CN112396064A - 一种烟气分析处理方法及系统 - Google Patents

一种烟气分析处理方法及系统 Download PDF

Info

Publication number
CN112396064A
CN112396064A CN202011424965.5A CN202011424965A CN112396064A CN 112396064 A CN112396064 A CN 112396064A CN 202011424965 A CN202011424965 A CN 202011424965A CN 112396064 A CN112396064 A CN 112396064A
Authority
CN
China
Prior art keywords
flue gas
smoke
analysis
preprocessing
image
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
Application number
CN202011424965.5A
Other languages
English (en)
Inventor
马健
林峰峰
王扛
朱正义
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.)
Wuhan Hanhai Xinyu Environmental Testing Technology Service Co ltd
Original Assignee
Wuhan Hanhai Xinyu Environmental Testing Technology Service 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 Wuhan Hanhai Xinyu Environmental Testing Technology Service Co ltd filed Critical Wuhan Hanhai Xinyu Environmental Testing Technology Service Co ltd
Priority to CN202011424965.5A priority Critical patent/CN112396064A/zh
Publication of CN112396064A publication Critical patent/CN112396064A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods
    • G01N2201/1296—Using chemometrical methods using neural networks

Abstract

本发明公开一种烟气分析处理方法及系统，所述方法包括：采集多组烟气样本并进行预处理；获取预处理后的各个样本的光谱图像，并测定对应的烟气成分含量，组成数据集；通过所述数据集建立烟气分析处理模型，通过所述烟气分析处理模型对待测烟气进行成分含量预测。本发明采用预处理装置对烟气样本进行降温、除湿、过滤，通过烟气的近红外光谱图像对烟气进行分析，通过烟气分析处理模型建立光谱图像与成分浓度之间的对应关系，可分析出烟气中各成分含量，减少成分测量难度。

Description

一种烟气分析处理方法及系统
技术领域
本发明属于烟气分析技术领域，具体涉及一种烟气分析处理方法及系统。
背景技术
固定污染源烟气监测的主要污染物有二氧化硫(SO2)、氮氧化物(NOX)、烟尘(颗粒物)，这些污染物对植物、动物、人体都有严重的危害，是造成大气环境污染的最主要污染物。燃煤是烟气污染的重要源头，而目前火电厂是燃煤的大户，由于煤炭作为燃烧能源，其污染物排放十分严重，因此火电厂也是烟气污染物的主要排放源。今年来烟气排放标准愈发严格，需要对烟气进行除硫或除硝或同时除硫除硝，在此之前需要对烟气进行一系列的处理，包括预处理、测定成分含量等，以便获得更好的除硫或除硝或同时除硫除硝效果。
偏最小二乘法(Partial Least Squares,PLS)可对自变量中的信息进行综合筛选，从中选取若干具有最佳解释能力的潜变量用于回归建模。由于它通过可以解决自变量间多重相关性来提高回归模型的准确性，所以得到广泛应用。然而，PLS方法本质上是一种线性回归，不能有效的解决非线性问题，如果直接用于烟气定量分析，则会限制所建模型的预测精度。
发明内容
有鉴于此，本发明提出了一种烟气分析处理方法及系统，用于解决烟气成分分析精度不高问题。
本发明第一方面，公开一种烟气分析处理方法，所述方法包括：
采集多组烟气样本并进行预处理；
获取预处理后的各个样本的光谱图像，对光谱图像进行处理，并测定对应的烟气成分含量，组成数据集；
通过所述数据集建立烟气分析处理模型，通过所述烟气分析处理模型对待测烟气进行成分含量预测。
优选的，所述预处理采用预处理装置对烟气样本进行除尘、除水。
优选的，所述烟气分析处理模型为偏最小二乘回归模型CNN神经网络模型和BP神经网络模型中至少一种。
优选的，所述对光谱图像进行处理包括：
对图像进行预处理，所述预处理为平滑滤波、多元散射校正、标准正交变换、正交信号校正和主成分分析中至少一种；
在所述光谱图像内各波段上分别选取设定数量的像素曲线；
将所述像素曲线按照波段由小到大进行组合，形成光谱分布图像。
优选的，所述设定数量为大于等于1且小于等于10中的整数。
本发明第二方面，公开一种烟气分析处理系统，所述系统包括：
数据预处理模块：采集多组烟气样本并进行预处理；
数据集制作模块：获取预处理后的各个样本的光谱图像，对光谱图像进行处理，并测定对应的烟气成分含量，组成数据集；
含量预测模块：通过所述数据集建立烟气分析处理模型，通过所述烟气分析处理模型对待测烟气进行成分含量预测。
优选的，所述预处理采用预处理装置对烟气样本进行除尘、除水。
优选的，所述烟气分析处理模型为CNN网络模型、栈式自编码神经网络模型和BP神经网络模型中至少一种。
优选的，所述对光谱图像进行处理包括：
预处理单元：对图像进行预处理，所述预处理为平滑滤波、多元散射校正、标准正交变换、正交信号校正和主成分分析中至少一种；
组合单元：在所述光谱图像内各波段上分别选取设定数量的像素曲线；将所述像素曲线按照波段由小到大进行组合，形成光谱分布图像。
本发明相对于现有技术具有以下有益效果：
本发明预处理装置对烟气样本进行降温、除湿、过滤，通过烟气的近红外光谱图像对烟气进行分析，通过烟气分析处理模型建立光谱图像与成分浓度之间的对应关系，基于所述烟气分析处理模型可分析出烟气中各成分含量，减少成分测量难度，简化操作。
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为本发明的烟气分析处理方法流程示意图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。
如图1所示，本发明提出一种烟气分析处理方法，所述方法包括：
S1、采集多组烟气样本并进行预处理；
所述预处理是采用预处理装置对烟气样本进行降温、除湿、过滤，预处理装置包括气体取样探头组件、预处理单元、吹扫单元和管道，所述气体取样探头组件上设有不锈钢过滤器、采样管和法兰套；
所述气体取样探头组件通过管道与预处理单元相连接，所述气体取样探头组件与预处理单元之间的管道上依次安装有进样电磁阀和进样电动球阀，所述预处理单元包括电动抽气泵、水洗装置、气液分离器、雾过滤器、除湿器、蠕动排液泵和精细过滤器，所述进样电动球阀通过管道与水洗装置相连接，所述水洗装置通过管道与气液分离器相连接，所述气液分离器的排气端通过管道依次与雾过滤器、电动抽气泵、除湿器和精细过滤器相连接。
所述气液分离器的出液端通过管道与蠕动排液泵相连接，所述蠕动排液泵通过管道连接有排液口，所述除湿器的底部设有自动排液器，所述自动排液器通过管道与排液口相连接；
所述吹扫单元包括减压阀、吹扫手动球阀和吹扫电磁阀，所述气体取样探头组件与进样电磁阀之间的管道上平行并联设置有吹扫手动球阀和吹扫电磁阀，所述吹扫手动球阀和吹扫电磁阀远离进样电磁阀的一端通过管道与减压阀相连接，所述减压阀连接有吹扫气体入口。
通过所述与处理装置，得到干净、无水、无尘、流量可控的烟气样本。
S2、获取预处理后的各个烟气样本的光谱图像，对光谱图像进行处理，并测定对应的烟气成分含量，组成数据集；
近红外光谱(Near—InfraredSpectroscopy，NIR)技术是一种高效快速的化学物质定量检测方法，它是根据物质的特征光谱来鉴别其中化学组成和相对含量，可用于烟气的成分预测。所述对光谱图像为烟气样本在不同波段的吸收光谱，所述对光谱图像进行处理包括：
对图像进行预处理，所述预处理为平滑滤波、多元散射校正、标准正交变换、正交信号校正和主成分分析中至少一种；
在所述光谱图像内各波段上分别选取k个的像素曲线，1≤k≤10，k为整数；
将所述像素曲线按照波段由小到大进行组合，形成光谱分布图像。
S3、通过所述数据集建立烟气分析处理模型，通过所述烟气分析处理模型对待测烟气进行成分含量预测。
所述烟气分析处理模型为CNN网络模型、栈式自编码神经网络模型和BP神经网络模型中至少一种。
与所述方法实施例相对应，本发明还公开一种烟气分析处理系统，所述系统包括：
数据预处理模块：采集多组烟气样本并进行预处理；所述预处理采用预处理装置对烟气样本进行除尘、除水。
数据集制作模块：获取预处理后的各个样本的光谱图像，对光谱图像进行处理，并测定对应的烟气成分含量，组成数据集；所述对光谱图像进行处理包括：
处理单元：对图像进行预处理，所述预处理为平滑滤波、多元散射校正、标准正交变换、正交信号校正和主成分分析中至少一种；
组合单元：在所述光谱图像内各波段上分别选取设定数量的像素曲线；将所述像素曲线按照波段由小到大进行组合，形成光谱分布图像。
含量预测模块：通过所述数据集建立烟气分析处理模型，通过所述烟气分析处理模型对待测烟气进行成分含量预测。
所述烟气分析处理模型为偏最小二乘回归模型、栈式自编码网络模型和BP神经网络模型中至少一种。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种烟气分析处理方法，其特征在于，所述方法包括：
采集多组烟气样本并进行预处理；
获取预处理后的各个烟气样本的光谱图像，对光谱图像进行处理，并测定各个烟气样本对应的烟气成分含量，组成数据集；
通过所述数据集建立烟气分析处理模型，通过所述烟气分析处理模型对待测烟气进行成分含量预测。
2.根据权利要求1所述一种烟气分析处理方法，其特征在于，所述预处理是采用预处理装置对烟气样本进行降温、除湿、过滤，预处理装置包括气体取样探头组件、预处理单元、吹扫单元和管道。
3.根据权利要求1所述一种烟气分析处理方法，其特征在于，所述对光谱图像进行处理包括：
对图像进行预处理，所述预处理为平滑滤波、多元散射校正、标准正交变换、正交信号校正和主成分分析中至少一种；
在所述光谱图像内各波段上分别选取设定数量的像素曲线；
将所述像素曲线按照波段由小到大进行组合，形成光谱分布图像。
4.根据权利要求3所述一种烟气分析处理方法，其特征在于，所述烟气分析处理模型为CNN网络模型、栈式自编码神经网络模型和BP神经网络模型中至少一种。
5.根据权利要求4所述一种烟气分析处理方法，其特征在于，所述设定数量为大于等于1且小于等于10中的整数。
6.一种烟气分析处理系统，其特征在于，所述系统包括：
数据预处理模块：采集多组烟气样本并进行预处理；
数据集制作模块：获取预处理后的各个样本的光谱图像，对光谱图像进行处理，并测定对应的烟气成分含量，组成数据集；
含量预测模块：通过所述数据集建立烟气分析处理模型，通过所述烟气分析处理模型对待测烟气进行成分含量预测。
7.根据权利要求6所述一种烟气分析处理系统，其特征在于，所述预处理采用预处理装置对烟气样本进行除尘、除水。
8.根据权利要求6所述一种烟气分析处理系统，其特征在于，所述对光谱图像进行处理包括：
处理单元：对图像进行预处理，所述预处理为平滑滤波、多元散射校正、标准正交变换、正交信号校正和主成分分析中至少一种；
组合单元：在所述光谱图像内各波段上分别选取设定数量的像素曲线；将所述像素曲线按照波段由小到大进行组合，形成光谱分布图像。
9.根据权利要求8所述一种烟气分析处理系统，其特征在于，所述烟气分析处理模型为CNN网络模型、栈式自编码神经网络模型和BP神经网络模型中至少一种。
CN202011424965.5A 2020-12-08 2020-12-08 一种烟气分析处理方法及系统 Pending CN112396064A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011424965.5A CN112396064A (zh) 2020-12-08 2020-12-08 一种烟气分析处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011424965.5A CN112396064A (zh) 2020-12-08 2020-12-08 一种烟气分析处理方法及系统

Publications (1)

Publication Number Publication Date
CN112396064A true CN112396064A (zh) 2021-02-23

Family

ID=74605802

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011424965.5A Pending CN112396064A (zh) 2020-12-08 2020-12-08 一种烟气分析处理方法及系统

Country Status (1)

Country Link
CN (1) CN112396064A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115909180A (zh) * 2023-01-04 2023-04-04 中环碳和(北京)科技有限公司 一种六氟化硫测量方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105241823A (zh) * 2015-09-30 2016-01-13 西安交通大学 基于稀疏表示的火电厂烟气光谱定量分析方法
CN206161395U (zh) * 2016-08-27 2017-05-10 安徽天承科自动化科技有限公司 一种烟气分析预处理系统
CN111289446A (zh) * 2020-03-30 2020-06-16 天津工业大学 一种复杂溶液成分浓度的检测方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105241823A (zh) * 2015-09-30 2016-01-13 西安交通大学 基于稀疏表示的火电厂烟气光谱定量分析方法
CN206161395U (zh) * 2016-08-27 2017-05-10 安徽天承科自动化科技有限公司 一种烟气分析预处理系统
CN111289446A (zh) * 2020-03-30 2020-06-16 天津工业大学 一种复杂溶液成分浓度的检测方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115909180A (zh) * 2023-01-04 2023-04-04 中环碳和(北京)科技有限公司 一种六氟化硫测量方法
CN115909180B (zh) * 2023-01-04 2024-01-26 中环碳和(北京)科技有限公司 一种六氟化硫测量方法

Similar Documents

Publication Publication Date Title
CN1141569C (zh) 遥测废气的装置
CN112526070B (zh) 一种lel和voc组合式废气分析系统
CN100489535C (zh) 烟气排放连续监测方法及其装置
CN201803886U (zh) 一种气体预处理装置及气态组分监测系统
CN102439439B (zh) 液体样品的环境控制、校正和浓度水平的检测
CN100561192C (zh) 基于aotf近红外光谱仪实现的多组分气体浓度定量分析方法
CN111351762A (zh) 一种紫外-可见光全波长扫描污水水质在线快速检测方法和应用
CN1885008A (zh) 烟气排放连续监测方法及其系统
CN102230891A (zh) 一种紫外光学多组分气体分析仪的数据处理系统
CN205280707U (zh) 一种工业排放VOCs尾气现场检测评价装置
CN2914094Y (zh) 一种烟气排放连续监测装置
CN112396064A (zh) 一种烟气分析处理方法及系统
Zhu et al. Online recognition of drainage type based on UV-vis spectra and derivative neural network algorithm
CN111289697B (zh) Cems运行状态监控与数据作假识别方法及系统
Zhang et al. Broadband UV spectroscopy system used for monitoring of SO2 and NO emissions from thermal power plants
CN2914071Y (zh) 一种烟气排放连续监测系统
CN106442368B (zh) 基于emd的二氧化硫紫外差分吸收光谱降噪重构方法
CN113109397B (zh) 一种烟气中so3浓度在线监测系统及其方法
JP6446457B2 (ja) ガスのシロキサン含有量を求めるための方法および装置
CN101949789A (zh) 一种气体预处理方法和装置
CN113504214A (zh) 一种基于拉曼光谱的柴油机排放颗粒实时测定装置及方法
JP4188096B2 (ja) 測定装置
CN110849679A (zh) 一种燃煤烟气中可凝结颗粒物与三氧化硫同步采样装置及其工作方法
CN114018848B (zh) 可视化氮氧化物转化系统
CN112816377B (zh) 基于ftir技术的烟气检测方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210223