CN113064390B - 基于案例推理的水泥生产企业污染物排放主动告警方法 - Google Patents

基于案例推理的水泥生产企业污染物排放主动告警方法 Download PDF

Info

Publication number
CN113064390B
CN113064390B CN202110286208.4A CN202110286208A CN113064390B CN 113064390 B CN113064390 B CN 113064390B CN 202110286208 A CN202110286208 A CN 202110286208A CN 113064390 B CN113064390 B CN 113064390B
Authority
CN
China
Prior art keywords
case
kiln
pollutant emission
electric quantity
content
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
CN202110286208.4A
Other languages
English (en)
Other versions
CN113064390A (zh
Inventor
胡博
李广野
张佳鑫
温鑫
徐朗铭
苑莹
刘育博
姜博宇
张皓翔
李家辉
张宇博
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.)
Liaoyang Power Supply Co Of State Grid Liaoning Electric Power Supply Co ltd
State Grid Corp of China SGCC
Northeastern University China
Original Assignee
Liaoyang Power Supply Co Of State Grid Liaoning Electric Power Supply 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 Liaoyang Power Supply Co Of State Grid Liaoning Electric Power Supply Co ltd filed Critical Liaoyang Power Supply Co Of State Grid Liaoning Electric Power Supply Co ltd
Priority to CN202110286208.4A priority Critical patent/CN113064390B/zh
Publication of CN113064390A publication Critical patent/CN113064390A/zh
Application granted granted Critical
Publication of CN113064390B publication Critical patent/CN113064390B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32252—Scheduling production, machining, job shop
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Processing Of Solid Wastes (AREA)

Abstract

基于案例推理的水泥生产企业污染物排放主动告警方法，属于环保技术领域，本发明方法能够依据主要生产设备的用电数据及时有效地发出污染物排放量的告警信号，提示环保监测部门采取措施减少大气污染；充分利用了电力和环保数据，以及环保人员的工作经验，实现了水泥生产企业污染物排放量主动告警，减轻了环保人员的工作强度；不仅能够及时减少水泥生产企业的污染物排放量，而且也能够为其他污染物排放量高的行业企业的污染物排放及时告警探索出一条可行的技术路线。

Description

基于案例推理的水泥生产企业污染物排放主动告警方法
技术领域
本发明属于环保技术领域，具体涉及一种基于案例推理技术的水泥生产企业污染物排放主动告警方法。
背景技术
近年来，随着我国工业化和城市化进程的加速，我国的国民经济得到了高速发展，但是与此同时，也不可避免地带来了大气污染的问题。目前，大气质量越来越受到社会各界的关注，人民群众对大气污染的关注度不断增强。
依据《环境空气质量标准》(GB3095-2012)对SO2、NO2、PM10、PM2.5、CO和O3六项污染物进行评价，全国4.1％的城市空气质量达标，95.9％的城市超标。其主要原因是，粉尘、工业废气和汽车尾气的排放导致SO2、NO2、PM10、PM2.5进入空气中，对大气造成了严重的污染。目前，为了减少大气污染，如何有效地对大气污染物排放进行主动告警已经成为热点研究课题。
对高污染物排放量企业的污染物排放量进行实时在线监测，从而进行主动告警，是减少大气污染的一种有效途径。水泥生产企业是典型的高污染物排放量企业。水泥生产企业的生产过程包括生料制备、煤粉制备、熟料烧成和水泥粉磨四个主要环节，其中熟料烧成是核心环节。该环节的主要任务是对水泥生料进行高温煅烧，使其按照工艺要求发生一系列物理化学变化，最终形成含有特定矿物成分的水泥熟料。由于熟料烧成环节的原料是粉状的水泥生料，在该环节中水泥生料均由气力输送，而且水泥熟料也需要大量空气冷却，因此在熟料烧成环节中不可避免地会出现粉尘。熟料烧成环节使用的燃料是煤粉，因此在该环节的燃烧产物中也会出现粉尘、SO2、NO2。
近年来，我国的水泥生产企业虽然都已经安装了污染物排放量在线检测仪表，但是这些检测仪表由于经济、技术和企业管理等原因，往往缺乏及时的维护而难以长期可靠运行。这种现状导致了难以对水泥生产企业的污染物排放量进行及时告警，从而加重了大气污染。
发明内容
针对当前水泥生产企业污染物排放量大且告警不及时，环保监测部门难以及时采取措施避免污染物排放量增加的现状，本发明提出一种能够通过电力数据判断出污染物排放量，从而发出主动告警信号的方法。
在水泥生产企业的日常生产当中，所有的生产设备都要用电。由于企业的污染物是在日常生产中排放的，因此污染物排放量与实际生产密切相关，所以主要生产设备的用电量数据能够在一定程度上反映出污染物的排放量。而且，有经验的环保工作人员在通过监测某些用电数据判断出污染物排放量的变化方面积累了一定的经验。因此，有必要利用人工智能方法研发一套污染物排放主动告警方法，模仿有经验的环保工作人员的工作流程，提示环保监测部门及时采取措施避免污染物排放量的增加，从而减少大气污染。
在众多的人工智能方法中，案例推理方法可以充分利用人类已有的经验解决问题。它利用以往成功或失败的经验案例经过推理得到当前问题的解，模拟人类求解问题的思路，通过修改已有的解决方案满足求解新问题的需要，评价新方案，解答新问题。案例推理过程主要有四大步骤，即案例检索、案例重用、案例修正、案例存储。鉴于案例推理方法的特点和适用性，本发明采用案例推理方法来进行污染物排放的主动告警。
本发明的基于案例推理的水泥生产企业污染物排放主动告警方法，包括以下步骤：
变量选取；
选取企业总电量、生产线电量、高温风机电量、窑头排风机电量和窑主电机电量作为输入变量，形成输入变量集合{x}；选取窑尾颗粒物含量、窑头颗粒物含量、窑尾氮氧化物含量、窑尾二氧化硫含量作为输出变量，形成输出变量集合
Figure BDA0002980585230000021
构建案例库；
案例库的形式如表1所示。案例库中每条案例由案例的问题描述、案例的解和案例的存储时间三部分构成；其中，输入变量集合{x}构成了案例的问题描述，输入变量集合
Figure BDA0002980585230000023
构成了案例的解，案例的存储时间用T表示。
表1案例库的结构
Figure BDA0002980585230000022
案例检索；
首先根据式(1)计算当前问题M与案例库中每条案例Mk(k＝1,2,...,K)的相似度SIM(M,Mk)，其中K表示案例库中案例的数量，然后在案例库中检索出所有相似度大于阈值SIMv的案例，组成案例库Lj。
Figure BDA0002980585230000031
其中ωi(i＝1,2,...,5)表示问题描述部分的第i个输入变量的案例特征权值，
Figure BDA0002980585230000032
表示当前问题与第k条案例中第i个输入变量(即ci与ci,k)之间的特征相似度，max{ci}-min{ci}为第i个输入变量的变化范围，ci表示当前问题输入变量集合的第i个分量的值，c1～c5的含义分别见表1中的输入变量集合中说明，ci,k表示第k条案例的输入变量集合中第i个分量的值。
案例重用；
如果Lj不为空集，则采用公式(2)求出Lj中的每条案例当前问题的解
Figure BDA00029805852300000310
Figure BDA0002980585230000033
其中R为案例集合Lj中的案例数目，
Figure BDA0002980585230000034
表示第k条案例的解。如果Lj为空集，则需要对检索出的具有最大相似度的案例进行修正后再重用。修正采用专家规则进行。假设Lj为空集且检索出的最大相似度案例Mn的描述特征为Cn＝{ci,n}，则修正规则的形式如下所示：
Figure BDA0002980585230000035
其中
Figure BDA0002980585230000036
为案例Mn的解，a1为窑主电机电量的偏移量，d1和d2为窑尾颗粒物含量和窑头颗粒物含量的修正量，均由专家经验确定。
案例修正；
将经过案例重用得到的结果与实际检测结果进行比较，如果得到的结果都位于可接受的误差范围内，则不进行修正，将本次重用得到的输出值
Figure BDA0002980585230000037
置为
Figure BDA0002980585230000038
否则就将本次重用的结果
Figure BDA0002980585230000039
置为实际检测结果。所述的可接受的误差范围是指，案例重用得到的结果与实际检测结果之间的相对误差小于5％。
案例存储；
将经过案例修正之后得到的新案例与Lj中的历史案例进行比较，案例最高相似度低于预先设置好的案例存储相似度阈值simmax的直接存储；否则删除相似度最高的那条历史案例，把新案例加入案例库。
污染物排放主动告警；
将得到的结果
Figure BDA0002980585230000041
与污染物排放量高报警阈值和高高报警阈值进行比较，如果任何一种污染物达到或超过高报警阈值附近的一定范围，就发出污染物排放量高的主动告警信号；如果任何一种污染物达到或超过高高报警阈值附近的一定范围，就发出污染物排放量严重的主动告警信号。所述的高报警阈值是指达到环保部门要求排放上限值的85％，高高报警阈值是指达到要求排放上限值的95％；所述的报警阈值附近的一定范围是指：高报警阈值的±5％范围内和高高报警阈值的±5％范围内。
本发明具有以下有益效果及优点：
1、本发明方法能够依据主要生产设备的用电数据及时有效地发出污染物排放量的告警信号，提示环保监测部门采取措施减少大气污染。
2、充分利用了电力和环保数据，以及环保人员的工作经验，实现了水泥生产企业污染物排放量主动告警，减轻了环保人员的工作强度。
3、不仅能够及时减少水泥生产企业的污染物排放量，而且也能够为其他污染物排放量高的行业企业的污染物排放及时告警探索出一条可行的技术路线。
附图说明
图1为水泥生产过程流程图。
图2为本发明污染物排放主动告警算法流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明。
实施例1
一种基于案例推理的水泥生产企业污染物排放主动告警方法，如图2所示，具体包括：
变量选取；
如图1所示，由于水泥生产企业的日常生产用电与污染物排放量直接相关，因此选择企业总电量、生产线电量作为输入变量，熟料烧成环节的主要设备有高温风机、窑头排风机和窑主电机，因此也将它们的用电量作为输入变量，这样，输入变量集合{x}就包括企业总电量、生产线电量、高温风机电量、窑头排风机电量和窑主电机电量五个变量。由于熟料烧成环节的少数生料粉会经窑尾被高温废气带出，极少数微小的熟料颗粒会被来自篦冷机的冷却风带出，因此选取窑尾颗粒物含量、窑头颗粒物含量作为输出变量，煤粉燃烧产生的SO2和NO2会进入高温废气当中并从窑尾排出，因此窑尾氮氧化物(NO2)含量、窑尾SO2含量也作为输出变量，所以输出变量集合
Figure BDA0002980585230000057
包括了窑尾颗粒物含量、窑头颗粒物含量、窑尾氮氧化物(NO2)含量和窑尾SO2含量四个变量。
构建案例库；
依据输入变量集合和输出变量集合，构建如表2所示的案例库。在案例库中，输入变量集合作为案例的问题描述，即案例的问题描述包括企业总电量c1、生产线电量c2、高温风机电量c3、窑头排风机电量c4和窑主电机电量c5五个变量；输出变量集合作为案例的解，即案例的解包括窑尾颗粒物含量
Figure BDA0002980585230000051
窑头颗粒物含量
Figure BDA0002980585230000052
窑尾氮氧化物(NO2)含量
Figure BDA0002980585230000053
和窑尾SO2含量
Figure BDA0002980585230000054
四个变量；此外还加入案例的存储时间T。因此，案例的问题描述、案例的解和案例的存储时间三部分就组成了一条案例。
表2案例库的结构
Figure BDA0002980585230000055
案例检索；
假设案例库中已经存储了K条案例，则当前问题案例M与案例库中第k条案例Mk的相似度SIM(M,Mk)如式(3)所示：
Figure BDA0002980585230000056
其中，ωi(i＝1,2,...,5)表示问题描述部分的第i个输入变量的案例特征权值，其取值由专家经验确定初始值，然后经过反复比较及试验调整，最终再经专家认定，特征权值取值如下：ω1＝0.1，ω2＝0.15，ω3＝0.25，ω4＝0.25，ω5＝0.25；
Figure BDA0002980585230000061
表示当前问题与案例库中的第k条案例中第i个输入变量(即ci与ci,k)之间的特征相似度，max{ci}-min{ci}为第i个输入变量ci的变化范围。
在案例库中检索出所有相似度大于阈值SIMv的案例组成案例库Lj。SIMv由专家经验给出初始值，再经过试验后确定为SIMv＝0.91。
案例重用；
如果Lj不为空集，对案例集合Lj中的每条案例的解，采用式(4)得出当前问题的解
Figure BDA0002980585230000068
Figure BDA0002980585230000062
其中R为检索出的案例集合Lj中的案例数目，
Figure BDA0002980585230000063
表示第k条案例的解。如果Lj为空集，则需要对检索出的具有最大相似度的案例进行修正后再重用。假设Lj为空集且检索出的最大相似度案例Mn的描述特征为Cn＝{ci,n}，那么修正采用如下形式的专家规则进行：
Figure BDA0002980585230000064
案例修正；
将经过案例重用得到的结果与实际检测结果进行比较，如果得到的结果都位于可接受的误差范围内，则不进行修正，直接将本次重用得到的输出值
Figure BDA0002980585230000065
置为
Figure BDA0002980585230000066
否则就将本次重用的结果
Figure BDA0002980585230000067
置为实际检测结果。
案例存储；
将经过案例修正之后得到的新案例与Lj中的历史案例进行比较，案例最高相似度低于simmax的直接存储；否则删除相似度最高的那条历史案例，把新案例加入案例库，其中simmax由专家根据经验给出，取为0.93。
污染物排放主动告警：
将得到的结果
Figure BDA0002980585230000071
分别与污染物排放量高报警阈值和高高报警阈值进行比较，如果任何一种污染物达到或超过高报警阈值的±5％范围内，就发出污染物排放量高的主动告警信号；如果任何一种污染物达到或超过高高报警阈值的±5％范围内，就发出污染物排放量严重的主动告警信号。

Claims (2)

1.一种基于案例推理的水泥生产企业污染物排放主动告警方法，其特征在于，包括以下步骤：
变量选取；
选取企业总电量、生产线电量、高温风机电量、窑头排风机电量和窑主电机电量作为输入变量，形成输入变量集合{x}；选取窑尾颗粒物含量、窑头颗粒物含量、窑尾氮氧化物含量、窑尾二氧化硫含量作为输出变量，形成输出变量集合
Figure FDA0003478616480000011
构建案例库；
案例库中每条案例由案例的问题描述、案例的解和案例的存储时间三部分构成；其中，案例的问题描述由输入变量集合{x}构成，具体包括：企业总电量c1，生产线电量c2，高温风机电量c3，窑头排风机电量c4，窑主电机电量c5；案例的解由输入变量集合
Figure FDA0003478616480000012
构成，具体包括：窑尾颗粒物含量
Figure FDA0003478616480000013
窑头颗粒物含量
Figure FDA0003478616480000014
窑尾氮氧化物含量
Figure FDA0003478616480000015
窑尾二氧化硫含量
Figure FDA0003478616480000016
案例的存储时间用T表示；
案例检索；
首先根据式(1)计算当前问题M与案例库中每条案例Mk,k＝1,2,...,K的相似度SIM(M,Mk)，其中K表示案例库中案例的数量，然后在案例库中检索出所有相似度大于阈值SIMv的案例，组成案例库Lj；
Figure FDA0003478616480000017
其中ωi,i＝1,2,...,5表示问题描述部分的第i个输入变量的案例特征权值，
Figure FDA0003478616480000018
表示当前问题与第k条案例中第i个输入变量ci与ci,k之间的特征相似度，max{ci}-min{ci}为第i个输入变量的变化范围，ci表示当前问题输入变量集合的第i个分量的值，ci,k表示第k条案例的输入变量集合中第i个分量的值；
案例重用；
如果Lj不为空集，则采用公式(2)求出Lj中的每条案例当前问题的解
Figure FDA0003478616480000019
Figure FDA0003478616480000021
其中R为案例集合Lj中的案例数目，
Figure FDA0003478616480000022
表示第k条案例的解；如果Lj为空集，则需要对检索出的具有最大相似度的案例进行修正后再重用；
所述的修正采用专家规则进行，具体为：假设Lj为空集且检索出的最大相似度案例Mn的描述特征为Cn＝{ci,n}，则修正规则的形式如下所示：
Figure FDA0003478616480000023
其中
Figure FDA0003478616480000024
为案例Mn的解，a1为窑主电机电量的偏移量，d1和d2为窑尾颗粒物含量和窑头颗粒物含量的修正量，均由专家经验确定；
案例修正；
将经过案例重用得到的结果与实际检测结果进行比较，如果得到的结果都位于可接受的误差范围内，则不进行修正，将本次重用得到的输出值
Figure FDA0003478616480000025
置为
Figure FDA0003478616480000026
否则就将本次重用的结果
Figure FDA0003478616480000027
置为实际检测结果；所述的可接受的误差范围是指，案例重用得到的结果与实际检测结果之间的相对误差小于5％；
案例存储；
将经过案例修正之后得到的新案例与Lj中的历史案例进行比较，案例最高相似度低于预先设置好的案例存储相似度阈值simmax的直接存储；否则删除相似度最高的那条历史案例，把新案例加入案例库；
污染物排放主动告警；
将得到的结果
Figure FDA0003478616480000028
与污染物排放量高报警阈值和高高报警阈值进行比较，如果任何一种污染物达到或超过高报警阈值附近的一定范围，就发出污染物排放量高的主动告警信号；如果任何一种污染物达到或超过高高报警阈值附近的一定范围，就发出污染物排放量严重的主动告警信号。
2.根据权利要求1所述的一种基于案例推理的水泥生产企业污染物排放主动告警方法，其特征在于，所述的污染物排放主动告警步骤中，所述的高报警阈值是指达到环保部门要求排放上限值的85％，高高报警阈值是指达到要求排放上限值的95％；所述的报警阈值附近的一定范围分别是指：高报警阈值的±5％范围内和高高报警阈值的±5％范围内。
CN202110286208.4A 2021-03-17 2021-03-17 基于案例推理的水泥生产企业污染物排放主动告警方法 Active CN113064390B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110286208.4A CN113064390B (zh) 2021-03-17 2021-03-17 基于案例推理的水泥生产企业污染物排放主动告警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110286208.4A CN113064390B (zh) 2021-03-17 2021-03-17 基于案例推理的水泥生产企业污染物排放主动告警方法

Publications (2)

Publication Number Publication Date
CN113064390A CN113064390A (zh) 2021-07-02
CN113064390B true CN113064390B (zh) 2022-03-01

Family

ID=76560965

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110286208.4A Active CN113064390B (zh) 2021-03-17 2021-03-17 基于案例推理的水泥生产企业污染物排放主动告警方法

Country Status (1)

Country Link
CN (1) CN113064390B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104571050A (zh) * 2015-01-13 2015-04-29 国网上海市电力公司 基于高频用电数据的工业企业污染物排放监控方法
CN106292292A (zh) * 2016-10-17 2017-01-04 鞍钢集团矿业有限公司 基于案例推理的铁矿浮选药剂用量优化设定方法及系统
CN106959662A (zh) * 2017-05-10 2017-07-18 东北大学 一种电熔镁炉异常工况识别及控制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1307415C (zh) * 2004-07-28 2007-03-28 东北大学 基于案例推理的磨矿系统溢流粒度指标软测量方法
CN101275811B (zh) * 2008-05-09 2010-06-23 沈阳东大自动化有限公司 熟料篦式冷却机冷却过程智能控制方法
CN101561148B (zh) * 2009-05-08 2011-07-13 上海颖科计算机科技有限公司 锅炉燃烧控制系统及方法
US20180018757A1 (en) * 2016-07-13 2018-01-18 Kenji Suzuki Transforming projection data in tomography by means of machine learning
CN107368894B (zh) * 2017-07-28 2020-11-10 国网河南省电力公司电力科学研究院 基于大数据共享的大气污染防治用电数据分析平台
CN111401659A (zh) * 2020-04-09 2020-07-10 中冶华天南京电气工程技术有限公司 一种基于案例推理的超短期或短期光伏发电功率预测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104571050A (zh) * 2015-01-13 2015-04-29 国网上海市电力公司 基于高频用电数据的工业企业污染物排放监控方法
CN106292292A (zh) * 2016-10-17 2017-01-04 鞍钢集团矿业有限公司 基于案例推理的铁矿浮选药剂用量优化设定方法及系统
CN106959662A (zh) * 2017-05-10 2017-07-18 东北大学 一种电熔镁炉异常工况识别及控制方法

Also Published As

Publication number Publication date
CN113064390A (zh) 2021-07-02

Similar Documents

Publication Publication Date Title
CN104571050B (zh) 基于高频用电数据的工业企业污染物排放监控方法
CN107316112A (zh) 一种成本效益最优的火电机组减排方案定制方法和系统
CN116228017A (zh) 基于企业环保大数据汇聚实现污染源全过程智能管控方法
CN111210155A (zh) 一种工业产品生命周期环境影响评价的方法
CN109879073B (zh) 一种高挥发分燃煤气膜全封闭煤场的安全防护系统
CN112815728B (zh) 一种机上冷却烧结机的烟气净化装置
CN112464544A (zh) 一种城市固废焚烧过程二噁英排放浓度预测模型构建方法
CN113064390B (zh) 基于案例推理的水泥生产企业污染物排放主动告警方法
CN103034130A (zh) 水泥在线模拟系统及其实现方法
CN108767849B (zh) 考虑大气环境质量约束的电力系统运行调度方法
CN115145152A (zh) 一种锅炉燃烧与脱硝过程协同优化控制的方法
CN114632624A (zh) 一种电除尘运行优化系统及优化方法
CN112598167A (zh) 基于蜻蜓算法和快速学习网的电站锅炉NOx排放量预测方法
CN116128136A (zh) 一种基于LSO-CatBoost的燃煤电厂锅炉NOX排放预测方法
CN105222138A (zh) 一种垃圾焚烧锅炉二次风系统以及二次风运行方法
CN113945099A (zh) 一种电炉烟气余热利用方法及系统
CN105823071A (zh) 一种降低锅炉超洁净排放运营成本的方法
KR20210034942A (ko) 옥내 저탄장 유동 및 유해가스 거동 예측 시스템 및 분석 방법
CN205164496U (zh) 一种双吹灰装置的脱硝反应器系统
CN110925768A (zh) 一种垃圾热解气化系统自动控制方法
CN117055413A (zh) 一种基于物联网的环保监控系统
CN107705006A (zh) 一种基于历史数据分析的火电机组污染物排放考核方法
Manke A Performance Comparison of Different Back Propagation Neural Networks for Nitrogen Oxides Emission Prediction in Thermal Power Plant
KR102566796B1 (ko) 소각로 온도 안정화를 위한 폐기물 시스템, 소각 장치 및 방법
CN111389188B (zh) 一种适用于多个NOx排放源并联共排气管的最优控制方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220628

Address after: 111000 81 Bayi Street, Baita District, Liaoyang City, Liaoning Province

Patentee after: LIAOYANG POWER SUPPLY COMPANY OF STATE GRID LIAONING ELECTRIC POWER SUPPLY Co.,Ltd.

Patentee after: STATE GRID CORPORATION OF CHINA

Patentee after: Northeastern University

Address before: 111000 81 Bayi Street, Baita District, Liaoyang City, Liaoning Province

Patentee before: LIAOYANG POWER SUPPLY COMPANY OF STATE GRID LIAONING ELECTRIC POWER SUPPLY Co.,Ltd.

Patentee before: Northeastern University