CN117744890B - 一种人居环境监测优化方法 - Google Patents
一种人居环境监测优化方法 Download PDFInfo
- Publication number
- CN117744890B CN117744890B CN202410175618.5A CN202410175618A CN117744890B CN 117744890 B CN117744890 B CN 117744890B CN 202410175618 A CN202410175618 A CN 202410175618A CN 117744890 B CN117744890 B CN 117744890B
- Authority
- CN
- China
- Prior art keywords
- air quality
- monitoring
- quality sensor
- living
- idle
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000005540 biological transmission Effects 0.000 claims abstract description 59
- 230000002159 abnormal effect Effects 0.000 claims abstract description 58
- 230000005856 abnormality Effects 0.000 claims abstract description 24
- 230000036541 health Effects 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 238000010438 heat treatment Methods 0.000 claims description 49
- 239000003344 environmental pollutant Substances 0.000 claims description 20
- 231100000719 pollutant Toxicity 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 17
- 238000005265 energy consumption Methods 0.000 claims description 15
- 239000012528 membrane Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 7
- 230000003068 static effect Effects 0.000 abstract description 3
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 22
- 230000007613 environmental effect Effects 0.000 description 13
- 238000003860 storage Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000003915 air pollution 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
- 230000007246 mechanism Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000005180 public health Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本发明公开了一种人居环境监测优化方法,具体涉及环境监测技术领域,通过先对一类居住区域空气质量传感器综合考虑其静态和动态指标,通过空传运行判断系数的计算,量化了空气质量传感器运行状态的异常程度,提高了对空气质量传感器运行状态的全面性把握;通过对一类居住区域内的空气质量传感器数据进行异常评估;在空气质量异常时,启动对二类居住区域的空气质量传感器运行状态进行监测;在空气质量正常时,无需对二类居住区域的空气质量传感器运行状态进行监测,从而节约资源和减轻监测系统的负担,提高资源的利用效率,既确保了数据的准确性,又降低了监测系统的运行成本,这有助于更有效地保护居民的健康和提高整体环境监测的效能。
Description
技术领域
本发明涉及环境监测技术领域,更具体地说,本发明涉及一种人居环境监测优化方法。
背景技术
人居环境是人类工作劳动、生活居住、休息游乐和社会交往的空间场所;人居环境的监测通常涉及多个方面,包括空气质量、水质、噪音、温度、湿度等,对人居环境监测的目的是评估环境的质量,确保人们的生活和工作处于安全、健康的状态。
随着城市以及工业发展的迅速,对位于对环境具有潜在污染风险的工业实体附近的居住区域的空气质量的监测非常重要;在对对环境具有潜在污染风险的工业实体附近的居住区域的空气质量进行监测时,通过在居住区域内布设大量的空气质量传感器,通过对空气质量传感器的实时数据进行整合发送至空气质量监测中心,实现对居住区域内的空气质量的实时监测。
但是目前对居住区域的空气质量的监测存在以下缺陷:一是对于空气质量监测的设备的状态的监测通常是在故障后才发现,这样会导致对空气质量监测的不及时,造成空气质量数据的不准确性,会影响居住区域的空气质量的是否安全的判断;二是对于空气质量监测的设备的状态监测方式通常是固定的,不能根据实际情况进行灵活调整,会造成浪费监测资源以及监测方式的不合理。
为了解决上述问题,现提供一种技术方案。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种人居环境监测优化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:
一种人居环境监测优化方法,包括如下步骤:
S1:基于潜在污染实体与居住区域的距离情况,将居住区域分为一类居住区域和二类居住区域;
S2:对一类居住区域内包括的空气质量传感器的运行状态进行持续监测,监测内容包括空气质量传感器闲时准确性、加热元件的功耗变化异常情况以及空气质量数据生成时延情况;
S3:根据空气质量传感器闲时准确性、加热元件的功耗变化异常情况以及空气质量数据生成时延情况进行综合分析,判断一类居住区域内空气质量传感器运行状态是否异常;
S4:当一类居住区域内的空气质量传感器运行状态异常时,启动对二类居住区域的空气质量传感器的运行状态的监测;
S5:当一类居住区域内的空气质量传感器运行状态正常时,判断空气质量数据本身是否异常:若空气质量数据本身异常,启动对二类居住区域的空气质量传感器的运行状态的监测;若空气质量数据本身正常,此时无需启动对二类居住区域的空气质量传感器的运行状态的监测。
在一个优选的实施方式中,在S1中,基于地理信息系统工具获取潜在污染实体和居住区域的地理信息,并测量居住区域与潜在污染实体的距离;
设定分类距离阈值,将居住区域与潜在污染实体的距离小于分类距离阈值的居住区域标记为一类居住区域;将居住区域与潜在污染实体的距离大于等于分类距离阈值的居住区域标记为二类居住区域。
在一个优选的实施方式中,在S2中,对空气质量传感器闲时准确性进行监测的具体方法为:
区分空气质量传感器运行模式:根据空气质量传感器内部的膜片是否有气流通过,当无气流通过,将空气质量传感器运行模式标记为闲时;当有气流通过,将空气质量传感器运行模式标记为繁忙;
设定运行观测区间;获取在运行观测区间内空气质量传感器运行模式为闲时的时间长度;
获取运行观测区间内运行模式为闲时的空气质量传感器内的两个膜片的温度差为0的时间长度,将运行观测区间内运行模式为闲时的空气质量传感器内的两个膜片的温度差为0的时间长度与运行观测区间内空气质量传感器运行模式为闲时的时间长度的比值标记为闲时健康比。
在一个优选的实施方式中,对加热元件的功耗变化异常情况进行分析:
在运行观测区间内均匀设置多个监测点,获取在运行观测区间内空气质量传感器的加热元件的功耗数据,基于加热元件的功耗数据,获取每个监测点对应的实时功耗值;
对运行观测区间内的监测点对应的实时功耗值的波动情况进行分析,计算得到加热能耗异变值,其表达式为:,其中,/>为运行观测区间内监测点的数量,/>为运行观测区间内监测点对应的编号;,/>均为大于1的整数;/>分别为加热能耗异变值、运行观测区间内第/>个监测点对应的实时功耗值以及运行观测区间内第/>个监测点对应的实时功耗值。
在一个优选的实施方式中,对空气质量数据生成时延情况进行分析:
在时间顺序上在运行观测区间内获取多个空气质量数据传输延迟值;
空气质量数据传输延迟值是指从采集到空气质量数据至空气质量监测中心接收到空气质量数据的时间间隔;
设定传输延迟阈值;获取运行观测区间内空气质量数据传输延迟值大于传输延迟阈值的空气质量数据传输延迟值,计算空气质量数据传输延迟值大于传输延迟阈值的空气质量数据传输延迟值与传输延迟阈值的差值,将空气质量数据传输延迟值大于传输延迟阈值的空气质量数据传输延迟值与传输延迟阈值的差值标记为不佳延迟差值,将运行观测区间内的不佳延迟差值进行求和后除以运行观测区间对应的时间长度,得到空质数据延迟指数。
在一个优选的实施方式中,在S3中,将闲时健康比、加热能耗异变值以及空质数据延迟指数进行归一化处理,通过将归一化处理后的闲时健康比、加热能耗异变值以及空质数据延迟指数分别赋予预设比例系数,计算得到空传运行判断系数;
对一类居住区域内的空气质量传感器对应的空传运行判断系数与运行判断阈值进行比对,判断空气质量传感器运行状态是否异常:
当空传运行判断系数大于运行判断阈值,生成运行异常信号;
当空传运行判断系数小于等于运行判断阈值,生成运行正常信号。
在一个优选的实施方式中,在S5中,当一类居住区域内的空气质量传感器对应为运行正常信号时,判断空气质量数据本身是否异常,具体为:
获取污染物浓度异常评估指标,污染物浓度异常评估指标达到预设阈值后,生成空气质量异常信号;反之,生成空气质量正常信号;
污染物浓度异常评估指标包括污染物实时浓度和污染物浓度增长率;
当生成空气质量异常信号,此时启动对二类居住区域的空气质量传感器的运行状态的监测;
当生成空气质量正常信号,此时无需启动对二类居住区域的空气质量传感器的运行状态的监测。
本发明一种人居环境监测优化方法的技术效果和优点:
1、通过先对一类居住区域内的空气质量传感器的多个关键参数(闲时健康比、加热能耗异变值以及空质数据延迟指数)进行综合分析,通过归一化处理和运行判断系数计算,实现对空气质量传感器运行状态的自动评估,综合考虑了空气质量传感器的静态和动态指标,通过空传运行判断系数的计算,量化了空气质量传感器运行状态的异常程度,可以在不同方面进行评估,提高了对空气质量传感器运行状态的全面性把握,实现了对空气质量传感器运行状态的智能化评估,为人居环境的监测提供了更加可靠和高效的运行管理手段。
2、通过对一类居住区域内的空气质量传感器数据进行异常评估,包括污染物实时浓度和污染物浓度增长率等指标的监测,一旦检测到污染物浓度超过预设阈值,这有效地判定空气质量数据本身是否异常,这种自动化的异常检测系统可以提高监测的及时性和准确性,有助于及早发现潜在的空气污染问题;且在空气质量异常时,启动对二类居住区域的空气质量传感器运行状态进行监测,以确保数据的可靠性;相反,如果空气质量正常,无需对二类居住区域的空气质量传感器运行状态进行监测,从而节约资源和减轻监测系统的负担,提高资源的利用效率,既确保了数据的准确性,又降低了监测系统的运行成本,这有助于更有效地保护居民的健康和提高整体环境监测的效能。
附图说明
图1为本发明一种人居环境监测优化方法示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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例,都属于本发明保护的范围。
实施例
图1给出了本发明一种人居环境监测优化方法,其包括如下步骤:
S1:基于潜在污染实体与居住区域的距离情况,将居住区域分为一类居住区域和二类居住区域。
S2:对一类居住区域内包括的空气质量传感器的运行状态进行持续监测,监测内容包括空气质量传感器闲时准确性、加热元件的功耗变化异常情况以及空气质量数据生成时延情况。
S3:根据空气质量传感器闲时准确性、加热元件的功耗变化异常情况以及空气质量数据生成时延情况进行综合分析,判断一类居住区域内空气质量传感器运行状态是否异常。
S4:当一类居住区域内的空气质量传感器运行状态异常时,启动对二类居住区域的空气质量传感器的运行状态的监测。
S5:当一类居住区域内的空气质量传感器运行状态正常时,判断空气质量数据本身是否异常:若空气质量数据本身异常,启动对二类居住区域的空气质量传感器的运行状态的监测;若空气质量数据本身正常,此时无需启动对二类居住区域的空气质量传感器的运行状态的监测。
其中,潜在污染实体是指对环境具有潜在污染风险的工业实体,可以包括化工企业、电力厂以及制药厂等。
在S1中,基于地理信息系统(GIS)工具或其他测距工具获取潜在污染实体和居住区域的地理信息,并测量居住区域与潜在污染实体的距离。
设定分类距离阈值,将居住区域与潜在污染实体的距离小于分类距离阈值的居住区域标记为一类居住区域;将居住区域与潜在污染实体的距离大于等于分类距离阈值的居住区域标记为二类居住区域。
如果居住区域附近有多个潜在污染实体,则居住区域与潜在污染实体的距离取值为居住区域与多个潜在污染实体的距离的平均值。
分类距离阈值是根据实际的监测需求和潜在污染实体的具体情况进行设定的,分类距离阈值是一个固定的距离,例如设置为500米。
根据居住区域的类别,对空气质量传感器设定监测频率,例如对一类居住区域可以使用空气质量传感器对空气质量进行较为频繁的监测,而对二类居住区域可以使用空气质量传感器对空气质量进行普通的监测,例如每小时或每半天,具体根据实际监测需求进行详细的设定。
不同距离潜在污染源的居住区域可能受到不同程度的污染影响,对于距离较近的区域,由于其更容易受到潜在污染源的影响,可能需要更频繁的监测。而距离较远的区域,监测频率可以相对较低。资源是有限的,对所有居住区域都采用相同的高频监测可能会导致资源浪费。通过分类,可以优化监测资源的分配,使其更符合实际污染风险。
不同类别的居住区域可能处于不同的环境条件下,如风向、地形等的差异。分类有助于更好地理解和解释监测数据,以适应不同的环境背景。通过分类,可以制定更具体、定制化的监测计划。
在S2中,对一类居住区域内包括的空气质量传感器的运行状态进行持续监测,其中对空气质量传感器闲时准确性进行监测的具体方法为:
空气质量传感器为了获得空气流量,空气质量传感器元件上的空气质量传感器膜片(发热金属铂丝固定在薄树脂上构成)被中间安装的加热电阻加热,膜片上的温度分别被与加热电阻平行安装的两个温度电阻测量。通过空气质量传感器的气流改变了膜片上的温度分配,从而使得两个温度电阻的电阻值产生差异,由此对ECU输出一个变化的电压信号,在空气质量传感器内部安装有进气温度空气质量传感器,用以测量进气温度。
空气质量传感器在通电状态下,两个膜片被加热,其温度呈线性上升,且线性一致,无气流通过时,两个膜片的温度差为0,当气流通过时,由于气流吹过两个膜片的先后顺序不同,引起两个膜片温度变化(虚线),而两个膜片温度之间的差值便是ECU计算出进气质量的重要参数。
故区分空气质量传感器运行模式:根据空气质量传感器内部的膜片是否有气流通过,当无气流通过,将空气质量传感器运行模式标记为闲时;当有气流通过,将空气质量传感器运行模式标记为繁忙。
若无气流通过时,两个膜片的温度差不为0,可能说明存在一些潜在的问题或异常情况。这种情况可能会影响空气质量传感器的正常运行,如果这种情况偶尔出现,可能是由于短暂的环境变化或空气质量传感器的临时问题引起。这时候可能影响相对较小,偶尔出现可以进行忽略,如果在频繁的情况下发生,可能表明存在系统性问题,可能需要进一步调查和维护。频繁的温度差异不为零可能会影响空气质量传感器的准确性和稳定性,从而影响空气质量监测结果的可靠性。
设定运行观测区间,运行观测区间对应的时间长度是固定的,且是本领域专业技术人员根据对居住区域内的空气质量传感器的监测需求以及其他实际情况进行设定的,运行观测区间是实时的区间,即运行观测区间的终点始终为实时的时间点,运行观测区间的范围是随着实时时间点的变化而变化的。
对运行观测区间内空气质量传感器运行模式为闲时的膜片的温度差的异常程度进行分析:获取在运行观测区间内空气质量传感器运行模式为闲时的时间长度。
获取运行观测区间内运行模式为闲时的空气质量传感器内的两个膜片的温度差为0的时间长度,将运行观测区间内运行模式为闲时的空气质量传感器内的两个膜片的温度差为0的时间长度与运行观测区间内空气质量传感器运行模式为闲时的时间长度的比值标记为闲时健康比,闲时健康比越大,空气质量传感器在闲时的运行的精准度越高,空气质量传感器的实时数据越准确。将闲时健康比标记为。
对加热元件的功耗变化异常情况进行分析:
如果空气质量传感器内部的加热元件在相邻时间点之间的功耗变化越大且越频繁,可能说明以下一些可能情况:
故障或损坏:加热元件的异常功耗变化可能是由于元件内部的故障或损坏引起的。这可能包括电阻、导线或其他关键元件的问题。
不稳定性:元件的不稳定性可能导致功耗的剧烈波动。这可能与元件内部的材料或结构问题有关,导致加热不均匀或温度控制不稳定。
环境变化:外部环境条件的变化,如温度波动或湿度变化,可能导致加热元件的功耗变化;这可能是正常现象,但如果变化过于剧烈可能需要调整控制系统。
过载或过热:加热元件可能在某些时间点经历过载或过热情况,导致功耗的短时剧烈波动,这可能需要检查系统中的保护机制是否正常工作。
控制系统问题:控制加热元件的系统可能存在问题,导致不良的温度控制或功耗管理。可能需要检查控制算法、空气质量传感器和执行元件的状态。
异常的加热元件功耗变化可能影响空气质量传感器的温度控制,进而影响空气质量传感器的准确性和稳定性。过度的功耗变化和频繁的加热可能缩短加热元件的寿命,降低空气质量传感器的可靠性,异常的功耗变化还可能引起空气质量传感器监测的数据的波动,影响监测数据的质量和稳定性。
在运行观测区间内均匀设置多个监测点,监测点的数量应足够多以准确监测功耗的变化。
获取在运行观测区间内空气质量传感器的加热元件的功耗数据,基于加热元件的功耗数据,获取每个监测点对应的实时功耗值,对运行观测区间内的监测点对应的实时功耗值的波动情况进行分析,计算得到加热能耗异变值,加热能耗异变值的表达式为:,其中,/>为运行观测区间内监测点的数量,/>为运行观测区间内监测点对应的编号;/>,/>均为大于1的整数;/>分别为加热能耗异变值、运行观测区间内第/>个监测点对应的实时功耗值以及运行观测区间内第/>个监测点对应的实时功耗值。
加热能耗异变值越大,实时功耗值的波动越大越频繁,会降低空气质量传感器的可靠性,影响监测数据的质量和稳定性。
其中,实时功耗值可以基于下列方式获取:
使用电流空气质量传感器等设备测量加热元件的电流值。这通常涉及将电流空气质量传感器连接到电路中,以获取实时电流数据。
使用电压空气质量传感器等设备测量加热元件的电压值,同样,将电压空气质量传感器连接到电路中,以获取实时电压数据。
将测得的电流值和电压值代入功耗计算公式,即可得到加热元件的实时功耗值。
对空气质量数据生成时延情况进行分析:
空气质量监测需要及时反映当前环境状况,特别是对于可能影响公共健康的污染事件。时延监测有助于确保监测数据的实时性,提高对环境变化的即时响应能力。 在紧急情况下,例如空气污染暴发、化学泄漏等,及时获得准确的空气质量数据是保障公众安全的关键。时延监测可以确保监测系统对紧急事件做出迅速响应。时延监测有助于识别数据生成中的延迟问题,进而提高数据的准确性,准确的监测数据对于评估环境质量、预测趋势和制定有效的环保政策至关重要。
在时间顺序上在运行观测区间内获取多个空气质量数据传输延迟值,若空气质量数据传输延迟值过大,会造成对空气质量数据监测的延后和不准确。
空气质量数据传输延迟值是指从采集到空气质量数据至空气质量监测中心接收到空气质量数据的时间间隔。
设定传输延迟阈值,传输延迟阈值是依据空气质量数据传输延迟值的大小,以及对空气质量数据实时性的要求标准等其他实际情况进行设定,此处不再赘述。
获取运行观测区间内空气质量数据传输延迟值大于传输延迟阈值的空气质量数据传输延迟值,计算空气质量数据传输延迟值大于传输延迟阈值的空气质量数据传输延迟值与传输延迟阈值的差值,将空气质量数据传输延迟值大于传输延迟阈值的空气质量数据传输延迟值与传输延迟阈值的差值标记为不佳延迟差值,将运行观测区间内的不佳延迟差值进行求和后除以运行观测区间对应的时间长度,得到空质数据延迟指数。将空质数据延迟指数标记为。
空质数据延迟指数越大,空气质量数据传输延迟值过大的程度越大,对空气质量数据监测的准确性的不利影响越大。
其中,空气质量监测中心是指一个专门负责收集、整合、分析和监测大范围内空气质量数据的中央化机构或设施。其主要功能包括:
数据集成与接收:空气质量监测中心负责接收来自各个空气质量传感器的实时数据。这些数据可能涉及空气中的各种污染物浓度、气象条件等信息。
数据整合与分析:监测中心将从多个空气质量传感器中收集到的数据进行整合,形成全面的空气质量数据集。通过数据分析,监测中心可以评估空气质量状况、检测潜在污染源、预测趋势等。
实时监测与报警:监测中心能够实时监测空气质量数据,及时发现异常情况,并在必要时触发报警系统。这有助于对突发性的空气质量问题做出快速响应。
数据展示与传播:监测中心通常提供数据的可视化界面,向公众和科研人员等提供实时的、可访问的空气质量信息。这有助于提高公众的环保意识,支持科研和决策。
总体而言,空气质量监测中心是一个关键的环境监测和管理机构,通过集成、分析和传播空气质量数据,为社会提供及时准确的空气质量信息,以支持环境保护和公众健康。
在S3中,根据空气质量传感器闲时准确性、加热元件的功耗变化异常情况以及空气质量数据生成时延情况进行综合分析,判断一类居住区域内空气质量传感器运行状态是否异常,具体为:
将闲时健康比、加热能耗异变值以及空质数据延迟指数进行归一化处理,通过将归一化处理后的闲时健康比、加热能耗异变值以及空质数据延迟指数分别赋予预设比例系数,计算得到空传运行判断系数,其中,空传运行判断系数可为:;其中,/>为空传运行判断系数,/>分别为闲时健康比、加热能耗异变值以及空质数据延迟指数的预设比例系数,且/>均大于0,/>小于0。
空传运行判断系数越大,空气质量传感器运行状态的异常程度越高。
对一类居住区域内的空气质量传感器对应的空传运行判断系数与运行判断阈值进行比对,判断空气质量传感器运行状态是否异常:
当空传运行判断系数大于运行判断阈值,生成运行异常信号,此时空气质量传感器运行状态异常,此时将运行异常信号发送至空气质量监测中心,空气质量监测中心根据运行异常信号安排专业技术人员对生成运行异常信号的空气质量传感器进行检修。
当空传运行判断系数小于等于运行判断阈值,生成运行正常信号,此时空气质量传感器运行正常,无需采取措施。
运行判断阈值是根据空传运行判断系数的大小以及实际中对空气质量传感器运行状态的要求标准等其他实际情况进行设定的,此处不再赘述。
通过对一类居住区域内的空气质量传感器的多个关键参数进行综合分析,包括闲时健康比、加热能耗异变值以及空质数据延迟指数,通过归一化处理和运行判断系数计算,实现对空气质量传感器运行状态的自动评估。
综合考虑了空气质量传感器的静态和动态指标,通过空传运行判断系数的计算,量化了空气质量传感器运行状态的异常程度,可以在不同方面进行评估,提高了对空气质量传感器运行状态的全面性把握,实现了对空气质量传感器运行状态的智能化评估,为环境监测系统提供了更加可靠和高效的运行管理手段。
在S4中,当一类居住区域内的空气质量传感器对应为运行异常信号时,启动对二类居住区域的空气质量传感器的运行状态的监测,此时对二类居住区域的空气质量传感器对应的空气质量传感器闲时准确性、加热元件的功耗变化异常情况以及空气质量数据生成时延情况进行综合分析,判断二类居住区域内空气质量传感器运行状态是否异常,将二类居住区域内空气质量传感器运行状态划分为空气质量传感器运行状态异常和空气质量传感器运行正常。
判断二类居住区域内空气质量传感器运行状态是否异常的方法与一类居住区域内的空气质量传感器的判断方法相同,即通过空气质量传感器对应的空气质量传感器闲时准确性、加热元件的功耗变化异常情况以及空气质量数据生成时延情况进行综合分析,判断二类居住区域内空气质量传感器运行状态是否异常,此处不再赘述。
即只要一类居住区域内有空气质量传感器存在运行状态异常,就判断为一类居住区域内的空气质量传感器运行状态异常;只有一类居住区域内有空气质量传感器均运行状态正常,则一类居住区域内的空气质量传感器运行状态正常。
在S5中,当一类居住区域内的空气质量传感器对应为运行正常信号时,判断空气质量数据本身是否异常,具体为:
空气质量传感器可以监测大量数据,包括PM2.5和PM10颗粒物浓度、二氧化硫浓度、一氧化碳浓度、二氧化氮浓度、臭氧浓度以及温度和湿度等。
获取污染物浓度异常评估指标,污染物浓度异常评估指标达到预设阈值后,生成空气质量异常信号,此时空气质量数据本身异常;反之,生成空气质量正常信号,此时空气质量数据本身正常。
预设阈值根据实际的空气质量的要求标准进行设定,此处不再赘述。
污染物浓度异常评估指标包括污染物实时浓度和污染物浓度增长率,以二氧化硫浓度为例获取浓度变化异常评估指标,获取一段时间内空气质量传感器的二氧化硫浓度增长率和实时的二氧化硫浓度,若在该段时间内的二氧化硫浓度增长率超过了安全范围的二氧化硫浓度的增长率(相当于预设阈值),或实时的二氧化硫浓度超过了人居环境的安全要求标准的二氧化硫浓度(相当于预设阈值),此时空气质量数据包括的二氧化硫浓度数据本身异常,可以生成空气质量异常信号。反之,此时空气质量数据包括的二氧化硫浓度数据本身正常;生成空气质量正常信号。
对于其他化学物质的浓度的监测判断现有技术已较为成熟,可通过以二氧化硫浓度为例的方法或其他现有技术进行空气质量数据本身是否异常的判断,此处不再赘述。
当生成空气质量异常信号,此时启动对二类居住区域的空气质量传感器的运行状态的监测。
当生成空气质量正常信号,此时无需启动对二类居住区域的空气质量传感器的运行状态的监测。
值得注意的是,无论对于一类居住区域还是二类居住区域内包括的空气质量传感器,对空气质量传感器运行状态的监测的相关设备都是在监测开始之前就已设置。
通过对一类居住区域内的空气质量传感器数据进行异常评估,包括污染物实时浓度和污染物浓度增长率等指标的监测,一旦检测到污染物浓度超过预设阈值,这有效地判定空气质量数据本身是否异常,这种自动化的异常检测系统可以提高监测的及时性和准确性,有助于及早发现潜在的空气污染问题;且在空气质量异常时,系统会启动对二类居住区域的空气质量传感器运行状态进行监测,以确保数据的可靠性;相反,如果空气质量正常信号生成,无需对二类居住区域的空气质量传感器运行状态进行监测,从而节约资源和减轻监测系统的负担,提高资源的利用效率,既确保了数据的准确性,又降低了监测系统的运行成本,这有助于更有效地保护居民的健康和提高整体环境监测的效能。
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,公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络,或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD),或者半导体介质。半导体介质可以是固态硬盘。
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模块及算法步骤,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、装置和模块的具体工作过程,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,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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,例如多个模块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,装置或模块的间接耦合或通信连接,可以是电性,机械或其他的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,既可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块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模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块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。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种人居环境监测优化方法,其特征在于,包括如下步骤:
S1:基于潜在污染实体与居住区域的距离情况,将居住区域分为一类居住区域和二类居住区域;
S2:对一类居住区域内包括的空气质量传感器的运行状态进行持续监测,监测内容包括空气质量传感器闲时准确性、加热元件的功耗变化异常情况以及空气质量数据生成时延情况;
S3:根据空气质量传感器闲时准确性、加热元件的功耗变化异常情况以及空气质量数据生成时延情况进行综合分析,判断一类居住区域内空气质量传感器运行状态是否异常;
S4:当一类居住区域内的空气质量传感器运行状态异常时,启动对二类居住区域的空气质量传感器的运行状态的监测;
S5:当一类居住区域内的空气质量传感器运行状态正常时,判断空气质量数据本身是否异常:若空气质量数据本身异常,启动对二类居住区域的空气质量传感器的运行状态的监测;若空气质量数据本身正常,此时无需启动对二类居住区域的空气质量传感器的运行状态的监测;
在S2中,对空气质量传感器闲时准确性进行监测的具体方法为:
区分空气质量传感器运行模式:根据空气质量传感器内部的膜片是否有气流通过,当无气流通过,将空气质量传感器运行模式标记为闲时;当有气流通过,将空气质量传感器运行模式标记为繁忙;
设定运行观测区间;获取在运行观测区间内空气质量传感器运行模式为闲时的时间长度;
获取运行观测区间内运行模式为闲时的空气质量传感器内的两个膜片的温度差为0的时间长度,将运行观测区间内运行模式为闲时的空气质量传感器内的两个膜片的温度差为0的时间长度与运行观测区间内空气质量传感器运行模式为闲时的时间长度的比值标记为闲时健康比;
对加热元件的功耗变化异常情况进行分析:
在运行观测区间内均匀设置多个监测点,获取在运行观测区间内空气质量传感器的加热元件的功耗数据,基于加热元件的功耗数据,获取每个监测点对应的实时功耗值;
对运行观测区间内的监测点对应的实时功耗值的波动情况进行分析,计算得到加热能耗异变值,其表达式为:,其中,/>为运行观测区间内监测点的数量,/>为运行观测区间内监测点对应的编号;,/>为大于1的整数;/>分别为加热能耗异变值、运行观测区间内第/>个监测点对应的实时功耗值以及运行观测区间内第/>个监测点对应的实时功耗值。
2.根据权利要求1所述的一种人居环境监测优化方法,其特征在于:在S1中,基于地理信息系统工具获取潜在污染实体和居住区域的地理信息,并测量居住区域与潜在污染实体的距离;
设定分类距离阈值,将居住区域与潜在污染实体的距离小于分类距离阈值的居住区域标记为一类居住区域;将居住区域与潜在污染实体的距离大于等于分类距离阈值的居住区域标记为二类居住区域。
3.根据权利要求2所述的一种人居环境监测优化方法,其特征在于:对空气质量数据生成时延情况进行分析:
在时间顺序上在运行观测区间内获取多个空气质量数据传输延迟值;
空气质量数据传输延迟值是指从采集到空气质量数据至空气质量监测中心接收到空气质量数据的时间间隔;
设定传输延迟阈值;获取运行观测区间内空气质量数据传输延迟值大于传输延迟阈值的空气质量数据传输延迟值,计算空气质量数据传输延迟值大于传输延迟阈值的空气质量数据传输延迟值与传输延迟阈值的差值,将空气质量数据传输延迟值大于传输延迟阈值的空气质量数据传输延迟值与传输延迟阈值的差值标记为不佳延迟差值,将运行观测区间内的不佳延迟差值进行求和后除以运行观测区间对应的时间长度,得到空质数据延迟指数。
4.根据权利要求3所述的一种人居环境监测优化方法,其特征在于:在S3中,将闲时健康比、加热能耗异变值以及空质数据延迟指数进行归一化处理,通过将归一化处理后的闲时健康比、加热能耗异变值以及空质数据延迟指数分别赋予预设比例系数,计算得到空传运行判断系数;
对一类居住区域内的空气质量传感器对应的空传运行判断系数与运行判断阈值进行比对,判断空气质量传感器运行状态是否异常:
当空传运行判断系数大于运行判断阈值,生成运行异常信号;
当空传运行判断系数小于等于运行判断阈值,生成运行正常信号。
5.根据权利要求4所述的一种人居环境监测优化方法,其特征在于:在S5中,当一类居住区域内的空气质量传感器对应为运行正常信号时,判断空气质量数据本身是否异常,具体为:
获取污染物浓度异常评估指标,污染物浓度异常评估指标达到预设阈值后,生成空气质量异常信号;反之,生成空气质量正常信号;
污染物浓度异常评估指标包括污染物实时浓度和污染物浓度增长率;
当生成空气质量异常信号,此时启动对二类居住区域的空气质量传感器的运行状态的监测;
当生成空气质量正常信号,此时无需启动对二类居住区域的空气质量传感器的运行状态的监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410175618.5A CN117744890B (zh) | 2024-02-08 | 2024-02-08 | 一种人居环境监测优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410175618.5A CN117744890B (zh) | 2024-02-08 | 2024-02-08 | 一种人居环境监测优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117744890A CN117744890A (zh) | 2024-03-22 |
CN117744890B true CN117744890B (zh) | 2024-05-07 |
Family
ID=90281608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410175618.5A Active CN117744890B (zh) | 2024-02-08 | 2024-02-08 | 一种人居环境监测优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117744890B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6370174B1 (en) * | 1999-10-20 | 2002-04-09 | Cymer, Inc. | Injection seeded F2 lithography laser |
JP2013218725A (ja) * | 2013-06-19 | 2013-10-24 | Hitachi Ltd | 異常検知方法及び異常検知システム |
JP2016070553A (ja) * | 2014-09-29 | 2016-05-09 | 三菱電機株式会社 | 保湿用空気供給機、保湿用空気供給制御システム及び家電機器の運転管理システム |
KR20170121858A (ko) * | 2016-04-26 | 2017-11-03 | 주식회사 베터라이프 | 실내 라돈농도 검출 알고리즘을 이용한 환기시스템 및 운용방법 |
CN108112048A (zh) * | 2017-12-28 | 2018-06-01 | 重庆邮电大学 | 认知传感器网中一种基于稳定性的能效路由协议 |
CN109284554A (zh) * | 2018-09-27 | 2019-01-29 | 大连理工大学 | 无线传感网络中基于气体运动模型的有毒气体监测与追踪方法 |
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
WO2021046356A1 (en) * | 2019-09-04 | 2021-03-11 | Schlumberger Technology Corporation | Autonomous operations in oil and gas fields |
CN115031784A (zh) * | 2022-06-16 | 2022-09-09 | 华东交通大学 | 转向架结构/环境同步监测的柔性传感阵列及解耦方法 |
CN115165471A (zh) * | 2022-06-23 | 2022-10-11 | 人和数智科技有限公司 | 一种生态环境检测装置及其使用方法 |
CN115286124A (zh) * | 2022-06-23 | 2022-11-04 | 人和数智科技有限公司 | 一种具有监控功能的水域环境保护装置 |
CN115435188A (zh) * | 2022-08-24 | 2022-12-06 | 人和数智科技有限公司 | 一种基于生态环境指数测评的信息采集装置及使用方法 |
CN115562410A (zh) * | 2022-11-10 | 2023-01-03 | 西藏益园农牧科技发展有限公司 | 智慧种植监控管理平台系统 |
CN116735804A (zh) * | 2023-07-04 | 2023-09-12 | 深圳市鼎山科技有限公司 | 基于物联网的智能传感器精度监测系统 |
CN116735823A (zh) * | 2023-07-07 | 2023-09-12 | 人和数智科技有限公司 | 一种农村环境管理用污水监测装置 |
CN116894166A (zh) * | 2023-09-11 | 2023-10-17 | 中国标准化研究院 | 一种基于智能传感网络的土壤环境参数信息监测系统 |
CN116896848A (zh) * | 2023-06-28 | 2023-10-17 | 人和数智科技有限公司 | 一种智慧城市信息数据存储装置 |
CN117353465A (zh) * | 2023-12-04 | 2024-01-05 | 深圳市宝安爱德电气有限公司 | 一种基于传感器的变频配电柜运行监管系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150330817A1 (en) * | 2006-03-10 | 2015-11-19 | Sui Chun Law | Method and Device for Environmental and Health Monitoring |
JP5301310B2 (ja) * | 2009-02-17 | 2013-09-25 | 株式会社日立製作所 | 異常検知方法及び異常検知システム |
EP3033703A1 (en) * | 2013-11-07 | 2016-06-22 | Halliburton Energy Services, Inc. | Apparatus and methods of data analysis |
EP3336634B1 (en) * | 2016-12-14 | 2020-02-26 | ABB Schweiz AG | Computer system and method for monitoring the status of a technical system |
US10742940B2 (en) * | 2017-05-05 | 2020-08-11 | VergeSense, Inc. | Method for monitoring occupancy in a work area |
US20210288493A1 (en) * | 2020-03-12 | 2021-09-16 | ComAp a.s. | Optimization of power generation from power sources using fault prediction based on intelligently tuned machine learning power management |
-
2024
- 2024-02-08 CN CN202410175618.5A patent/CN117744890B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6370174B1 (en) * | 1999-10-20 | 2002-04-09 | Cymer, Inc. | Injection seeded F2 lithography laser |
JP2013218725A (ja) * | 2013-06-19 | 2013-10-24 | Hitachi Ltd | 異常検知方法及び異常検知システム |
JP2016070553A (ja) * | 2014-09-29 | 2016-05-09 | 三菱電機株式会社 | 保湿用空気供給機、保湿用空気供給制御システム及び家電機器の運転管理システム |
KR20170121858A (ko) * | 2016-04-26 | 2017-11-03 | 주식회사 베터라이프 | 실내 라돈농도 검출 알고리즘을 이용한 환기시스템 및 운용방법 |
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
CN108112048A (zh) * | 2017-12-28 | 2018-06-01 | 重庆邮电大学 | 认知传感器网中一种基于稳定性的能效路由协议 |
CN109284554A (zh) * | 2018-09-27 | 2019-01-29 | 大连理工大学 | 无线传感网络中基于气体运动模型的有毒气体监测与追踪方法 |
WO2021046356A1 (en) * | 2019-09-04 | 2021-03-11 | Schlumberger Technology Corporation | Autonomous operations in oil and gas fields |
CN115031784A (zh) * | 2022-06-16 | 2022-09-09 | 华东交通大学 | 转向架结构/环境同步监测的柔性传感阵列及解耦方法 |
CN115165471A (zh) * | 2022-06-23 | 2022-10-11 | 人和数智科技有限公司 | 一种生态环境检测装置及其使用方法 |
CN115286124A (zh) * | 2022-06-23 | 2022-11-04 | 人和数智科技有限公司 | 一种具有监控功能的水域环境保护装置 |
CN115435188A (zh) * | 2022-08-24 | 2022-12-06 | 人和数智科技有限公司 | 一种基于生态环境指数测评的信息采集装置及使用方法 |
CN115562410A (zh) * | 2022-11-10 | 2023-01-03 | 西藏益园农牧科技发展有限公司 | 智慧种植监控管理平台系统 |
CN116896848A (zh) * | 2023-06-28 | 2023-10-17 | 人和数智科技有限公司 | 一种智慧城市信息数据存储装置 |
CN116735804A (zh) * | 2023-07-04 | 2023-09-12 | 深圳市鼎山科技有限公司 | 基于物联网的智能传感器精度监测系统 |
CN116735823A (zh) * | 2023-07-07 | 2023-09-12 | 人和数智科技有限公司 | 一种农村环境管理用污水监测装置 |
CN116894166A (zh) * | 2023-09-11 | 2023-10-17 | 中国标准化研究院 | 一种基于智能传感网络的土壤环境参数信息监测系统 |
CN117353465A (zh) * | 2023-12-04 | 2024-01-05 | 深圳市宝安爱德电气有限公司 | 一种基于传感器的变频配电柜运行监管系统 |
Non-Patent Citations (4)
Title |
---|
环境空气实时监测系统的设计;王蕾;崔俊峰;;硅谷;20121108(21);全文 * |
环境空气质量监测的实现及优化分析;方明;;民营科技;20160920(09);全文 * |
短期内空气质量改变对健康青年生物学指标的影响;赵太云;王倩;李绵阳;张英;刘辉;胡敏;张利文;王广发;黄薇;朱彤;朱平;;中国优生与遗传杂志;20090725(07);全文 * |
过程控制软传感器对象设计方法与应用;王培进;计算机工程与应用;20030721(21);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117744890A (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111051852B (zh) | 多核传感器系统及其隔离和恢复的方法 | |
JP5548682B2 (ja) | インテリジェント電子装置の保守を予測するためのシステムおよび方法 | |
CN113783272B (zh) | 一种基于超级电容监控管理系统的安全控制方法 | |
KR101771053B1 (ko) | 실시간 통합 실내 공기질 알림지수 결정 방법 및 장치 | |
RU2649542C1 (ru) | Способ и система удаленного мониторинга объектов | |
CN112561736A (zh) | 智能变电站继电器保护装置故障诊断系统和方法 | |
CN116345700B (zh) | 一种用于储能电站的能耗监测方法及监测系统 | |
KR101989962B1 (ko) | 통합 관리 서버 및 이를 이용한 건물 관리 시스템 | |
CN104330675A (zh) | 基于多元时间序列的变电设备在线监测分析系统及其方法 | |
CN115015623B (zh) | 一种基于大数据的矿山设备运行安全评价系统 | |
CN115689396A (zh) | 污染物排放管控方法、装置、设备及介质 | |
CN116740883A (zh) | 一种基于云计算的安防监控报警系统 | |
CN116256017A (zh) | 碳资产监测装置及碳资产监测系统 | |
CN117744890B (zh) | 一种人居环境监测优化方法 | |
CN117408514A (zh) | 基于多参数传感器的智能运维变电站监测预警系统及方法 | |
CN116989903A (zh) | 基于温度检测的设备疲劳预警系统 | |
CN110864776B (zh) | 称重设备预测性维护算法以及称重设备预测性维护方法 | |
CN117391443A (zh) | 除尘设备状态监测预警方法及系统 | |
CN116660781A (zh) | 一种户外用大功率双向快充移动电源测试系统 | |
CN116298737A (zh) | 一种开关柜放电监测系统、方法和设备 | |
CN116380228A (zh) | 衡器运行监测方法、系统、终端及存储介质 | |
CN113191410A (zh) | 一种线性电源使用寿命预测的方法、系统及存储介质 | |
JP5402071B2 (ja) | 省エネルギー支援システム | |
CN117895660B (zh) | 一种电力终端能耗数据采集分析处理方法 | |
CN117371670B (zh) | 一种新能源电动汽车充电桩的可靠性分析系统 |
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 |