校验要求。
在某些实施例中，所述迭代分析模块保持所述未测采样点处于中心位置，逐步缩小所述采样点范围。
在某些实施例中，所述气体浓度确定模块基于克里格插值法，根据所述采样点范围内所有已测采样点的气体浓度数据、各已测采样点的期望值、各已测采样点对所述未测采样点的权重值以及已测采样点的数量，确定所述未测采样点的气体浓度数据。
在某些实施例中，所述气体为氮氧化物。
本申请又一方面实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的气体浓度数据补足方法的步骤。
本申请又一方面实施例一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上所述的气体浓度数据补足方法的步骤。
本申请的有益效果如下：
本申请提供一种气体浓度数据补足方法及装置，通过在一流动气体的截面上进行采样，然后通过迭代地缩小采样点范围，进而使得在采样点范围内所有已测采样点满足空间相关性分析，由于范围内的采样点均满足空间相关性分析，因此在该范围内进行数据预测时预测准确性大大提高，补足的数据可靠，能够用于生产和应用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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地介绍，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。
图1示出了本申请实施例中现有技术中的给水泵汽轮机汽源配置示意图。
图2示出了本申请实施例中一种气体浓度数据补足方法模块示意图。
图3示出了本申请实施例中一种气体浓度数据补足方法的具体结构示意图。
图4示出了本申请实施例中一种基于气体浓度数据补足方法的控制方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
选择性催化还原(SCR)烟气脱硝技术作为一种高效的氮氧化物控制技术，在燃煤电厂得到广泛的应用。对于脱硝装置进行性能评估主要通过现场试验检测和数值模拟两种手段。对于脱硝出入口NOx浓度的现场试验检测往往会存在以下问题：(1) 烟道截面积过大，而采样枪无法深入到烟道的各个位置；(2)烟道内支架横梁及烟道外各种步道造成个别测孔无法实施测试；(3)测孔位置分布不符合标准要求；(4)由于燃煤机组负荷运行往往不稳定，因此测试经常无法保证在同一工况下完成所有测孔的测试。
有鉴于此，本发明对此进行了相关改进，具体请参见图1所示，一种气体浓度数据补足方法，包括：
S1：执行迭代操作，以待补足数据的未测采样点为中心，确定采样点范围，对所述采样点范围内的所有已测采样点的气体浓度数据进行空间相关性分析，若空间相关性分析结果不满足设定要求，则缩小所述采样点范围，直至满足所述设定要求。
S2：在最终的所述采样点范围内确定所述未测采样点的气体浓度数据。
在本发明中，气体为流动气所述气体形成有流动通道，所有采样点位于所述流动通道的同一截面上。
本申请提供一种气体浓度数据补足方法，通过在一流动气体的截面上进行采样，然后通过迭代地缩小采样点范围，进而使得在采样点范围内所有已测采样点满足空间相关性分析，由于范围内的采样点均满足空间相关性分析，因此在该范围内进行数据预测时预测准确性大大提高，补足的数据可靠，能够用于生产和应用。
可以理解，本发明的背景技术引用的是燃煤电厂脱硝装置，但是一方面本发明的核心构思并不涉及到燃煤电厂脱硝装置本身，另一方面也不涉及到具体的气体类型，即本发明仅仅以燃煤电厂脱硝装置的这一场景来引出现有技术中存在的问题，并不表示本发明仅仅用于燃煤电厂脱硝装置或者仅仅用于氮氧化物的数据补足，更明确地，本发明能够适用于所有流动气体(非流动气体随着时间的推移，由于气体扩散作用导致不具备空间相关性，浓度均匀统一)，换句话说，流动气体需要具有一个流动通道，该流动通道可以是圆柱状、方形体等，在外部结构上，其必然包括一个气体进口，一个气体出口，气体进口和气体出口之间形成了一个流动通道。
如图2所示，相对应地，气体通道的形状决定了气体通道的截面形状，图2中示出的截面为矩形，其中x图样表示未测点(未测点可以是尚未测量的点，也可以是无法测量的点)，星形表示已测点。当然，图2仅仅是一个截面的示例，截面也可以为其他各种形状，本发明不做限制。
本领域技术人员公知的，若气体进口和气体出口之间不设置物理隔绝，此时的气体进口和气体出口也没有物理结构，在这样的情况下，当气体流速过快时气体本身形成了流动通道，通过高速流动的气速保证大部分气体不会扩散开。若气体进口和气体出口之间设置物理隔绝，例如气体管路、一限定内径的空间等，此时气体在管路中流动，由于物理隔绝的作用使得气体在管路中不会扩散。
下面以燃煤电厂脱硝装置为例进行说明，燃煤电厂脱硝装置仅仅是示例，对于其他装置，例如燃煤电厂或非燃煤电厂的脱碳装置、脱硫装置等，也同样适用，在此不做枚举。
以燃煤电厂脱硝装置为例，现有技术中的气体浓度模拟存在诸多不足：(1)主要把SCR反应器入口的边界条件(比如入口NOx浓度，烟气流速，温度等)设置成均匀分布的定值，而往往反应器入口各流场并不均匀；(2)从锅炉端的烟道开始模拟，以期尽可能准确的描述脱硝入口的流场分布情况，但锅炉端的入口仍然采用均匀分布的边界条件。
可以理解，本发明所有采样点均处于相同截面处，使得分布检测和偏差性预估在同一工况中，并且，由于采样点在同一截面处，因此存在空间相关性，可以结合空间相关性分析来准确预估一位置的未知气体浓度数据，进而实现对数据的补足。
步骤S1中，迭代操作具体为不断重新确定采样点范围，当确定出采样点范围后停止迭代，由于未测采样点处于中心位置，当首先确定出的采样点范围不满足空间相关性分析的设定要求时，缩小采样点范围的内径，直至在一采样点范围内所有已测采样点的气体浓度数据均符合空间相关性分析的设定要求，则输出该最终的所述采样点范围，可以理解，该范围是考虑了空间相关性的最终结果，大大提高了预估的准确性。
在某些实施例中，所述以待补足数据的未测采样点为中心，确定采样点范围具体包括：
以所述未测采样点为中心，形成圆形区域或者等边的多边形区域，所述采样点范围为所述圆形区域或者多边区域所限定的范围。
范围形状可以根据需要确定，优选的，由于空间相关性分析基于空间权重分析，空间权重根据两点之间的距离确定，因此与中心采样点相距同一距离的各采样点之间的空间相关性分析结果还可以相互验证，因此采样点范围形状最好与截面形状一致，这样与中心采样点相距同一距离的采样点最多，结果更加可靠。
在优选的实施例中，可以结合莫兰指数来进行空间相关性分析，以脱硝装置为例，对脱硝装置进/出口烟道测点截面上所检测得到NOx浓度，首先将所有检测得到的 NOx浓度试验数据进行空间相关性分析，只有满足空间相关性要求的数据才可进行后续的数据预测。空间相关性分析可选取全局空间自相关的全局Moran’s I指数(莫兰指数)来评估。
对计算得到的莫兰指数数值进行显著性Z检验。
V(I)＝E(I2)-E(I)2 (4)
其中：I表示莫兰指数；i、j表示各采样点；Wij表示第i和第j两个采样点之间的空间权重；C(xi)和C(xj)表示试验检测所得NOx浓度值；
为试验所得各点NOx 浓度的平均值；n为已知检测数据的采样点总和；E(I)和V(I)分别为莫兰指数的期望和方差；ZI为莫兰指数的显著性检测值。
莫兰指数是介于[-1,1]之间的数值：I＞0表示空间数据正相关性，其值越大空间相关性越明显；I＜0表示空间数据负相关性，其值越小空间差异性越明显；I＝0，空间呈随机性。若ZI大于1.65，表明莫兰指数满足显著性检验要求。
若所有可测采样点所测NOx浓度数据满足整体空间相关性分析，即I＞0和ZI＞1.65，则所有待预测采样点的NOx浓度值均依据所有可测采样点进行克里格插值法进行预测估值。若所有可测采样点所测NOx浓度数据不满足整体空间相关性分析，即I≤0或ZI≤1.65，则表明采样点整体界面的局部存在空间不相关的状态，此时应选取所预测采样点的位置为中心，逐步递减所选采样点的范围，依次按照方程(1)- (4)的过程进行检验，直到满足I＞0和ZI＞1.65的要求，此时入选空间相关性分析最大的采样点范围即为最终的采样点范围。
本领域技术人员明了，莫兰指数评估不仅仅局限于脱硝装置，因此本领域技术人员能够根据上述实施例进行合理扩展，即在某些实施例中，所述设定要求为显著性校验要求；所述对所述采样点范围内的所有已测采样点的气体浓度数据进行空间相关性分析，包括：
根据每个已测采样点的气体浓度数据计算对应所述采样点范围的莫兰指数；
根据所述莫兰指数的值以及ZI的值判断所述莫兰指数是否满足显著性校验要求。
在某些实施例中，所述缩小所述采样点范围，包括：
保持所述未测采样点处于中心位置，逐步缩小所述采样点范围。
进一步的，在步骤S2中，确定所述未测采样点的气体浓度数据具体可以采用常规的差值法来确定，由于各采样点之间具备空间相关性，因此可以根据每个点之间的关联来确定出未测采样点的数据值，显然，由于未测采样点处于中心位置，因此根据每个点相互验证，大大提高了数据预估的准确性。
在优选的实施例中，插值法可以是克里格插值法，也即步骤S2具体包括：
基于克里格插值法，根据所述采样点范围内所有已测采样点的气体浓度数据、各已测采样点的期望值、各已测采样点对所述未测采样点的权重值以及已测采样点的数量，确定所述未测采样点的气体浓度数据。
具体的，经过空间相关性分析的数据，通过下述克里格插值法对未检测采样点的该对象值进行预测计算。
其中：C*(x)为通过克里格插值法计算得到的未知采样点的NOx浓度值；E(x)和 E(xi)为截面上变量C(x)和已知各点C(xi)的期望值；λi为已知采样点各点数据对未知采样点数据的权重值；m为最终用于克里格差值法的已知采样点个数(m≤n)。
可以理解，本发明进一步将莫兰指数和克里格法应用在燃煤电厂脱硝装置NOx 浓度检测和数据补足中，进一步提高了数据补足的准确性。
补足的数据在具体应用中，同样以燃煤厂为例，将所有出入口截面未知采样点的NOx浓度值通过克里格插值法进行补充后，按照DL/T 260-2012《燃煤电厂烟气脱硝装置性能验收试验规范》的要求进行脱硝装置的脱硝效率计算和出入口NOx浓度的均布性评估。
从上述描述可以知晓，本申请提供一种气体浓度数据补足方法，通过在一流动气体的截面上进行采样，然后通过迭代地缩小采样点范围，进而使得在采样点范围内所有已测采样点满足空间相关性分析，由于范围内的采样点均满足空间相关性分析，因此在该范围内进行数据预测时预测准确性大大提高，补足的数据可靠，能够用于生产和应用。
基于相同的发明构思，本发明第二方面实施例还提供一种气体浓度数据的补足装置，如图3所示，包括：
迭代分析模块1，执行迭代操作，以待补足数据的未测采样点为中心，确定采样点范围，对所述采样点范围内的所有已测采样点的气体浓度数据进行空间相关性分析，若空间相关性分析结果不满足设定要求，则缩小所述采样点范围，直至满足所述设定要求；其中所述气体形成有流动通道，所有采样点位于所述流动通道的同一截面上；
气体浓度确定模块2，在最终的所述采样点范围内确定所述未测采样点的气体浓度数据。
基于相同的发明构思，在某些实施例中，所述以待补足数据的未测采样点为中心，所述迭代分析模块包括：
采样点范围确定单元，以所述未测采样点为中心，形成与所述截面同一形状的采样区域。
基于相同的发明构思，在某些实施例中，所述设定要求为显著性校验要求；所述迭代分析模块包括：
莫兰指数确定单元，根据每个已测采样点的气体浓度数据计算对应所述采样点范围的莫兰指数；
判断单元，根据所述莫兰指数的值以及ZI的值判断所述莫兰指数是否满足显著性校验要求。
基于相同的发明构思，在某些实施例中，所述迭代分析模块保持所述未测采样点处于中心位置，逐步缩小所述采样点范围。
基于相同的发明构思，在某些实施例中，所述气体浓度确定模块基于克里格插值法，根据所述采样点范围内所有已测采样点的气体浓度数据、各已测采样点的期望值、各已测采样点对所述未测采样点的权重值以及已测采样点的数量，确定所述未测采样点的气体浓度数据。
基于相同的发明构思，在某些实施例中，所述气体为氮氧化物。
可以理解，本发明提供的一种气体浓度数据补足装置，通过在一流动气体的截面上进行采样，然后通过迭代地缩小采样点范围，进而使得在采样点范围内所有已测采样点满足空间相关性分析，由于范围内的采样点均满足空间相关性分析，因此在该范围内进行数据预测时预测准确性大大提高，补足的数据可靠，能够用于生产和应用。
本申请的实施例还提供能够实现上述实施例中的方法中全部步骤的一种电子设备的具体实施方式，参见图4，所述电子设备具体包括如下内容：
处理器(processor)601、存储器(memory)602、通信接口(CommunicationsInterface) 603和总线604；
其中，所述处理器601、存储器602、通信接口603通过所述总线604完成相互间的通信；
所述处理器601用于调用所述存储器602中的计算机程序，所述处理器执行所述计算机程序时实现上述实施例中的方法中的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
S1：执行迭代操作，以待补足数据的未测采样点为中心，确定采样点范围，对所述采样点范围内的所有已测采样点的气体浓度数据进行空间相关性分析，若空间相关性分析结果不满足设定要求，则缩小所述采样点范围，直至满足所述设定要求。
S2：在最终的所述采样点范围内确定所述未测采样点的气体浓度数据。
从上述描述可知，本申请提供的电子设备，通过迭代地缩小采样点范围，进而使得在采样点范围内所有已测采样点满足空间相关性分析，由于范围内的采样点均满足空间相关性分析，因此在该范围内进行数据预测时预测准确性大大提高，补足的数据可靠，能够用于生产和应用。
本申请的实施例还提供能够实现上述实施例中的方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
S1：执行迭代操作，以待补足数据的未测采样点为中心，确定采样点范围，对所述采样点范围内的所有已测采样点的气体浓度数据进行空间相关性分析，若空间相关性分析结果不满足设定要求，则缩小所述采样点范围，直至满足所述设定要求。
S2：在最终的所述采样点范围内确定所述未测采样点的气体浓度数据。
从上述描述可知，本申请提供的计算机可读存储介质，通过迭代地缩小采样点范围，进而使得在采样点范围内所有已测采样点满足空间相关性分析，由于范围内的采样点均满足空间相关性分析，因此在该范围内进行数据预测时预测准确性大大提高，补足的数据可靠，能够用于生产和应用。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。虽然本说明书实施例提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例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必须针对的是相同的实施例或示例。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。以上所述仅为本说明书实施例的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。
Claims (12)
1.一种气体浓度数据补足方法，其特征在于，包括：
执行迭代操作，以待补足数据的未测采样点为中心，确定采样点范围，对所述采样点范围内的所有已测采样点的气体浓度数据进行空间相关性分析，若空间相关性分析结果不满足设定要求，则缩小所述采样点范围，直至满足所述设定要求；其中所述气体形成有流动通道，所有采样点位于所述流动通道的同一截面上；具体地，不断重新确定所述采样点范围，当确定出所述采样点范围后停止迭代；由于未测采样点处于中心位置，当首先确定出的采样点范围不满足空间相关性分析的设定要求时，缩小采样点范围的内径，直至在一采样点范围内所有已测采样点的气体浓度数据均符合空间相关性分析的设定要求，则输出该最终的所述采样点范围；
其中，所述空间相关性分析选取全局空间自相关的全局莫兰指数来评估：
对计算得到的莫兰指数数值进行显著性Z检验；
V(I)＝E(12)-E(I)2
其中，I表示莫兰指数；i、j表示各采样点；Wij表示第i和第j两个采样点之间的空间权重；C(xi)和C(xj)表示试验检测所得NOx浓度值；
为试验所得各点NOx浓度的平均值；n为已知检测数据的采样点总和；E(I)和V(I)分别为莫兰指数的期望和方差；ZI为莫兰指数的显著性检测值；
在最终的所述采样点范围内确定所述未测采样点的气体浓度数据。
2.根据权利要求1所述的气体浓度数据补足方法，其特征在于，所述以待补足数据的未测采样点为中心，确定采样点范围，包括：
以所述未测采样点为中心，形成与所述截面同一形状的采样区域。
3.根据权利要求1所述的气体浓度数据补足方法，其特征在于，所述缩小所述采样点范围，包括：
保持所述未测采样点处于中心位置，逐步缩小所述采样点范围。
4.根据权利要求1所述的气体浓度数据补足方法，其特征在于，所述在最终的所述采样点范围内确定所述未测采样点的气体浓度数据，包括：
基于克里格插值法，根据所述采样点范围内所有已测采样点的气体浓度数据、各已测采样点的期望值、各已测采样点对所述未测采样点的权重值以及已测采样点的数量，确定所述未测采样点的气体浓度数据。
5.根据权利要求1所述的气体浓度数据补足方法，其特征在于，所述气体为氮氧化物。
6.一种气体浓度数据的补足装置，其特征在于，包括：
迭代分析模块，执行迭代操作，以待补足数据的未测采样点为中心，确定采样点范围，对所述采样点范围内的所有已测采样点的气体浓度数据进行空间相关性分析，若空间相关性分析结果不满足设定要求，则缩小所述采样点范围，直至满足所述设定要求；其中所述气体形成有流动通道，所有采样点位于所述流动通道的同一截面上；具体地，不断重新确定所述采样点范围，当确定出所述采样点范围后停止迭代；由于未测采样点处于中心位置，当首先确定出的采样点范围不满足空间相关性分析的设定要求时，缩小采样点范围的内径，直至在一采样点范围内所有已测采样点的气体浓度数据均符合空间相关性分析的设定要求，则输出该最终的所述采样点范围；其中，所述空间相关性分析选取全局空间自相关的全局莫兰指数来评估：
对计算得到的莫兰指数数值进行显著性Z检验；
V(I)＝E(I2)-E(I)2
其中，I表示莫兰指数；i、j表示各采样点；Wij表示第i和第j两个采样点之间的空间权重；C(xi)和C(xj)表示试验检测所得NOx浓度值；
为试验所得各点NOx浓度的平均值；n为已知检测数据的采样点总和；E(I)和V(I)分别为莫兰指数的期望和方差；ZI为莫兰指数的显著性检测值；
气体浓度确定模块，在最终的所述采样点范围内确定所述未测采样点的气体浓度数据。
7.根据权利要求6所述的气体浓度数据的补足装置，其特征在于，所述以待补足数据的未测采样点为中心，所述迭代分析模块包括：
采样点范围确定单元，以所述未测采样点为中心，形成与所述截面同一形状的采样区域。
8.根据权利要求6所述的气体浓度数据的补足装置，其特征在于，所述迭代分析模块保持所述未测采样点处于中心位置，
逐步缩小所述采样点范围。
9.根据权利要求6所述的气体浓度数据的补足装置，其特征在于，所述气体浓度确定模块基于克里格插值法，根据所述采样点范围内所有已测采样点的气体浓度数据、各已测采样点的期望值、各已测采样点对所述未测采样点的权重值以及已测采样点的数量，确定所述未测采样点的气体浓度数据。
10.根据权利要求6所述的气体浓度数据的补足装置，其特征在于，所述气体为氮氧化物。
11.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至5任一项所述的气体浓度数据补足方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至5任一项所述的气体浓度数据补足方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911227564.8A CN110927338B (zh) | 2019-12-04 | 2019-12-04 | 气体浓度数据补足方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911227564.8A CN110927338B (zh) | 2019-12-04 | 2019-12-04 | 气体浓度数据补足方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110927338A CN110927338A (zh) | 2020-03-27 |
| CN110927338B true CN110927338B (zh) | 2023-02-07 |
Family
ID=69856670
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911227564.8A Active CN110927338B (zh) | 2019-12-04 | 2019-12-04 | 气体浓度数据补足方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110927338B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114002277A (zh) * | 2021-11-02 | 2022-02-01 | 哈尔滨理工大学 | 一种三维有毒有害气体检测系统及其测试方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104050345A (zh) * | 2014-02-25 | 2014-09-17 | 国家电网公司 | 一种基于区域网格化格点归类的测光站覆盖范围分析方法 |
| CN106485353A (zh) * | 2016-09-30 | 2017-03-08 | 中国科学院遥感与数字地球研究所 | 空气污染物浓度预报方法及系统 |
| CN108593850A (zh) * | 2018-04-28 | 2018-09-28 | 大唐环境产业集团股份有限公司 | 烟气组分浓度全截面测量的代表测量点特征参数确定方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104990976A (zh) * | 2015-04-02 | 2015-10-21 | 北京市环境保护科学研究院 | 一种工业厂区重金属污染场地的采样分析方法 |
| CN106706852B (zh) * | 2016-12-27 | 2019-09-27 | 清华-伯克利深圳学院筹备办公室 | 一种气体浓度传感器的标定方法和系统 |
| CN107655726B (zh) * | 2017-09-20 | 2020-05-19 | 国电环境保护研究院有限公司 | 一种基于网格法烟道NOx浓度测量系统及方法 |
| CN109766395B (zh) * | 2018-12-06 | 2021-12-31 | 深圳市和讯华谷信息技术有限公司 | 网格数据处理方法、装置、计算机设备和存储介质 |
-
2019
- 2019-12-04 CN CN201911227564.8A patent/CN110927338B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104050345A (zh) * | 2014-02-25 | 2014-09-17 | 国家电网公司 | 一种基于区域网格化格点归类的测光站覆盖范围分析方法 |
| CN106485353A (zh) * | 2016-09-30 | 2017-03-08 | 中国科学院遥感与数字地球研究所 | 空气污染物浓度预报方法及系统 |
| CN108593850A (zh) * | 2018-04-28 | 2018-09-28 | 大唐环境产业集团股份有限公司 | 烟气组分浓度全截面测量的代表测量点特征参数确定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110927338A (zh) | 2020-03-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108591836B (zh) | 管道泄漏的检测方法和装置 | |
| CN104504257B (zh) | 一种基于双重并行计算的在线Prony分析方法 | |
| CN103645961B (zh) | 计算密集型并行任务的异常检测方法及系统 | |
| CN102799529A (zh) | 一种动态的二进制代码测试用例生成方法 | |
| CN107688589B (zh) | 数据库系统优化的方法及装置 | |
| CN110927338B (zh) | 气体浓度数据补足方法及装置 | |
| CN109558968B (zh) | 风电场出力相关性分析方法及装置 | |
| Mandelli et al. | Dynamic PRA: an overview of new algorithms to generate, analyze and visualize data | |
| CN111626360B (zh) | 用于检测锅炉故障类型的方法、装置、设备和存储介质 | |
| CN114814420B (zh) | 一种基于冻结数据的低压配电网拓扑识别方法及系统 | |
| CN115981902A (zh) | 一种细粒度分布式微服务系统异常根因定位方法及装置 | |
| Derezińska | A quality estimation of mutation clustering in c# programs | |
| CN108959739A (zh) | 一种抽水蓄能电站过渡过程压力脉动的分析方法及装置 | |
| CN105550120A (zh) | 基于并行符号执行的多源多目标逼近测试方法 | |
| CN108897907A (zh) | 一种用于反应堆堆芯热工水力分布并行计算的方法 | |
| Lu et al. | A trace-based statistical worst-case execution time analysis of component-based real-time embedded systems | |
| CN105868079A (zh) | 一种基于内存使用传播分析的Java内存低效使用检测方法 | |
| Ostashev | Automated verification of information models for capital construction projects to mitigate environmental impact | |
| CN110544064B (zh) | 一种数据处理的方法、装置、可读存储介质和电子设备 | |
| CN106249228B (zh) | 一种基于基频能量分布特征的周期振源距离智能检测方法 | |
| Arcaro et al. | Reliability test based on a binomial experiment for probabilistic worst-case execution times | |
| CN110008100A (zh) | 用于网页访问量异常检测的方法及装置 | |
| CN117850403B (zh) | 用于发控系统的动态检测方法 | |
| CN117454721B (zh) | 基于数字仿真实验的风电场尾流叠加效应评估方法和介质 | |
| CN112097125B (zh) | 一种基于自适应校核的供水管网爆管侦测及定位方法 |
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 |