CN116128421A - 一种耦合污染源排放和解析的大气污染管控方案生成方法 - Google Patents
一种耦合污染源排放和解析的大气污染管控方案生成方法 Download PDFInfo
- Publication number
- CN116128421A CN116128421A CN202211164782.3A CN202211164782A CN116128421A CN 116128421 A CN116128421 A CN 116128421A CN 202211164782 A CN202211164782 A CN 202211164782A CN 116128421 A CN116128421 A CN 116128421A
- Authority
- CN
- China
- Prior art keywords
- pollution
- source
- emission
- pollutant
- atmospheric
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 58
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 146
- 231100000719 pollutant Toxicity 0.000 claims abstract description 146
- 238000011217 control strategy Methods 0.000 claims abstract description 36
- 238000003915 air pollution Methods 0.000 claims abstract description 28
- 230000008878 coupling Effects 0.000 claims abstract description 19
- 238000010168 coupling process Methods 0.000 claims abstract description 19
- 238000005859 coupling reaction Methods 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 5
- 238000007670 refining Methods 0.000 claims description 5
- 239000012496 blank sample Substances 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000004905 short-term response Effects 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 abstract description 2
- 239000000428 dust Substances 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 8
- 239000003245 coal Substances 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004140 cleaning Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000002265 prevention Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000010813 municipal solid waste Substances 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000004576 sand Substances 0.000 description 4
- 239000010902 straw Substances 0.000 description 4
- 239000002028 Biomass Substances 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000004575 stone Substances 0.000 description 3
- 239000012855 volatile organic compound Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical class N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 1
- 229910002651 NO3 Inorganic materials 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004939 coking Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000003502 gasoline Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000009275 open burning Methods 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种耦合污染源排放和解析的大气污染管控方案生成方法，包括获取目标区域的各类污染源的基础数据，计算各类污染源的实时排放量；获取目标区域参考时间内各类大气污染物观测数据，利用正交矩阵因子分解模型模拟污染物来源在线解析结果；对污染物来源在线解析结果进行二次分配，得到精细化的在线源解析结果；基于气象数据和污染物排放清单获取空气质量预测结果，并结合空气污染预警策略确定大气污染管控目标；生成大气污染管控策略，并进行修正和迭代，得到最终的大气污染管控方案。本发明能够实现重点污染源和重点污染问题的精细化识别和解决，提高了大气污染管控方案生成的适用性和准确性。
Description
技术领域
本发明涉及大气污染管控技术领域，具体涉及一种耦合污染源排放和解析的大气污染管控方案生成方法。
背景技术
大气污染源排放清单编制和业务化更新工作，有助于摸清各省市大气污染物排放现状，对于厘清大气污染物排放变化规律和特征，识别重点污染源及其治理管控方面存在的问题，持续提升大气污染精细化管控水平具有重要作用；大气污染物来源解析研究工作是科学、有效开展大气污染防治工作的基础和前提，是制定环境空气质量达标规划和重污染天气应急预案的重要依据，是开展大气污染防治措施效果评估的重要手段。然而目前国内在大气污染防控方面存在诸多局限性：如单纯通过污染源排放清单或污染物来源解析的结果制定相应的防治政策，缺乏对污染物特征及污染源排放情况的综合考量；管控方案通常基于对上一年度或上一季度的研究结果，对于应对重点保障时段的污染问题缺乏针对性和实效性；大部分大气污染防控政策基本停留在行业减排的层面上，缺乏对重点污染源和重点问题的精细化识别和解决。
发明内容
针对现有技术中的上述不足，本发明提供了一种耦合污染源排放和解析的大气污染管控方案生成方法。
为了达到上述发明目的，本发明采用的技术方案为：
一种耦合污染源排放和解析的大气污染管控方案生成方法，包括以下步骤：
S1、获取目标区域的各类污染源的基础数据，对各类污染源的大气污染物排放进行核算，并结合各类污染源的在线监测数据，计算各类污染源的实时排放量；
S2、获取目标区域参考时间内各类大气污染物观测数据，利用正交矩阵因子分解模型模拟目标区域参考时间内各类污染源指纹图谱和污染物浓度贡献，并通过耦合实时观测数据进行迭代和动态评估，得到污染物来源在线解析结果；
S3、根据步骤S1中污染源的实时排放量对步骤S2中污染物来源在线解析结果进行二次分配，得到精细化的在线源解析结果，并建立重点污染源排放量与污染物浓度之间的短期响应关系；
S4、基于气象数据和污染物排放清单获取空气质量预测结果，并结合空气污染预警策略确定大气污染管控目标；
S5、根据步骤S3中精细化的在线源解析结果和步骤S4中大气污染管控目标生成大气污染管控策略，并根据大气污染管控策略下的空气质量预测结果对大气污染管控策略进行修正和迭代，得到最终的大气污染管控方案。
可选地，所述步骤S1具体包括以下分步骤：
S11、选取目标区域，根据大气污染源排放清单划分污染源类型，确定各类污染源的核算方法和需求；
S12、根据各类污染源的核算需求，获取所需要的各类污染源的基础数据；
S13、采用排放因子和物料衡算相结合的方法对各类污染源进行核算，作为本阶段污染物排放的基准量；
S14、根据污染物排放的基准量和各类污染源的在线监测数据，计算各类污染源的实时排放量。
可选地，所述步骤S2具体包括以下分步骤：
S21、选取目标区域的参考时段，根据实时观测的大气污染物的组分数据，确定误差数据；
S22、将各类大气污染物观测数据和误差数据导入正交矩阵因子分解模型中，根据模型输出的各类参数，分别调试多个因子的源解析结果，确定最优的模拟结果并对各因子指向的污染源进行识别；
S23、将参考时段内较早的观测数据动态更新为实时观测数据，根据正交矩阵因子分解模型获得动态更新的污染源指纹图谱和污染物浓度贡献，得到污染物来源在线解析结果。
可选地，所述误差数据具体包括：
方法检测限和精确度。
可选地，所述方法检测限的计算公式为：
L＝KSb/S
其中，Sb为空白样本多次测定的标准偏差，S为测定方法的灵敏度，K为与置信浓度有关的的常数。
可选地，所述步骤S3具体包括以下分步骤：
S31、在污染物来源在线解析结果中导入实时核算的污染源的排放量，根据源排放核算的分类体系，将污染物来源在线解析结果中的一次污染源贡献进行二次分配，得到精细化的在线源解析结果；
S32、分析污染物浓度的上升过程中精细化在线源解析输出的各污染源对应的浓度变化规律，通过各污染源浓度与污染物浓度的相关性分析，结合污染物浓度低值和高值范围时各污染源的贡献变化，识别影响污染物浓度上升的主要污染源；
S33、基于主要污染源中具体污染源的核算排放量实时变化规律，通过污染物浓度与具体污染源排放量的相关性计算和线性模拟结果，识别并量化具体污染源排放量对污染物浓度的影响程度。
可选地，所述步骤S4具体包括以下分步骤：
S41、设定空气污染预警标准；
S42、基于气象数据和污染源排放清单，利用空气质量预测预报模型获取环境空气质量数值模拟结果；
S43、对环境空气质量数值模拟结果进行修正，得到未来空气质量预测值；
S44、根据未来空气质量预测值和空气污染预警标准判定是否启动污染预警及预警级别，确定大气污染管控目标。
可选地，所述步骤S5具体包括以下分步骤：
S51、基于排放清单和空气质量模型，根据污染物的目标浓度计算最大排放容量，并结合步骤S3识别的主要污染源类别和核算的排放量，以及步骤S4中大气污染管控目标，构建各类污染源的减排目标；
S52、对步骤3中识别的对污染物浓度具有显著影响的污染源的排放过程进行分析，计算并识别污染排放的关键节点，生成相应的大气污染管控策略；
S53、根据步骤S1中确定的各类污染源的核算方法，对大气污染管控策略下重点污染源的排放量进行重新核算，得到大气污染管控策略下主要污染源的污染物排放量；
S54、根据大气污染管控策略下主要污染源的污染物排放量，结合空气质量模型预测大气污染管控策略下的污染物浓度，以污染物的预测浓度符合空气质量目标作为优化目标，对大气污染管控策略进行修正和迭代，得到最终的大气污染管控方案。
本发明具有以下有益效果：
本发明基于污染源排放动态核算和污染物在线来源解析结果，以“污染源排放动态监管—污染物在线来源解析—管控措施生成与评估”为技术路线建立了大气污染管控方案生成方法，突破了以往管控方案制定的局限性，不仅能够将污染物来源解析结果和排放清单结果有机结合，增加了对污染物特征及污染源排放情况的综合考量，而且能够实现了污染源贡献的实时跟踪，建立其与污染物浓度之间的动态响应关系，定量评估污染源管控与污染物浓度的影响；并且基于精细化排放清单的耦合，能够进一步细化大气污染防控策略，实现重点污染源和重点污染问题的精细化识别和解决，提高了大气污染管控方案生成的适用性和准确性。
附图说明
图1为本发明实施例中一种耦合污染源排放和解析的大气污染管控方案生成方法的流程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，本发明实施例提供了一种耦合污染源排放和解析的大气污染管控方案生成方法，包括以下步骤S1至S5：
S1、获取目标区域的各类污染源的基础数据，对各类污染源的大气污染物排放进行核算，并结合各类污染源的在线监测数据，计算各类污染源的实时排放量；
在本发明的一个可选实施例中，步骤S1用于污染排放动态核算与污染问题识别，基于《大气污染物源排放清单编制技术系列指南》和《城市大气污染物排放清单编制技术手册》，对人为源大气污染物排放进行核算，结合各类污染源的在线监测数据，实现人为源大气污染物排放的动态监管。
步骤S1具体包括以下分步骤：
S11、选取目标区域，根据大气污染源排放清单划分污染源类型，确定各类污染源的核算方法和需求；
具体而言，本发明首先选取目标区域，然后根据目标区域的大气污染源排放清单指南要求将污染源划分为化石燃料固定燃烧源、工艺过程源、移动源、溶剂使用源、农业源、扬尘源等，明确各类人为污染源核算方法和需求。
S12、根据各类污染源的核算需求，获取所需要的各类污染源的基础数据；
S13、采用排放因子和物料衡算相结合的方法对各类污染源进行核算，作为本阶段污染物排放的基准量；
具体而言，本发明基于《大气污染物源排放清单编制技术系列指南》和《城市大气污染物排放清单编制技术手册》，采用排放因子和物料衡算相结合的方法对各类人为污染源进行核算，作为本阶段污染物排放的基准量。本发明所涉及的排放源排放量计算方法和排放系数的赋值可以参考以上指南和技术手册，并参考相关文献书籍资料，这里不作赘述。
排放系数法需逐个计算排污设备排放量，计算公式如下：
E＝A×EF×(1-η)
其中，E为污染物排放量，A为排放源的活动水平(燃料消耗量、产品产量或产品消费量)；EF为污染物排放系数；η为污染控制措施对污染物的去除效率。
S14、根据污染物排放的基准量和各类污染源的在线监测数据，计算各类污染源的实时排放量。
具体而言，本发明根据目标区域工业企业在线监测数据、用电量数据、机动车流量数据、清洁能源替代户数及能源消耗数据、扬尘及秸秆焚烧监测数据、餐饮业在线监测数据等，计算人为污染源的实时排放量，具体方法如下：
具有在线监测数据工业企业SO2、NOX、颗粒物排放量的计算公式为：
其中，k为烟道监测断面；C为污染物小时平均排放浓度；Q为小时平均烟气排放量；T为总生产小时数。
不具备在线监测数据的工业企业根据全年单位用电量的污染物排放量，结合用电量的监测数据进行污染物排放量计算。
机动车排放量主要基于机动车全年污染物排放量及全年总活跃量数据，获得单位活跃量的污染物排放系数，结合实时监控的机动车活跃量数据，获得机动车实时排放量。
扬尘、秸秆焚烧、餐饮业的实时排放量计算方法与具有在线监测数据的工业企业类似，首先通过全年污染物排放量与同年在线监测结果进行折算，获得单位小时浓度的污染物排放系数，结合实时监测的污染物浓度数据，获得相应源的实时排放量。
S2、获取目标区域参考时间内各类大气污染物观测数据，利用正交矩阵因子分解模型模拟目标区域参考时间内各类污染源指纹图谱和污染物浓度贡献，并通过耦合实时观测数据进行迭代和动态评估，得到污染物来源在线解析结果；
在本发明的一个可选实施例中，步骤S2用于来源解析结果确定与动态迭代，利用正交矩阵因子分解(PMF)模型，导入目标行政区域参考时间的各主要大气污染物观测数据，调试配置参数，模拟参考时间目标行政区内各类污染源的成分谱和贡献，通过耦合实时观测数据，对各类源的污染特征和贡献进行迭代和动态评估，实现污染来源的在线解析。
步骤S2具体包括以下分步骤：
S21、选取目标区域的参考时段，根据实时观测的大气污染物的组分数据，确定误差数据；
具体而言，本发明首先选取目标区域的参考时段，实地观测获得PM2.5或VOCs的组分数据，根据实验数据的标准和要求剔除异常数据。根据低浓度和空白样品的分析结果，获得方法检测限，计算公式如下：
L＝KSb/S
其中，Sb为空白样本多次测定的标准偏差，S为测定方法的灵敏度，K为与置信浓度有关的的常数。
在采样过程中，设计3组平行样本，计算分析结果的精确度。
本发明将方法检测限及精确度作为误差输入数据。
S22、将各类大气污染物观测数据和误差数据导入正交矩阵因子分解模型中，根据模型输出的各类参数，分别调试多个因子的源解析结果，确定最优的模拟结果并对各因子指向的污染源进行识别；
具体而言，将处理好的观测和误差数据导入正交矩阵因子分解(PMF)模型中，根据模型输出的各类参数，对各物种在模拟过程中的权重进行强、弱、置零的设置，分别调试2-10个因子的源解析结果，模拟获得1月该市PM2.5来源：燃煤、工艺过程、机动车、扬尘等污染源的成分谱及贡献；结合模拟结果与观测数值的拟合度、各项因子的指纹图谱、强度变化规律，确定最优的模拟结果并对各因子指向的污染源进行识别。根据模型输出的最终结果，获得各项污染源对PM2.5或VOCs的浓度贡献。以上结果作为在线源解析分析的基准结果。
S23、将参考时段内较早的观测数据动态更新为实时观测数据，根据正交矩阵因子分解模型获得动态更新的污染源指纹图谱和污染物浓度贡献，得到污染物来源在线解析结果。
具体而言，本发明将参考时段内较早的观测数据动态更新为实时观测数据动态替换，保证模拟样本量基本稳定，以基准结果的调试参数为参考，实时运行PMF模型，获得动态更新的污染源指纹图谱和污染物浓度贡献，根据输出的误差分析数据及时调整设置参数，实现污染来源的在线解析。
S3、根据步骤S1中污染源的实时排放量对步骤S2中污染物来源在线解析结果进行二次分配，得到精细化的在线源解析结果，并建立重点污染源排放量与污染物浓度之间的短期响应关系；
在本发明的一个可选实施例中，步骤S3用于来源解析结果与排放信息耦合，通过导入实时核算的污染源排放信息，对污染来源的在线解析结果进行二次分配，获得精细化的在线源解析结果。建立重点污染源排放量与污染物浓度之间的短期响应关系，识别污染物浓度升高的主导人为排放因素。
步骤S3具体包括以下分步骤：
S31、在污染物来源在线解析结果中导入实时核算的污染源的排放量，根据源排放核算的分类体系，将污染物来源在线解析结果中的一次污染源贡献进行二次分配，得到精细化的在线源解析结果；
具体而言，本发明在在线来源解析结果中导入实时核算的人为污染源的排放量，根据人为源排放核算的分类体系，将来源解析结果中的一次污染源贡献进行细化，即根据燃煤、工艺过程、机动车、扬尘源类中二级污染源具体排放量，对在线源解析结果中的二次污染源进行分配，对一级污染源的贡献进行拆解，获得精细化的在线来源解析结果。
在PM2.5来源解析中，除了需根据核算的具体的人为污染源的PM2.5排放占比，对源解析结果中污染源的占比进行细化，还需将解析出的二次颗粒物贡献分配至一次污染源中，具体方法为：
根据核算结果中的各项人为污染源中SO2的排放占比，将来源解析结果中的二次颗粒物的硫酸盐贡献分配至一次污染源中；根据核算结果中的各项人为污染源中NOX的排放占比，将来源解析结果中的二次颗粒物的硝酸盐分配至一次污染源中；根据核算结果中的各项人为污染源中NH3的排放占比，将来源解析结果中的二次颗粒物的氨盐分配至一次污染源中。VOCs的精细化来源解析主要将来源解析结果中的污染源贡献根据人为源排放核算的分类体系进行细化分配。
S32、分析污染物浓度的上升过程中精细化在线源解析输出的各污染源对应的浓度变化规律，通过各污染源浓度与污染物浓度的相关性分析，结合污染物浓度低值和高值范围时各污染源的贡献变化，识别影响污染物浓度上升的主要污染源；
具体而言，本发明根据参考时段内污染物浓度的变化特征和精细化在线来源解析结果中各项污染源的变化规律，获得污染物浓度与污染源贡献的响应关系，识别影响污染物浓度上升的主要污染源。
S33、基于主要污染源中具体污染源的核算排放量实时变化规律，通过污染物浓度与具体污染源排放量的相关性计算和线性模拟结果，识别并量化具体污染源排放量对污染物浓度的影响程度。
具体而言，本发明根据参考时段内污染物浓度、主要污染源中重点排放源的排放实时变化规律，模拟获得污染物浓度与重点污染源排放量的响应关系，量化污染源排放对大气污染物浓度的影响程度。
S4、基于气象数据和污染物排放清单获取空气质量预测结果，并结合空气污染预警策略确定大气污染管控目标；
在本发明的一个可选实施例中，步骤S4用于空气质量预测预报与预警启动，根据空气质量预测预报模型与经验修正获得近期空气质量预测结果，根据国家标准或当地具体要求决定是否启动污染预警及预警级别，确定大气污染管控目标，通过空气质量模型模拟获得总目标减排量。
步骤S4具体包括以下分步骤：
S41、设定空气污染预警标准；
具体而言，本发明根据国家标准或当地要求，以及重点时段的具体要求确定大气污染物浓度目标，制定空气污染预警标准，如预测空气质量指数(AQI)日均值大于200且未达到高级别预警条件时，启动蓝色预警；预测AQI日均值大于200将持续2天及以上且未达到高级别预警条件时，启动黄色预警；预测AQI日均值大于200将持续3天，且出现AQI日均值大于300的情况时，启动橙色预警；预测AQI日均值大于200将持续4天及以上，且AQI日均值大于300将持续2天及以上时，或预测AQI日均值达到500并将持续1天及以上时，启动红色预警。
例如据重点时段的空气要求，确定大气污染物浓度目标为该市域每日PM2.5浓度不超过75微克/立方米。根据当地的情况和要求，制定以下空气污染预警标准：当PM2.5预报浓度高于75微克/立方米，根据污染的预报时长分别启动黄色、橙色、红色预警，当PM2.5预报浓度高于50微克/立方米且不高于75微克/立方米，启动弹性减排方案。
S42、基于气象数据和污染源排放清单，利用空气质量预测预报模型获取环境空气质量数值模拟结果；
具体而言，本发明基于气象数据和污染源排放清单，应用天气预报模式(WRF)、排放源处理模式(Smoke)、空气质量数值预报模式(CMAQ、CAMx、NAQPMS、WRF-Chem等)、空气质量统计预报模式等系统提供环境空气质量数值模拟结果。
S43、对环境空气质量数值模拟结果进行修正，得到未来空气质量预测值；
具体而言，本发明结合当地气候、地理条件对环境空气质量数值模拟结果进行人工经验修正，获得未来空气质量预测值。
S44、根据未来空气质量预测值和空气污染预警标准判定是否启动污染预警及预警级别，确定大气污染管控目标。
具体而言，根据空气质量预测结果及空气污染预警标准，决定某日0时-某日24时启动弹性减排，确定大气污染物的浓度管控目标为未来三天PM2.5日均浓度不超过50微克/立方米，小时浓度不超过75微克/立方米。根据空气质量模型模拟，若达到空气质量目标，未来三天颗粒物需减排约30％。
S5、根据步骤S3中精细化的在线源解析结果和步骤S4中大气污染管控目标生成大气污染管控策略，并根据大气污染管控策略下的空气质量预测结果对大气污染管控策略进行修正和迭代，得到最终的大气污染管控方案。
在本发明的一个可选实施例中，步骤S5用于大气污染管策略施生成与效果预估，根据大气污染管控目标及精细化在线源解析结果制定大气污染管控策略，根据管控策略下的空气质量预测结果评估管控策略预期效果，并对管控策略进行修正和迭代，输出最终大气污染管控方案。
步骤S5具体包括以下分步骤：
S51、基于排放清单和空气质量模型，根据污染物的目标浓度计算最大排放容量，并结合步骤S3识别的主要污染源类别和核算的排放量，以及步骤S4中大气污染管控目标，构建各类污染源的减排目标；
S52、对步骤3中识别的对污染物浓度具有显著影响的污染源的排放过程进行分析，计算并识别污染排放的关键节点，生成相应的大气污染管控策略；
S53、根据步骤S1中确定的各类污染源的核算方法，对大气污染管控策略下重点污染源的排放量进行重新核算，得到大气污染管控策略下主要污染源的污染物排放量；
S54、根据大气污染管控策略下主要污染源的污染物排放量，结合空气质量模型预测大气污染管控策略下的污染物浓度，以污染物的预测浓度符合空气质量目标作为优化目标，对大气污染管控策略进行修正和迭代，得到最终的大气污染管控方案。
具体而言，首先，根据精细化在线源解析结果，该市当前颗粒物的主要来源：机动车、扬尘源、燃煤源、工业源及其具体污染源贡献，结合大气颗粒物浓度的管控目标，确定汽油车排放、道路扬尘、电力供热、焦化企业、冶金企业为重点管控行业；
其次，根据以上结果梳理各重点污染源的排放过程，识别污染排放的关键节点，生成相应大气污染管控策略，提出各类污染源的管控方案，并对重点管控行业的具体管控环节、方案进行细化，具体如下：
移动源：1)除城市运行保障类车辆外，建筑垃圾、渣土、砂石、危险物品运输车辆不得上路；2)生产调控企业实施错峰运输。
扬尘源：1)加强道路清扫保洁，增加机械化湿扫频次；2)禁止秸秆、生物质和垃圾等露天焚烧；3)矿山、砂石料厂等停止露天作业。
燃煤源：1)对全市电力、供热等重点企业进行生产调控，重点时段采用优质煤；2)全市所有35蒸吨/小时以上燃煤锅炉、层燃炉及抛煤机炉的燃煤锅炉、燃气、生物质及其他类型锅炉、热电联产企业污染物治理设施保持最好运行水平。
工业源：重点时段部分工艺环节采取限产或错峰生产措施。
然后，根据根据各类污染源的核算方法，对管控措施下重点污染源的排放量进行估算，其中，移动源管控策略中，“除城市运行保障类车辆外，建筑垃圾、渣土、砂石、危险物品运输车辆不得上路”使PM2.5日均排放量降低5.2％，“生产调控企业实施错峰运输”使PM2.5日均排放量降低3.3％；扬尘源管控中“加强道路清扫保洁，增加机械化湿扫频次”使PM2.5日均排放量降低10.4％，“禁止秸秆、生物质和垃圾等露天焚烧”使PM2.5日均排放量降低0.55％，“矿山、砂石料厂等停止露天作业”使PM2.5日均排放量降低0.06％；燃煤源中重点时段优质煤使用，污染物治理设备保持最好运行水平使PM2.5日均排放量降低1.2％；工业源中重点时段部分工艺环节采取限产或错峰生产使PM2.5日均排放量降低7.5％。
最后，结合参考时段内污染源排放量的核算结果及污染物浓度的观测数据，模拟获得污染物排放量与污染物浓度的响应公式，结合以上核算的管控措施条件下的污染物的排放量，预测管控措施下的PM2.5的日均浓度约为48微克/立方米，重点时段PM2.5的最高小时浓度约为80微克/立方米。以上结果表明PM2.5的小时浓度仍有较大的超标风险，因此重点时段加严各类车辆上路标准、增加道路湿扫频次、加强个别工艺限产力度，重复以上核算和预测步骤，当预测PM2.5日均和最高小时均符合污染物管控浓度要求，确定最终的大气污染管控方案。
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。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置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。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供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步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (8)
1.一种耦合污染源排放和解析的大气污染管控方案生成方法，其特征在于，包括以下步骤：
S1、获取目标区域的各类污染源的基础数据，对各类污染源的大气污染物排放进行核算，并结合各类污染源的在线监测数据，计算各类污染源的实时排放量；
S2、获取目标区域参考时间内各类大气污染物观测数据，利用正交矩阵因子分解模型模拟目标区域参考时间内各类污染源指纹图谱和污染物浓度贡献，并通过耦合实时观测数据进行迭代和动态评估，得到污染物来源在线解析结果；
S3、根据步骤S1中污染源的实时排放量对步骤S2中污染物来源在线解析结果进行二次分配，得到精细化的在线源解析结果，并建立重点污染源排放量与污染物浓度之间的短期响应关系；
S4、基于气象数据和污染物排放清单获取空气质量预测结果，并结合空气污染预警策略确定大气污染管控目标；
S5、根据步骤S3中精细化的在线源解析结果和步骤S4中大气污染管控目标生成大气污染管控策略，并根据大气污染管控策略下的空气质量预测结果对大气污染管控策略进行修正和迭代，得到最终的大气污染管控方案。
2.根据权利要求1所述的一种耦合污染源排放和解析的大气污染管控方案生成方法，其特征在于，所述步骤S1具体包括以下分步骤：
S11、选取目标区域，根据大气污染源排放清单划分污染源类型，确定各类污染源的核算方法和需求；
S12、根据各类污染源的核算需求，获取所需要的各类污染源的基础数据；
S13、采用排放因子和物料衡算相结合的方法对各类污染源进行核算，作为本阶段污染物排放的基准量；
S14、根据污染物排放的基准量和各类污染源的在线监测数据，计算各类污染源的实时排放量。
3.根据权利要求1所述的一种耦合污染源排放和解析的大气污染管控方案生成方法，其特征在于，所述步骤S2具体包括以下分步骤：
S21、选取目标区域的参考时段，根据实时观测的大气污染物的组分数据，确定误差数据；
S22、将各类大气污染物观测数据和误差数据导入正交矩阵因子分解模型中，根据模型输出的各类参数，分别调试多个因子的源解析结果，确定最优的模拟结果并对各因子指向的污染源进行识别；
S23、将参考时段内较早的观测数据动态更新为实时观测数据，根据正交矩阵因子分解模型获得动态更新的污染源指纹图谱和污染物浓度贡献，得到污染物来源在线解析结果。
4.根据权利要求1所述的一种耦合污染源排放和解析的大气污染管控方案生成方法，其特征在于，所述误差数据具体包括：
方法检测限和精确度。
5.根据权利要求1所述的一种耦合污染源排放和解析的大气污染管控方案生成方法，其特征在于，所述方法检测限的计算公式为：
L＝KSb/S
其中，Sb为空白样本多次测定的标准偏差，S为测定方法的灵敏度，K为与置信浓度有关的的常数。
6.根据权利要求1所述的一种耦合污染源排放和解析的大气污染管控方案生成方法，其特征在于，所述步骤S3具体包括以下分步骤：
S31、在污染物来源在线解析结果中导入实时核算的污染源的排放量，根据源排放核算的分类体系，将污染物来源在线解析结果中的一次污染源贡献进行二次分配，得到精细化的在线源解析结果；
S32、分析污染物浓度的上升过程中精细化在线源解析输出的各污染源对应的浓度变化规律，通过各污染源浓度与污染物浓度的相关性分析，结合污染物浓度低值和高值范围时各污染源的贡献变化，识别影响污染物浓度上升的主要污染源；
S33、基于主要污染源中具体污染源的核算排放量实时变化规律，通过污染物浓度与具体污染源排放量的相关性计算和线性模拟结果，识别并量化具体污染源排放量对污染物浓度的影响程度。
7.根据权利要求1所述的一种耦合污染源排放和解析的大气污染管控方案生成方法，其特征在于，所述步骤S4具体包括以下分步骤：
S41、设定空气污染预警标准；
S42、基于气象数据和污染源排放清单，利用空气质量预测预报模型获取环境空气质量数值模拟结果；
S43、对环境空气质量数值模拟结果进行修正，得到未来空气质量预测值；
S44、根据未来空气质量预测值和空气污染预警标准判定是否启动污染预警及预警级别，确定大气污染管控目标。
8.根据权利要求1所述的一种耦合污染源排放和解析的大气污染管控方案生成方法，其特征在于，所述步骤S5具体包括以下分步骤：
S51、基于排放清单和空气质量模型，根据污染物的目标浓度计算最大排放容量，并结合步骤S3识别的主要污染源类别和核算的排放量，以及步骤S4中大气污染管控目标，构建各类污染源的减排目标；
S52、对步骤3中识别的对污染物浓度具有显著影响的污染源的排放过程进行分析，计算并识别污染排放的关键节点，生成相应的大气污染管控策略；
S53、根据步骤S1中确定的各类污染源的核算方法，对大气污染管控策略下重点污染源的排放量进行重新核算，得到大气污染管控策略下主要污染源的污染物排放量；
S54、根据大气污染管控策略下主要污染源的污染物排放量，结合空气质量模型预测大气污染管控策略下的污染物浓度，以污染物的预测浓度符合空气质量目标作为优化目标，对大气污染管控策略进行修正和迭代，得到最终的大气污染管控方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211164782.3A CN116128421B (zh) | 2022-09-23 | 2022-09-23 | 一种耦合污染源排放和解析的大气污染管控方案生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211164782.3A CN116128421B (zh) | 2022-09-23 | 2022-09-23 | 一种耦合污染源排放和解析的大气污染管控方案生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116128421A true CN116128421A (zh) | 2023-05-16 |
| CN116128421B CN116128421B (zh) | 2023-10-20 |
Family
ID=86296144
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211164782.3A Active CN116128421B (zh) | 2022-09-23 | 2022-09-23 | 一种耦合污染源排放和解析的大气污染管控方案生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116128421B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117195585A (zh) * | 2023-09-27 | 2023-12-08 | 重庆市生态环境科学研究院 | 一种基于动态情景模拟的大气多污染物减排优化调控方法与系统 |
| CN117273467A (zh) * | 2023-11-17 | 2023-12-22 | 江苏麦维智能科技有限公司 | 一种基于多因素耦合的工业安全风险管控方法及系统 |
| CN117610894A (zh) * | 2024-01-23 | 2024-02-27 | 华北电力科学研究院有限责任公司 | 污染源提前管控时间确定方法、装置、介质及电子设备 |
| CN117875576A (zh) * | 2024-03-13 | 2024-04-12 | 四川国蓝中天环境科技集团有限公司 | 一种基于结构化案例库的城市大气污染分析方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184000A (zh) * | 2015-09-18 | 2015-12-23 | 北华航天工业学院 | 基于朴素贝叶斯源识别的非负约束因子的污染源解析方法 |
| CN106548442A (zh) * | 2016-11-10 | 2017-03-29 | 湖南省环境保护科学研究院 | 一种大气污染物排放源清单精细化动态管理方法 |
| CN110489785A (zh) * | 2019-07-05 | 2019-11-22 | 山东大学 | 一种大气污染物在线源解析方法及系统 |
| CN111798928A (zh) * | 2020-06-30 | 2020-10-20 | 中科三清科技有限公司 | 大气颗粒物污染源解析方法和装置 |
| CN112967764A (zh) * | 2021-03-30 | 2021-06-15 | 河北先河环保科技股份有限公司 | 多技术耦合的污染物源解析方法、装置 |
| CN114252463A (zh) * | 2021-12-20 | 2022-03-29 | 北京大学深圳研究生院 | 一种城市大气颗粒物来源解析方法 |
| CN114424058A (zh) * | 2019-09-23 | 2022-04-29 | 广州禾信仪器股份有限公司 | 一种VOCs污染的溯源方法 |
| CN114662975A (zh) * | 2022-04-11 | 2022-06-24 | 北京中科三清环境技术有限公司 | 确定污染物来源的方法、装置、电子设备和存储介质 |
| CN114720630A (zh) * | 2020-12-22 | 2022-07-08 | 中国石油化工股份有限公司 | 精准溯源解析方法及装置 |
-
2022
- 2022-09-23 CN CN202211164782.3A patent/CN116128421B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184000A (zh) * | 2015-09-18 | 2015-12-23 | 北华航天工业学院 | 基于朴素贝叶斯源识别的非负约束因子的污染源解析方法 |
| CN106548442A (zh) * | 2016-11-10 | 2017-03-29 | 湖南省环境保护科学研究院 | 一种大气污染物排放源清单精细化动态管理方法 |
| CN110489785A (zh) * | 2019-07-05 | 2019-11-22 | 山东大学 | 一种大气污染物在线源解析方法及系统 |
| CN114424058A (zh) * | 2019-09-23 | 2022-04-29 | 广州禾信仪器股份有限公司 | 一种VOCs污染的溯源方法 |
| CN111798928A (zh) * | 2020-06-30 | 2020-10-20 | 中科三清科技有限公司 | 大气颗粒物污染源解析方法和装置 |
| CN114720630A (zh) * | 2020-12-22 | 2022-07-08 | 中国石油化工股份有限公司 | 精准溯源解析方法及装置 |
| CN112967764A (zh) * | 2021-03-30 | 2021-06-15 | 河北先河环保科技股份有限公司 | 多技术耦合的污染物源解析方法、装置 |
| CN114252463A (zh) * | 2021-12-20 | 2022-03-29 | 北京大学深圳研究生院 | 一种城市大气颗粒物来源解析方法 |
| CN114662975A (zh) * | 2022-04-11 | 2022-06-24 | 北京中科三清环境技术有限公司 | 确定污染物来源的方法、装置、电子设备和存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| SHUCHI CHEN;YIYAO HUANG;MIAO CHEN;JUAN LI;LIANGHONG XIAO;YAN GUO;: "Research Progress on the Monitoring of Precursor of Atmospheric Ozone――Volatile Organic Compounds", METEOROLOGICAL AND ENVIRONMENTAL RESEARCH, no. 02, pages 33 - 40 * |
| 刘莉;邹长武;: "耦合PMF、CMB模型对大气颗粒物源解析的研究", 成都信息工程学院学报, no. 05, pages 557 - 562 * |
| 李振亮;薛文博;陈敏;方维凯;张卫东;雷宇;蒋洪强;: "城市空气质量达标规划编制中的关键技术及其案例应用", 中国环境管理, no. 02, pages 80 - 86 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117195585A (zh) * | 2023-09-27 | 2023-12-08 | 重庆市生态环境科学研究院 | 一种基于动态情景模拟的大气多污染物减排优化调控方法与系统 |
| CN117273467A (zh) * | 2023-11-17 | 2023-12-22 | 江苏麦维智能科技有限公司 | 一种基于多因素耦合的工业安全风险管控方法及系统 |
| CN117273467B (zh) * | 2023-11-17 | 2024-01-26 | 江苏麦维智能科技有限公司 | 一种基于多因素耦合的工业安全风险管控方法及系统 |
| CN117610894A (zh) * | 2024-01-23 | 2024-02-27 | 华北电力科学研究院有限责任公司 | 污染源提前管控时间确定方法、装置、介质及电子设备 |
| CN117875576A (zh) * | 2024-03-13 | 2024-04-12 | 四川国蓝中天环境科技集团有限公司 | 一种基于结构化案例库的城市大气污染分析方法 |
| CN117875576B (zh) * | 2024-03-13 | 2024-05-24 | 四川国蓝中天环境科技集团有限公司 | 一种基于结构化案例库的城市大气污染分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116128421B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116128421B (zh) | 一种耦合污染源排放和解析的大气污染管控方案生成方法 | |
| Vu et al. | Assessing the impact of clean air action on air quality trends in Beijing using a machine learning technique | |
| CN107871210B (zh) | 一种大气环境容量核算方法 | |
| Zheng et al. | Development of a unit-based industrial emission inventory in the Beijing–Tianjin–Hebei region and resulting improvement in air quality modeling | |
| CN114418442B (zh) | 一种选择污染物治理措施的方法 | |
| Li et al. | Prospective on energy related carbon emissions peak integrating optimized intelligent algorithm with dry process technique application for China's cement industry | |
| Guo et al. | Characterization and health risks of criteria air pollutants in Delhi, 2017 | |
| Qiu et al. | An elaborate high resolution emission inventory of primary air pollutants for the Central Plain Urban Agglomeration of China | |
| Zhou et al. | Emission inventory of anthropogenic air pollutant sources and characteristics of VOCs species in Sichuan Province, China | |
| Vennemo et al. | Domestic environmental benefits of China's energy-related CDM potential | |
| CN112801422B (zh) | 数值模型和线性规划模型相结合的大气污染协同控制方法 | |
| CN113705905A (zh) | 碳中和目标下行业技术发展路径的确定方法和装置 | |
| Cheng et al. | A new statistical modeling and optimization framework for establishing high-resolution PM10 emission inventory–I. Stepwise regression model development and application | |
| Abbas et al. | Assessment of long-term energy and environmental impacts of the cleaner technologies for brick production | |
| Cahyono et al. | Projection of CO2 emissions in Indonesia | |
| Zavadskas et al. | Applying the TOPSIS-F method to assess air pollution in Vilnius | |
| Pisoni et al. | Multi-criteria analysis for PM10 planning | |
| CN116862151B (zh) | 一种基于云计算的碳排放分析方法及系统 | |
| Wu et al. | Forecasting air quality indicators for 33 cities in China | |
| Li et al. | Research on Environmental Cost from the Perspective of Coal-Fired Power Plant. | |
| CN115796486A (zh) | 一种固体废弃物管理体系调控方法及系统 | |
| Borhani et al. | Optimization models for reducing the air pollutants emission in the production of insulation bituminous | |
| Liu et al. | Comprehensive evaluation of flue gas desulfurization and denitrification technologies of six typical enterprises in Chengdu, China | |
| Doroodi et al. | Comparison of time series approaches for prediction of energy consumption focusing on greenhouse gases emission in Iran | |
| Dzhidzhelava et al. | The environmental component of construction projects in the aspect of sustainable development |
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 |