【技术实现步骤摘要】
本申请涉及企业大气污染物排放量计算，具体涉及一种基于电力数据的水泥与焦化企业大气污染物排放监测方法以及基于电力数据的水泥与焦化企业大气污染物排放监测装置。
技术介绍
1、通过监测污染源的实时排放情况可以全面监控研究区域内污染物排放量，在污染物总量控制、打击环境违法行为、服务重大活动保障等方面有不可替代的作用。
2、污染源监控方法主要有以下几种：采样监测法，通过在环境中直接采集样品，并进行后续实验室分析来确定污染物的浓度；遥感监测法，利用遥感技术获取地球表面特征，进而推断污染物的分布情况；在线监测法，通过在污染源或接近污染源的位置设置在线监测设备，实时采集环境参数和污染物浓度数据，并进行实时分析和报警；基于模型的监测法，利用数学模型对环境中污染物的扩散和转化过程进行模拟和预测。
3、上述方法各有优劣，采样监测法和遥感监测法成本高且采样频率较低，数据价值高而数据密度低。在线监测方法成本高，是目前生态监测的重要手段，采样频率高且数据价值高，常用于生态执法应用中。然而，由于环保压力及成本压力过高，目前加装在线监测系统的污染源企业仅为庞大工业体系中的小部分，其它企业仍然背靠传统的人工执法和监督执法，未能全面覆盖工业企业污染源。
技术实现思路
1、本专利技术的目的在于提供一种基于电力数据的水泥与焦化企业大气污染物排放监测方法来至少解决上述的一个技术问题。
2、本专利技术的一个方面，提供一种基于电力数据的水泥与焦化企业大气污染物排放监测方法，所述企业大气污染物
3、所述基于电力数据的水泥与焦化企业大气污染物排放监测方法包括：
4、获取企业的生产负荷；
5、获取企业不同工序年产能数据；
6、根据所述企业的生产负荷以及企业不同工序年产能数据获取企业的每种工序的每日总产量；
7、根据企业的每种工序的每日总产量获取企业的每种工序的每日大气污染物排放量、企业的每种工序的年大气污染物排放量以及企业各个工序的年大气污染物排放量中的一个或多个。
8、可选地，所述获取企业的生产负荷包括：
9、获取企业日用电量信息；获取经过训练的负荷预测模型；
10、将企业日用电量信息以及用电状态输入至经过训练的负荷预测模型，从而获取该企业的生产负荷。
11、可选地，在所述获取经过训练的负荷预测模型之前，所述获取企业的生产负荷进一步包括：
12、对所述负荷预测模型进行训练，其中，所述对所述负荷预测模型进行训练包括：
13、获取用电量数据库，所述用电量数据库包括多个企业的企业日用电量数据；
14、对每个企业的企业日用电量数据进行聚类分析，从而获取每个企业的各个用电量聚类区间以及每个用电量聚类区间内的企业用电量数据，其中，一个用电量聚类区间对应一个用电状态；
15、将进行聚类后的各个企业的企业日用电量数据、产能数据、产量数据进行划分，从而形成训练集以及测试集；
16、获取负荷预测模型；
17、通过所述训练集对所述负荷预测模型进行训练并通过所述测试集对训练后的负荷预测模型进行测试。
18、可选地，所述企业的每种工序的每日总产量通过如下公式获取：
19、其中，
20、i，j，k分别代表企业、工序和日期；
21、c代表产量核算结果，单位为吨；
22、g代表企业不同工序年产能数据，单位为吨；
23、f代表生产负荷(％)。
24、可选地，所述根据企业的每种工序的每日总产量获取企业的每种工序的每年总产量采用如下公式获取：
25、ci,j＝∑kci,j,k；其中，
26、i，j，k分别代表企业、工序和日期；
27、c代表产量核算结果(t)。
28、可选地，所述根据企业的每种工序的每日总产量获取企业的每种工序的每日大气污染物排放量通过如下公式获取：
29、ei,j,k＝∑(ci,j,k×ef×(1-η))；其中，
30、e为企业的每种工序的每日大气污染物排放量，ef为排放因子，c为产量核算结果，η为污染物控制减排效率、i，j，k分别代表企业、工序和日期。
31、可选地，所述获取用电量数据库包括：
32、获取行业电力数据；
33、对所含企业统计缺失率数据集并计算行业缺失边界l，求出行业下所有企业的缺失率数据，并由小到大排序得数据集cmiss＝{c1，c2，…，cn}，其中n为企业数目，求出四分位数q1＝c(n+1)/4、q2＝c(n+1)/2、q3＝c3(n+1)/4、q4＝cn，并计算缺失率上限l＝q3+1.5(q3-q1)，按数据缺失率q将各企业数据分成完整企业数据、待清洗企业数据与舍弃企业数据；
34、对完整企业数据、待补充企业数据中的异常值进行剔除，通过拉依达准则限定数据范围将赋予空值并剔除；同时结合长度为5的移动窗口w={xn-2，xn-1，xn，xn+1，xn+2}进行数据跳跃量级识别，如xn＞＞xn-2，xn-1，xn，xn+1，xn+2，将异常值赋予空值并剔除xn＜0的异常值，在上述数据分类过程中，如某企业数据完整且异常值被剔除，则归入待补充企业数据集合；
35、对待补充企业数据进行数据补充，依次输入待补充企业数据，计算其最大连续缺失天数(mmd)指标，根据最大连续缺失天数(mmd)的不同选用不同方法填充如下：
36、当mmd＝1时，考虑到短时间内用电量不会产生突变，选用邻值补充法填充xn＝xn-1；
37、当2≤mmd≤7时，使用移动平均法对缺失数据进行补充，具体为，在缺失发生处，计算最大连续缺失天数i∈(2,7)，填充
38、当8≤mmd≤30时使用历史相似值法补充数据，提取近一年数据，使用历史数据中相似日数据对数据补充，将数据构建为数据集s＝{a,b,c,d,e}，t＝{t1,t2,t3,...,tn}'，t∈a,b,c,d,e，数据集合中a列代表用电量数据，依据用电量是否缺失得出b列，b列是缺失标签(0代表缺失，1代表为缺失)，基于电力缺失数据对应时间段内的用电量存在较为相似的周期性波动假设，依据节假日、日期和星期属性标定日标签，c列是节假日标签(0代表节假日，1代表为工作日)，d列是日期标签(1：31)，e列是星期数据(0：6)，以b列数值不同划分为缺失数据集合s'和完整数据集s”，将s'中的单条缺失数据f＝{am,bm,cm,dm,em}，与完整数据集s”分别计算相似日对di由大到小排列得到dj'，相似日的数量选取对数据补全有较重要的影响，单一的相似日具备偶然性，过多的相似日会增加数据不确定性，依据95％置信区间检验法，设定非相似日占整体天数的95％，相似日距离阈值dlimit＝dm'，其中m为j*95％后取整，动态选取di＜dlimit的n个相似日，此时填补aj为dj对应的日电量本文档来自技高网...
【技术保护点】
1.一种基于电力数据的水泥与焦化企业大气污染物排放监测方法，其特征在于，所述基于电力数据的水泥与焦化企业大气污染物排放监测方法包括：
2.如权利要求1所述的基于电力数据的水泥与焦化企业大气污染物排放监测方法，其特征在于，所述获取企业的生产负荷包括：
3.如权利要求2所述的基于电力数据的水泥与焦化企业大气污染物排放监测方法，其特征在于，在所述获取经过训练的负荷预测模型之前，所述获取企业的生产负荷进一步包括：
4.如权利要求3所述的基于电力数据的水泥与焦化企业大气污染物排放监测方法，其特征在于，所述企业的每种工序的每日总产量通过如下公式获取：
5.如权利要求4所述的基于电力数据的水泥与焦化企业大气污染物排放监测方法，其特征在于，所述根据企业的每种工序的每日总产量获取企业的每种工序的每日大气污染物排放量通过如下公式获取：
6.如权利要求3所述的基于电力数据的水泥与焦化企业大气污染物排放监测方法，其特征在于，所述获取用电量数据库包括：
7.一种基于电力数据的水泥与焦化企业大气污染物排放监测装置，其特征在于，所述基于电
...【技术特征摘要】
1.一种基于电力数据的水泥与焦化企业大气污染物排放监测方法，其特征在于，所述基于电力数据的水泥与焦化企业大气污染物排放监测方法包括：
2.如权利要求1所述的基于电力数据的水泥与焦化企业大气污染物排放监测方法，其特征在于，所述获取企业的生产负荷包括：
3.如权利要求2所述的基于电力数据的水泥与焦化企业大气污染物排放监测方法，其特征在于，在所述获取经过训练的负荷预测模型之前，所述获取企业的生产负荷进一步包括：
4.如权利要求3所述的基于电力数据的水泥与焦化企业大气污染物排放监测方法，其...
【专利技术属性】
技术研发人员：薄宇，张润草，李富柏，徐晨曦，
申请(专利权)人：中国科学院大气物理研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。