TWI808043B - 排煙道品質管理系統以及排放品質預測管理方法 - Google Patents

排煙道品質管理系統以及排放品質預測管理方法 Download PDF

Info

Publication number
TWI808043B
TWI808043B TW111145874A TW111145874A TWI808043B TW I808043 B TWI808043 B TW I808043B TW 111145874 A TW111145874 A TW 111145874A TW 111145874 A TW111145874 A TW 111145874A TW I808043 B TWI808043 B TW I808043B
Authority
TW
Taiwan
Prior art keywords
exhaust gas
predicted
time
data
air pollution
Prior art date
Application number
TW111145874A
Other languages
English (en)
Other versions
TW202424835A (zh
Inventor
鄭兆凱
黃思瑋
陳宇文
牟鍾香
Original Assignee
桓達科技股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 桓達科技股份有限公司 filed Critical 桓達科技股份有限公司
Priority to TW111145874A priority Critical patent/TWI808043B/zh
Priority to US18/108,029 priority patent/US20240175854A1/en
Application granted granted Critical
Publication of TWI808043B publication Critical patent/TWI808043B/zh
Publication of TW202424835A publication Critical patent/TW202424835A/zh

Links

Images

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K3/00—Thermometers giving results other than momentary value of temperature
    • G01K3/005—Circuits arrangements for indicating a predetermined temperature
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K3/00—Thermometers giving results other than momentary value of temperature
    • G01K3/08—Thermometers giving results other than momentary value of temperature giving differences of values; giving differentiated values
    • G01K3/14—Thermometers giving results other than momentary value of temperature giving differences of values; giving differentiated values in respect of space
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q50/04—Manufacturing
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • 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
    • G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
    • G01N33/0034—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array comprising neural networks or related mathematical techniques
    • 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
    • G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
    • G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means
    • 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
    • G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
    • G01N33/0067—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display by measuring the rate of variation of the concentration
    • 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
    • G01N33/0073—Control unit therefor
    • G01N33/0075—Control unit therefor for multiple spatially distributed sensors, e.g. for environmental monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Pathology (AREA)
  • Food Science & Technology (AREA)
  • Combustion & Propulsion (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Computing Systems (AREA)
  • Environmental & Geological Engineering (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Toxicology (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Sampling And Sample Adjustment (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)

Abstract

本發明提出一種排煙道預測管理系統及排放品質預測管理方法。排煙道預測管理系統包括排煙道品質管理裝置及物聯網雲端平台。排煙道品質管理裝置包括粉塵粒子感測模組。粉塵粒子感測模組設置於排煙道，用以感測從排煙道排放出的廢氣總懸浮粒子(Total Suspension Particulates)。物聯網雲端平台被配置來於第二時間使用目前觀測氣象資料計算廢氣從第一時間飄散至第二時間的廢氣集合，以及取得在第二時間時在多個地理位置的多個空汙集合並計算多個空汙集合分別關聯於廢氣集合的多個影響結果，以根據多個影響結果的至少一者產生回饋指令來控制排煙道的廢氣排放量。

Description

排煙道品質管理系統以及排放品質預測管理方法
本發明係有關於一種管理裝置及方法，特別是有關於預測工廠排放廢氣的廢氣飄散動向並提供回饋資訊的排煙道品質管理裝置及方法。
工廠在製造生產過程中會排放工業廢氣，工業廢氣中涵蓋顆粒粉塵及懸浮微粒。一般而言，顆粒粉塵及懸浮微粒會在空氣中飄散一段時間後而沉降。越細微的粒子例如PM2.5(2.5μm)、PM10(10μm)，在空氣中飄散時間越長。
工廠為了經濟活動而持續性地運作，也增加了工業廢氣的排放量，使得空氣中的汙染物上升。當空氣汙染物因工廠持續排放廢氣而累積在特定區域，輕則導致人體及生物感受不舒服，重則導致人體及生物的健康危害。
工廠排放的廢氣，會隨著工廠所在位置的氣象條件(溫度、濕度、風向、風速)，造成工廠排放的廢氣，其質點擴散的路徑、速度、方向皆不相同，對於附近的環境的影響，也是與時俱變。目前的監測方式，是採用排煙道的出口，警示廢氣排放過量，但並非真正工廠對於周圍環境的影響。即使工廠依據當下的警示來降載廢氣排放，由於環境受其他汙染源(例如空飄的霧霾、鄰近工 廠的排放影響)，空氣汙染已經累積而造成周邊環境的負面影響，此時工廠採取的降載等因應措施已經錯失最佳的時機。目前並無有效的管理機制以提供工廠制定排放廢氣的策略。
據此，如何讓工廠在維持經濟活動的同時，可以預見未來對環境的影響，做為控制因素，不影響周邊環境的品質，為本發明欲解決的技術問題。
本發明之主要目的，在於解決工廠排放廢氣的問題，藉由因果模型的推論方法，於輸入廢氣感測資料後，運用氣體動力論並參考環境空品站的歷史感測資料及氣象資料，推論出各空品站所感測到的空汙資料是否為被廢氣所影響，依據觀察經驗或迴歸趨勢，建立環境空品站的定量校正資訊。
根據本案的一實施例，揭示一種排煙道預測管理系統包括排煙道品質管理裝置及粉塵粒子感測模組。粉塵粒子感測模組設置於排煙道，用以感測從排煙道排放出的廢氣。物聯網雲端平台被配置來於第二時間使用目前觀測氣象資料計算廢氣從第一時間飄散至第二時間的廢氣集合，以及取得在第二時間時在多個地理位置的多個空汙集合並計算多個空汙集合分別關聯於廢氣範圍的多個影響結果，以根據多個影響結果的至少一者產生回饋指令來控制排煙道的廢氣排放量。
根據本案的一實施例，揭示一種排放品質預測管理方法，包括以下步驟：控制排煙道進行廢氣的排放；於第二時間使用目前觀測氣象資料計算該廢氣從第一時間飄散至第二時間的一廢氣集合；取得在第二時間時在多個地理位置的多個空汙集合；計算多個空汙集合分別關聯於廢氣集合的多個影響結 果；以及根據多個影響結果的至少一者產生回饋指令來控制排煙道的廢氣排放量。
本發明藉由上述的排煙道品質管理裝置及排放品質預測管理方法，可以提供工廠作為廢氣排放策略，依據影響結果來判斷工廠是否需要主動降載，在實際上造成廢氣累積之前即採取因應措施，在經濟活動及環境保護之間取得平衡。
110:工廠
120:區域空品標準量測站
130a~130d:微型空品站
132a~132d:可感測區域
20:排煙道預測管理系統
210:排煙道品質管理裝置
212:粉塵粒子感測模組
220:物聯網雲端平台
222:時間序列資料庫
224:關聯式資料庫
230:圖形化使用者介面
300:民生公共物聯網設備
401:重疊區域
50:控制關係
510、520:控制點
801:曲線
Dirt、Dirt1、Dirt2:廢氣集合
Set1A~Set1D:目前空汙集合
PredDirt1~PredDirt2:預測廢氣集合
SetPred1A~SetPred1D、SetPred2A~SetPred2D:預測空汙集合
mv1~mv3:路徑
mv11、mv12、mv21、mv22、mv31、mv32、mv33:格點路徑
VirDirt11、VirDirt12、VirDirt21、VirDirt22、VirDirt31、VirDirt32:格點廢氣集合
Va~Vd:數值
S1010~S1050、S1110~1140、S1210~S1230、S1310~S1320:步驟
圖1為本發明根據一實施例所繪示的監測排煙道附近的環境空氣品質的示意圖。
圖2為本發明根據一實施例所繪示的排煙道預測管理系統的方塊圖。
圖3為本發明根據一實施例所繪示的工廠排煙道排出廢氣的示意圖。
圖4為本發明根據一實施例所繪示的預測工廠排煙道所排出的廢氣於未來一段時間後的預測廢氣集合的示意圖。
圖5為本發明根據一實施例所繪示的感測資料及廢氣排放量上限值控制關係的示意圖。
圖6為本發明根據一實施例所繪示的持續預測工廠所排放廢氣並持續預測周邊環境所受影響的示意圖。
圖7為本發明根據一實施例所繪示的於地圖上標記廢氣的預測流動軌跡的示意圖。
圖8為本發明根據一實施例所繪示的微型空品站與工廠之間的距離及對應微型空品站的感測資料的示意圖。
圖9為本發明根據一實施例所繪示的於地圖上標記廢氣的格點流動軌跡的示意圖。
圖10為本發明根據一實施例所繪示的排放品質預測管理方法的流程圖。
圖11為本發明根據另一實施例所繪示的排放品質預測管理方法的流程圖。
圖12為本發明根據另一實施例所繪示的排放品質預測管理方法的流程圖。
圖13為本發明根據另一實施例所繪示的排放品質預測管理方法的流程圖。
茲就本發明之一較佳實施例，配合圖式，詳細說明如後。
請參閱圖1，為本發明根據一實施例所繪示的監測環境空氣品質的架構圖。如圖1所示，工廠110設置於工業區，工廠110的排煙道隨著時間排放不同濃度的廢氣。區域空品標準量測站120可以監控大範圍區域(例如直徑10公里內的範圍)的空氣品質並追蹤長期的空氣品質趨勢。多個微型空品站130a至130d分佈在工廠110周圍，可以監控較小範圍區域(例如直徑300公尺內的範圍)的空氣品質。於圖1的實施例中，微型空品站130a至130d可以監控的區域範圍分別為可感測區域132a至132d。區域空品標準量測站120的監控範圍遠大於微型空品站 130a至130d的監控範圍，例如，圖1所示的整個區域均屬於區域空品標準量測站120的可感測區域，因此不另繪示區域空品標準量測站120的可感測區域。
區域空品標準量測站120及微型空品站130a至130d用以量測懸浮微粒值PM10或細懸浮微粒值PM2.5之感測資料，且各空品站120、130a至130d皆有固定的站點(即被設置於固定的地理位置)以定期監控該地理位置的空氣品質資料，因此所量測的空氣品質資料中會對應帶有所在地理位置的座標及時間戳之資訊。
於一實施例中，微型空品站130a至130d在單位時間量測的空氣品質資料量較區域空品標準量測站120的資料量多，但微型空品站130a至130d的資料因為廣域布建只具有定性趨勢，無法作為定量的判別，區域空品標準量測站120的感測資料較微型空品站130a至130d的感測資料精準。因此，本發明在空氣品質資料的分析上，綜合考量區域空品標準量測站120、工廠自建的排煙道品質管理裝置210及微型空品站130a至130d的資料，以在整體上獲得精確的分析結果。接著，具有計量校正(ISO 17025標準)的區域空品標準量測站120與工廠自建的排煙道品質管理裝置210作為區域的計量校正基準，藉由空汙因果與氣象擴散模型於長期的訓練與求解，將僅具有定性趨勢的微型空品站130a至130d的感測資料以常態分佈率校正擬合到半定量的基準，達成以學習模式，提高廣域布建定性感測器精準度提高的目的。綜合考量所有空品站資料的作法將於後續段落說明。
值得一提的是，區域空品標準量測站120及微型空品站130a至130d在其可感測範圍內量測空氣品質的感測資料，而建立感測資料集合，感測資料集合包括多個感測資料，各個感測資料分別包括被量測當下的座標及時間戳。 由於每個感測資料具有座標及時間戳，因此感測資料集合可提供時間及座標資訊來供分析指定時間及區域的空氣品質。
另一方面，區域空品標準量測站120及微型空品站130a至130d可預先建置空氣品質分級，依據不同級距對感測資料進行分級，並將所有被分類為同一分級的感測資料建立對應的一空汙集合。每一個空汙集合包括符合一分級的多個感測資料，並且這些感測資料分別具有量測時的座標及時間戳。各個空品站120、130a至130d是持續地監測空氣品質，取得的資料量龐大，但僅有在感測資料顯示空氣品質不好時才需要分析原因。為便於說明，後續以空汙集合來表示值得被追蹤或警示的感測資料。
工廠110的排煙道所排放的廢氣會隨著氣體動力學(例如布朗運動)而運動。此外，汙染物一經排放到空氣中成為氣狀汙染物(例如硫氧化物SOx、一氧化碳CO或氮氧化物NOx等)或粒狀汙染物(例如懸浮微粒PM10或細懸浮微粒PM2.5等)，空氣汙染物會隨著氣象因素(例如風向、風速、溫度或溼度等)結合氣體動力學而擴散、沉降並飄散至不定點。因此，工廠110需要參考空品站120、130a至130d的感測數據來得知其所排放的廢氣對於周邊環境的影響。
於圖1的實施例中，工廠110位於區域空品標準量測站120的可感測區域及微型空品站130a的可感測區域132a內，而不在微型空品站130b、130c及130d的可感測區域132b、132c及132d內。值得一提的是，此處所稱之可感測區域係指空品站的感測能力，其可監測到之最大區域範圍內的空氣品質。
一般而言，當空品站在其監測範圍內監測到的空氣品質較差時，通常會以與其距離最近的廢氣排放源來回推汙染源，例如微型空品站130a監測到 空氣品質不佳，而最靠近微型空品站130a的是工廠110。在此情況下，工廠110極有可能被判定為影響空氣品質的來源。
在一些情況下，即使工廠110是最靠近微型空品站130a的廢氣排放源，但基於前述的氣象因素，空汙來源不一定是工廠110，而有可能是距離微型空品站130a較遠的其他工廠(圖1未繪示)。由其他工廠所排放的廢氣經過當時的風向、風速、溫度或溼度等氣象因素不定向飄散，可能造成距離較遠的其他工廠所排放出的廢氣往微型空品站130a飄移，而使得微型空品站130a感測到的空氣品質不佳。本發明提出可以評估對空品站的感測資料造成影響(例如使數值變高)之汙染源，藉由氣體動力論及氣象資料結合因果模型(Causal Inference Model)，以工廠的廢氣作為因果模型的輸入並以空品站的影響作為輸出(以下簡稱為因果模型關係)，藉由該評估出來的影響結果，物聯網雲端平台220來實現(a)工廠自主監控廢氣排放及降載管理；(b)搭配鄰近的工廠的定量複數個排煙道品質管理裝置210(可提供複數個第一感測資料)及複數個區域空品標準量測站120(可提供複數個第二感測資料)，建置出特定時間間隔內的網狀節點的定量的三維空間(例如X位置座標、Y位置座標及廢氣排放濃度)，執行一推估校正模型以推估校準鄰近的複數個微型空品站130a~130d的複數個待校正感測資料並產生修正後的微型空品站量測值。如此一來，藉由校正微型空品站量測值，使得整體的計量監測能力精確度提高。
於一實施例中，推估校正模型可以是機器學習模型、迴歸分析模型、離群分析模型、中位數運算、平均數運算或常態分佈運算，本案不限於此。
工業區為許多工廠密集區域，為簡化說明，本發明以一個工廠(如圖1之工廠110)來舉例說明其如何自主監控廢氣排放及廢氣排放的自主降載管理。
請參閱圖2，為本發明根據一實施例所繪示的排煙道預測管理系統的方塊圖。如圖2所示，排煙道預測管理系統20包括排煙道品質管理裝置210、物聯網雲端平台220、圖形化使用者介面230及民生公共物聯網設備300。物聯網雲端平台220有線傳輸或無線傳輸連接排煙道品質管理裝置210、圖形化使用者介面230及民生公共物聯網設備300。
於一實施例中，排煙道品質管理裝置210包括粉塵粒子感測模組212。粉塵粒子感測模組212設置於工廠110的排煙道，用以感測從排煙道排放出的廢氣。粉塵粒子感測模組212用以量測氣體感測資料例如總懸浮微粒值(TSP,total suspended particulate)、懸浮微粒值(PM10)、細懸浮微粒值(PM2.5)或不透光率(OP,opacity)等。
於一實施例中，物聯網雲端平台220包括時間序列資料庫222、關聯式資料庫224及空汙因果與氣象擴散模型226。物聯網雲端平台220接收來自排煙道品質管理裝置210及民生公共物聯網設備300的感測資料，然而，排煙道品質管理裝置210及民生公共物聯網設備300於收到感測資料的時間不同步，因此會根據感測資料的時間戳進行資料排序，將排序後的感測資料儲存於時間序列資料庫222。
於一實施例中，物聯網雲端平台220的空汙因果與氣象擴散模型226會根據前一個小時的感測資料與氣象資料進行運算得到一運算結果，並以運 算結果及當下的即時感測資料來產生未來12個小時的預測結果。物聯網雲端平台220將相關的運算結果及預測結果儲存於關聯式資料庫224。
於一實施例中，圖形化使用者介面230用以顯示預測結果，例如未來12個小時的預測結果。
本發明可以即時地計算目前的廢氣對於周邊環境的影響，以得知廢氣目前對周邊環境造成的即時影響程度。於一實施例中，物聯網雲端平台220於第二時間使用目前觀測氣象資料計算從排煙道排放出的廢氣從過去的第一時間飄散至現在的第二時間的廢氣集合、取得在第二時間時在多個地理位置的多個空汙集合，並據以計算多個空汙集合分別關聯於廢氣集合的多個影響結果。藉此，物聯網雲端平台220可根據多個影響結果的至少一者產生回饋指令來控制排煙道的廢氣排放量。
舉例而言，如圖1所示，區域空品標準量測站120及微型空品站130a至130d分別被設置於一地理位置，並基於各自的感測資料產生各自的空汙集合。區域空品標準量測站120及微型空品站130a至130d各自所產生的空汙集合包括符合一分級的多個感測資料，該些感測資料分別具有被量測當下的座標及時間戳。值得一提的是，該些感測資料的座標會涵蓋在產生該感測資料的空品站的地理位置範圍內，也就是空品站的可感測範圍。
於一些實施例中，氣象資料是從氣象監測站所取得，並且包括風向、風速、溫度或溼度等。本發明可藉由當時時間、當時風向、空品站的氣象資訊及相關歷史感測資料，作為後續用氣象資料及控制方程式來預測影響範圍的評估依據。詳細說明如後。
請參閱圖3，為本發明根據一實施例所繪示的工廠排煙道排出廢氣的示意圖。如圖3所示，當工廠110從排煙道排放廢氣時，粉塵粒子感測模組212可取得於時間T1的廢氣集合Dirt1，廢氣集合Dirt1可被視為廢氣從排煙道被排放到空氣中的初始範圍。欲說明的是，粉塵粒子感測模組212可以感測一定區域範圍內的廢氣濃度，所述廢氣集合Dirt1包括一或多筆廢氣感測資料，並且這些廢氣感測資料分別具有被量測時的座標及時間戳。於廢氣從時間T1飄散至時間T2後，物聯網雲端平台220於時間T2時根據目前觀測到的風向，例如東北風，計算出廢氣於空間中飄散至時間T2時的廢氣集合Dirt2。值得一提的是，由於物聯網雲端平台220參考了目前的觀測氣象資料，因此時間T1至時間T2可以是相當短的一段時間，例如10分鐘。物聯網雲端平台220於時間T2取得的觀測氣象資料可以是氣象觀測站在時間T1至時間T2的區間所取得之氣象資料，其中時間T1為過去時間，時間T2為當前時間。
為了評估周遭環境有哪些區域是受到廢氣集合Dirt2的影響，物聯網雲端平台220在時間T2時取得所有空品站(如圖3的區域空品標準量測站120及微型空品站130a至130d)的目前空汙集合Set1A至Set1D。物聯網雲端平台220可以透過這些目前空汙集合Set1A至Set1D中的感測資料、座標及時間戳來計算出各空品站的感測資料所受之廢氣集合Dirt2的影響。
如圖3所示，於時間T2，微型空品站130a的目前空汙集合Set1A與廢氣集合Dirt2部分地重疊，可得知微型空品站130a所偵測到的空汙係來自於工廠110所排出之廢氣，因而可以根據此影響結果來作為回饋資訊，通知工廠110立即降低排煙道的廢氣排放量。值得一提的是，在此實施例中僅微型感測器130a的可感測區域132a內的感測資料受到廢氣集合Dirt2的影響。由於氣體的流體性質，於 另一實施例中，廢氣集合Dirt1在時間T2時亦可能會飄散而分為兩個或多個部分，而變成分別影響不同區域的兩個或多個廢氣集合。此情況下，兩個或多個廢氣集合會產生兩個或多個影響結果，其計算方式相似於上述說明，於此不再重述。
於一實施例中，物聯網雲端平台220使用煙流模式(例如高斯擴散模型或控制方程式等)根據持續從工廠110感測到的廢氣感測資料及當下的氣象資料或未來的氣象資料來計算廢氣當下或未來的濃度及範圍。為更詳細揭露本發明如何根據氣象資料來計算廢氣的飄散以得到廢氣集合，以下說明相關的計算模型。
本發明可以預測工廠110排放的廢氣經過一段時間飄散後的範圍，以預測未來的一段時間後周邊環境所受到的影響並評估環境所受之影響來源。於一實施例中，物聯網雲端平台220於第二時間時使用第三時間的預測氣象資料以預測廢氣集合從第二時間飄散至第三時間時可能的第一預測廢氣集合。並且，物聯網雲端平台220於第二時間時使用第三時間的預測氣象資料以預測各個空品站120、130a至130d的多個空汙集合於第三時間時可能的多個預測空汙集合。藉此，物聯網雲端平台220可以計算多個預測空汙集合分別關聯於第一預測廢氣集合的多個預測影響結果，以根據多個第一預測影響結果的至少一者產生回饋指令。
上述預測氣象資料可從氣象監測站來取得，但不以此為限。
請參閱圖4，為本發明根據一實施例所繪示的預測工廠排煙道所排出的廢氣於未來一段時間後的預測廢氣集合的示意圖。為便於理解，圖4的實施例將延續前述圖3來進行預測廢氣集合的說明。
物聯網雲端平台220在時間T2時，計算廢氣的位置與範圍為廢氣集合Dirt2。此實施例中，因為欲預測廢氣在時間T3時可能的飄散位置或範圍，物聯網雲端平台220需要先取得時間T3的預測氣象資料，其中時間T3在時間T2之後。值得一提的是，時間T2與時間T3的時間間隔可以為10分鐘、1小時、2小時或12小時等，本發明不限於此。物聯網雲端平台220於時間T2時取得的時間T3時的預測氣象資料可以是氣象觀測站預測在時間T2至時間T3的天氣狀態之氣象資料。
倘若時間T3的預測風向為北北東，則藉由使用廢氣集合的資料、氣體動力論及預測氣象資料，得到在時間T3時的預測廢氣集合PredDirt1。另一方面，物聯網雲端平台220也需要預測每一個空品站(微型空品站130a至130d)在時間T3時可能感測到的空氣品質。相似地，物聯網雲端平台220同樣在時間T2時，使用各個空品站的空汙集合Set1A至Set1D(如圖3所示)分別依據氣體動力論及預測氣象資料來計算得到預測空汙集合SetPred1A至SetPred1D。
如圖4所示，物聯網雲端平台220在時間T2時，預測到於時間T3時微型空品站130b的預測空汙集合SetPred1B與預測廢氣集合PredDirt1部分地重疊。物聯網雲端平台220於時間T2即可判定微型空品站130b於未來的時間T3所偵測到的空汙將會部分地來自於工廠110所排出之廢氣，因而可以根據此預測影響結果來作為回饋資訊，例如通知工廠110於未來的時間T3可能會造成周邊環境影響，因此需評估廢氣排放策略之調整。
相似地，廢氣集合Dirt1在未來時間可能會飄散而分為兩個或多個部分而得到兩個或多個預測廢氣集合(未繪示)，因此可產生兩個或多個影響結果。
本發明可以依據所預測的飄向位置持續預測工廠110排放的廢氣，並持續預測周邊環境受到的影響。於一實施例中，物聯網雲端平台220於第二時間時使用第四時間的預測氣象資料以計算第一預測廢氣集合從第三時間飄散至第四時間的第二預測廢氣集合、計算多個第一預測空汙集合於第四時間的多個第二預測空汙集合，並計算多個第二預測空汙集合分別關聯於第二預測廢氣集合的多個第二預測影響結果。藉此，物聯網雲端平台220可判斷是否於第二時間根據多個第二預測影響結果的至少一者產生回饋指令。
於另一實施例中，物聯網雲端平台220可依據各微型空品站120、130a至130d的感測資料與廢氣排放量上限值的對應關係，來判斷是否需動態調整工廠的廢氣排放量。
請參閱圖5，為本發明根據一實施例所繪示的感測資料及廢氣排放量上限值控制關係的示意圖。圖5所示的控制關係50包括多個控制點，各控制點包括感測資料及對應該感測資料之廢氣排放量上限。物聯網雲端平台220可以透過控制關係50來判斷是否產生回饋資訊。以下說明是以感測資料為PM2.5濃度值(ug/m3)以及廢氣排放量上限值為TSP(ug/m3)為例。
若微型空品站所監測到的PM2.5值為30ug/m3且目前工廠110的實際排放量為150ug/m3，由於控制點510對應的TSP上限值為300ug/m3，此時工廠110的實際排放量低於上限值，則物聯網雲端平台220不產生用以要求工廠110應降載排放廢氣之回饋資訊。若微型空品站所監測到的PM2.5值為85ug/m3且目前工廠110的實際排放量為100ug/m3，由於控制點520對應的TSP上限值為0ug/m3，代表此時工廠110不被允許排放任何廢氣，則物聯網雲端平台220產生回饋資訊並傳送至工廠110以指示工廠110的排放量已超出上限值，應立即停止排放廢氣。若微型 空品站所監測到的PM2.5值在30~85ug/m3之間，此時工廠的排煙道可被接受最大廢氣排放量從TSP最大值為300ug/m3，隨著PM2.5值增加而線性遞減至0ug/m3。換言之，微型空品站所監測到的PM2.5值越大，工廠可以被允許排放的廢氣濃度越小。物聯網雲端平台220於計算得到預測廢氣集合及預測空汙集合時，也可以採取此對應關係而事先發出警示，使得工廠得以提早採取自主管理措施。
請參閱圖6，為本發明根據一實施例所繪示的持續預測工廠所排放廢氣並持續預測周邊環境所受影響的示意圖。為便於理解，圖6的實施例將延續前述圖3及圖4來進行說明。
本實施例中，物聯網雲端平台220可在時間T2時，預測廢氣在時間T3時的位置及範圍為預測廢氣集合PredDirt1。相似於前述說明，因為欲預測廢氣在時間T4時可能的飄散位置與範圍，物聯網雲端平台220需要在時間T2時先取得時間T4時的預測氣象資料，其中時間T4在時間T3之後。值得一提的是，時間T3與時間T4的時間間隔可以為10分鐘、1小時、2小時或12小時等，本發明不限於此。物聯網雲端平台220於時間T2時取得的時間T4時的預測氣象資料可以是氣象觀測站預測天氣在時間T3至時間T4的區間或時間T4之前之氣象資料。
倘若時間T4的預測風向為西南西，則物聯網雲端平台220藉由使用預測廢氣集合PredDirt1的資料、氣體動力論及預測氣象資料，可得到在時間T4時的預測廢氣集合PredDirt2。相似地，物聯網雲端平台220同樣使用時間T3時各個空品站的預測空汙集合PredSet1A至PredSet1D，分別依據氣體動力論及預測氣象資料來計算得到各個空品站於時間T4時的預測空汙集合SetPred2A至SetPred2D。
如圖6所示，物聯網雲端平台220於時間T2時預測於時間T4時微型空品站130c的預測空汙集合SetPred2C與預測廢氣集合PredDirt2部分地重疊。也就是說，物聯網雲端平台220於時間T2即可判定微型空品站130c於未來的時間T4所偵測到空汙有部分是來自於工廠110所排出之廢氣，因而可以根據此預測影響結果來作為回饋資訊，例如通知工廠110於未來的時間T4可能會造成周邊環境影響，使得工廠110可評估廢氣排放策略之調整。物聯網雲端平台220也可以透過上述圖5之控制關係50來產生回饋指令，於此不再重述。
值得一提的是，時間T1、T2、T3及T4可以是具有相同或不同間隔的時間序列。
圖3的實施例在於時間T2時使用已知的廢氣集合及目前的觀測氣象資料來計算廢氣的飄散範圍。圖4的實施例在於時間T2時使用現有的廢氣集合及預測氣象資料來預估時間T3時的廢氣集合。圖6的實施例在於時間T2時使用預估的廢氣集合根據預測氣象資料來更進一步預測該廢氣的未來動態。如此，本發明可以透過不斷地疊加廢氣的未來動態，增加預測廢氣動態的時間長度。
於另一實施例中，物聯網雲端平台220可以於時間T3時讀取氣象觀測站所監測到之實際氣象資料，並判斷是否需要修正於時間T2時針對微型空品站130a至130d的空汙集合Set1A至Set1D所預估的預測空汙集合PredSet1A至PredSet1D，以產生校正的廢氣範圍及校正的空汙集合。此校正方式相似於上述圖3之說明，即以廢氣集合及目前觀測氣象資料來計算廢氣的飄散範圍，於此不再重述。如此，物聯網雲端平台220可於時間T3時根據校正的廢氣範圍及校正的空汙集合來重新計算影響結果，並產生一校正指令，以提升提供給工廠110的資訊的準確度。
本發明可以依據所預測的飄向位置持續預測工廠110排放的廢氣，據以獲得廢氣流動的軌跡。於一實施例中，物聯網雲端平台220於根據第二時間的廢氣集合、第三時間的第一預測廢氣集合及第四時間的第二預測廢氣集合獲得廢氣從第二時間至第四時間的預測流動軌跡，以及於地圖上標記預測流動軌跡。
請參閱圖7，為本發明根據一實施例所繪示的於地圖上標記廢氣的預測流動軌跡的示意圖。如圖7所示，承前述說明，工廠110排放的廢氣於時間T1及時間T2的範圍分別為廢氣集合Dirt1及廢氣集合Dirt2，物聯網雲端平台220可基於廢氣集合Dirt1及廢氣集合Dirt2獲得路徑mv1。廢氣於時間T2的範圍為廢氣集合Dirt2，而於時間T3被預估的範圍為預測廢氣集合PredDirt1，物聯網雲端平台220可基於廢氣集合Dirt2及預測廢氣集合PredDirt1產生路徑mv2。廢氣於時間T3及時間T4被預估的範圍分別為預測廢氣集合PredDirt1及預測廢氣集合PredDirt2，物聯網雲端平台220可基於預測廢氣集合PredDirt1及預測廢氣集合PredDirt2產生路徑mv3。進一步地，物聯網雲端平台220可以得到廢氣的預測流動軌跡，其包括路徑mv1、路徑mv2及路徑mv3。
上述廢氣的預測流動軌跡可被物聯網雲端平台220繪示於地圖(例如可被顯示於監控系統的顯示器或是工廠110的管理者的行動裝置等)上，供工廠110的管理者來參考並判斷是否進行後續的廢氣排放調整。於另一些實施例中，物聯網雲端平台220可以執行迭代運算來預測未來長時間(例如超過12小時)的廢氣動向。為使圖面簡潔，物聯網雲端平台220可以僅繪示地圖比例長度約10公里的預測流動軌跡。
如前述說明，本發明藉由煙流模式可計算出廢氣飄散到的區域以及預先計算出各空品站的預測空汙集合，因此可進一步地計算出在各空品站的預測空汙集合中受到廢氣影響的程度，說明如下。
於一實施例中，物聯網雲端平台220計算第一預測廢氣集合分別涵蓋於多個預測空汙集合的多個分布比例作為多個第一預測影響結果，以及當判斷多個分布比例中至少一者大於一分布門檻值時，物聯網雲端平台220產生回饋指令，其中回饋指令為控制排煙道開始逐漸下降廢氣排放量。
由於每一個感測資料均帶有各自的位置資訊(例如座標)，物聯網雲端平台220可以藉由比對預測廢氣集合的位置資訊及各微型空品站的預測空汙集合的位置資訊並統計重疊區域，此重疊區域作為預測廢氣集合於各微型空品站的廢氣分布範圍。物聯網雲端平台220計算廢氣分布範圍相對於每一個微型空品站的預測空汙集合的範圍，而可得到分布比例。
舉例而言，如圖4所示，物聯網雲端平台220比對預測廢氣集合PredDirt1的位置資訊及各預測空汙集合PredSet1A至PredSet1D的位置資訊後，得到重疊區域401。物聯網雲端平台220計算重疊區域401相對於預測空汙集合PredSet1B的範圍以得到預測廢氣集合PredDirt1涵蓋於預測空汙集合PredSet1B的分布比例為約50%。此範例中，預測廢氣集合PredDirt1與其他預測空汙集合PredSet1A、PredSet1C及PredSet1D沒有重疊，因此分布比例為0%。
於另一實施例中，當有多個工廠設置於同一個微型空品站附近(例如10公里內)時，物聯網雲端平台220可以分別計算出同一個微型空品站受到多個工廠影響的百分比，再以百分比最大者決定出目標工廠，以發送回饋指令給此目標工廠。以三個工廠設置在同一個微型空品站附近為例，若物聯網雲端平 台220分別計算微型空品站受到第一工廠的影響為20%、受到第二工廠影響的百分比為15%，及受到第三工廠影響的百分比為10%，則物聯網雲端平台220根據百分比中最大者，即20%，來判定第一工廠為影響微型空品站最大的工廠。因此，物聯網雲端平台220所產生的回饋指令會傳送至第一工廠。
於另一實施例中，物聯網雲端平台220計算第一預測廢氣集合分別於多個第一預測空汙集合的至少一分布，並於至少一分布中判斷廢氣濃度值是否大於濃度門檻值。當物聯網雲端平台220判斷廢氣濃度大於濃度門檻值時，則產生回饋指令，其中回饋指令為控制排煙道開始逐漸下降廢氣排放量。
舉例而言，如圖4所示，物聯網雲端平台220根據預測廢氣集合PredDirt1的所有廢氣感測資料的座標來計算預測廢氣集合PredDirt1相對於微型空品站130b的分布(如重疊區域)。若物聯網雲端平台220判斷微型空品站130b於此分布(如重疊區域)的廢氣濃度值(例如廢氣濃度的平均值、廢氣濃度的最大值或廢氣濃度的中位數等)大於門檻值，則物聯網雲端平台220據以產生回饋指令並傳送至工廠110以調降廢氣排放量。
值得一提的是，物聯網雲端平台220可以計算第二預測廢氣範圍(例如圖6之預測廢氣集合PredDirt2)分別涵蓋於多個預測空汙集合的多個分布比例，以判斷是否產生回饋指令。此外，物聯網雲端平台220也可以計算第二預測廢氣範圍(例如圖6之預測廢氣集合PredDirt2)分別涵蓋於多個第二預測空汙集合的至少一分布，並於至少一分布中判斷廢氣濃度值是否大於濃度門檻值，以判斷是否產生回饋指令。詳細說明如上述段落，於此不再重述。
一般而言，微型空品站130a至130d的設置數量較多，區域空品標準量測站120的設置數量較少。然而，微型空品站130a至130d的資料精準度較區 域空品標準量測站120的資料精準度為低，或者因為硬體因素而導致各個微型空品站之間存在資料的誤差或偏移。若微型空品站的感測資料集合(包括過去之所有感測資料)直接被用於本案中的相關運算程序，則資料的誤差或偏移可能會造成運算結果不準確。因此，本發明可以在進行前述的運算及預測程序之前，預先校正微型空品站的感測資料集合。
於一實施例中，物聯網雲端平台220在進行前述的運算及預測程序之前，可先執行離群值運算以將各個微型空品站130a至130d的空汙集合的多個感測資料中不相關的資料去除，以獲得多個歷史感測資料校正集合。並且，物聯網雲端平台220使用預測氣象資料及多個歷史感測資料校正集合中的資料來進行前述的運算及預測程序，以獲得多個預測空汙集合。
由於空氣中的粉塵或微粒會在空氣中擴散及沉降，其隨著粒子大小而有不同的運動行為(例如在空氣中停留的時間長度或在空氣中飄散的距離長短等)。因此以工廠110為起點，隨著微型空品站與工廠110的距離越遠，微型空品站的感測資料也會有對應的差異，例如與工廠110有相同或近似距離的微型空品站，其感測資料的特徵值也會相同或近似。因此，本發明實施例過濾離群太遠的感測資料，來校正每一個微型空品站的感測資料集合。
請參閱圖8，為本發明根據一實施例所繪示的微型空品站與工廠之間的距離及對應微型空品站的數值的示意圖。如圖8所示，微型空品站130a與工廠110之間的距離為1公里並且微型空品站130a的感測資料以數值Va表示。以此類推，微型空品站130b、130c及130d分別與工廠110之間的距離為3公里、2公里及4公里並且微型空品站130b、130c及130d的感測資料分別以數值Vb、Vc及Vd表示。所述距離可以為直線距離，但不加以限定。
每一個微型空品站130a至130d、區域空品標準量測站120及工廠110的感測資料皆可被儲存為歷史感測資料集合，而物聯網雲端平台220藉由這些歷史感測資料集合中感測資料的資料特徵分別校正每一個微型空品站的歷史感測資料集合。舉例而言，物聯網雲端平台220根據區域空品標準量測站120及各個微型空品站130a1至130d與工廠110的距離，分別對區域空品標準量測站120、微型空品站130a至130d及工廠110的歷史資料的平均值與標準差進行正規化與逆正規化，而進一步得到感測資料對應於距離及數值的線性或非線性關係，如圖8的曲線801所示。
接著，物聯網雲端平台220判斷每一個微型空品站130a至130d的所有感測資料的數值是否有偏離曲線801太遠，或者使用機器學習方式判斷該些感測資料的數值是否有偏移。若物聯網雲端平台220判斷出任一筆感測資料的數值有偏移，則將該筆感測資料刪除，而剩下的感測資料作為歷史感測資料校正集合中的資料。如此，物聯網雲端平台220將每一個微型空品站的感測資料集合執行完校正後，即可得到每一個微型空品站的歷史感測資料校正集合。物聯網雲端平台220使用預測氣象資料及歷史感測資料校正集合中的資料來計算預測空汙集合，其中預測空汙集合已說明如上述實施例，於此不再重述。值得一提的是，本案產生歷史感測資料校正集合並非將空品站的感測資料集合中的部分資料予以刪除，而是將資料特徵符合上述條件的感測資料匡列為歷史感測資料校正集合，俾利後續運算。
本發明藉由從歷史感測資料中將不合理的離群值(outlier)去除以將剩下的感測資料作為歷史感測資料校正集合中的資料，使得這些感測資料從 定性轉變成半定量，而讓所有的歷史感測資料校正集合中的資料均有其資料價值。
另一實施例中，物聯網雲端平台220可以使用敏感度分析(Sensitiyity analysis)來判斷空品站所監測到的數值變化是否與工廠110排放廢氣相關。舉例而言，當工廠110的廢氣排放量相較於平時的廢氣排放為大幅提升時，雖然微型空品站的資料較為不精準而區域空品標準量測站的資料較為精準，但若此時位於工廠110附近的所有空品站的感測資料之數值都呈現上升趨勢，代表所有感測資料都與工廠110的廢氣為正相關，此時物聯網雲端平台220會採用各個空品站的所有感測資料。
於一實施例中，每一筆氣象資料具有對應的時間戳及地理資訊，其中地理資訊為氣象監測站的地理位置。廢氣在空氣中隨著氣象條件飄散，然而氣象監測站的數量有限，對於沒有設置氣象監測站的位置會因為缺乏該位置的氣象資料而導致無法評估廢氣的飄散動向。本發明可以根據現有的氣象資料(包括目前觀測氣象資料及預測氣象資料)進行格點化運算(grid generation)，以將氣象資料從固定數量的地理位置(例如氣象監測站的數量)擴展至氣象監測站所未及之處。如此一來，可基於現有的氣象資料來產生推估的氣象資料，使得沒有設置氣象監測站的地理位置亦具有對應的氣象資料。
於一實施例中，物聯網雲端平台220對具有第一數量的地理位置座標的目前觀測氣象資料及預測氣象資料進行格點化運算，以分別將目前觀測氣象資料及預測氣象資料從第一數量擴增為第二數量而獲得目前觀測氣象格點資料及預測氣象格點資料，使得目前觀測氣象格點資料及預測氣象格點資料分別具有第二數量的地理位置座標及氣象格點資料。
舉例來說，四座落於四個不同的地理位置的氣象監測站可產生多個其座標屬於此4個座標之一的氣象資料，而透過格點化，物聯網雲端平台220可以於這四個座標之間的氣象資料產生16個虛擬的氣象資料，藉此將4個地理位置的氣象資料擴展為20個地理位置的氣象格點資料。依據上述技術手段，物聯網雲端平台220可對目前觀測氣象資料進行格點化運算而產生多個座標的目前觀測氣象格點資料，亦可對預測氣象資料進行格點化運算而產生多個座標的預測氣象格點資料。
於一實施例中，物聯網雲端平台220於第一時間使用目前觀測氣象格點資料以計算廢氣從第一時間飄散至第二時間的第一格點廢氣集合以及使用預測氣象格點資料以計算第一格點廢氣集合從第二時間飄散至第三時間的第二格點廢氣集合，以根據廢氣集合、第一格點廢氣集合及第二格點廢氣集合獲得廢氣從第一時間至第三時間的格點流動軌跡，並於地圖上標記格點流動軌跡，其中格點流動軌跡於地圖上的解析度大於預測流動軌跡的解析度。
請參閱圖9，為本發明根據一實施例所繪示的於地圖上標記廢氣的格點流動軌跡的示意圖。如圖9所示，物聯網雲端平台220於時間T2時使用時間T1時的目前觀測氣象格點資料以計算廢氣Dirt從時間T1飄散至時間T2的格點廢氣集合VirDirt11及VirDirt12、使用時間T3時的預測氣象格點資料以計算格點廢氣集合VirDirt12從時間T2飄散至時間T3的格點廢氣集合VirDirt21及VirDirt22，以及使用時間T4時的預測氣象格點資料以計算格點廢氣集合VirDirt22從時間T3飄散至時間T4的格點廢氣集合VirDirt31、VirDirt32及VirDirt33。因此，物聯網雲端平台220可以得到廢氣的格點流動軌跡，其包括格點路徑mv11、mv12、mv21、mv22、mv31、mv32及mv33。
圖9所示的範例中，由於在微型空品站130a及130b附近有存在實際的氣象資料，因此格點路徑mv11及mv12不會偏離路徑mv1太多以及格點路徑mv21及mv22不會偏離路徑mv2太多。
由於微型空品站130b及130c之間存在缺乏氣象資料的區域(即，沒有實際設置的氣象監測站)，因此預測流動軌跡中的路徑mv3較長，且可能不準確。
在物聯網雲端平台220透過內插計算出缺乏氣象資料的區域的氣象格點資料之後，物聯網雲端平台220可根據氣象格點資料計算得到格點廢氣集合VirDirt31、VirDirt32及VirDirt33，進一步得到於微型空品站130b及130c之間的格點流動軌跡，其包括格點路徑mv31、mv32及mv33。由於組成格點流動軌跡的格點路徑之數目大於組成預測流動軌跡的路徑之數目，因此本發明可以得到解析度較精細的流動軌跡，使得廢氣的飄移動向更詳細並更為精準。
在物聯網雲端平台220進行格點化運算之後，因為地理位置座標的氣象資料補齊，使得物聯網雲端平台220在計算廢氣的飄移動向可以更連續，不會因為缺乏某些地理位置的氣象資料而導致追蹤中斷，提升預估廢氣流動軌跡的完整度。
由於感測資料的格式或類別會因為硬體或系統環境設定因素，導致導致每一個空品站的感測資料的格式或類別會有差異。本發明對於不同的空品站的感測資料執行資料規一化計算，以統一所有的感測資料的格式或類別，以避免因不同的資料格式或類別所造成的問題。
於一實施例中，物聯網雲端平台220於判斷廢氣集合的廢氣感測資料的資料類別不同於空汙集合的感測資料的類別時，會將廢氣集合的廢氣感測 資料的類別轉換為空汙集合的感測資料的類別。於另一實施例中，物聯網雲端平台220亦可將空汙集合的感測資料的類別轉換為廢氣集合的廢氣感測資料的類別，不加以限定。
舉例而言，請復參照圖2及圖3，粉塵粒子感測模組212所量測的廢氣感測資料的類別為總懸浮微粒(TSP)，以及區域空品標準量測站120及微型空品站130a至130d的感測資料的類別為細懸浮微粒(PM2.5)。物聯網雲端平台220根據歷史資料的地域、季節或產業別等，計算出TSP值對應至PM2.5值的轉換值(例如TSP值*0.176=PM2.5值，其中轉換值為0.176)。如此，本發明透過規一化運算來統一所有資料的類別，以經過統一後的資料來進行計算，讓所有的感測資料基於相同的類別之基礎上進行處理，避免因引用不同類別的資料所造成的錯誤，提升運算的準確度。
請參閱圖10，為本發明根據一實施例所繪示的排放品質預測管理方法的流程圖。本發明的排放品質預測管理方法可由圖2的物聯網雲端平台220所執行。具體地，本發明的排放品質預測管理方法的各步驟可透過電腦可執行程式碼的方式撰寫並儲存於非暫態電腦可讀取儲存媒體中，當物聯網雲端平台220執行所述電腦可執行程式碼後，即可實現本發明的排放品質預測管理方法。
於步驟S1010，控制排煙道進行廢氣的排放。
於步驟S1020，於第二時間使用目前觀測氣象資料計算廢氣從第一時間飄散至第二時間的廢氣集合，其中第一時間早於第二時間。
於步驟S1030，取得在第二時間時在多個地理位置的多個空汙集合。
於步驟S1040，計算多個空汙集合分別關聯於廢氣集合的多個影響結果。
於步驟S1050，根據多個影響結果的至少一者產生回饋指令來控制排煙道的廢氣排放量。
如此，本發明可以即時地判斷廢氣的飄散動向，從廢氣一開始從工廠110被排放即進行監控，提高後續監測廢氣動向的準確度。
請參閱圖11，為本發明根據另一實施例所繪示的排放品質預測管理方法的流程圖。本發明的排放品質預測管理方法可由圖2的物聯網雲端平台220所執行。
於步驟S1110，於第二時間時使用第三時間的預測氣象資料以預測廢氣集合從第二時間飄散至第三時間的第一預測廢氣集合。
於步驟S1120，於第二時間時使用第三時間的預測氣象資料以預測多個空汙集合於第三時間的多個預測空汙集合。
於步驟S1130，計算多個預測空汙集合分別關聯於第一預測廢氣集合的多個第一預測影響結果。
於步驟S1140，判斷是否根據多個第一預測影響結果的至少一者產生回饋指令。
於一實施例中，排放品質預測管理方法關於判斷是否根據多個第一預測影響結果的至少一者產生回饋指令的步驟包括計算第一預測廢氣集合分別涵蓋於多個預測空汙集合的多個分布比例作為多個第一預測影響結果，並且當判斷多個分布比例中至少一者大於分布門檻值時，則產生回饋指令。
於另一實施例中，排放品質預測管理方法關於判斷是否根據多個第一預測影響結果的至少一者產生回饋指令的步驟包括計算第一預測廢氣集合分別於多個預測空汙集合的至少一分布，於至少一分布中判斷廢氣濃度值是否大於濃度門檻值，以及當判斷廢氣濃度大於濃度門檻值時，則產生回饋指令。
於一實施例中，該回饋指令為控制排煙道從第二時間開始逐漸下降廢氣排放量。
請參閱圖12，為本發明根據另一實施例所繪示的排放品質預測管理方法的流程圖。本發明的排放品質預測管理方法可由圖2的物聯網雲端平台220所執行。
於步驟S1210，於第二時間時使用第四時間的預測氣象資料以預測第一預測廢氣集合從第三時間飄散至第四時間的第二預測廢氣集合並計算多個第一預測空汙集合於第四時間的多個第二預測空汙集合。
於步驟S1220，計算多個第二預測空汙集合分別關聯於第二預測廢氣集合的多個第二預測影響結果。
於步驟S1230，判斷是否於第二時間根據多個第二預測影響結果的至少一者產生回饋指令。
請參閱圖13，為本發明根據另一實施例所繪示的排放品質預測管理方法的流程圖。本發明的排放品質預測管理方法可由圖2的物聯網雲端平台220所執行。
於步驟S1310，根據第二時間的廢氣集合、第三時間的第一預測廢氣集合及第四時間的第二預測廢氣集合產生廢氣從第二時間至第四時間的預測流動軌跡。
於步驟S1320，於地圖上標記預測流動軌跡。
本發明另提供可以根據多個工廠的廢氣排放來判斷對周邊環境的影響的空氣品質監控技術。
於一實施例中，物聯網雲端平台220使用目前觀測氣象資料計算第一廢氣排放源的廢氣從第一時間飄散至第二時間的第一廢氣集合以及計算第二廢氣排放源的廢氣從該第一時間飄散至第二時間的第二廢氣集合，接著取得在第二時間時在特定地理位置的一空汙集合，並且分別計算第一廢氣集合及第二廢氣集合關聯於空汙集合的影響範圍比例。藉此，物聯網雲端平台220再產生回饋指令以控制具有最大的影響範圍比例的廢氣排放源的廢氣排放量。
綜上所述，本發明提供之排煙道品質管理裝置及排放品質預測管理方法可預測微型空品站之感測資料未來受到工廠所排放廢氣的影響之影響關係評估以及受影響的程度，使得工廠可以透過所預測的影響程度來得知若持續排放廢氣將會導致環境的負面影響，而可事先採取因應措施，實現企業永續經營的理念及價值。
以上所述僅為本案的具體實例，非因此即侷限本案的申請專利範圍，故舉凡運用本案內容所為的等效變化，均同理皆包含於本案的範圍內，合予陳明。
S1010~S1050:步驟

Claims (10)

  1. 一種排煙道預測管理系統，包括：一排煙道品質管理裝置，包括一粉塵粒子感測模組，該粉塵粒子感測模組設置於一排煙道，用以感測從該排煙道排放出的廢氣；以及一物聯網雲端平台，被配置來於一第二時間使用一因果模型，對該廢氣及一目前觀測氣象資料進行推論，預測該廢氣從一第一時間飄散至該第二時間的一廢氣集合，以及取得在該第二時間時在多個地理位置的多個空汙集合並計算該多個空汙集合分別關聯於該廢氣集合的多個影響結果，以根據該多個影響結果的至少一者產生一回饋指令來控制該排煙道的廢氣排放量；其中該物聯網雲端平台被配置來於該第二時間時使用一第三時間的預測氣象資料以計算該廢氣集合從該第二時間飄散至該第三時間的一第一預測廢氣集合並計算該多個空汙集合於該第三時間的多個第一預測空汙集合，以及計算該多個第一預測空汙集合分別關聯於該第一預測廢氣集合的多個第一預測影響結果，以根據該多個第一預測影響結果的至少一者產生該回饋指令；其中該物聯網雲端平台被配置以於該第二時間時使用一第四時間的該預測氣象資料以計算該第一預測廢氣集合從該第三時間飄散至該第四時間的一第二預測廢氣集合並計算該多個第一預測空汙集合於該第四時間的多個第二預測空汙集合，以及計算該多個第二預測空汙集合分別關聯於該第二預測廢氣集合的多個第二預測影響結果，以判斷是否於該第二時間根據該多個第二預測影響結果的至少一者產生該回饋指令；其中該物聯網雲端平台被配置來根據該廢氣集合、該第一預測廢氣集合及該第二預測廢氣集合獲得該廢氣從該第二時間至該第四時間的一預測流動軌跡，並於一地圖上標記該預測流動軌跡； 其中該物聯網雲端平台被配置以對具有一第一數量的地理位置座標的該目前觀測氣象資料及該預測氣象資料進行格點化運算，以分別將該目前觀測氣象資料及該預測氣象資料從該第一數量擴增為一第二數量而獲得一目前觀測氣象格點資料及一預測氣象格點資料，使得該目前觀測氣象格點資料及該預測氣象格點資料分別具有該第二數量的地理位置座標及氣象格點資料。
  2. 如請求項1所述之排煙道預測管理系統，其中該物聯網雲端平台被配置以於計算該廢氣範圍分別關聯於該多個空汙集合的該多個影響結果之前，執行離群值運算以將該多個空汙集合的多個感測資料中不相關的資料去除以獲得多個歷史感測資料校正集合，以及該物聯網雲端平台被配置以使用預測氣象資料及該多個歷史感測資料校正集合中的資料來獲得多個預測空汙集合。
  3. 如請求項1所述之排煙道預測管理系統，其中該物聯網雲端平台被配置以計算該第一預測廢氣集合分別涵蓋於該多個預測空汙集合的多個分布比例作為該多個第一預測影響結果，以及當判斷該多個分布比例中至少一者大於一分布門檻值時，該物聯網雲端平台產生該回饋指令，其中該回饋指令為控制該排煙道開始逐漸下降該廢氣排放量。
  4. 如請求項1所述之排煙道預測管理系統，其中該物聯網雲端平台被配置以計算該第一預測廢氣集合分別於該多個預測空汙集合的至少一分布，並於該至少一分布中判斷一廢氣濃度值是否大於一濃度門檻值，當判斷該廢氣濃度大於該濃度門檻值時，該物聯網雲端平台產生該回饋指令，其中該回饋指令為控制該排煙道開始逐漸下降該廢氣排放量。
  5. 如請求項1所述之排煙道預測管理系統，其中該物聯網雲端平台被配置來於該第二時間使用該目前觀測氣象格點資料以計算該廢氣從該第一時間飄散至該第二時間的一第一格點廢氣集合以及使用該預測氣象格點資料以計算該第一格點廢氣集合從該第二時間飄散至該第三時間的一第二格點廢氣集合，以根據該廢氣集合、該第一格點廢氣集合及該第二格點廢氣集合獲得該廢氣從該第一時間至該第三時間的一格點流動軌跡，並於該地圖上標記該格點流動軌跡，其中該格點流動軌跡於該地圖上的解析度大於該預測流動軌跡的解析度。
  6. 一種排放品質預測管理方法，適於一物聯網雲端平台所執行，該方法包括：控制一排煙道進行一廢氣的排放；於一第二時間使用一因果模型，對該廢氣及一目前觀測氣象資料進行推論，預測該廢氣從一第一時間飄散至該第二時間的一廢氣集合；取得在該第二時間時在多個地理位置的多個空汙集合；計算該多個空汙集合分別關聯於該廢氣集合的多個影響結果；根據該多個影響結果的至少一者產生一回饋指令來控制該排煙道的廢氣排放量；於該第二時間時使用一第三時間的預測氣象資料以計算該廢氣集合從該第二時間飄散至該第三時間的一第一預測廢氣集合並計算該多個空汙集合於該第三時間的多個第一預測空汙集合，以及計算該多個第一預測空汙集合分別關聯於該第一預測廢氣集合的多個第一預測影響結果，以根據該多個第一預測影響結果的至少一者產生該回饋指令； 於該第二時間時使用一第四時間的該預測氣象資料以計算該第一預測廢氣集合從該第三時間飄散至該第四時間的一第二預測廢氣集合並計算該多個第一預測空汙集合於該第四時間的多個第二預測空汙集合，以及計算該多個第二預測空汙集合分別關聯於該第二預測廢氣集合的多個第二預測影響結果，以判斷是否於該第二時間根據該多個第二預測影響結果的至少一者產生該回饋指令；根據該廢氣集合、該第一預測廢氣集合及該第二預測廢氣集合獲得該廢氣從該第二時間至該第四時間的一預測流動軌跡，以及該物聯網雲端平台被配置來於一地圖上標記該預測流動軌跡；以及對具有一第一數量的地理位置座標的該目前觀測氣象資料及該預測氣象資料進行格點化運算，以分別將該目前觀測氣象資料及該預測氣象資料從該第一數量擴增為一第二數量而獲得一目前觀測氣象格點資料及一預測氣象格點資料，使得該目前觀測氣象格點資料及該預測氣象格點資料分別具有該第二數量的地理位置座標及氣象格點資料。
  7. 如請求項6所述之排放品質預測管理方法，其中判斷是否根據該多個第一預測影響結果的至少一者產生該回饋指令包括：計算該第一預測廢氣集合分別涵蓋於該多個預測空汙集合的多個分布比例作為該多個第一預測影響結果；以及當判斷該多個分布比例中至少一者大於一分布門檻值時，產生該回饋指令，其中該回饋指令為控制該排煙道從該第二時間開始逐漸下降該廢氣排放量。
  8. 如請求項6所述之排放品質預測管理方法，其中判斷是否根據該多個第一預測影響結果的至少一者產生該回饋指令包括：計算該第一預測廢氣集合分別於該多個預測空汙集合的至少一分布； 於該至少一分布中判斷一廢氣濃度值是否大於一濃度門檻值；以及當判斷該廢氣濃度大於該濃度門檻值時，產生該回饋指令，其中該回饋指令為控制該排煙道從該第二時間開始逐漸下降該廢氣排放量。
  9. 如請求項6所述之排放品質預測管理方法，更包括：透過複數個排煙道品質管理裝置取得複數個第一感測資料；透過複數個區域空品標準量測站取得複數個第二感測資料；透過複數個微型空品站取得複數個待校正感測資料；透過一物聯網雲端平台執行一推估校正模型，並參考該些第一感測資料及該些第二感測資料以推估校準該些待校正感測資料並產生修正後的複數個微型空品站量測值。
  10. 如請求項9所述之排放品質預測管理方法，其中該推估校正模型包括機器學習模型、迴歸分析模型、離群分析模型、中位數運算、平均數運算或常態分佈運算。
TW111145874A 2022-11-30 2022-11-30 排煙道品質管理系統以及排放品質預測管理方法 TWI808043B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW111145874A TWI808043B (zh) 2022-11-30 2022-11-30 排煙道品質管理系統以及排放品質預測管理方法
US18/108,029 US20240175854A1 (en) 2022-11-30 2023-02-10 Air pollution forecast management system and air pollution forecast management method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW111145874A TWI808043B (zh) 2022-11-30 2022-11-30 排煙道品質管理系統以及排放品質預測管理方法

Publications (2)

Publication Number Publication Date
TWI808043B true TWI808043B (zh) 2023-07-01
TW202424835A TW202424835A (zh) 2024-06-16

Family

ID=88149226

Family Applications (1)

Application Number Title Priority Date Filing Date
TW111145874A TWI808043B (zh) 2022-11-30 2022-11-30 排煙道品質管理系統以及排放品質預測管理方法

Country Status (2)

Country Link
US (1) US20240175854A1 (zh)
TW (1) TWI808043B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI581203B (zh) * 2013-11-22 2017-05-01 Cloud monitoring device
CN106651036A (zh) * 2016-12-26 2017-05-10 东莞理工学院 空气质量预报系统
CN111461405A (zh) * 2020-03-09 2020-07-28 平安国际智慧城市科技股份有限公司 污染物的扩散预测方法、装置、设备及存储介质
TW202036488A (zh) * 2018-11-30 2020-10-01 美商3M新設資產公司 空氣品質監測系統

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI581203B (zh) * 2013-11-22 2017-05-01 Cloud monitoring device
CN106651036A (zh) * 2016-12-26 2017-05-10 东莞理工学院 空气质量预报系统
TW202036488A (zh) * 2018-11-30 2020-10-01 美商3M新設資產公司 空氣品質監測系統
CN111461405A (zh) * 2020-03-09 2020-07-28 平安国际智慧城市科技股份有限公司 污染物的扩散预测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US20240175854A1 (en) 2024-05-30

Similar Documents

Publication Publication Date Title
KR101865072B1 (ko) 미세먼지농도 측정, 보정 및 예측을 통한 미세먼지정보 구축장치 및 그 방법
Chang et al. An LSTM-based aggregated model for air pollution forecasting
Bozdağ et al. Spatial prediction of PM10 concentration using machine learning algorithms in Ankara, Turkey
Cetin et al. Short-term traffic flow prediction with regime switching models
CN114280695A (zh) 一种空气污染物监测预警方法及云平台
WO2020043031A1 (zh) 一种大气污染监测传感器校准和协同工作的方法
US20200003711A1 (en) Analyzer, analysis system, analysis method and program
KR101382507B1 (ko) 대기질 예측 및 관리 시스템
US20110313958A1 (en) System and method for empirical ensemble-based virtual sensing of particulates
US20220260543A1 (en) Real-time atmospheric diffusion monitoring system
CN109376443A (zh) 区域大气污染环境仿真动态模拟系统
KR101882874B1 (ko) 대기환경을 고려한 발전기 운영 계획 수립 방법 및 그 장치
CN116503229A (zh) 一种智慧燃气管网巡检方法、物联网系统及存储介质
US20220260539A1 (en) Integrated monitoring system for real-time odor tracking
CN111077048A (zh) 基于移动设备的机会式群体智能空气质量监测及评估方法
WO2019224545A2 (en) A system for detecting air pollution
CN114819696A (zh) 确定污染物浓度影响因素的方法、装置及电子设备
TWI808043B (zh) 排煙道品質管理系統以及排放品質預測管理方法
Liu et al. Research on data correction method of micro air quality detector based on combination of partial least squares and random forest regression
Croitoru et al. A state of the art regarding urban air quality prediction models
CN113281264B (zh) 一种基于卫星遥感确定环境大气污染点源一氧化碳排放通量的方法
US20220292521A1 (en) Computer-Assisted Method for Generating Training Data for a Neural Network for Predicting a Concentration of Pollutants
TW202424835A (zh) 排煙道品質管理系統以及排放品質預測管理方法
CN116258101A (zh) 一种基于气体浓度监测数据快速计算排放源强的方法
Diez et al. Uncertainty propagation of meteorological and emission data in modeling pollutant dispersion in the atmosphere