CN115184440A - 基于物联网的VOCs监测及数据处理系统 - Google Patents
基于物联网的VOCs监测及数据处理系统 Download PDFInfo
- Publication number
- CN115184440A CN115184440A CN202210867724.0A CN202210867724A CN115184440A CN 115184440 A CN115184440 A CN 115184440A CN 202210867724 A CN202210867724 A CN 202210867724A CN 115184440 A CN115184440 A CN 115184440A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- vocs
- unit
- data processing
- data
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 122
- 239000012855 volatile organic compound Substances 0.000 title claims abstract description 103
- 238000012545 processing Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 claims description 35
- 230000006870 function Effects 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 33
- 238000000354 decomposition reaction Methods 0.000 claims description 23
- 230000006855 networking Effects 0.000 claims description 11
- 238000009792 diffusion process Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 239000003344 environmental pollutant Substances 0.000 claims description 6
- 231100000719 pollutant Toxicity 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- IYLGZMTXKJYONK-ACLXAEORSA-N (12s,15r)-15-hydroxy-11,16-dioxo-15,20-dihydrosenecionan-12-yl acetate Chemical compound O1C(=O)[C@](CC)(O)C[C@@H](C)[C@](C)(OC(C)=O)C(=O)OCC2=CCN3[C@H]2[C@H]1CC3 IYLGZMTXKJYONK-ACLXAEORSA-N 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 4
- IYLGZMTXKJYONK-UHFFFAOYSA-N ruwenine Natural products O1C(=O)C(CC)(O)CC(C)C(C)(OC(C)=O)C(=O)OCC2=CCN3C2C1CC3 IYLGZMTXKJYONK-UHFFFAOYSA-N 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 9
- 230000007613 environmental effect Effects 0.000 abstract description 9
- 230000009467 reduction Effects 0.000 abstract description 7
- 239000007789 gas Substances 0.000 description 55
- 238000004891 communication Methods 0.000 description 12
- 230000008901 benefit Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 239000000126 substance Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000007958 sleep Effects 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- XLOMVQKBTHCTTD-UHFFFAOYSA-N Zinc monoxide Chemical compound [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 description 2
- 239000003570 air Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 239000003574 free electron Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- JTJMJGYZQZDUJJ-UHFFFAOYSA-N phencyclidine Chemical compound C1CCCCN1C1(C=2C=CC=CC=2)CCCCC1 JTJMJGYZQZDUJJ-UHFFFAOYSA-N 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000002508 contact lithography Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000835 electrochemical detection Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 231100000252 nontoxic Toxicity 0.000 description 1
- 230000003000 nontoxic effect Effects 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000001259 photo etching Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000005036 potential barrier Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- RAVDHKVWJUPFPT-UHFFFAOYSA-N silver;oxido(dioxo)vanadium Chemical compound [Ag+].[O-][V](=O)=O RAVDHKVWJUPFPT-UHFFFAOYSA-N 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- XOLBLPGZBRYERU-UHFFFAOYSA-N tin dioxide Chemical compound O=[Sn]=O XOLBLPGZBRYERU-UHFFFAOYSA-N 0.000 description 1
- 229910001887 tin oxide Inorganic materials 0.000 description 1
- 239000011787 zinc oxide Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
- G01N27/416—Systems
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Molecular Biology (AREA)
- Analytical Chemistry (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)
Abstract
本发明公开了一种基于物联网的VOCs监测及数据处理系统，包括气体监测单元、物联网单元、数据处理单元和数据模型化单元，气体监测单元分别与物联网单元和数据模型化单元连接，物联网单元与数据处理单元连接，数据处理单元与数据模型化单元连接。本发明可稳定进行数据采集和上传；将VOCs的排放信息实时反馈给当地环保部门，帮助当地部门实现监测区域内VOCs减排效果，减少有关部门人力成本的同时，及时有效的处理污染情况，提高治理效率。
Description
技术领域
本发明具体涉及一种基于物联网的VOCs监测及数据处理系统。
背景技术
VOCs是形成臭氧(O)和PM2.5的重要前体物，实施VOCs治理攻坚能有效改善大气环境质量，补齐大气污染治理短板，增加企业效益，减少安全隐患，保护人体健康，实现环境效益、经济效益和社会效益多赢。但由于VOCs种类繁多，化学性质、物理性质差异大的特点，同时其排放源范围广，故其监测极具挑战。VOCs 一般指挥发性有机物。
从调研和前期掌握的情况来看，我国VOCs治理工作虽然取得了一些进展，但治理能力依然薄弱，VOCs污染尚未得到有效控制，是当前大气污染治理的突出短板。VOCs的治理包括，源头减量、中间控制和末端治理，目前国内在VOCs的治理手段上仍然以末端治理为主，主要使用回收利用技术和销毁技术对排放的VOCs进行再资源化循环利用或使其分解化合转化为其他无毒无害的物质。可由于多数行业的VOCs以混合物的形式排放，成分也由于不同的化合物性质变得极其复杂，采用单一方法的治理技术很难达到治理效果，且末端治理对设备的依赖度较高，企业治理成本高昂。同时，我国VOCs监测工作尚处于起步阶段，企业自行监测质量普遍不高，点位设置不合理、数据质控不到位，在线监测数据质量差等问题突出，而涉VOCs排放的行业多、分布广，缺乏有效的数据处理与监测溯源系统，网格化监测等应用不足，综合治理效率低下。
因此，提出一种对VOCs进行物联网式低功耗高精度远程合理监测及数据处理的方案是一项刻不容缓的任务，对环境空气质量的改善，保障人民群众身体健康具有重大意义。
发明内容
本发明要解决的技术问题是，针对现有技术存在的上述缺陷，提供了一种基于物联网的 VOCs监测及数据处理系统，可稳定进行数据采集和上传；将VOCs的排放信息实时反馈给当地环保部门，帮助当地部门实现监测区域内VOCs减排效果，减少有关部门人力成本的同时，及时有效的处理污染情况，提高治理效率。
本发明为解决上述技术问题所采用的技术方案是：
一种基于物联网的VOCs监测及数据处理系统，包括气体监测单元、物联网单元、数据处理单元和数据模型化单元，气体监测单元分别与物联网单元和数据模型化单元连接，物联网单元与数据处理单元连接，数据处理单元与数据模型化单元连接。
按照上述技术方案，物联网单元通过服务器云平台将数据发送至数据处理单元；物联网单元为窄带物联网(NB-IoT)。
按照上述技术方案，气体监测单元包括多个VOCs监测节点，每个VOCs监测节点包括基于高性能电化学纳米阵列气体检测芯片的电化学阻抗传感器。
按照上述技术方案，VOCs监测节点以梯度式网格分布，梯度式网格分布即在综合考虑区域的重要性、大气污染物的污染程度、工业化发展水平的高低的基础上，对所在区域进行网格划分，在网格的交点处设立监测点位。
按照上述技术方案，对城市主城区域采用1.2～1.5km×1.2～1.5km网格划分，对工业园区域采用0.3～0.5km×0.3～0.5km网格划分，对郊区域采用1.8～2km×1.8～2km网格划分。
按照上述技术方案，若网格直线交点落于湖泊等难以布置节点的位置，则取消此节点的安置。
按照上述技术方案，数据处理单元基于小波阈值函数、结合经验模态分解和小波变换改进的数据处理方法，包括以下步骤：
S1，使用一种基于经验模态分解的方法来将谐波信号数据分解成不同频率的本征模态函数；
S2，对数据信号采用改进的小阈值去噪。
8.根据权利要求7所述的基于物联网的VOCs监测及数据处理系统，其特征在于，在步骤S2中，改进的小阈值去噪的具体过程为：
S2.1，选择适当的小波基并确定分解层数，对信号进行小波分解；
S2.2，选择阈值和阈值函数，对小波分解得到的系数进行阈值化处理；
S2.3，对处理后的信号进行小波重构，得到去噪后的信号。
按照上述技术方案，所述的步骤S2.2中阈值函数：
其中，Wj，k为经过阈值处理的小波系数，j为分解层数，k为系数序号，λ为小波阈值，α为调整因子；
按照上述技术方案，数据模型化单元对数据的分析过程为：数据模型化单元采用Kriging 插值法估计监测坐标附近的VOCs浓度，根据各监测节点坐标以及浓度值绘制气体扩散等值线。
进一步地，等值线是物理量的数值和图像相结合，代表着物理量空间分布的一种直观的图像信息；大多数等值线都是在二维平面上进行绘制的，利用数学的插值方法将监测得到的离散的物理量的数值离散、网格化，将相同数值的点用平滑的曲线绘制而成。利用美国Golden Software开发的Surfer软件绘制气体扩散等值线。
Kriging插值法的公式为：
式(3)中Z(si)为第i个位置处的测量值，λi为第i个位置处的测量值的未知权重，si＝预测位置N为测量值数。导入Surfer各监测节点坐标以及浓度值，利用Kriging插值法绘制出气体扩散等值线。
本发明具有以下有益效果：
采用物联网方式进行VOCs监测单元的数据传输；站点具有布设便利、通信可靠、采样准确、运行稳定、功耗极低等特点，以保证站点设备在投入使用后无需人为干涉即可稳定进行数据采集和上传；将VOCs的排放信息实时反馈给当地环保部门，帮助当地部门实现监测区域内VOCs减排效果，减少有关部门人力成本的同时，及时有效的处理污染情况，提高治理效率。
附图说明
图1是本发明实施例中基于物联网的VOCs监测及数据处理系统的工作流程图；
图2是本发明实施例中电化学气体监测芯片的结构示意图；
图3是本发明实施例中城市地图中监测节点的布置效果图；
图4是本发明实施例中改进的小波变换步骤图；
图5是本发明实施例中窄带物联网的示意图；
图6是本发明实施例中BC95模块连接示意图；
图中，1-物联网平台，2-NB-IoT核心网，3-NB-IoT基站，4-VOCs检测设备，5-第三方应用。
具体实施方式
下面结合附图和实施例对本发明进行详细说明。
参照图1～图6所示，本发明提供的一个实施例中的基于物联网的VOCs监测及数据处理系统，包括气体监测单元、物联网单元、数据处理单元和数据模型化单元，气体监测单元分别与物联网单元和数据模型化单元连接，物联网单元与数据处理单元连接，数据处理单元与数据模型化单元连接；气体监测单元将原始数据经物联网单元发送至数据处理单元，数据处理单元将处理后的数据发送至数据模型化单元，数据模型化单元对数据进行分析，并将分析结果发至气体监测单元，并将分析结果进行图形化显示。
进一步地，物联网单元通过服务器云平台将数据发送至数据处理单元；在气体监测单元和物联网单元上进行升级创新，并采用更高精度的算法和建立更准确的数据模型。基于此实现对物联网平台收集的数据的处理和分析。图1为系统工作流程图；
物联网单元为窄带物联网(NB-IoT)。
进一步地，窄带物联网(NB-IoT)技术作为3GPP R13标准引入的一个新特性，具备良好的室内外覆盖性能、支持大规模低数据吞吐量、超低功耗及低成本四大优势。采用NB-IoT 无线通信方式进行VOCs监测单元与云平台间的数据传输，站点具有布设便利、通信可靠、采样准确、运行稳定、功耗极低等特点，以保证站点设备在投入使用后无需人为干涉即可稳定进行数据采集和上传。同时，NB-IoT支持的大规模实时性的数据传输，能够及时将大量 VOCs监测单元的检测数据回传至云平台，为后续的污染判别和定位打下了坚实的硬件基础。
本系统方案主要基于NB-IoT技术对每个VOCs监测单元进行信息采集、信息传输以及状态监控。NB-IoT网络结构图如图5所示，其物联网构成主要包括终端层(VOCs监测单元)、网络层(NB-IoT基站)及物联网平台(服务器)和应用层。
(Ⅰ)终端层。主要安装于VOCs监测单元，处于物联网基础地位，其作用是实现检测数据的采集和上传。该功能的实现依赖于其内部的物联网通信组件，它能与物联网基站通信，实现多个VOCs监测单元的结合，改变了传统孤立式的检测模式。
(Ⅱ)网络层。由两部分组成：其一是物联网基站，具备终端接入和区块化管理等作用，还同核心网络相联系，负责将接收到的终端信息传输给核心网。其二是核心网，借助转接的数据信息实现用户终端的签约、认证等业务，然后再转发至物联网平台，用于进一步处理。
(Ⅲ)物联网平台。在系统中，所有采集的终端数据最终会集中到物联网平台进行处理和分析。平台根据各个VOCs监测站点回传的数据建立模型，实时判断VOCs排放是否超标，并定位污染排放源。
(Ⅳ)应用层。其处于NB-IoT分布式监测系统的最上层，主要负责将物联网平台的运算结果进行可视化处理并展现给用户。本系统中与VOCs检测芯片相连接的物联网通信单元是BC95。BC95模块是一种高性能、低功耗的NB-IoT无线通信模块，与其它的无线通信模块相比，BC95具有覆盖强、大连接、功耗低和成本低等优点。本系统采用BC95模块与采集检测数据的主控制器的PA10与PA9相连接，实现数据的发送与接收，通信电路如图6所示。
VOCs监测单元是本系统的数据源。监测单元周期性的进行数据采集，并通过NB-IoT技术以无线方式上传至基站；因此监测单元本质上是一个相对独立的电子系统，具有超低功耗、睡眠唤醒、工作模式智能切换等特点。
进一步地，气体监测单元包括多个VOCs监测节点，每个VOCs监测节点包括基于高性能电化学纳米阵列气体检测芯片的电化学阻抗传感器。
进一步地，本项目使用电化学阻抗传感器进行气体检测；图2中(a)为电化学气体检测芯片实物图，(b)为500um微观放大图，(c)为50um微观放大图，(d)1um微观放大图。电化学阻抗传感器是由导电材料掺杂聚合物作为敏感膜制作而成，它是一类相对简单、低能耗和稳定的传感器，且对各种气体响应的范围也较宽。当气体吸附于敏感膜时，一方面，敏感膜膨胀导致膜中导电性粒子的距离增加，另一方面，气体吸附后还会引起敏感膜的介电常数改变,进而引起电阻和电容改变。因此，通过传感器电阻和电容的变化可以检测分析气体的成分含量。
通过纳米光刻技术、SU-8模板技术、接触印刷技术等技术工艺在导电基底上制备各种纳米传感器阵列，如钒酸银、氧化锌、氧化锡阵列等。
在施加电压的情况下，特定的VOC气体会稳定吸附到半导体表面与晶粒界面之间，氧化性气体会获得自由电子，形成负电离子，使得敏感材料表面与晶粒界面的负电荷密度增加，材料的电导率减小，电阻增大；而还原性气体则相反，使得材料表面和晶粒界面之间的负电荷密度减小，载流子(自由电子)的浓度增大，势垒下降，使载流子更加容易通过材料表面和晶粒之间，材料的电导率增大，电阻减小。
因此，通过比较电阻的增减以及增减的幅度能准确地判断出检测气体中所含VOCs化合物的类型和含量，在经过一定数量的测试后，可以根据检测的数据统计出一份对照数据，包含不同VOCs气体对应的电阻大小以及变化的电位范围，基于此能够快速分析出空气中VOCs 污染气体种类及其浓度。
在实机测试中，单个节点对VOCs的检测精度已达到ppb级，远超污染检测所需的ppm 级。因此该芯片可以做到更高精度的VOCs检测，即使部署在距离污染排放源较远、污染气体浓度较低的区域，仍具备检测微量VOCs的能力。结合本项目组建立的模型与算法，可以实现通过远端多点监测，推算出污染源位置及其排放浓度的功能，达到对VOCs污染排放区进行区域性、立体性监测的目标。
通过改变导电基底上的纳米传感器阵列，可以改变芯片检测的VOCs气体种类。针对不同的应用场景可相应定制不同的检测芯片，以达到精确检测和节约芯片成本的目的。目前，根据检测气体种类和数量的不同，单个芯片的成本可控制在几十至几百元不等，在提高污染气体监测准确度的同时，极大的降低了检测成本，使分布式监测成为可能。
进一步地，VOCs监测节点以梯度式网格分布以梯度式网格分布；提高气体监测单元的检测检测广度和数据精度。
进一步地，对城市主城区采用1.5km×1.5km网格，对工业园区采用0.5km×0.5km网格，对郊区采用2km×2km网格。
进一步地，若网格直线交点落于湖泊等难以布置节点的位置，则取消此节点的安置。
进一步地，梯度式网格分布即在综合考虑区域的重要性、大气污染物的污染程度、工业化发展水平的高低的基础上，对所在区域进行网格划分，在网格的交点处设立监测点位。这种方法的优点是充分考虑代表性、一致性原则，能够确保判断监测数据的有效性和精确性，同时能够绘制该区域不同时段污染物扩散的趋势，有利于对污染物控制进行科学决策，在污染物均匀区域、多污染源区域实用度很高。本系统采用基于梯度分布的网格布点法。对VOCs 排放重点单位集中的区域例如化工厂区采用较为密集的网格布点。而对于主城区(主要包含商业区和居民区)采用稀疏的网格布点。
对城市主城区采用1.5km×1.5km网格，对工业园区采用0.5km×0.5km网格，对郊区采用2km×2km网格。图3是以武汉部分城区为例采用梯度分布的网格布点法布置VOCs气体监测点的效果图，红色框内为工业园区，若网格直线交点落于湖泊等难以布置节点的位置，则取消此节点的安置。
武汉经济开发区(汉南区工业园)面积约为34.79平方公里，按照0.5km×0.5km网格布置监测节点，需要节点数约为139个，武汉中心城区863平方公里，按照1.5km×1.5km网格布置监测节点，需要节点数约为384个。武汉郊区(除去新洲区、和黄陂区)面积为3844平方公里，按照2km×2km网格布置监测节点，需要节点数约为961个。节点总数约为1484个。
进一步地，数据处理单元基于小波阈值函数、结合经验模态分解和小波变换改进的数据处理方法，包括以下步骤：
S1，使用一种基于经验模态分解(empirical Mode position，EMD)的方法来将谐波信号数据分解成不同频率的本征模态函数(Intrinsic Mode Function，IMF)；EMD的本质是在待分解信号中加入均值为零、频率不同的白噪声来平滑异常信号。在多次叠加平均，能够抑制大部分甚至完全消除白噪声带来的影响。
S2，对数据信号采用改进的小阈值去噪。
进一步地，在步骤S2中，改进的小阈值去噪的具体过程为：
S2.1，选择适当的小波基并确定分解层数，对信号进行小波分解；
S2.2，选择阈值和阈值函数，对小波分解得到的系数进行阈值化处理；
S2.3，对处理后的信号进行小波重构，得到去噪后的信号。
进一步地，所述的步骤S2.2中阈值函数：
其中，Wj，k为经过阈值处理的小波系数，j为分解层数，k为系数序号，λ为小波阈值，α为调整因子；sgn()为符号函数；
在阈值函数算法中，常用的阈值函数包括硬阈值和软阈值函数。通过调整n阈值函数可以灵活的在软硬阈值函数之间转换，阈值函数是连续一阶可导，通过不断改变参数的值能够更好的实现优化信号的平滑过渡。分解层数的增加采用固定阈值存在着一定的不合理性，因此使用：
其中，
对原来阈值进行调整，j为分解层数，σ为噪声标准方差；通过对的大小的改变使阈值介于软硬阈值函数之间。
改进的阈值函数不仅能够实现函数的形状的灵活变化，还能够很好的实现平滑过渡。因此本设计对电压电流信号在高频采用偏硬阈值函数优化，主要滤除大部分噪声，低频上系数采用偏软阈值函数优化，实现有用信号的保留。如此尽可能保留有用信号的原始特性同时最大程度地优化。本设计结合的EMD优化方法和改进的小波变换，步骤如图4。
进一步地，数据模型化单元对数据的分析过程为：数据模型化单元采用Kriging插值法估计监测坐标附近的VOCs浓度，根据各监测节点坐标以及浓度值绘制气体扩散等值线。
进一步地，等值线是物理量的数值和图像相结合，代表着物理量空间分布的一种直观的图像信息；大多数等值线都是在二维平面上进行绘制的，利用数学的插值方法将监测得到的离散的物理量的数值离散、网格化，将相同数值的点用平滑的曲线绘制而成。利用美国Golden Software开发的Surfer软件绘制气体扩散等值线。
Kriging插值法的公式为：
式(3)中Z(si)为第i个位置处的测量值，λi为第i个位置处的测量值的未知权重，si＝预测位置N为测量值数。导入Surfer各监测节点坐标以及浓度值，利用Kriging插值法绘制出气体扩散等值线。
预警系统的实现：系统能够将整个监控的城市区域的气体浓度等信息实时反馈给环保部门。若监控区域数据正常，预警系统休眠；若某区域监测到的数据超过系统设定的阈值时，预警系统工作，发送告警信息，提醒工作人员查看具体的VOCs浓度超标位置和实时浓度值。
本发明的工作原理：本项目拟采用高精度电化学阻抗传感器VOCs监测单元，实现针对 VOCs气体高精度检测。在监测节点分布上采取阶梯分布式，以实现因地制宜，提高节点的利用率和效率。同时结合物联网技术，实现对范围较大的化工业区以及城市的气体监测。然后通过NB-IoT通信模块把监测到的数据发送到云平台，根据各监测节点的数据构建区域气体实时分布模型，并将实时数据和排放源信息实时反馈至环保部门，可以对重点排污单位及时清理整顿，实现监测区域内VOCs减排效果。具体研究内容如下：
1、根据梯度分布法对高精度电化学阻抗传感器的布置规划
电化学阻抗传感器是由导电材料掺杂聚合物作为敏感膜制作而成，它是一类相对简单、低能耗和稳定的传感器，且对各种气体响应的范围也较宽。在提高污染气体监测准确度的同时，极大的降低了检测成本，使分布式监测成为可能。当针对范围较大的化工业区以及城市的气体监测时，占地范围广，故在节点分布上采取阶梯分布式，在离排放源较近的位置布置较多的节点，在远离排放源的位置将会随着距离的增加布置数量逐渐减少，从而提高节点的利用率和效率，降低设备成本。此监测布点优化方案，有助于提高大气监测数据的有效性和准确性，为后续的数据处理提供更好的数据保障与理论依据。
2、高精度电压电流去噪检测算法的研究
本设计针对从电化学检测芯片读取的电压和电流中含有噪声的问题，拟使用一种高精度去噪检测算法来去除噪声，在保证与其他检测仪器相同的精度下，实现每个传感器较远距离的气体监测范围。该方法以小波阈值函数为基础，构造改进的阈值函数，结合经验模态分解和小波变换的优势准确的优化谐波信号，由此克服常用小波阈值函数中不连续性和偏差性，大大的提高了信号的优化精度，同时降低了运算量，提高检测的准确性。
3、基于物联网的监测区域VOCs实时分布模型的建立
采用NB-IoT无线通信方式进行VOCs监测单元与云平台间的数据传输。站点具有布设便利、通信可靠、采样准确、运行稳定、功耗极低等特点，以保证站点设备在投入使用后无需人为干涉即可稳定进行数据采集和上传。图形图像信息是我们最容易被我们接收最直观的信息，如果将上述的数据转化为图形图像信息，我们就可以很清楚地分析出VOCs的空间分布，因此选择建立监测区域VOCs实时分布模型，并将VOCs的排放信息实时反馈给当地环保部门，帮助当地部门实现监测区域内VOCs减排效果，减少有关部门人力成本的同时，及时有效的处理污染情况，提高治理效率。
使用相对简单、低能耗和稳定的传感器，对较宽范围内的各种气体进行监测。通过比较传感器电阻增减的幅度能准确地判断出被检测气体中所含VOCs化合物的含量。经过足够的测试和分类，系统监测得到的数据只需要与测试得到的标准数据进行对比，就能够快速分析出空气中VOCs污染气体种类及其浓度；结合高精度去噪检查算法来去除噪声，提高检测精度，同时使用低功耗设备，从而在保证精度的同时，降低能源的消耗。使用一种基于经验模态分解(empirical Mode position，EMD)的方法，同时利用改进的小波阈值去噪，优化电压电流信号，降低运算量，以实现对VOCs气体低功耗高精度检测的目的；基于建立VOCs气体分布模型，并将VOCs的排放信息实时反馈给当地环保部门，帮助当地部门实时准确地掌握 VOCs的气体分布状况。使用基于梯度分布的网格布点法，对VOCs排放重点单位集中的区域采用较为密集的网格布点，而对于主城区采用稀疏的网格布点。并根据各监测节点的数据构建区域气体实时分布模型，可以定位监测区域内气体排放源的位置，实现污染警情报警。环保部门可以对超标单位及时调查处理，实现监测区域内VOCs减排效果，从而达到在源头减量和中心控制上的前、中端进行防治的目的。
综上所述，1)低功耗，高性价比：设计采用的电化学阻抗传感器具有超低功耗、成本低等特点。监测单元本身具有睡眠唤醒、工作模式智能切换，能有效降低能耗。其次，物联网模块采用的BC95通信单元具有覆盖强、大连接、功耗低和成本低等优点。项目组从各个环节进行了性能和功耗以及成本评估，达到了系统级的低功耗和高性价比。2)高性能检测芯片，定制化高精度检测：项目采用的高性能电化学纳米阵列气体检测芯片检测精度达到ppb级，远超污染检测所需的ppm级，其能够准确地判断出检测气体中所含VOCs化合物的类型和含量。芯片还可以通过改变导电基底上的纳米传感器阵列，改变芯片检测的VOCs气体种类，针对不同的应用场景可相应定制不同的检测芯片，在提高污染气体监测准确度的同时，极大的降低了检测成本，使分布式监测成为可能；3)高精度去噪算法，大幅度提高数据准确性：项目组提出一种基于小波阈值函数、结合经验模态分解、小波变换改进的高精度电压电流去噪检测算法，通过在信号中加入均值为零、频率不同的白噪声来平滑异常信号，进而采用适当的小波阈值函数对信号进行分解、阈值化处理、重构，该算法能够有效滤除大部分甚至全部噪声带来的影响，保证数据的准确性。4)监测数据可视化，直观清晰：利用数学插值方法将监测得到的数据离散、网格化，将相同数值的点用平滑的曲线绘制气体扩散等值线对VOCs 浓度分布数据进行可视化处理，能够直观动态的展示VOCs浓度分布，提高监管效率。5)分布式监测，实时云端处理分析：监测单元对接NB-IoT物联网平台，实现多个VOCs监测单元节点的分布式监测，数据实时回传至云平台，保证站点设备在投入使用后无需人为干涉即可稳定的进行数据实时采集和上传，使得数据不受任何基础设施或网络限制的约束，帮助工作人员实时掌握各节点监测数据。
以上的仅为本发明的较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明申请专利范围所作的等效变化，仍属本发明的保护范围。
Claims (10)
1.一种基于物联网的VOCs监测及数据处理系统，其特征在于，包括气体监测单元、物联网单元、数据处理单元和数据模型化单元，气体监测单元分别与物联网单元和数据模型化单元连接，物联网单元与数据处理单元连接，数据处理单元与数据模型化单元连接。
2.根据权利要求1所述的基于物联网的VOCs监测及数据处理系统，其特征在于，物联网单元通过服务器云平台将数据发送至数据处理单元；物联网单元为窄带物联网。
3.根据权利要求1所述的基于物联网的VOCs监测及数据处理系统，其特征在于，气体监测单元包括多个VOCs监测节点，每个VOCs监测节点包括基于高性能电化学纳米阵列气体检测芯片的电化学阻抗传感器。
4.根据权利要求3所述的基于物联网的VOCs监测及数据处理系统，其特征在于，VOCs监测节点以梯度式网格分布，梯度式网格分布即在综合考虑区域的重要性、大气污染物的污染程度、工业化发展水平的高低的基础上，对所在区域进行网格划分，在网格的交点处设立监测点位。
5.根据权利要求4所述的基于物联网的VOCs监测及数据处理系统，其特征在于，对城市主城区域采用1.2～1.5km×1.2～1.5km网格划分，对工业园区域采用0.3～0.5km×0.3～0.5km网格划分，对郊区域采用1.8～2km×1.8～2km网格划分。
6.根据权利要求4所述的基于物联网的VOCs监测及数据处理系统，其特征在于，若网格直线交点落于湖泊等难以布置节点的位置，则取消此节点的安置。
7.根据权利要求1所述的基于物联网的VOCs监测及数据处理系统，其特征在于，数据处理单元基于小波阈值函数、结合经验模态分解和小波变换改进的数据处理方法，包括以下步骤：
S1，使用一种基于经验模态分解的方法来将谐波信号数据分解成不同频率的本征模态函数；
S2，对数据信号采用改进的小阈值去噪。
8.根据权利要求7所述的基于物联网的VOCs监测及数据处理系统，其特征在于，在步骤S2中，改进的小阈值去噪的具体过程为：
S2.1，选择适当的小波基并确定分解层数，对信号进行小波分解；
S2.2，选择阈值和阈值函数，对小波分解得到的系数进行阈值化处理；
S2.3，对处理后的信号进行小波重构，得到去噪后的信号。
9.根据权利要求8所述的基于物联网的VOCs监测及数据处理系统，其特征在于，所述的步骤S2.2中阈值函数：
其中，Wj，k为经过阈值处理的小波系数，j为分解层数，k为系数序号，λ为小波阈值，α为调整因子；
10.根据权利要求8所述的基于物联网的VOCs监测及数据处理系统，其特征在于，数据模型化单元对数据的分析过程为：数据模型化单元采用Kriging插值法估计监测坐标附近的VOCs浓度，根据各监测节点坐标以及浓度值绘制气体扩散等值线；
Kriging插值法的公式为：
式(3)中Z(si)为第i个位置处的测量值，λi为第i个位置处的测量值的未知权重，si＝预测位置N为测量值数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210867724.0A CN115184440A (zh) | 2022-07-22 | 2022-07-22 | 基于物联网的VOCs监测及数据处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210867724.0A CN115184440A (zh) | 2022-07-22 | 2022-07-22 | 基于物联网的VOCs监测及数据处理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115184440A true CN115184440A (zh) | 2022-10-14 |
Family
ID=83521799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210867724.0A Pending CN115184440A (zh) | 2022-07-22 | 2022-07-22 | 基于物联网的VOCs监测及数据处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115184440A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107064417A (zh) * | 2016-12-21 | 2017-08-18 | 北京印刷学院 | 一种印刷机邻域的VOCs在线监测方法 |
| CN107391951A (zh) * | 2017-08-03 | 2017-11-24 | 江苏卓易信息科技股份有限公司 | 一种基于环形邻域梯度排序的空气污染溯源方法 |
| CN112611796A (zh) * | 2020-12-28 | 2021-04-06 | 北京首创大气环境科技股份有限公司 | 一种区域tvoc阵列监测系统 |
| CN113252851A (zh) * | 2021-05-19 | 2021-08-13 | 安徽理工大学环境友好材料与职业健康研究院(芜湖) | 一种基于NB-IoT和边缘计算的大气污染监测系统 |
| CN114090681A (zh) * | 2021-11-26 | 2022-02-25 | 中船动力研究院有限公司 | 一种VOCs处理装置的在线监测系统及方法 |
| CN114577419A (zh) * | 2022-04-24 | 2022-06-03 | 南京信息工程大学 | 一种提高地下连续墙渗漏安全监测有效性方法 |
-
2022
- 2022-07-22 CN CN202210867724.0A patent/CN115184440A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107064417A (zh) * | 2016-12-21 | 2017-08-18 | 北京印刷学院 | 一种印刷机邻域的VOCs在线监测方法 |
| CN107391951A (zh) * | 2017-08-03 | 2017-11-24 | 江苏卓易信息科技股份有限公司 | 一种基于环形邻域梯度排序的空气污染溯源方法 |
| CN112611796A (zh) * | 2020-12-28 | 2021-04-06 | 北京首创大气环境科技股份有限公司 | 一种区域tvoc阵列监测系统 |
| CN113252851A (zh) * | 2021-05-19 | 2021-08-13 | 安徽理工大学环境友好材料与职业健康研究院(芜湖) | 一种基于NB-IoT和边缘计算的大气污染监测系统 |
| CN114090681A (zh) * | 2021-11-26 | 2022-02-25 | 中船动力研究院有限公司 | 一种VOCs处理装置的在线监测系统及方法 |
| CN114577419A (zh) * | 2022-04-24 | 2022-06-03 | 南京信息工程大学 | 一种提高地下连续墙渗漏安全监测有效性方法 |
Non-Patent Citations (3)
| Title |
|---|
| XINWEI WEI ET AL.: "Distributed VOCs Gas Monitoring System in Large and Medium Cities", 《ICAMMT 2021 JOURNAL OF PHYSICS:CONFERENCE SERISE》, pages 1 - 5 * |
| 卢向群 等: "《动力电池管理系统核心算法》", vol. 2, 31 August 2021, 北京邮电大学出版社, pages: 339 - 341 * |
| 黄文华 等: "《智慧医疗》", 31 August 2020, 广东科技出版社, pages: 19 - 23 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021174751A1 (zh) | 基于大数据的污染源定位方法、装置、设备及存储介质 | |
| CN114371260B (zh) | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 | |
| CN112085241B (zh) | 一种基于机器学习的环境大数据分析和决策平台 | |
| CN109444232B (zh) | 一种多通道智能化污染气体监测装置与扩散溯源方法 | |
| Menon et al. | Wireless sensor network for river water quality monitoring in India | |
| Lu et al. | A hybrid source apportionment strategy using positive matrix factorization (PMF) and molecular marker chemical mass balance (MM-CMB) models | |
| CN107677614B (zh) | 一种水中重金属污染风险在线预警系统及方法 | |
| CN107368894A (zh) | 基于大数据共享的大气污染防治用电数据分析平台 | |
| Fu et al. | Investigating PM2. 5 responses to other air pollutants and meteorological factors across multiple temporal scales | |
| Kim et al. | Factor analysis of Seattle fine particles | |
| De Medeiros et al. | An IoT-based air quality monitoring platform | |
| CN110261272B (zh) | 基于地理探测和pca对pm2.5浓度分布的关键影响因子筛选方法 | |
| Budhavant et al. | Anthropogenic fine aerosols dominate the wintertime regime over the northern Indian Ocean | |
| CN111507610A (zh) | 一种土壤重金属污染的累积性环境风险预警方法 | |
| Fan et al. | Process analysis of a regional air pollution episode over Pearl River Delta Region, China, using the MM5-CMAQ model | |
| CN117708617B (zh) | 基于多源大数据及污染特征时空匹配的大气污染溯源方法 | |
| CN113553551B (zh) | 一种耦合景观格局的臭氧浓度预测系统 | |
| Zhou et al. | Exposure risk of global surface O3 during the boreal spring season | |
| CN207516235U (zh) | 一种水中重金属污染风险在线预警系统 | |
| CN115184440A (zh) | 基于物联网的VOCs监测及数据处理系统 | |
| Qiu et al. | A new approach of air pollution regionalization based on geographically weighted variations for multi-pollutants in China | |
| CN204832167U (zh) | 远程水质自动监测系统 | |
| CN104280063A (zh) | 能源评估系统及其评估方法 | |
| WO2018027517A1 (zh) | 一种在线监测水源污染的方法及系统 | |
| CN111476434A (zh) | 一种基于gis的土壤重金属分形维数空间变异分析方法 |
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 |