CN116859001A - 一种碳排放在线监测平台及分析方法 - Google Patents
一种碳排放在线监测平台及分析方法 Download PDFInfo
- Publication number
- CN116859001A CN116859001A CN202310884721.2A CN202310884721A CN116859001A CN 116859001 A CN116859001 A CN 116859001A CN 202310884721 A CN202310884721 A CN 202310884721A CN 116859001 A CN116859001 A CN 116859001A
- Authority
- CN
- China
- Prior art keywords
- data
- temperature
- concentration
- module
- diffusion coefficient
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 83
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 63
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 63
- 238000004458 analytical method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000007405 data analysis Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 92
- 238000009792 diffusion process Methods 0.000 claims description 64
- 238000001514 detection method Methods 0.000 claims description 52
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 46
- 239000001569 carbon dioxide Substances 0.000 claims description 46
- 238000000034 method Methods 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 16
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 27
- 239000005431 greenhouse gas Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 241000282414 Homo sapiens Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
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
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/004—CO or CO2
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明提供一种碳排放在线监测平台及分析方法，包括监测模块、预处理模块、温度校准模块、数据传输模块、数据处理模块和数据分析模块，本发明通过测量一条直线上的不同处的二氧化碳浓度，将各个浓度检测单元检测的距离、数据构成浓度数组，依据浓度数组分析二氧化碳的浓度扩散异常情况，生成风速扩散系数，并测监测环境的温度，结合平均温度，计算温度扩散系数,并使用高斯函数模型对于监测处的二氧化碳的扩散情况进行拟合，并构建碳排放评价系数，碳排放评价系数能够拟合出一段距离内的二氧化碳的浓度总和，使用温度扩散系数和风速扩散系数对于碳排放评价系数进行修正，能够有效的降低风力、温度对于二氧化碳的碳排放含量的影响。
Description
技术领域
本发明涉及空气检测技术领域，具体为一种碳排放在线监测平台及分析方法。
背景技术
碳排放是关于温室气体排放的一个总称或简称，温室气体中最主要的气体是二氧化碳，二氧化碳气体排放来源多为世界重工业发展产生、汽车尾气等，温室气体一旦超出大气标准，便会造成温室效应，使全球气温上升，威胁人类生存。碳排放引起的全球变暖已成为制约人类经济社会可持续发展的重要障碍，控制污染物和温室气体排放是我们需要高度重视的，因此，控制温室气体排放已成为全人类面临的一个主要问题，我国从2011年就提出激励温室气体排放企业降低二氧化碳排放水平，用更低成本实现碳减排目标，碳排放的监测是实现碳减排目标中重要的一环，只有能够准确的监测出碳排放的参数，才能够有针对性的实现碳减排目标。
公开号为CN114926025 A提供的一种碳排放在线监测平台及分析方法，其通过无人机多方案的对城市分区的每一建筑分别进行监测将各城市分区的管辖区域监控方案结果在后台服务器整合后就可以得到整个城市的建筑碳排放情况，其本质上是通过依靠传感器进行数据采集，而在数据采集的过程中，由于二氧化碳会随着风速的增大或者温度的上升扩散加快，因此若是像上述装置一样，测量单点的二氧化碳浓度，就会造成测量的误差较大。
因此上述装置还存在的主要技术问题就是，没有考虑到风速、空气温度等对于二氧化碳扩散的影响，因此在进行测量时，测量的结果受到天气的影响较大，造成测量的误差较大，而且无法修正该误差。
发明内容
本发明的目的在于提供一种碳排放在线监测平台及分析方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种碳排放在线监测平台及分析方法，包括监测模块、预处理模块、温度校准模块、风速校准模块、数据传输模块、数据处理模块和数据分析模块，所述监测模块包括温度监测单元和浓度监测单元，其中：
所述温度监测单元用于测量监测模块所处环境的温度，浓度检测单元至少设置有五组，且浓度检测单元的数目为奇数，所有浓度检测单元直线等距设置，所述浓度检测单元用于检测空气中的二氧化碳浓度数据C，所述温度监测单元用于测量浓度检测单元所处环境的温度数据T；
所述温度监测单元将采集的温度数据T发送至温度校准模块，浓度监测单元将采集的二氧化碳浓度数据C发送至预处理模块；
所述预处理模块按照浓度检测单元的距离数据和采集的二氧化碳浓度数据C，将浓度检测单元检测的距离数据、二氧化碳浓度数据C构成浓度数组P[2+1]，并将浓度数组P[2+1]发送至风速校准模块；
所述温度校准模块根据温度监测单元采集的温度数据T和环境中全年的平均温度数据T0，生成温度扩散系数KX，并将温度扩散系数KX发送至综合分析模块；
所述风速校准模块将浓度数组P[2n+1]最中间的数据定义为恒定数据C0,并将恒定数据C0两侧的数据对称求出欧式距离，求出平均数后生成风速扩散系数W；
所述数据传输模块将浓度数组P[2n+1]、温度扩散系数KX和风速扩散系数W传送至数据处理模块和综合分析模块；
所述数据处理模块构建高斯函数模型f(x)，利用浓度数组P[2n+1]中的恒定数据和两端的边缘数据为因变量，恒定数据和两端的边缘数据的距离为自变量，计算高斯函数模型的实数常数，确定高斯函数模型f(x)的参数；
所述数据分析模块根据高斯函数模型f(x)、温度扩散系数KX和风速扩散系数W，针对浓度数组P[2n+1]构建排放评价系数Q对于碳排放进行在线监测。
在其中一个实施例中，所述设置的浓度检测单元为2+1组，每组的编号为Q-n、Q-n+1、……Q-1、Q0、Q1、……Qn-1、Qn，每个相邻的浓度检测单元之间的距离均为m,所有浓度检测单元以编号为Q0的浓度检测单元对称分布，每个浓度检测单元检测的数据分别为C-n、C-n+1、……、C-1、C0、C1、……、Cn-1、Cn-1，所述温度监测单元测量的环境温度的数据为T，所述浓度数组P[2n+1]为:
在其中一个实施例中，所有所述浓度检测单元直线设置时，沿着风向进行设置，最中间位置的浓度检测单元安装在需要检测碳排放的地点处。
在其中一个实施例中，所述温度校准模块生成温度扩散系数依据的公式为：
其中，KX为温度扩散系数，α为权重因子，且权重因子α的取值范围为1.53<α<2.86。
在其中一个实施例中，所述温度监测单元采集温度数据T时，按照相同的时间间隔采集至少三组温度数据，最终的温度数据T的计算公式为：
其中，T1、T2、…、Tm分别为温度监测单元在不同时间点采集的温度数据，且相邻的温度数据采集的间隔时间段相同。
在其中一个实施例中，所述风速校准模块定义的恒定数据为C0，生成风速扩散系数依据的公式为：
式中，W为风速扩散系数。
在其中一个实施例中，所述数据处理模块构建的高斯函数为：
计算高斯函数的实数常数的方程为：
其中，计算得出的实数常数a＝A、b＝B、c＝C。
在其中一个实施例中，所述数据分析模块计算所述碳排放评价系数Q所依据的公式为：
本发明另外还提供一种碳排放分析方法，其中，所述碳排放分析方法适用于上述的碳排放在线监测平台，所述碳排放的分析方法具体步骤包括：
S1:使用浓度检测单元检测空气中的二氧化碳浓度数据C，通过温度监测单元测量浓度检测单元所处环境的温度数据T；
S2:使用预处理模块按照浓度检测单元的距离数据和采集的二氧化碳浓度数据C，将浓度检测单元检测的距离数据、二氧化碳浓度数据C构成浓度数组P[2+1]；
S3:使用温度校准模块根据温度监测单元采集的温度数据T和环境中全年的平均温度数据T0，生成温度扩散系数KX；
S4:使用风速校准模块将浓度数组P[2+1]最中间的数据定义为恒定数据C0，并将恒定数据C0两侧的数据对称求出欧式距离，求出平均数后生成风速扩散系数W；
S5:通过数据处理模块构建高斯函数模型f(x)，利用浓度数组P[2+1]中的恒定数据和两端的边缘数据为因变量，恒定数据和两端的边缘数据的距离为自变量，计算高斯函数模型的实数常数，确定高斯函数模型f(x)的参数；
S6:使用数据分析模块根据高斯函数模型f(x)、温度扩散系数KX和风速扩散系数W，针对浓度数组P[2+1]构建排放评价系数Q对于碳排放进行在线监测。
与现有技术相比，本发明的有益效果是：
本发明通过直线等距设置多组浓度检测单元，测量一条直线上的不同处的二氧化碳浓度，将各个浓度检测单元检测的距离、数据构成浓度数组，依据浓度数组分析二氧化碳的浓度扩散异常情况，生成风速扩散系数，并测监测环境的温度，结合平均温度，计算温度扩散系数,并使用高斯函数模型对于监测处的二氧化碳的扩散情况进行拟合，并构建碳排放评价系数，碳排放评价系数能够拟合出一段距离内的二氧化碳的浓度总和，使用温度扩散系数和风速扩散系数对于碳排放评价系数进行修正，能够有效的降低风力、温度对于二氧化碳的碳排放含量的影响，对于碳排放进行监测时监测的效果加精准。
附图说明
图1为本发明整体系统结构示意图；
图2为本发明中浓度监测单元的分布结构示意图；
图3为本发明中碳排放在线监测分析方法流程示意图。
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明白，以下结合具体实施例，对本发明进一步详细说明。
需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
实施例：
请参阅图1至图2，本发明提供一种技术方案：
一种碳排放在线监测平台，包括监测模块、预处理模块、温度校准模块、数据传输模块、数据处理模块和数据分析模块，其中：
监测模块包括温度监测单元和浓度监测单元，所述温度监测单元用于测量监测模块所处环境的温度，浓度检测单元至少设置有五组，且浓度检测单元的数目为奇数，所有浓度检测单元直线等距设置，浓度检测单元用于检测空气中的二氧化碳浓度，温度监测单元将采集的数据发送至温度校准模块，浓度监测单元将采集的数据发送至预处理模块；
如图2所示，本实施例中，设置的浓度检测单元为2n+1组，每组的编号为Q-n、Q-n+1、……Q-1、Q0、Q1、……Qn-1、Qn，每个相邻的浓度检测单元之间的距离均为m,所有浓度检测单元以编号为Q0的浓度检测单元对称分布，每个浓度检测单元检测的数据分别为C-n、C-n+1、……、C-1、C0、C1、……、Cn-1、Cn-1，所述温度监测单元测量的环境温度的数据为T，所述浓度检测单元采用二氧化碳测量传感器，所述温度监测单元采用温度传感器，如DS18B20。
本实施例中，在浓度检测单元的位置关系上，由于浓度检测单元的数目为奇数，以最中间的浓度检测单元得位置为零坐标，两侧分别是正坐标值和负坐标值，具体的坐标值以距离中间的浓度检测单元的距离进行核算。
本实施例中，所有所述浓度检测单元直线设置时，沿着风向进行设置，最中间位置的浓度检测单元安装在需要检测碳排放的地点处，通过沿着风向设置，由于风向吹动时，以最中间位置的浓度检测单元为中心，两侧的浓度检测单元对称设置，会将排放的二氧化碳浓度从一侧吹向另一侧，造成两侧的浓度检测单元检测的数据存在差异，据此差异能够通过计算得出风速对于浓度的影响，从而对于测量的浓度进行修正。
本实施例中，所述温度监测单元采集温度数据T时，按照相同的时间间隔采集至少三组温度数据，最终的温度数据T的计算公式为：
其中，T1、T2、…、Tm分别为温度监测单元在不同时间点采集的温度数据，且相邻的温度数据采集的间隔时间段相同。
通过计算一段时间内温度的平均值来确定温度监测单元采集温度数据T，进行温度校准模块进行数据校准时，保证数据的准确性。
所述预处理模块按照浓度检测单元的距离和数据，将浓度检测单元检测的距离、数据构成浓度数组，并将浓度数组发送至数据处理模块，所述浓度数组P[2+1]为:
在本实施例中，浓度数组P[2+1]每个浓度检测单元检测的数据和所处的距离均为一一映射的关系，预处理模块将浓度数组P[2+1]发送至风速校准模块。
所述风速校准模块将浓度数组P[2+1]最中间的数据定义为恒定数据C0,并将恒定数据C0两侧的数据对称求出欧式距离，求出平均数后生成风速扩散系数W。
在本实施例中，生成风速扩散系数依据的公式为：
式中，W为风速扩散系数。
由于恒定数据C0所对应的浓度监测单元是对称设置的，最中间位置的浓度检测单元位于检测碳排放的地点处，此处位于二氧化碳排放量的中心，此处浓度最高，因此若是在正常无风的条件下，二氧化碳的浓度正常扩散，两侧的浓度监测单元检测的数据应该是一致的，若是不一致，则必然是风力对其产生的干扰，让恒定数据C0所对应的浓度监测单元两侧的二氧化碳的浓度扩散异常，通过此方式能够有效地对风力影响的二氧化碳的浓度进行修正。
所述温度校准模块根据温度监测单元将采集的温度数据和环境中全年的平均温度，生成温度扩散系数，并将温度扩散系数发送至综合分析模块；
在本实施例中，所述温度校准模块生成温度扩散系数依据的公式为：
其中，KX为温度扩散系数，α为权重因子，且权重因子α的取值范围为1.53<α<2.86，T0为环境中全年的平均温度，数据来源于气象站。
由于温度的高低会影响二氧化碳分子的扩散效率，若是温度越高，则二氧化碳扩散的越快，此时最中间位置的浓度检测单元检测的碳排放含量和实际相比就会偏低，因此设置温度扩散系数KX来对二氧化碳的排放量进行修正，能够有效的降低监测误差。
所述数据传输模块将浓度数组、温度扩散系数和风速扩散系数传送至数据处理模块；
所述数据处理模块构建高斯函数模型，利用浓度数组中的恒定数据和两端的边缘数据计算高斯函数模型的实数常数，其中数据分析模块构建的高斯函数模型为：
计算高斯函数模型的实数常数的方程为：
其中，计算得出的实数常数a＝A、b＝B、c＝C。
在本实施例中，最中间位置的浓度检测单元所处的二氧化碳排放量的中心，此处浓度最高，逐渐向外扩散，随着距离中心距离越远扩散的效率越低，因此若是以距离中心的距离作为横坐标，以二氧化碳浓度作为纵坐标，则此时整个图像呈现出高斯函数的形状，本实施例通过高斯函数来对二氧化碳的扩散情况进行拟合，能够有效的保证检测的准确性。
所述数据分析模块根据高斯函数模型、温度扩散系数和风速扩散系数，针对浓度数组构建排放评价系数对于碳排放进行在线监测。
本实施例中，所述数据分析模块计算所述碳排放评价系数Q所依据的公式为：
其中，f(t)为实数常数确定后的高斯函数模型：
本实施例中，以距离为横坐标，以测量的二氧化碳浓度为纵坐标，对于二氧化碳浓度使用高斯函数进行扩散拟合后，对于二氧化碳浓度进行距离上的积分，并使用温度扩散系数和风速扩散系数进行修正，能够拟合出一段距离内的二氧化碳的浓度总和，对于碳排放进行检测，监测的效果加精准。
碳排放评价系数C的计算公式可知，当温度越高时，温度扩散系数越大，此时对于碳排放评价系数Q的修正越强，当风速越大时，风速扩散系数，此时对于碳排放评价系数Q的修正同样越强，使用温度扩散系数和风速扩散系数对于碳排放评价系数Q进行修正，能够有效的降低风力、温度对于二氧化碳的碳排放含量的影响。
请参阅图3，本发明另外还提供一种碳排放分析方法，其中，所述碳排放分析方法适用于上述的碳排放在线监测平台，所述碳排放的分析方法具体步骤包括：
S1:使用浓度检测单元检测空气中的二氧化碳浓度数据C，设置温度监测单元测量浓度检测单元所处环境的温度数据T；
S2:使用预处理模块按照浓度检测单元的距离数据和采集的二氧化碳浓度数据C，将浓度检测单元检测的距离数据、二氧化碳浓度数据C构成浓度数组P[2+1]；
S3:使用温度校准模块根据温度监测单元采集的温度数据T和环境中全年的平均温度数据T0，生成温度扩散系数KX；
S4:使用风速校准模块将浓度数组P[2+1]最中间的数据定义为恒定数据0，并将恒定数据C0两侧的数据对称求出欧式距离，求出平均数后生成风速扩散系数W；
S5:通过数据处理模块构建高斯函数模型f(x)，利用浓度数组P[2+1]中的恒定数据和两端的边缘数据为因变量，恒定数据和两端的边缘数据的距离为自变量，计算高斯函数模型的实数常数，确定高斯函数模型f(x)的参数；
S6:使用数据分析模块根据高斯函数模型f(x)、温度扩散系数KX和风速扩散系数W，针对浓度数组P[2+1]构建排放评价系数Q对于碳排放进行在线监测。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。
需要说明的是，在本文中，如若存在第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种碳排放在线监测平台，其特征在于，包括监测模块、预处理模块、温度校准模块、风速校准模块、数据传输模块、数据处理模块和数据分析模块，所述监测模块包括温度监测单元和浓度监测单元，其中：
所述温度监测单元用于测量监测模块所处环境的温度，浓度检测单元至少设置有五组，且浓度检测单元的数目为奇数，所有浓度检测单元直线等距设置，所述浓度检测单元用于检测空气中的二氧化碳浓度数据C，所述温度监测单元用于测量浓度检测单元所处环境的温度数据T；
所述温度监测单元将采集的温度数据T发送至温度校准模块，浓度监测单元将采集的二氧化碳浓度数据C发送至预处理模块；
所述预处理模块按照浓度检测单元的距离数据和采集的二氧化碳浓度数据C，将浓度检测单元检测的距离数据、二氧化碳浓度数据C构成浓度数组P[2n+1]，并将浓度数组P[2n+1]发送至风速校准模块；
所述温度校准模块根据温度监测单元采集的温度数据T和环境中全年的平均温度数据T0，生成温度扩散系数KX，并将温度扩散系数KX发送至综合分析模块；
所述风速校准模块将浓度数组P[2n+1]最中间的数据定义为恒定数据C0,并将恒定数据C0两侧的数据对称求出欧式距离，求出平均数后生成风速扩散系数W；
所述数据传输模块将浓度数组P[2n+1]、温度扩散系数KX和风速扩散系数W传送至数据处理模块和综合分析模块；
所述数据处理模块构建高斯函数模型f(x)，利用浓度数组P[2n+1]中的恒定数据和两端的边缘数据为因变量，恒定数据和两端的边缘数据的距离为自变量，计算高斯函数模型的实数常数，确定高斯函数模型f(x)的参数；
所述数据分析模块根据高斯函数模型f(x)、温度扩散系数KX和风速扩散系数W，针对浓度数组P[2n+1]构建排放评价系数Q对于碳排放进行在线监测。
2.根据权利要求1所述的一种碳排放在线监测平台，其特征在于：所述设置的浓度检测单元为2+1组，每组的编号为Q-n、Q-n+1、……Q-1、Q0、Q1、……Qn-1、Qn，每个相邻的浓度检测单元之间的距离均为m,所有浓度检测单元以编号为Q0的浓度检测单元对称分布，每个浓度检测单元检测的数据分别为C-n、C-n+1、……、C-1、C0、C1、……、Cn-1、Cn-1，所述温度监测单元测量的环境温度的数据为T，所述浓度数组P[2n+1]为:
3.根据权利要求2所述的一种碳排放在线监测平台，其特征在于：所有所述浓度检测单元直线设置时，沿着风向进行设置，最中间位置的浓度检测单元安装在需要检测碳排放的地点处。
4.根据权利要求1所述的一种碳排放在线监测平台，其特征在于：所述温度校准模块生成温度扩散系数依据的公式为：
其中，KX为温度扩散系数，α为权重因子，且权重因子α的取值范围为1.53<α<2.86。
5.根据权利要求4所述的一种碳排放在线监测平台，其特征在于：所述温度监测单元采集温度数据T时，按照相同的时间间隔采集至少三组温度数据，最终的温度数据T的计算公式为：
其中，T1、T2、…、Tm分别为温度监测单元在不同时间点采集的温度数据，且相邻的温度数据采集的间隔时间段相同。
6.根据权利要求1所述的一种碳排放在线监测平台，其特征在于：所述风速校准模块定义的恒定数据为C0，生成风速扩散系数依据的公式为：
式中，W为风速扩散系数。
7.根据权利要求1所述的一种碳排放在线监测平台，其特征在于：所述数据处理模块构建的高斯函数为：
计算高斯函数模型的实数常数的方程为：
其中，计算得出的实数常数a＝A、b＝B、c＝C。
8.根据权利要求1所述的一种碳排放在线监测平台，其特征在于：所述数据分析模块计算所述碳排放评价系数Q所依据的公式为：
9.一种碳排放分析方法，其特征在于：所述碳排放分析方法适用于权利要求1-8任一项所述的碳排放在线监测平台，所述碳排放的分析方法具体步骤包括：
S1:使用浓度检测单元检测空气中的二氧化碳浓度数据C，设置温度监测单元测量浓度检测单元所处环境的温度数据T；
S2:使用预处理模块按照浓度检测单元的距离数据和采集的二氧化碳浓度数据C，将浓度检测单元检测的距离数据、二氧化碳浓度数据C构成浓度数组P[2+1]；
S3:使用温度校准模块根据温度监测单元采集的温度数据T和环境中全年的平均温度数据T0，生成温度扩散系数KX；
S4:使用风速校准模块将浓度数组P[2+1]最中间的数据定义为恒定数据C0，并将恒定数据C0两侧的数据对称求出欧式距离，求出平均数后生成风速扩散系数W；
S5:通过数据处理模块构建高斯函数模型f(x)，利用浓度数组P[2+1]中的恒定数据和两端的边缘数据为因变量，恒定数据和两端的边缘数据的距离为自变量，计算高斯函数模型的实数常数，确定高斯函数模型f(x)的参数；
S6:使用数据分析模块根据高斯函数模型f(x)、温度扩散系数KX和风速扩散系数W，针对浓度数组P[2+1]构建排放评价系数Q对于碳排放进行在线监测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310884721.2A CN116859001B (zh) | 2023-07-18 | 2023-07-18 | 一种碳排放在线监测平台及分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310884721.2A CN116859001B (zh) | 2023-07-18 | 2023-07-18 | 一种碳排放在线监测平台及分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116859001A true CN116859001A (zh) | 2023-10-10 |
| CN116859001B CN116859001B (zh) | 2024-03-19 |
Family
ID=88230239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310884721.2A Active CN116859001B (zh) | 2023-07-18 | 2023-07-18 | 一种碳排放在线监测平台及分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116859001B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118171037A (zh) * | 2024-05-14 | 2024-06-11 | 浙江大学 | 一种基于温室气体分析的碳排放监测系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111523244A (zh) * | 2020-04-30 | 2020-08-11 | 西安科技大学 | 一种煤矿巷道断面气体分布检测方法 |
| WO2021056160A1 (zh) * | 2019-09-23 | 2021-04-01 | 广州禾信仪器股份有限公司 | 一种VOCs污染的溯源方法 |
| US20220091026A1 (en) * | 2020-09-10 | 2022-03-24 | Project Canary, Pbc | Air quality monitoring system and method |
| CN114280695A (zh) * | 2017-05-09 | 2022-04-05 | 西南石油大学 | 一种空气污染物监测预警方法及云平台 |
| CN114487300A (zh) * | 2022-01-28 | 2022-05-13 | 生态环境部卫星环境应用中心 | 基于车载测量系统的零散点源碳排放强度监测方法及系统 |
| CN115201071A (zh) * | 2022-09-09 | 2022-10-18 | 杭州泽天春来科技有限公司 | 一种基于厂界恶臭在线监测系统的空气扩散溯源方法及系统 |
| US20230186173A1 (en) * | 2021-12-14 | 2023-06-15 | Wuhan University | Method of analyzing influence factor for predicting carbon dioxide concentration of any spatiotemporal position |
-
2023
- 2023-07-18 CN CN202310884721.2A patent/CN116859001B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114280695A (zh) * | 2017-05-09 | 2022-04-05 | 西南石油大学 | 一种空气污染物监测预警方法及云平台 |
| WO2021056160A1 (zh) * | 2019-09-23 | 2021-04-01 | 广州禾信仪器股份有限公司 | 一种VOCs污染的溯源方法 |
| CN111523244A (zh) * | 2020-04-30 | 2020-08-11 | 西安科技大学 | 一种煤矿巷道断面气体分布检测方法 |
| US20220091026A1 (en) * | 2020-09-10 | 2022-03-24 | Project Canary, Pbc | Air quality monitoring system and method |
| US20230186173A1 (en) * | 2021-12-14 | 2023-06-15 | Wuhan University | Method of analyzing influence factor for predicting carbon dioxide concentration of any spatiotemporal position |
| CN114487300A (zh) * | 2022-01-28 | 2022-05-13 | 生态环境部卫星环境应用中心 | 基于车载测量系统的零散点源碳排放强度监测方法及系统 |
| CN115201071A (zh) * | 2022-09-09 | 2022-10-18 | 杭州泽天春来科技有限公司 | 一种基于厂界恶臭在线监测系统的空气扩散溯源方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 左海龙: "基于Arcgis的污染空气扩散模拟软件设计", 电子测试, pages 87 - 88 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118171037A (zh) * | 2024-05-14 | 2024-06-11 | 浙江大学 | 一种基于温室气体分析的碳排放监测系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116859001B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Spinelle et al. | Field calibration of a cluster of low-cost commercially available sensors for air quality monitoring. Part B: NO, CO and CO2 | |
| CN116859001B (zh) | 一种碳排放在线监测平台及分析方法 | |
| CN111950627B (zh) | 一种多源信息融合方法及其应用 | |
| CN109034252A (zh) | 空气质量站点监测数据异常的自动化识别方法 | |
| CN105809249B (zh) | 一种基于双神经网络的pm2.5浓度检测与预测系统及方法 | |
| CN112462001B (zh) | 一种基于条件生成对抗网络进行数据增广的气体传感器阵列模型校准方法 | |
| CN112711002B (zh) | 一种基于co2-dial模拟测量的点源co2排放的新型估算方法 | |
| CN103364530B (zh) | 远程气体监测系统及方法 | |
| CN117079442B (zh) | 基于数据分析的化工园区危化气体泄漏扩散监测系统 | |
| CN104729965A (zh) | 基于区间径向基函数神经网络的pm2.5浓度检测方法 | |
| CN112733419A (zh) | 一种突发大气污染事故源反演准确性提升方法 | |
| CN113917093B (zh) | 一种基于无线网络的空气质量监控系统 | |
| CN117906376B (zh) | 一种回转窑碳排放量监测方法及系统 | |
| CN115600067A (zh) | 一种基于物联网的建筑结构形变监测系统及方法 | |
| CN116992240B (zh) | 一种车辆排放远程评估方法、设备和存储介质 | |
| CN114527235B (zh) | 一种排放强度实时量化检测的方法 | |
| CN118050538A (zh) | 一种三维风向检测方法及系统 | |
| CN116258101B (zh) | 一种基于气体浓度监测数据快速计算排放源强的方法 | |
| CN116704716A (zh) | 实验室恒温恒湿异常报警方法、装置及计算机设备 | |
| CN114167522B (zh) | 一种用于智慧城市高层建筑的风场监测与校正系统 | |
| JP2767088B2 (ja) | 気体状物質の漏洩地点推定方法 | |
| CN114819312A (zh) | 一种pm1浓度的估算方法及系统 | |
| CN117950426B (zh) | 一种基于分区烟气流量的智能喷氨控制系统 | |
| CN117686682B (zh) | 一种室内燃气故障监测方法及系统 | |
| CN112120675B (zh) | 一种群体体温异常识别方法及装置、设备及介质 |
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 |