CN111796064B - 一种基于远程自动校准的tvoc检测设备数据质控方法及系统 - Google Patents

一种基于远程自动校准的tvoc检测设备数据质控方法及系统 Download PDF

Info

Publication number
CN111796064B
CN111796064B CN202010931658.XA CN202010931658A CN111796064B CN 111796064 B CN111796064 B CN 111796064B CN 202010931658 A CN202010931658 A CN 202010931658A CN 111796064 B CN111796064 B CN 111796064B
Authority
CN
China
Prior art keywords
tvoc
data
calibration
temperature
day
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
Application number
CN202010931658.XA
Other languages
English (en)
Other versions
CN111796064A (zh
Inventor
田启明
郭东宸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Yingshi Ruida Technology Co.,Ltd.
Original Assignee
Beijing Insights Value Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Insights Value Technology Co ltd filed Critical Beijing Insights Value Technology Co ltd
Priority to CN202010931658.XA priority Critical patent/CN111796064B/zh
Publication of CN111796064A publication Critical patent/CN111796064A/zh
Application granted granted Critical
Publication of CN111796064B publication Critical patent/CN111796064B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N33/007—Arrangements to check the analyser
    • 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
    • G01N33/0006—Calibrating gas analysers

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Combustion & Propulsion (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明涉及大气环境监测技术领域，提供了一种基于远程自动校准的TVOC检测设备数据质控方法及系统，方法包括：采集TVOC检测数据；温湿度补偿，得到TVOC温湿度补偿数据；零点漂移校准，选取清洁天数据，并利用当前清洁天数据与上一清洁天数据的比较，对TVOC温湿度补偿数据进行零点漂移校准，得到TVOC零点漂移校准数据，并计算零点漂移校准参量；灵敏度校准，进行长周期数据选取，计算长周期内TVOC零点漂移校准数据的波动范围，并与上一个长周期进行比较，计算得到灵敏度校准参量；构建一致性校准模型；将TVOC原始数据U代入所述一致性校准模型，得到经校准的TVOC检测数据。本发明的TVOC检测设备数据质控方法及系统能够显著提高TVOC检测设备的检测精度和可信度。

Description

一种基于远程自动校准的TVOC检测设备数据质控方法及系统
技术领域
本发明涉及检测设备质控技术领域，尤其涉及一种基于远程自动校准的TVOC检测设备数据质控方法及系统。
背景技术
随着大气环境治理逐渐向着更高阶段发展，挥发性有机物TVOC监测成为本领域的一个重点监测方向。当前，低浓度（相较于对污染排放源进行的高浓度监测）TVOC室外自动监测领域处于创新研发阶段，面临诸多问题。
挥发性有机物TVOC监测中通常使用PID传感器，PID是一种可以在PPM水平非常精确和灵敏的检测器。然而在户外环境中，设备与传感器性能不可避免的受外界影响随时间下降，性能下降按原因可以分为两类：一为传感器在室外环境下的正常持续损耗导致的性能逐渐下降，二为故障、意外（例如PID传感器探头附着尘埃、凝水）导致的传感器性能突变。按表现方式可分为两类：一为设备/传感器灵敏度变化、二为设备/传感器零点漂移。
现有技术中存在一类传感器数据校准算法。如中国专利公开文本CN111307881A公布了一种用于VOC检测的气体传感器基线漂移补偿方法，该方法采用特定算法对检测数据进行处理，从而进行校准。然而其仅针对传感器检测数据本身进行算法补偿，校准能力有限，并且随着时间的推移依然会产生大幅度的漂移。并且，其并未能够对传感器的灵敏度失准进行校准。
发明内容
本发明公开一种基于远程自动校准的TVOC检测设备数据质控方法及系统，旨在解决现有技术中存在的技术问题，以提高TVOC检测设备的检测精度和可信度，提高设备质控水平。
本发明采用下述技术方案：一种基于远程自动校准的TVOC检测设备数据质控方法，包括：
采集TVOC检测数据，利用TVOC检测传感器连续获取检测设备所在点位的TVOC原始数据U；
温湿度补偿，通过采集的温度及湿度数据，对所述TVOC原始数据进行温湿度补偿，得到TVOC温湿度补偿数据；
零点漂移校准，根据一段时间内的污染物数据得到清洁天数据，并利用当前清洁天数据与上一清洁天数据的比较，对所述TVOC温湿度补偿数据进行零点漂移校准，得到TVOC零点漂移校准数据，并计算零点漂移校准参量bn；
灵敏度校准，将一段时间内的污染物数据低于预设值的天标记为低污染天，当被标记的低污染天连续达到预设天数，则将这些被标记的低污染天记为一个长周期，计算所述长周期内所述TVOC温湿度补偿数据的波动范围，并与上一个长周期内所述TVOC温湿度补偿数据的波动范围进行比较，计算得到灵敏度校准参量an；
构建一致性校准模型，所述一致性校准模型为TVOC=an*U+bn；
将所述TVOC原始数据U代入所述一致性校准模型，得到经校准的TVOC检测数据。
作为优选的技术方案，灵敏度校准步骤之后还包括：异常判断，判断所述零点漂移校准参量bn和/或灵敏度校准参量an是否在一定时间内的变化值超过预设值，判断结果为是，则所述TVOC检测传感器异常。
作为优选的技术方案，零点漂移校准步骤中，根据一段时间内的污染物数据得到清洁天数据具体包括：获取所述TVOC检测传感器所在城市或区县的环境空气质量指数AQI，以及获取所述点位的PM2.5、NO2、SO2、O3和CO的各个空气质量分指数IAQI；当一段时间内某一天满足AQI小于50，并且各个空气质量分指数IAQI均小于50，则将该天标记为清洁天，所述清洁天所对应的所述TVOC温湿度补偿数据记为所述清洁天数据。
作为优选的技术方案，零点漂移校准步骤中，将所述检测设备安装于所述点位后的第一个清洁天的TVOC温湿度补偿数据的日均值设为清洁天环境TVOC背景值TVOCbackground，之后每当遇到清洁天时，计算当天TVOC温湿度补偿数据的日均值TVOCn，并由式bn=TVOCn-TVOCbackground+bn-1计算最新的零点漂移校准参量bn，式中bn-1为次新的零点漂移校准参量。
作为优选的技术方案，灵敏度校准步骤中，对一段时间内的污染物数据低于预设值的天进行标记具体包括：所述点位的PM2.5、NO2、SO2、O3和CO的各个空气质量分指数IAQI的日均值小于120、全天最高值小于150，且全天风速均值低于3m/s，则对该天进行标记。
作为优选的技术方案，灵敏度校准步骤中，所述预设天数为5-20天。
作为优选的技术方案，灵敏度校准步骤中，还包括数据选取步骤，具体为：取相邻两个时间段内的TVOC温湿度补偿数据进行比较，若两个时间段内的TVOC温湿度补偿数据的波动范围大致相同，则选取两个时间段的任一或全部，对其中的低污染天进行标记。
作为优选的技术方案，灵敏度校准步骤中，长周期内所述TVOC温湿度补偿数据的波动范围具体为TVOCrange(n)=TVOCup-TVOCdown，其中TVOCup为TVOC浓度95分位值，TVOCdown为TVOC浓度5分位值；灵敏度校准参量an= an-1 * TVOCrange(n)/ TVOCrange(n-1)，其中an-1为上一个长周期计算得到的灵敏度校准参量。
本发明还提供了一种基于远程自动校准的TVOC检测设备数据质控系统，包括：
TVOC检测数据采集模块，包括TVOC检测传感器，TVOC检测数据采集模块利用TVOC检测传感器连续获取检测设备所在点位的TVOC原始数据U；
温湿度补偿模块，包括温度及湿度数据采集单元，所述温湿度补偿模块通过采集的温度及湿度数据，对所述TVOC原始数据进行温湿度补偿，得到TVOC温湿度补偿数据；
零点漂移校准模块，包括清洁天数据选取模块；所述清洁天数据选取模块根据一段时间内的污染物数据得到清洁天数据；所述零点漂移校准模块利用当前清洁天数据与上一清洁天数据的比较，对所述TVOC温湿度补偿数据进行零点漂移校准，得到TVOC零点漂移校准数据，并计算零点漂移校准参量bn；
灵敏度校准模块，包括长周期数据选取模块；所述长周期数据选取模块将一段时间内的污染物数据低于预设值的天标记为低污染天，当被标记的低污染天连续达到预设天数，则将这些被标记的低污染天记为一个长周期；所述灵敏度校准模块计算所述长周期内所述TVOC温湿度补偿数据的波动范围，并与上一个长周期内所述TVOC温湿度补偿数据的波动范围进行比较，计算得到灵敏度校准参量an；
一致性校准模型模块，所述一致性校准模型为TVOC=an*U+bn；
TVOC检测数据校准计算模块，能够将所述TVOC原始数据U代入所述一致性校准模型，得到经校准的TVOC检测数据。
作为优选的技术方案，还包括异常判断模块，异常判断模块根据所述零点漂移校准参量bn和/或灵敏度校准参量an是否在一定时间内的变化值超过预设值，判断结果为是，则判断所述TVOC检测传感器异常，并进行提醒。
本发明还提供了一种计算机可读存储介质，存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行如上任一项所述的TVOC检测设备数据质控方法。
本发明的基于远程自动校准的TVOC检测设备数据质控方法及系统能够显著提高TVOC检测设备的检测精度和可信度，并且在长时间未使用标气校准的情况下，仍能保持较高检测精度。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，构成本发明的一部分，本发明的示意性实施例及其说明解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例1公开的基于远程自动校准的TVOC检测设备数据质控方法的流程图。
图2为本发明实施例1公开的基于远程自动校准的TVOC检测设备数据质控方法的对照实验图。
图3为本发明实施例2公开的一种基于远程自动校准的TVOC检测设备数据质控系统示意图。
图4为本发明实施例2公开的长周期数据选取示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例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。
实施例1。
本实施例提供了基于远程自动校准的TVOC检测设备数据质控方法，采集TVOC检测数据；温湿度补偿，得到TVOC温湿度补偿数据；零点漂移校准，根据一段时间内的污染物数据得到清洁天数据，并利用当前清洁天数据与上一清洁天数据的比较，对所述TVOC温湿度补偿数据进行零点漂移校准，得到TVOC零点漂移校准数据，并计算零点漂移校准参量；灵敏度校准，进行长周期数据选取，计算长周期内TVOC温湿度补偿数据的波动范围，并与上一个长周期进行比较，计算得到灵敏度校准参量；构建一致性校准模型；将TVOC原始数据U代入所述一致性校准模型，得到经校准的TVOC检测数据。
根据图1，本实施方式的基于远程自动校准的TVOC检测设备数据质控方法具体包括以下步骤：
S01，采集TVOC检测数据，利用TVOC检测传感器连续获取检测设备所在点位的TVOC原始数据U；
S02，温湿度补偿，通过采集的温度及湿度数据，对所述TVOC原始数据进行温湿度补偿，得到TVOC温湿度补偿数据；
S03，零点漂移校准，根据一段时间内的污染物数据得到清洁天数据，并利用当前清洁天数据与上一清洁天数据的比较，对所述TVOC温湿度补偿数据进行零点漂移校准，得到TVOC零点漂移校准数据，并计算零点漂移校准参量bn；
S04，灵敏度校准，将一段时间内的污染物数据低于预设值的天标记为低污染天，当被标记的低污染天连续达到预设天数，则将这些被标记的低污染天记为一个长周期，计算所述长周期内所述TVOC温湿度补偿数据的波动范围，并与上一个长周期内所述TVOC温湿度补偿数据的波动范围进行比较，计算得到灵敏度校准参量an；
S03与S04为并列步骤，无执行顺序，在满足该步骤启动条件的情况下执行；
S05，构建一致性校准模型，所述一致性校准模型为TVOC=an*U+bn；
S06，将所述TVOC温湿度补偿数据代入所述一致性校准模型，得到经校准的TVOC检测数据。
优选地，灵敏度校准（S04）步骤之后还包括：异常判断，判断所述零点漂移校准参量bn和/或灵敏度校准参量an是否在一定时间内的变化值超过预设值，判断结果为是，则所述TVOC检测传感器异常。
优选地，零点漂移校准（S03）步骤中，根据一段时间内的污染物数据得到清洁天数据具体包括：获取所述TVOC检测传感器所在城市或区县的环境空气质量指数AQI，以及获取所述点位的PM2.5、NO2、SO2、O3和CO的各个空气质量分指数IAQI；当一段时间内某一天满足AQI小于50，并且各个空气质量分指数IAQI均小于50，则将该天标记为清洁天，所述清洁天所对应的所述TVOC温湿度补偿数据记为所述清洁天数据。
优选地，零点漂移校准（S03）步骤中，将所述检测设备安装于所述点位后的第一个清洁天的TVOC温湿度补偿数据的日均值设为清洁天环境TVOC背景值TVOCbackground，之后每当遇到清洁天时，计算当天TVOC温湿度补偿数据的日均值TVOCn，并由式bn=TVOCn-TVOCbackground+bn-1计算最新的零点漂移校准参量bn，式中bn-1为次新的零点漂移校准参量。
优选地，灵敏度校准（S04）步骤中，对一段时间内的污染物数据低于预设值的天进行标记具体包括：所述点位的PM2.5、NO2、SO2、O3和CO的各个空气质量分指数IAQI的日均值小于120、全天最高值小于150，且全天风速均值低于3m/s，则对该天进行标记。应理解，日均值也可以根据需要变为小于100或小于80等其他数值，全天最高值也可以根据需要变为小于120或小于100等其他数值。
优选地，灵敏度校准（S04）步骤中，所述预设天数为5-20天。
优选地，灵敏度校准（S04）步骤中，还包括数据选取步骤，具体为：取相邻两个时间段内的TVOC温湿度补偿数据进行比较，若两个时间段内的TVOC温湿度补偿数据的波动范围大致相同，则选取两个时间段的任一或全部，对其中的低污染天进行标记。
优选地，灵敏度校准（S04）步骤中，长周期内所述TVOC温湿度补偿数据的波动范围具体为TVOCrange(n)=TVOCup-TVOCdown，其中TVOCup为TVOC浓度95分位值，TVOCdown为TVOC浓度5分位值；灵敏度校准参量an= an-1 * TVOCrange(n)/ TVOCrange(n-1)，其中an-1为上一个长周期计算得到的灵敏度校准参量。
优选地，将5个TVOC检测传感器或5台TVOC检测设备，置于室外环境工作一个月后重新通标气进行检测，以修改正重复迭代后的漂移。
事实上，在长时间不使用标气校准的情况下，如2-12个月，由于本申请实施例1的方法同时具有零点漂移校准（S03）和灵敏度校准（S04）步骤，TVOC检测设备仍然能够保证一定的测量精度。
在一个具体的实例中，如表1所示，在2020年6年29日进行初始出厂参数设置后，根据清洁天的判定条件，分别于2020年的7月3日、7月19日、8月1日进行了零点漂移校准，经计算得出零点漂移校准参量bn分别为-66539.4、-67488.9、-66314。而根据长周期判定条件，分别于同年7月5日、7月15日和8月5日进行了灵敏度校准，经计算得出灵敏度校准参量an分别为90.8、87.2、84.4。在零点漂移校准或灵敏度校准的时间节点后，更新一致性校准模型，直至下个时间节点，时间节点不限于变1中所提供。经校准的TVOC检测数据根据最新的一致性校准模型而计算得出。
表1
Figure 956753DEST_PATH_IMAGE002
为说明TVOC检测设备数据质控方法的技术效果，进行如图2所示的对照实验。图2中三角形表示出厂校准点，这些出厂校准点连成一条直线，为实验基准线。“x”代表室外环境1个月后的未采用实施例1的方法进行校准的实际测量点，可见在通入不同标气浓度的情况下，设备测量值发生明显漂移，这其中包括零点漂移，也包括灵敏度的失准。圆点标记出室外环境1个月后，采用本申请实施例1的校准后的测量点，可见所有测量点相比出厂校准点偏离不大。而相比未采用实施例1的方法进行校准的实际测量点，经本申请实施例1的方法校准后的测量偏差明显更小，TVOC检测设备的检测精度和可信度显著提升。
实施例2。
本实施例2提供了一种基于远程自动校准的TVOC检测设备数据质控系统，结合图3该系统包括：
TVOC检测数据采集模块，包括TVOC检测传感器，TVOC检测数据采集模块利用TVOC检测传感器连续获取检测设备所在点位的TVOC原始数据U；
温湿度补偿模块，包括温度及湿度数据采集单元，所述温湿度补偿模块通过采集的温度及湿度数据，对所述TVOC原始数据进行温湿度补偿，得到TVOC温湿度补偿数据；
并列设置的零点漂移校准模块和灵敏度校准模块分别接收TVOC温湿度补偿数据，进行独立计算和校准。
零点漂移校准模块，包括清洁天数据选取模块；所述清洁天数据选取模块根据一段时间内的污染物数据得到清洁天数据；所述零点漂移校准模块利用当前清洁天数据与上一清洁天数据的比较，对所述TVOC温湿度补偿数据进行零点漂移校准，得到TVOC零点漂移校准数据，并计算零点漂移校准参量bn；
灵敏度校准模块，包括长周期数据选取模块；所述长周期数据选取模块将一段时间内的污染物数据低于预设值的天标记为低污染天，当被标记的低污染天连续达到预设天数，则将这些被标记的低污染天记为一个长周期；所述灵敏度校准模块计算所述长周期内所述TVOC温湿度补偿数据的波动范围，并与上一个长周期内所述TVOC温湿度补偿数据的波动范围进行比较，计算得到灵敏度校准参量an；
一致性校准模型模块，所述一致性校准模型为TVOC=an*U+bn；
TVOC检测数据校准计算模块，能够将TVOC温湿度补偿数据代入所述一致性校准模型，得到经校准的TVOC检测数据。
其中，清洁天数据选取模块用于选取符合要求的低环境TVOC浓度时间段（以天为单位）数据，用于进行零点漂移校准。
清洁天数据选取模块基于TVOC与其它污染物的相关关系，以及实际户外监测数据设定了清洁天选取条件，即对某一台TVOC监测设备，每天对最近一天内如下数据进行判断：设备所在城市AQI为优，设备所在点位的PM2.5,NO2,SO2,O3,CO的AQI均小于50，将满足以上条件的天进行标记，认为是该设备的清洁天。例如，基于对2020年1-6月北京市某点位TVOC监测设备的数据进行分析可得在以上限值条件下，该点位TVOC监测设备小时浓度均值为7ppb，最大值为16ppb，接近零点，且较为稳定，因此方法可行，清洁天数据选取模块可以正常运行。
其中，零点漂移校准模块用于根据设备出厂一致性模型TVOC = a0*U+b0，以及清洁天TVOC数据对设备零点漂移进行调校。记设备出厂后安装于户外的第一个清洁天TVOC日均值为清洁天环境TVOC背景值TVOCbackground，之后每当遇到清洁天时，计算当次清洁天TVOC日均值TVOCn，并由式bn=TVOCn-TVOCbackground+bn-1计算最新的表征零点漂移的一致性模型系数bn，式中bn-1是上次调整后的零点漂移校准参量。应理解，TVOCbackground的确认是基于设备安装初期零点尚未漂移，第一个清洁天时的模型一致性模型为出厂一致性模型TVOC = a0*U+b0确定的。
灵敏度校准模块，包括长周期数据选取模块。长周期数据选取模块，对某一特定地点，其TVOC浓度在非极端情况下是随着季节有固定的周期性变化规律的，若取任意两段足够长的时间段（如图4中的23-26日及26-29日两个时间段），其TVOC浓度变化范围基本相同，根据此规律定期选择一段时间的TVOC数据。对某一台TVOC监测设备，每天对最近一天内如下数据进行判断：设备所在点位的PM2.5,NO2,SO2,O3,CO的日均AQI均小于120，24小时每小时最高浓度低于150，24小时每点位小时风速低于3m/s，将满足以上条件的天进行标记，当满足要求的标记天达到10天时，记为一个符合要求的长周期。
灵敏度校准模块用于根据设备出厂一致性模型TVOC = a0*U+b0，以及长周期TVOC数据对设备灵敏度进行调整。计算设备一次长周期内符合条件的天内TVOC温湿度补偿数据波动范围TVOCrange=TVOCup-TVOCdown，式中TVOCup为TVOC浓度95分位值，TVOCdown为TVOC浓度5分位值。计算表征设备灵敏度的一致性模型参数an = an-1* TVOCrange(n)/ TVOCrange(n-1)，式中an-1为上次调整的灵敏度校准参量。
优选地，还包括异常判断模块，当一致性模型系数an及bn在短时间内变化过大时，认为设备可能异常，对设备进行标记。
实施例3。
本实施例提供了一种计算机可读存储介质，存储一个或多个程序，一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行如实施例1中的TVOC检测设备数据质控方法。应理解，计算机可读存储介质可以为TVOC检测设备的存储器，也可以是远程控制终端的存储器。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims (7)

1.一种基于远程自动校准的TVOC检测设备数据质控方法，其特征在于，包括：
采集TVOC检测数据，利用TVOC检测传感器连续获取检测设备所在点位的TVOC原始数据U；
温湿度补偿，通过采集的温度及湿度数据，对所述TVOC原始数据进行温湿度补偿，得到TVOC温湿度补偿数据；
零点漂移校准，根据一段时间内的污染物数据得到清洁天数据，并利用当前清洁天数据与上一清洁天数据的比较，对所述TVOC温湿度补偿数据进行零点漂移校准，得到TVOC零点漂移校准数据，并计算零点漂移校准参量bn；零点漂移校准步骤中，根据一段时间内的污染物数据得到清洁天数据具体包括：获取所述TVOC检测传感器所在城市或区县的环境空气质量指数AQI，以及获取所述点位的PM2.5、NO2、SO2、O3和CO的各个空气质量分指数IAQI；当一段时间内某一天满足AQI小于50，并且各个空气质量分指数IAQI均小于50，则将该天标记为清洁天，所述清洁天所对应的所述TVOC温湿度补偿数据记为所述清洁天数据；零点漂移校准步骤中，将所述检测设备安装于所述点位后的第一个清洁天的TVOC温湿度补偿数据的日均值设为清洁天环境TVOC背景值TVOCbackground，之后每当遇到清洁天时，计算当天TVOC温湿度补偿数据的日均值TVOCn，并由式bn=TVOCn-TVOCbackground+bn-1计算最新的零点漂移校准参量bn，式中bn-1为次新的零点漂移校准参量；
灵敏度校准，将一段时间内的污染物数据低于预设值的天标记为低污染天，当被标记的低污染天连续达到预设天数，则将这些被标记的低污染天记为一个长周期，计算所述长周期内所述TVOC温湿度补偿数据的波动范围，并与上一个长周期内所述TVOC温湿度补偿数据的波动范围进行比较，计算得到灵敏度校准参量an；灵敏度校准步骤中，长周期内所述TVOC温湿度补偿数据的波动范围具体为TVOCrange(n)=TVOCup-TVOCdown，其中TVOCup为TVOC浓度95分位值，TVOCdown为TVOC浓度5分位值；灵敏度校准参量an= an-1 * TVOCrange(n)/TVOCrange(n-1)，其中an-1为上一个长周期计算得到的灵敏度校准参量；
构建一致性校准模型，所述一致性校准模型为TVOC=an*U+bn；
将所述TVOC温湿度补偿数据代入所述一致性校准模型，得到经校准的TVOC检测数据。
2.根据权利要求1所述的TVOC检测设备数据质控方法，其特征在于，灵敏度校准步骤之后还包括：异常判断，判断所述零点漂移校准参量bn和/或灵敏度校准参量an是否在一定时间内的变化值超过预设值，判断结果为是，则所述TVOC检测传感器异常。
3.根据权利要求1所述的TVOC检测设备数据质控方法，其特征在于，灵敏度校准步骤中，对一段时间内的污染物数据低于预设值的天进行标记具体包括：所述点位的PM2.5、NO2、SO2、O3和CO的各个空气质量分指数IAQI的日均值小于120、全天最高值小于150，且全天风速均值低于3m/s，则对该天进行标记。
4.根据权利要求1所述的TVOC检测设备数据质控方法，其特征在于，灵敏度校准步骤中，还包括数据选取步骤，具体为：取相邻两个时间段内的TVOC温湿度补偿数据进行比较，若两个时间段内的TVOC温湿度补偿数据的波动范围大致相同，则选取两个时间段的任一或全部，对其中的低污染天进行标记。
5.一种用于权利要求1-4中任一项所述的TVOC检测设备数据质控方法的质控系统，其特征在于，包括：
TVOC检测数据采集模块，包括TVOC检测传感器，TVOC检测数据采集模块利用TVOC检测传感器连续获取检测设备所在点位的TVOC原始数据U；
温湿度补偿模块，包括温度及湿度数据采集单元，所述温湿度补偿模块通过采集的温度及湿度数据，对所述TVOC原始数据进行温湿度补偿，得到TVOC温湿度补偿数据；
零点漂移校准模块，包括清洁天数据选取模块；所述清洁天数据选取模块根据一段时间内的污染物数据得到清洁天数据；所述零点漂移校准模块利用当前清洁天数据与上一清洁天数据的比较，对所述TVOC温湿度补偿数据进行零点漂移校准，得到TVOC零点漂移校准数据，并计算零点漂移校准参量bn；
灵敏度校准模块，包括长周期数据选取模块；所述长周期数据选取模块将一段时间内的污染物数据低于预设值的天标记为低污染天，当被标记的低污染天连续达到预设天数，则将这些被标记的低污染天记为一个长周期；所述灵敏度校准模块计算所述长周期内所述TVOC温湿度补偿数据的波动范围，并与上一个长周期内所述TVOC温湿度补偿数据的波动范围进行比较，计算得到灵敏度校准参量an；
一致性校准模型模块，所述一致性校准模型为TVOC=an*U+bn；
TVOC检测数据校准计算模块，能够将所述TVOC温湿度补偿数据代入所述一致性校准模型，得到经校准的TVOC检测数据。
6.根据权利要求5所述的基于远程自动校准的TVOC检测设备数据质控系统，其特征在于，还包括异常判断模块，所述异常判断模块根据所述零点漂移校准参量bn和/或灵敏度校准参量an是否在一定时间内的变化值超过预设值，判断结果为是，则判断所述TVOC检测传感器异常，并进行提醒。
7.一种计算机可读存储介质，存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行如权利要求1至4中任一项所述的TVOC检测设备数据质控方法。
CN202010931658.XA 2020-09-08 2020-09-08 一种基于远程自动校准的tvoc检测设备数据质控方法及系统 Active CN111796064B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010931658.XA CN111796064B (zh) 2020-09-08 2020-09-08 一种基于远程自动校准的tvoc检测设备数据质控方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010931658.XA CN111796064B (zh) 2020-09-08 2020-09-08 一种基于远程自动校准的tvoc检测设备数据质控方法及系统

Publications (2)

Publication Number Publication Date
CN111796064A CN111796064A (zh) 2020-10-20
CN111796064B true CN111796064B (zh) 2021-01-29

Family

ID=72834289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010931658.XA Active CN111796064B (zh) 2020-09-08 2020-09-08 一种基于远程自动校准的tvoc检测设备数据质控方法及系统

Country Status (1)

Country Link
CN (1) CN111796064B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113063482A (zh) * 2021-03-25 2021-07-02 梅特勒-托利多(常州)精密仪器有限公司 高空作业平台称重传感器的零漂检测方法和系统
CN113361194B (zh) * 2021-06-04 2022-10-04 安徽农业大学 一种基于深度学习的传感器漂移校准方法、电子设备及存储介质
CN113391040B (zh) * 2021-07-12 2023-09-15 北京清环宜境技术有限公司 一种用于大气微站的数据人工智能自动校准方法
CN114034751A (zh) * 2021-11-11 2022-02-11 中煤科工集团重庆研究院有限公司 一种提高传感器工作稳定性时间的自学习方法
CN114814091A (zh) * 2022-04-08 2022-07-29 天津光电华典科技有限公司 一种大气气态污染物检测方法、装置及电子设备
CN117198008A (zh) * 2023-08-18 2023-12-08 中国华能集团清洁能源技术研究院有限公司 电池热失控预警方法及其装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010025646A (ja) * 2008-07-17 2010-02-04 Riken Keiki Co Ltd ガス測定装置の校正方法
CN103837300B (zh) * 2014-03-19 2016-03-16 成都千嘉科技有限公司 带温度补偿的压力传感器校准方法
CN106841536A (zh) * 2017-03-31 2017-06-13 宇星科技发展(深圳)有限公司 一种VOCs检测仪
CN108918751B (zh) * 2018-06-14 2021-06-15 北京惟泰安全设备有限公司 改进型催化燃烧气体传感器及其气体检测方法

Also Published As

Publication number Publication date
CN111796064A (zh) 2020-10-20

Similar Documents

Publication Publication Date Title
CN111796064B (zh) 一种基于远程自动校准的tvoc检测设备数据质控方法及系统
CN113330283B (zh) 大气污染检测设备数据可信度评价及校准方法
JP2019527344A (ja) 検知の方法と装置、および、検知精度を高める方法と装置
AU2020100700A4 (en) A Correction Method for Gas Sensor Based on Machine Learning
CN111510500B (zh) 一种基于边缘计算的水质监测数据校准方法
KR20200131831A (ko) 센서 교정
KR102100739B1 (ko) 미세먼지 발생 예측방법
EP3918319A2 (en) Method for calibrating networks of environmental sensors
CN108614071A (zh) 分布式室外大气质量监测精度校正系统及参数更新方法
WO2022235681A9 (en) Gas leak detection system
CN112611688A (zh) 一种大气监测设备的自动校准装置及方法
CN111788578A (zh) 一种环境监测站数据可信度评价方法
CN116642607B (zh) 一种可远程操控的物联网环境监测升降平台
CN117606578A (zh) 一种智能的气体流量监测方法
Abdaoui et al. A smart rig for calibration of gas sensor nodes: Test and deployment
CN117501101A (zh) 气体传感器设备和用于更新基线校正参数的方法
CN112540052A (zh) 测算待测储罐的污染物排放量的测算方法及系统
CN112528566A (zh) 基于AdaBoost训练模型的空气质量数据实时校准方法及系统
CN118130729A (zh) 基于cems的碳排放监测系统及方法
CN113984865B (zh) 一种用于微型空气站的多级校准方法
US20240053312A1 (en) System and method for detecting methane and other gases using a remotely deployable, off-grid system
CN117909703B (zh) 基于告警阈值触发的数据质量评估方法及系统
CN113655176B (zh) 垃圾焚烧的污染超标检测方法、装置、设备及存储介质
CN117405145B (zh) 一种基于智能分析的惯性导航管理方法、系统及存储介质
CN116008385B (zh) 一种tvoc监测设备校准方法

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 100744 6th floor, block a, Huaxia happiness innovation center, No.8, Automobile Museum West Road, Fengtai District, Beijing

Patentee after: Beijing Yingshi Ruida Technology Co.,Ltd.

Address before: 100744 6th floor, block a, Huaxia happiness innovation center, No.8, Automobile Museum West Road, Fengtai District, Beijing

Patentee before: BEIJING INSIGHTS VALUE TECHNOLOGY Co.,Ltd.

CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 100071 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606

Patentee after: Beijing Yingshi Ruida Technology Co.,Ltd.

Address before: 100744 6th floor, block a, Huaxia happiness innovation center, No.8, Automobile Museum West Road, Fengtai District, Beijing

Patentee before: Beijing Yingshi Ruida Technology Co.,Ltd.