TWI814683B - 室內空間內之溫室氣體或懸浮微粒的含量的估測方法和監控方法 - Google Patents
室內空間內之溫室氣體或懸浮微粒的含量的估測方法和監控方法 Download PDFInfo
- Publication number
- TWI814683B TWI814683B TW112107215A TW112107215A TWI814683B TW I814683 B TWI814683 B TW I814683B TW 112107215 A TW112107215 A TW 112107215A TW 112107215 A TW112107215 A TW 112107215A TW I814683 B TWI814683 B TW I814683B
- Authority
- TW
- Taiwan
- Prior art keywords
- value
- sensor
- processor
- average
- weighted
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 239000005431 greenhouse gas Substances 0.000 title claims abstract description 35
- 239000013618 particulate matter Substances 0.000 title claims abstract description 11
- 238000012544 monitoring process Methods 0.000 title claims description 77
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 239000007789 gas Substances 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims description 69
- 239000002245 particle Substances 0.000 claims description 28
- 238000011002 quantification Methods 0.000 abstract description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 7
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000010792 warming Methods 0.000 description 2
- 229910018503 SF6 Inorganic materials 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- QKCGXXHCELUCKW-UHFFFAOYSA-N n-[4-[4-(dinaphthalen-2-ylamino)phenyl]phenyl]-n-naphthalen-2-ylnaphthalen-2-amine Chemical compound C1=CC=CC2=CC(N(C=3C=CC(=CC=3)C=3C=CC(=CC=3)N(C=3C=C4C=CC=CC4=CC=3)C=3C=C4C=CC=CC4=CC=3)C3=CC4=CC=CC=C4C=C3)=CC=C21 QKCGXXHCELUCKW-UHFFFAOYSA-N 0.000 description 1
- 239000001272 nitrous oxide Substances 0.000 description 1
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 description 1
- 229960000909 sulfur hexafluoride Drugs 0.000 description 1
- TXEYQDLBPFQVAA-UHFFFAOYSA-N tetrafluoromethane Chemical compound FC(F)(F)F TXEYQDLBPFQVAA-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一種室內空間內之溫室氣體或懸浮微粒的含量的估測方法包含:以分佈在室內空間內的多個感測器偵測特定氣體或懸浮微粒,以產生初步偵測值;取得各感測器的加權指數;計算各感測器的初步偵測值與對應的加權指數的乘積而產生加權偵測值;以及計算所有加權偵測值的加權平均值作為溫室氣體或懸浮微粒的含量。藉此,讓排放量化數據更貼合實際情況。
Description
本發明涉及一種空氣汙染監控技術,特別是指一種室內空間內之溫室氣體或懸浮微粒的含量的估測方法和監控方法。
隨著溫室效應導致的全球暖化現象日趨嚴重,各國紛紛對溫室氣體(例如但不限於二氧化碳)排放量定出規範,並鼓勵或要求各企業能逐年逐步在2050年達到淨零排放的規範。
以工業製程產業來說,溫室氣體排放量化的現有方式大致有三種,第一種是直接監測,並利用GWP值(Global warming potential,全球暖化潛勢值)計算二氧化碳當量排放量,第二種是依據排放係數,並利用GWP值計算二氧化碳當量排放量,第三種是質量平衡法。第一種量化方式相較其餘兩種量化方式更貼近實際情況,適合作為盤查核對的數據參考。
然而,即便將溫室氣體排放量化,若是沒有持續監控數據,以當做後續盤查可參考的依據,並提醒超標的警戒機制,企業不容易有所依據來逐步符合規範。
為此,本發明的目的在於提供一種室內空間內之溫室氣體或懸浮微粒的含量的估測方法和監控方法,以克服先前技術之量化數據無法貼合實際情況以及無法提供超標提醒的問題。
本發明根據一實施例提供一種室內空間內之溫室氣體或懸浮微粒的含量的估測方法,該室內空間內有一機台,該估測方法包含以下步驟:(A) 以多個感測器,偵測該室內空間的一特定氣體或該懸浮微粒,以產生一初步偵測值,該多個感測器分佈在該室內空間中的不同位置;(B) 以一處理器取得各該感測器的一加權指數,該加權指數關聯於各該感測器與該機台的距離及對應各該感測器的一統計面積的至少其中之一或關聯於各該感測器所在之處的面積,對應各該感測器的該統計面積是該感測器的該初步偵測值在一統計期間內的積分值;(C) 以該處理器計算各該感測器的該初步偵測值與對應的該加權指數的乘積而產生一加權偵測值;以及(D) 以該處理器計算該些加權偵測值的加權平均值,以作為該溫室氣體或該懸浮微粒的含量。
可選擇的是,該步驟(B)包含:(B1) 以該處理器分別計算各該感測器與該機台的距離的平方值;(B2) 以該處理器計算各該感測器對應的該平方值的距離總和;以及(B3) 以該處理器分別計算各該感測器對應的該平方值對該距離總和的比值作為各該感測器的該加權指數。
或者可選擇的是,該步驟(B)包含:(B1) 以該處理器取得各該感測器的該統計面積;(B2) 以該處理器計算各該感測器的該統計面積的面積總和;以及(B3) 以該處理器分別計算各該感測器的該統計面積對該面積總和的比值作為各該感測器的該加權指數。
或者可選擇的是,該步驟(B)包含:(B1) 以該處理器分別計算各該感測器與該機台的距離的平方值;(B2) 以該處理器取得各該感測器的該統計面積;(B3) 以該處理器分別計算各該感測器對應的該平方值與該統計面積的乘積而產生一第一計算值;(B4) 以該處理器計算該些第一計算值的總和而產生一第二計算值;以及(B5) 以該處理器分別計算各該感測器對應的該第一計算值對該第二計算值的比值作為各該感測器的該加權指數。進一步可選擇的是,各該感測器的該加權指數隨時間改變。
或者可選擇的是,該室內空間包含至少二個隔間和內有至少另一機台,各該隔間內有一個該機台和一個該感測器,該步驟(B)包含:(B1) 以該處理器取得各該隔間的室內面積;(B2) 以該處理器計算該些室內面積的總和;以及(B3) 以該處理器分別計算各該室內面積對該些室內面積的總和的比值作為各該感測器的該加權指數。
另外,本發明還根據一實施例提供一種室內空間內之溫室氣體或懸浮微粒的含量的監控方法,該室內空間內有一機台,該監控方法包含以下步驟:(A) 在一當前監控期間內持續執行如請求項1至7的任一項所述的估測方法,以取得該當前監控期間內各時間點的該加權平均值;(B) 以該處理器從該當前監控期間內的各該時間點的該加權平均值中取樣多筆當前取樣值,並計算該些當前取樣值的一當前取樣平均值;(C) 以該處理器將該當前取樣平均值與一參考平均值比較;以及(D) 當該當前取樣平均值大於該參考平均值時,由該處理器產生一警示訊號。
可選擇的是,該參考平均值是一企業目標值、一國家標準值或一動態參考平均值,該動態參考平均值是以下列步驟產生:(C1) 以該估測方法取得一先前監控期間內各時間點的該加權平均值;以及(C2) 以該處理器從該先前監控期間內的各該時間點的該加權平均值中取樣多筆先前取樣值,並計算該些先前取樣值的一先前取樣平均值作為該動態參考平均值。
可選擇的是,該企業目標值低於該國家標準值,該監控方法更包含以下步驟:(E1) 當該當前監控期間的該當前取樣平均值大於該國家標準值時,選擇該國家標準值作為下一監控期間的參考平均值;(E2) 當該當前監控期間的該當前取樣平均值等於該國家標準值時,選擇該國家標準值或該企業目標值作為該下一監控期間的參考平均值;(E3) 當該當前監控期間的該當前取樣平均值小於該國家標準值,但大於或等於該企業目標值時,選擇該企業目標值或該當前取樣平均值作為該下一監控期間的參考平均值;以及(E4) 當該當前監控期間的該當前取樣平均值小於該企業目標值時,選擇該當前取樣平均值作為該下一監控期間的參考平均值。
藉此,本發明所提供的室內空間內之溫室氣體或懸浮微粒的含量的估測方法和監控方法不僅可以提供更貼近實際情況(例如但不限於企業之廠房內部的生產線的實際運作情況)的排放量化數據作為核查的參考,更可提供超標警示,以有助於持續逐步降低溫室氣體及懸浮微粒含量。
請參考圖1和圖2所示,本發明根據一實施例提供一種估測方法,適於搭配一伺服端10和通訊連接伺服端10的至少一感測器(例如但不限於感測器20A~20D)來估測一室內空間內的溫室氣體(例如但不限於二氧化碳、甲烷、氧化亞氮、六氟化硫、三氟化氮、氫氟碳化物氣體、全氟碳化物氣體或其他溫室氣體)或懸浮微粒(例如但不限於粒徑小於或等於2.5微米的細懸浮微粒(俗稱PM2.5))的含量。此室內空間內有至少一機台(即排放源)。感測器的類型依感測對象不同而定。
本發明的估測方法示範性說明如下。
步驟S11:伺服端10的處理器11在各時間點控制個別的感測器來偵測一室內空間的一特定氣體或懸浮微粒,以產生各時間點的一初步偵測值。
步驟S12:處理器11由伺服端10的儲存器12取得個別的感測器的一加權指數。此加權指數關聯於此感測器與機台的距離及對應此感測器的一統計面積的至少其中之一,或關聯於此感測器所在之處的面積。而對應此感測器的統計面積是此感測器的初步偵測值在一統計期間內的積分值。
步驟S13:處理器11計算個別的感測器的初步偵測值與對應的加權指數的乘積而產生各時間點的一加權偵測值。
步驟S14:處理器12計算各時間點的所有加權偵測值的加權平均值,以作為各時間點的溫室氣體或懸浮微粒的含量。
在本發明中,由於此估測方法可應用於不同條件的室內空間,因此上述的步驟S12的加權指數可依不同條件的室內空間來預先定義。以下舉例來說明。
請參考圖3所示,本發明一實施例之估測方法所適用的一室內空間1內設有分布在不同位置的感測器20A~20D及一已知排放源(即機台30)。感測器20A與機台30的距離為D1,感測器20B與機台30的距離為D2,感測器20C與機台30的距離為D3,感測器20D與機台30的距離為D4。
對應此室內空間1的條件,步驟S12中各感測器的加權指數可由以下方法產生:首先,圖1的處理器11從儲存器12取得各感測器與機台30的距離,並分別計算各感測器與機台的距離的平方值;接著,處理器11計算各感測器對應的平方值的距離總和;最後,處理器11分別計算各感測器對應的平方值對距離總和的比值作為各感測器的加權指數。
具體來說,步驟S12中各感測器的加權指數可由下列條件式(1)~(4)產生:
(1)
(2)
(3)
(4)
其中,W1是感測器20A的加權指數,W2是感測器20B的加權指數,W3是感測器20C的加權指數,W4是感測器20D的加權指數。加權指數W1~W4皆為固定值。
或者,對應此室內空間1的條件,步驟S12中各感測器的加權指數也可由以下方法產生:首先,處理器11從儲存器12取得各感測器與機台30的距離,並分別計算各感測器與機台30的距離的平方值;並且處理器11從儲存器12取得各感測器的統計面積;接著,處理器11分別計算各感測器對應的平方值與統計面積的乘積而產生一第一計算值;然後,處理器11計算所有第一計算值的總和而產生一第二計算值;最後,處理器11分別計算各感測器對應的第一計算值對第二計算值的比值作為各感測器的加權指數。對應各感測器的統計面積是感測器的初步偵測值在一統計期間內的積分值。
具體來說,步驟S12中各感測器的加權指數可由下列條件式(5)~(8)產生:
(5)
(6)
(7)
(8)
其中,W1是感測器20A的加權指數,W2是感測器20B的加權指數,W3是感測器20C的加權指數,W4是感測器20D的加權指數,CA1是感測器20A的統計面積,CA2是感測器20B的統計面積,CA3是感測器20C的統計面積,CA4是感測器20D的統計面積。條件式(5)~(8)的加權指數W1~W4會隨時間改變。
請參考圖4所示,本發明一實施例之估測方法所適用的一室內空間1內設有分布在不同位置的感測器20A~20D及一未知排放源(即不確定位置的單一個機台30或有多個機台30)。
對應此室內空間1的條件,步驟S12中各感測器的加權指數可由以下方法產生:首先,圖1的處理器11從儲存器12取得各感測器的統計面積;然後,處理器11計算所有感測器的統計面積的面積總和;最後,處理器11分別計算各感測器的統計面積對面積總和的比值作為各感測器的加權指數。對應各感測器的統計面積是感測器的初步偵測值在一統計期間內的積分值。
具體來說,步驟S12中各感測器的加權指數可由下列條件式(9)~(12)產生:
(9)
(10)
(11)
(12)
其中,W1是感測器20A的加權指數,W2是感測器20B的加權指數,W3是感測器20C的加權指數,W4是感測器20D的加權指數,CA1是感測器20A的統計面積,CA2是感測器20B的統計面積,CA3是感測器20C的統計面積,CA4是感測器20D的統計面積。條件式(9)~(12)的加權指數W1~W4會隨時間改變。
請參考圖5所示,本發明一實施例之估測方法所適用的一室內空間1內設有隔間40A~40D、感測器20A~20D及多個已知排放源(即機台30A~30D)。每個隔間內有一個感測器和一機台。
對應此室內空間1的條件,步驟S12中各感測器的加權指數可由以下方法產生:首先,圖1的處理器11從儲存器12取得各個隔間的室內面積;接著,處理器11計算這些室內面積的總和;最後,處理器11分別計算各個室內面積對所有室內面積的總和的比值作為各感測器的加權指數。
具體來說,步驟S12中各感測器的加權指數可由下列條件式(13)~(16)產生:
(13)
(14)
(15)
(16)
其中,W1是感測器20A的加權指數,W2是感測器20B的加權指數,W3是感測器20C的加權指數,W4是感測器20D的加權指數,A1是隔間40A的室內面積,A2是隔間40B的室內面積,A3是隔間40C的室內面積,A4是隔間40D的室內面積。條件式(13)~(16)的加權指數W1~W4皆為固定值。
而本發明中,各感測器的統計面積的產生方式舉例說明如下。在處理器11每一小時控制各感測器偵測一次的例子中,處理器11每小時會收到各感測器回傳的初步偵測值並儲存至儲存器12中。因此,處理器11可從儲存器12中取得(或收集)去年11月(即統計時間)中各感測器每小時(即各時間點)產生的初步偵測值,每個感測器會有720筆初步偵測值。接著,處理器11可透過統計分析將各個感測器的多筆初步偵測值轉成一時間對初步偵測值的折線圖,並計算折線圖中由折線、時間軸和初步偵測值軸所圍成的面積(即計算各感測器的初步偵測值在去年11月中產生的所有初步偵測值的積分值),作為各感測器的統計面積。
在本發明中,處理器11在產生各感測器的統計面積時,可先從去年11月產生的所有初步偵測值中取樣作為多筆取樣偵測值,然後再進行統計分析。舉例來說,只取樣今年11月份各工作日之每小時的初步偵測值來計算各感測器的統計面積。或者例如,只取樣今年11月份各工作日從早上八點到下午五點之工作時段中每小時的初步偵測值來計算各感測器的統計面積。藉此,可讓利用各感測器的加權指數計算獲得的加權偵測值貼近機台30運作時的實際情況。
另外,請參考圖6所示,本發明根據一實施例提供一種監控方法,適於搭配圖1的伺服端10和感測器20A~20D來監控室內空間內之溫室氣體或懸浮微粒的含量是否超標。此監控方法示範性地說明如下。
步驟S21:收集各時間點的加權平均值。由於處理器11會持續不斷地執行圖2的估測方法,而不斷地在各個時間點產生一加權平均值,並將各時間點的加權平均值儲存於儲存器12,因此處理器11便可從儲存器12取得(收集)在一當前監控期間(例如但不限於今年11月)內之各時間點(例如但不限於每小時)的加權平均值。
步驟S22:處理器11從當前監控期間內的所有加權平均值中取樣出至少一部分作為多筆當前取樣值,並計算這些當前取樣值的一當前取樣平均值。例如,只取樣今年11月份各工作日之每小時的加權平均值來計算當前取樣平均值。或者例如,只取樣今年11月份各工作日從早上八點到下午五點之工作時段中每小時的加權平均值來計算當前取樣平均值。
步驟S23:處理器11將此當前取樣平均值與一參考平均值比較,即判斷當前取樣平均值是否大於參考平均值。
步驟S24:若當前取樣平均值大於參考平均值時,處理器11會產生一警示訊號。
步驟S25:若當前取樣平均值小於或等於參考平均值時,處理器11則不會產生任何警示訊號。
在本發明中,步驟S23採用的參考平均值例如但不限於是一企業目標值或一國家標準值。或者,步驟S23採用的參考平均值(即動態參考平均值)也可以是由以下方式產生:首先,處理器11從儲存器12中取得(收集)以圖2的估測方法在一先前監控期間(例如但不限於去年11月)內各時間點(例如但不限於每小時)產生的加權平均值;然後,處理器11從這些取得的加權平均值中取樣至少一部分作為多筆先前取樣值,並計算這些先前取樣值的一先前取樣平均值作為動態參考平均值。產生參考平均值的取樣標準是相同於產生加權平均值的取樣標準,例如:當步驟S22的取樣標準是只取樣今年11月份各工作日之每小時的加權平均值時,步驟S23的參考平均值的取樣標準就是只取樣去年11月份各工作日之每小時的加權平均值。
在本發明中,為了讓室內空氣品質能持續有效改善,步驟S23採用的參考平均值是可機動調整的。舉例來說,步驟S23可從國家標準值、企業目標值(低於國家標準值)和動態參考平均值中擇一作為參考平均值。例如:若今年11月的當前取樣平均值大於國家標準值時,明年11月(即下一監控期間)要執行圖6的監控方法時可繼續選擇國家標準值作為明年11月的參考平均值;若今年11月的當前取樣平均值等於國家標準值時,明年11月要執行圖6的監控方法時可選擇國家標準值或企業目標值作為明年11月的參考平均值;若今年11月的當前取樣平均值小於國家標準值但大於或等於企業目標值時,明年11月要執行圖6的監控方法時可選擇企業目標值或今年11月的當前取樣平均值(即下一監控期間的動態參考平均值)作為明年11月的參考平均值;若今年11月的當前取樣平均值小於企業目標值時,明年11月要執行圖6的監控方法時可選擇今年11月的當前取樣平均值作為明年11月的參考平均值。
雖然本發明以前述之實施例揭露如上,然而這些實施例並非用以限定本發明。在不脫離本發明之精神和範圍內,所為之更動、潤飾與各實施態樣的組合,均屬本發明之專利保護範圍。關於本發明所界定之保護範圍請參考所附之申請專利範圍。
1:室內空間
10:伺服端
11:處理器
12:儲存器
20A,20B,20C,20D:感測器
30,30A,30B,30C,30D:機台
40A,40B,40C,40D:隔間
D1,D2,D3,D4:距離
在結合以下附圖研究了詳細描述之後,將發現本發明的其他方面及其優點:
圖1為根據本發明一實施例的伺服端搭配感測器的功能方塊圖;
圖2為根據本發明一實施例的室內空間內之溫室氣體或懸浮微粒的含量的估測方法的流程圖;
圖3至圖5為根據本發明不同實施例的室內空間的配置的示意圖;及
圖6為根據本發明一實施例的室內空間內之溫室氣體或懸浮微粒的含量的監控方法的流程圖。
Claims (12)
- 一種室內空間內之溫室氣體或懸浮微粒的含量的估測方法,該室內空間內有一機台,該估測方法包含以下步驟:(A)以多個感測器,偵測該室內空間的一特定氣體或該懸浮微粒,以產生一初步偵測值,該多個感測器分布在該室內空間中的不同位置;(B)以一處理器取得各該感測器的一加權指數,該加權指數關聯於各該感測器與該機台的距離及對應各該感測器的一統計面積或關聯於對應各該感測器的該統計面積,對應各該感測器的該統計面積是該感測器的該初步偵測值在一統計期間內的積分值;(C)以該處理器計算各該感測器的該初步偵測值與對應的該加權指數的乘積而產生一加權偵測值;以及(D)以該處理器計算該些加權偵測值的加權平均值,以作為該溫室氣體或該懸浮微粒的含量。
- 根據請求項1所述的室內空間內之溫室氣體或懸浮微粒的含量的估測方法,其中該步驟(B)包含:(B1)以該處理器取得各該感測器的該統計面積;(B2)以該處理器計算各該感測器的該統計面積的面積總和;以及(B3)以該處理器分別計算各該感測器的該統計面積對該面積總和的比值作為各該感測器的該加權指數。
- 根據請求項1所述的室內空間內之溫室氣體或懸浮微粒的含量的估測方法,其中該步驟(B)包含:(B1)以該處理器分別計算各該感測器與該機台的距離的平方值; (B2)以該處理器取得各該感測器的該統計面積;(B3)以該處理器分別計算各該感測器對應的該平方值與該統計面積的乘積而產生一第一計算值;(B4)以該處理器計算該些第一計算值的總和而產生一第二計算值;以及(B5)以該處理器分別計算各該感測器對應的該第一計算值對該第二計算值的比值作為各該感測器的該加權指數。
- 根據請求項1所述的室內空間內之溫室氣體或懸浮微粒的含量的估測方法,其中該步驟(B)包含:(B1)以該處理器分別計算各該感測器與該機台的距離的平方值;(B2)以該處理器計算各該感測器對應的該平方值的距離總和;以及(B3)以該處理器分別計算各該感測器對應的該平方值對該距離總和的比值作為各該感測器的該加權指數。
- 根據請求項2所述的室內空間內之溫室氣體或懸浮微粒的含量的估測方法,其中各該感測器的該加權指數隨時間改變。
- 根據請求項3所述的室內空間內之溫室氣體或懸浮微粒的含量的估測方法,其中各該感測器的該加權指數隨時間改變。
- 一種室內空間內之溫室氣體或懸浮微粒的含量的估測方法,該室內空間內有一機台,該估測方法包含以下步驟:(A)以多個感測器,偵測該室內空間的一特定氣體或該懸浮微粒,以產生一初步偵測值,該多個感測器分布在該室內空間中的不同位置;(B)以一處理器取得各該感測器的一加權指數,該加權指數關聯於各 該感測器與該機台的距離及對應各該感測器的一統計面積的至少其中之一,對應各該感測器的該統計面積是該感測器的該初步偵測值在一統計期間內的積分值;(C)以該處理器計算各該感測器的該初步偵測值與對應的該加權指數的乘積而產生一加權偵測值;以及(D)以該處理器計算該些加權偵測值的加權平均值,以作為該溫室氣體或該懸浮微粒的含量;其中該步驟(B)包含:(B1)以該處理器分別計算各該感測器與該機台的距離的平方值;(B2)以該處理器計算各該感測器對應的該平方值的距離總和;以及(B3)以該處理器分別計算各該感測器對應的該平方值對該距離總和的比值作為各該感測器的該加權指數。
- 一種室內空間內之溫室氣體或懸浮微粒的含量的監控方法,該室內空間內有一機台,該監控方法包含以下步驟:(A)在一當前監控期間內持續執行如請求項1至7的任一項所述的估測方法,以取得該當前監控期間內各時間點的加權平均值;(B)以該處理器從該當前監控期間內的各該時間點的該加權平均值中取樣多筆當前取樣值,並計算該些當前取樣值的一當前取樣平均值;(C)以該處理器將該當前取樣平均值與一參考平均值比較;以及(D)當該當前取樣平均值大於該參考平均值時,由該處理器產生一警示訊號。
- 根據請求項8所述的室內空間內之溫室氣體或懸浮微 粒的含量的監控方法,其中該參考平均值是一企業目標值、一國家標準值或一動態參考平均值,該動態參考平均值是以下列步驟產生:(C1)以該估測方法取得一先前監控期間內各時間點的加權平均值;以及(C2)以該處理器從該先前監控期間內的各該時間點的該加權平均值中取樣多筆先前取樣值,並計算該些先前取樣值的一先前取樣平均值作為該動態參考平均值。
- 根據請求項9所述的室內空間內之溫室氣體或懸浮微粒的含量的監控方法,其中該企業目標值低於該國家標準值,該監控方法更包含以下步驟:(E1)當該當前監控期間的該當前取樣平均值大於該國家標準值時,選擇該國家標準值作為下一監控期間的參考平均值;(E2)當該當前監控期間的該當前取樣平均值等於該國家標準值時,選擇該國家標準值或該企業目標值作為該下一監控期間的該參考平均值;(E3)當該當前監控期間的該當前取樣平均值小於該國家標準值,但大於或等於該企業目標值時,選擇該企業目標值或該當前取樣平均值作為該下一監控期間的該參考平均值;以及(E4)當該當前監控期間的該當前取樣平均值小於該企業目標值時,選擇該當前取樣平均值作為該下一監控期間的該參考平均值。
- 一種室內空間內之溫室氣體或懸浮微粒的含量的監控方法,該室內空間內有一機台,該監控方法包含以下步驟: (A)在一當前監控期間內持續執行一估測方法,以取得該當前監控期間內各時間點的加權平均值,該估測方法包含:(A1)在該時間點以多個感測器偵測該室內空間的一特定氣體或該懸浮微粒,以產生一初步偵測值,該多個感測器分布在該室內空間中的不同位置;(A2)以一處理器取得各該感測器的一加權指數,該加權指數關聯於各該感測器與該機台的距離及對應各該感測器的一統計面積的至少其中之一或關聯於各該感測器所在之處的面積,對應各該感測器的該統計面積是該感測器的該初步偵測值在一統計期間內的積分值;(A3)以該處理器計算各該感測器的該初步偵測值與對應的該加權指數的乘積而產生一加權偵測值;以及(A4)以該處理器計算該些加權偵測值的該加權平均值,以作為該溫室氣體或該懸浮微粒的含量;(B)以該處理器從該當前監控期間內的各該時間點的該加權平均值中取樣多筆當前取樣值,並計算該些當前取樣值的一當前取樣平均值;(C)以該處理器將該當前取樣平均值與一參考平均值比較;以及(D)當該當前取樣平均值大於該參考平均值時,由該處理器產生一警示訊號;其中該參考平均值是一企業目標值、一國家標準值或一動態參考平均值,該動態參考平均值是以下列步驟產生:(C1)以該估測方法取得一先前監控期間內各時間點的加權平均值; 以及(C2)以該處理器從該先前監控期間內的各該時間點的該加權平均值中取樣多筆先前取樣值,並計算該些先前取樣值的一先前取樣平均值作為該動態參考平均值。
- 一種室內空間內之溫室氣體或懸浮微粒的含量的監控方法,該室內空間內有一機台,該監控方法包含以下步驟:(A)在一當前監控期間內持續執行一估測方法,以取得該當前監控期間內各時間點的加權平均值,該估測方法包含:(A1)在該時間點以多個感測器偵測該室內空間的一特定氣體或該懸浮微粒,以產生一初步偵測值,該多個感測器分布在該室內空間中的不同位置;(A2)以一處理器取得各該感測器的一加權指數,該加權指數關聯於各該感測器與該機台的距離及對應各該感測器的一統計面積的至少其中之一或關聯於各該感測器所在之處的面積,對應各該感測器的該統計面積是該感測器的該初步偵測值在一統計期間內的積分值;(A3)以該處理器計算各該感測器的該初步偵測值與對應的該加權指數的乘積而產生一加權偵測值;以及(A4)以該處理器計算該些加權偵測值的該加權平均值,以作為該溫室氣體或該懸浮微粒的含量;(B)以該處理器從該當前監控期間內的各該時間點的該加權平均值中取樣多筆當前取樣值,並計算該些當前取樣值的一當前取樣平均值; (C)以該處理器將該當前取樣平均值與一參考平均值比較;以及(D)當該當前取樣平均值大於該參考平均值時,由該處理器產生一警示訊號;其中該參考平均值是一企業目標值或一國家標準值,當該企業目標值低於該國家標準值,該監控方法更包含以下步驟:(E1)當該當前監控期間的該當前取樣平均值大於該國家標準值時,選擇該國家標準值作為下一監控期間的參考平均值;(E2)當該當前監控期間的該當前取樣平均值等於該國家標準值時,選擇該國家標準值或該企業目標值作為該下一監控期間的該參考平均值;(E3)當該當前監控期間的該當前取樣平均值小於該國家標準值,但大於或等於該企業目標值時,選擇該企業目標值或該當前取樣平均值作為該下一監控期間的該參考平均值;以及(E4)當該當前監控期間的該當前取樣平均值小於該企業目標值時,選擇該當前取樣平均值作為該下一監控期間的該參考平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW112107215A TWI814683B (zh) | 2023-03-01 | 2023-03-01 | 室內空間內之溫室氣體或懸浮微粒的含量的估測方法和監控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW112107215A TWI814683B (zh) | 2023-03-01 | 2023-03-01 | 室內空間內之溫室氣體或懸浮微粒的含量的估測方法和監控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
TWI814683B true TWI814683B (zh) | 2023-09-01 |
Family
ID=88965941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW112107215A TWI814683B (zh) | 2023-03-01 | 2023-03-01 | 室內空間內之溫室氣體或懸浮微粒的含量的估測方法和監控方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI814683B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100930346B1 (ko) * | 2007-12-07 | 2009-12-08 | (주)유알엔디 | 공간별 실내 공기질 검출 장치 |
CN103529167B (zh) * | 2012-07-04 | 2016-03-02 | 中国移动通信集团公司 | 一种基于移动终端的空气质量监测方法、系统及装置 |
TW201818364A (zh) * | 2016-11-10 | 2018-05-16 | 英業達股份有限公司 | 環境品質通報系統及環境品質通報系統的操作方法 |
CN106596859B (zh) * | 2016-12-13 | 2018-12-28 | 循绿生态科技(上海)有限公司 | 室内环境质量综合评估方法 |
CN110532640B (zh) * | 2019-08-06 | 2023-01-06 | 中国商用飞机有限责任公司 | 实物产品的数字样机协同系统及其构建方法 |
-
2023
- 2023-03-01 TW TW112107215A patent/TWI814683B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100930346B1 (ko) * | 2007-12-07 | 2009-12-08 | (주)유알엔디 | 공간별 실내 공기질 검출 장치 |
CN103529167B (zh) * | 2012-07-04 | 2016-03-02 | 中国移动通信集团公司 | 一种基于移动终端的空气质量监测方法、系统及装置 |
TW201818364A (zh) * | 2016-11-10 | 2018-05-16 | 英業達股份有限公司 | 環境品質通報系統及環境品質通報系統的操作方法 |
CN106596859B (zh) * | 2016-12-13 | 2018-12-28 | 循绿生态科技(上海)有限公司 | 室内环境质量综合评估方法 |
CN110532640B (zh) * | 2019-08-06 | 2023-01-06 | 中国商用飞机有限责任公司 | 实物产品的数字样机协同系统及其构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101771053B1 (ko) | 실시간 통합 실내 공기질 알림지수 결정 방법 및 장치 | |
JP5901140B2 (ja) | システムの高い可用性のためにセンサデータを補間する方法、コンピュータプログラム、システム。 | |
JP6351862B2 (ja) | 運転状態分類装置 | |
CN110426493B (zh) | 空气质量监测数据校准方法、装置、设备和存储介质 | |
CN110619106A (zh) | 一种桥梁损伤定位方法及其定量方法 | |
CA3037941A1 (en) | Method and system for generating and using vehicle pricing models | |
CN110473085B (zh) | 一种车辆风险判别方法和装置 | |
WO2023025334A1 (zh) | 一种路面平整度检测方法、装置、电子设备及介质 | |
US20150308920A1 (en) | Adaptive baseline damage detection system and method | |
CN116522270B (zh) | 用于智慧海绵城市的数据处理系统 | |
Zheng et al. | Do simulated traffic conflicts predict crashes? an investigation using the extreme value approach | |
Moghaddam et al. | Evaluating the performance of algorithms for the detection of travel time outliers | |
Fung et al. | Data imputation in in situ-measured particle size distributions by means of neural networks | |
CN115936443A (zh) | 台风暴雨灾害的风险评估方法、装置及电子设备 | |
TWI814683B (zh) | 室內空間內之溫室氣體或懸浮微粒的含量的估測方法和監控方法 | |
US9276826B1 (en) | Combining multiple signals to determine global system state | |
CN112329272B (zh) | 综合光伏组件退化和寿命数据的剩余寿命拟合预测方法 | |
CN114238330A (zh) | 一种数据处理方法、装置、电子设备和存储介质 | |
CN109856321A (zh) | 异常高值点位的确定方法 | |
CN117387884A (zh) | 一种基于多传感器数据融合的桥梁挠度测量方法 | |
KR20190128420A (ko) | 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법 및 시스템 | |
CN117151513A (zh) | 评价交通安全的方法、装置、设备及存储介质 | |
CN115964905A (zh) | 高原山地道路的排放测试工况构建方法和介质 | |
CN114001887B (zh) | 一种基于挠度监测的桥梁损伤评定方法 | |
CN113782086B (zh) | 一种对pmem内存进行分等级评价的方法及装置 |