一种通过工业运行电力指数进行大气污染预测的方法技术

本发明专利技术涉及一种通过工业运行电力指数进行大气污染预测的方法，属于大气污染治理方法技术领域。本发明专利技术的技术方案是：进行重点工业行业用电水平同空气质量的相关性分析；进行高时间分辨率企业用电数据与污染物排放清单耦合；进行空气质量达标目标下成本最优情景设计。本发明专利技术的有益效果是：通过建立基于RF算法的关联模型，研究重点工业行业的用电水平、污染物排放水平与PM2.5浓度的响应关系，以电力指数为媒介，解决排放源难以实现全覆盖的动态监测问题；从综合效益最优的维度优化各行业的相关治理措施，根据工业企业生产活动变动，实现防控对象有序调整。现防控对象有序调整。

【技术实现步骤摘要】
一种通过工业运行电力指数进行大气污染预测的方法


[0001]本专利技术涉及一种通过工业运行电力指数进行大气污染预测的方法，属于大气污染治理方法


技术介绍

[0002]随着社会经济的快速发展，我国在过去的20年间出现了快速的城镇化、工业化和机动化过程，煤炭和石油等化石能源消费量增长迅猛，造成了酸雨和灰霾等严重的区域环境问题。当前，居于高位的污染物排放量依旧是重污染频发的根本原因，其中钢铁等工业行业的污染物排放是影响空气质量的关键因素。在复杂的大气化学机制作用下，排放的气态污染物可能转化为PM2.5中的二次成分，因此，无论是直接排放还是化学转化，钢铁等工业行业排放对空气质量的影响都十分显著。研究表明，工业源对PM2.5的贡献在采暖季可达到38.1％，在各部门中位居首位。
[0003]工业部门的污染治理，离不开污染控制技术的进步和产能结构的升级，也离不开对企业生产状态的跟踪。目前工业部门的污染治理主要面临两方面的问题，一是排放清单主要基于污染源普查或者其他年鉴统计资料汇编整理，在线监测(CEMS)设备也仅布设在重点企业的个别烟气出口，无法做到排放源的全覆盖动态监测。此外，传统的大气污染治理措施更注重大气污染本身的提升效果，可能会在一定程度上缺乏对经济成本的考量。考虑到工业企业的生产状态同用电水平关系紧密，倘若能获取重点工业企业的用电量数据，便有可能支撑短时、动态的空气质量管理，同时根据工业企业生产活动的变动有序调整防控对象。本次项目综合研究重点工业行业的用电水平、污染物排放水平与PM2.5 浓度的响应关系，以电力指数为媒介，将环保部门、电网企业和污染排放企业三个方面紧密联系在了一起，将有助于从综合效益最优的维度优化各行业的相关治理措施，符合当前科学治污、精确治污的理念。

技术实现思路

[0004]本专利技术目的是提供一种通过工业运行电力指数进行大气污染预测的方法，通过建立基于RF算法的关联模型，研究重点工业行业的用电水平、污染物排放水平与PM2.5浓度的响应关系，以电力指数为媒介，解决排放源难以实现全覆盖的动态监测问题；从综合效益最优的维度优化各行业的相关治理措施，根据工业企业生产活动变动，实现防控对象有序调整，有效地解决了
技术介绍
中存在的上述问题。
[0005]本专利技术的技术方案是：一种通过工业运行电力指数进行大气污染预测的方法，包含以下步骤：进行重点工业行业用电水平同空气质量的相关性分析；进行高时间分辨率企业用电数据与污染物排放清单耦合；进行空气质量达标目标下成本最优情景设计。
[0006]所述重点工业行业用电水平同空气质量的相关性分析包括：首先，收集历史年各月份各区县分行业用电量、大气指数及各县监测站监测数据，将企业的用电量作为其活动水平的表征；再与大气污染物排放数据相结合，基于各行业电量与年度大气指标数值，计算
各行业电量与空气指数相关性。
[0007]所述高时间分辨率企业用电数据与污染物排放清单耦合包括不同影响因素与企业用电量模型的建立和企业用电量与空气质量模型的建立两个部分，将企业逐日用电量同大气污染物年排放清单相耦合，建立基于随机森林的数据驱动方法，根据典型工业企业用电量的时间序列变化对工业企业大气污染物排放进行预测；结合污染物排放的波动输入至曲面响应模型，输出不同排放情景下的PM2.5浓度值，建立“电力数据—排放数据—空气质量数据”链条，从而提高清单的时间分辨率。
[0008]所述空气质量达标目标下成本最优情景设计包括从重点行业用电水平变化入手，分析疫情管控措施对企业生产乃至空气质量的影响，提出“电量—污染物弹性贡献系数”这一概念，并利用RSM模拟减排情景下的PM2.5浓度，从而提出不同PM2.5浓度削减目标下，成本最优的重点行业限产路径。
[0009]所述不同影响因素与企业用电量模型的建立中，预测变量包括时间变量、气象变量、政策变量和价格变量，其中：
[0010]①
时间变量包含year、day_julian和weekday三项，分别表征企业用电的年际、季节和周内规律；
[0011]②
气象参数包含air_temp一项，主要表征供暖季限产对企业用电量的影响；
[0012]③
政策参数包含两项，第一项是AQI，表征重污染天气下限产措施对企业的影响，该数据从中国环境监测中心获取；第二项为event，取值分别为0、1和 2，分别表示正常状况、假期以及重大活动对企业用电状况的影响；
[0013]④
价格参数包含material和product两项或revenue一项，可用于表征成本和售价或利润对企业生产决策的影响，考虑到生产决策不大可能只参考当天的原料和产品价格进行，建模采用价格指数的滑动平均值；
[0014]四类不同影响因素与企业用电量模型参数的选取需要兼顾模型运算效率和结果准确性两个方面，采用随机森林法，决策树预测变量数确定为4，树木数量确定为200，最小节点数确定为3；在训练集和校验集划分上，取80％的历史数据作为训练集建立随机森林模型，其余20％用于检验模型效果。
[0015]所述企业用电量与空气质量模型采用利用多项式函数关系式表征的多区域多部门排放之间的响应表面模型，建立模型时，采用多项式拟合方法对响应关系进行更为明确的参数化，对基函数进行敏感性测试，经过与传统RSM结果对照差异来确定近似的方程形式，该模型建立过程如下所示：
[0016]①
给定一个函数表达式的可能形式：
[0017][0018]其中，ΔConc是PM2.5的浓度响应情况；E
NOX
、E
SO2
、E
NH3
、E
VOCS
和E
POA
则是NO
X
、 SO2、NH3、VOC
S
和POA污染物排放量的变化情况，在基准状态下为0；ai、bi、 ci、di和ei是污染物排放量变化的非负整数次幂，Xi是第i项的系数；
[0019]②
多项式阶数的确定
[0020]研究依次确定了几个前体物排放项式的最高次数。假设其余前提物的排放不变，单一自变量的计算公式如下所示：
[0021][0022]其中，ΔConc是PM2.5浓度对某个单体物排放变化的浓度响应值；EP是某个单体物排放相对于基准情景的变化率；Ai是每个项式i的系数；a是前体物P 排放率的次数，用于决定多项式最佳拟合形式下最高次项的幂次；
[0023]通过设置多项式最高次数在1
‑
5之间，用pf
‑
ERSM模型预测该前体物排放从
‑
1到0.2变化时的浓度，同传统RSM计算值对比来确定合适的最高次数，分析表明，PM2.5同SO2排放间线性关系较强，同其他前体物则主要呈非线性响应；
[0024]③
多项式项数的确定
[0025]多项式项数过多，保留太多的未知数，既不利于后续响应曲面模型的建立，也会由于共线性的存在而造成过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通过工业运行电力指数进行大气污染预测的方法，其特征在于包含以下步骤：进行重点工业行业用电水平同空气质量的相关性分析；进行高时间分辨率企业用电数据与污染物排放清单耦合；进行空气质量达标目标下成本最优情景设计。2.根据权利要求1所述的一种通过工业运行电力指数进行大气污染预测的方法，其特征在于：所述重点工业行业用电水平同空气质量的相关性分析包括：首先，收集历史年各月份各区县分行业用电量、大气指数及各县监测站监测数据，将企业的用电量作为其活动水平的表征；再与大气污染物排放数据相结合，基于各行业电量与年度大气指标数值，计算各行业电量与空气指数相关性。3.根据权利要求1所述的一种通过工业运行电力指数进行大气污染预测的方法，其特征在于：所述高时间分辨率企业用电数据与污染物排放清单耦合包括不同影响因素与企业用电量模型的建立和企业用电量与空气质量模型的建立两个部分，将企业逐日用电量同大气污染物年排放清单相耦合，建立基于随机森林的数据驱动方法，根据典型工业企业用电量的时间序列变化对工业企业大气污染物排放进行预测；结合污染物排放的波动输入至曲面响应模型，输出不同排放情景下的PM2.5浓度值，建立电力数据—排放数据—空气质量数据链条，从而提高清单的时间分辨率。4.根据权利要求1所述的一种通过工业运行电力指数进行大气污染预测的方法，其特征在于：所述空气质量达标目标下成本最优情景设计包括从重点行业用电水平变化入手，分析疫情管控措施对企业生产乃至空气质量的影响，提出电量—污染物弹性贡献系数这一概念，并利用RSM模拟减排情景下的PM2.5浓度，从而提出不同PM2.5浓度削减目标下，成本最优的重点行业限产路径。5.根据权利要求3所述的一种通过工业运行电力指数进行大气污染预测的方法，其特征在于：所述不同影响因素与企业用电量模型的建立中，预测变量包括时间变量、气象变量、政策变量和价格变量，其中：
①
时间变量包含year、day_julian和weekday三项，分别表征企业用电的年际、季节和周内规律；
②
气象参数包含air_temp一项，主要表征供暖季限产对企业用电量的影响；
③
政策参数包含两项，第一项是AQI，表征重污染天气下限产措施对企业的影响，该数据从中国环境监测中心获取；第二项为event，取值分别为0、1和2，分别表示正常状况、假期以及重大活动对企业用电状况的影响；
④
价格参数包含material和product两项或revenue一项，可用于表征成本和售价或利润对企业生产决策的影响，考虑到生产决策不大可能只参考当天的原料和产品价格进行，建模采用价格指数的滑动平均值；四类不同影响因素与企业用电量模型参数的选取需要兼顾模型运算效率和结果准确性两个方面，采用随机森林法，决策树预测变量数确定为4，树木数量确定为200，最小节点数确定为3；在训练集和校验集划分上，取80％的历史数据作为训练集建立随机森林模型，其余20％用于检验模型效果。6.根据权利要求3所述的一种通过工业运行电力指数进行大气污染预测的方法，其特征在于：所述企业用电量与空气质量模型采用利用多项式函数关系式表征的多区域多部门排放之间的响应表面模型，建立模型时，采用多项式拟合方法对响应关系进行更为明确的
参数化，对基函数进行敏感性测试，经过与传统RSM结果对照差异来确定近似的方程形式，该模型建立过程如下所示：
①
给定一个函数表达式的可能形式：其中，ΔConc是PM2.5的浓度响应情况；E
NOX
、E
SO2
、E
NH3
、E
VOCS
和E
POA
则是NO
X
、SO2、NH3、VOC
S
和POA污染物排放量的变化情况，在基准状态下为0；ai、bi、ci、di和ei是污染物排放量变化的非负整数次幂，Xi是第i项的系数；
②
多项式阶数的确定研究依次确定了几个前体物排放项式的最高次数。假设其余前提物的排放不变，单一自变量的计算公式如下所示：其中，ΔConc是PM2.5浓度对某个单体物排放变化的浓度响应值；EP是某个单体物排放相对于基准情景的变化率；Ai是...

【专利技术属性】
技术研发人员：徐其春，宁亮，袁天梦，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：