基于车载测量系统的多点源碳氮比监测方法及系统技术方案

本发明专利技术实施例公开了一种基于车载测量系统的多点源碳氮比监测方法和系统，所述方法包括：获取目标区域内的实测数据，所述实测数据至少包括位置信息、CO2浓度数据、NO2浓度数据和气象数据；建立排放扩散模型；根据所述实测数据和所述排放扩散模型，并基于遗传算法计算所述目标区域内的排放源数量和各所述排放源所在的位置；基于levenberg

【技术实现步骤摘要】
基于车载测量系统的多点源碳氮比监测方法及系统


[0001]本专利技术涉及环境监测
，具体涉及一种基于车载测量系统的多点源碳氮比监测方法及系统。

技术介绍

[0002]本部分提供的仅仅是与本公开相关的背景信息，其并不必然是现有技术。
[0003]CO2作为最重要的痕量温室气体，其对地球的加热效应已经严重威胁了人类的居住环境。化工厂、钢铁厂等强CO2点源是主要的人为CO2排放来源，现有技术对强点源的监控基于预存的排放清单实现。但是，排放清单的低时效性无法实现快速的强点源、工业园区的碳排放实时监测。

技术实现思路

[0004]为此，本专利技术实施例提供一种基于车载测量系统的多点源碳氮比监测方法及系统，以至少部分解决现有技术中强点源碳排放监测时效性差、精度低的技术问题。
[0005]为了实现上述目的，本专利技术实施例提供如下技术方案：
[0006]一种基于车载测量系统的多点源碳氮比监测方法，所述方法包括：
[0007]获取目标区域内的实测数据，所述实测数据至少包括位置信息、CO2浓度数据、NO2浓度数据和气象数据；
[0008]建立排放扩散模型；
[0009]根据所述实测数据和所述排放扩散模型，并基于遗传算法计算所述目标区域内的排放源数量和各所述排放源所在的位置；
[0010]基于levenberg
‑
marquardt算法计算各所述排放源排放的CO2强度和NO2强度；
[0011]根据所述CO2强度和NO2强度计算各所述排放源的碳氮比。
[0012]进一步地，所述获取目标区域内的实测数据，之前还包括：
[0013]基于卫星遥感图像获得目标区域的平面图，并通过对所述平面图的目视解译，确定潜在排放源的数量和空间相对位置。
[0014]进一步地，基于卫星遥感图像获得目标区域的平面图，并通过对所述平面图的目视解译，确定潜在排放源的数量和空间相对位置，具体包括：
[0015]确定目标区域，获取所述目标区域的遥感图像，并将所述遥感图像生成平面图；
[0016]根据目视解译对所述目标区域内的潜在排放源进行统计，所述潜在排放源为所述目标区域内所有具有排放特征的点源；
[0017]在所述平面图中标注各所述潜在排放源的经纬度。
[0018]进一步地，建立排放扩散模型具体包括：
[0019]基于所述车载测量系统的空间位置建立扩散坐标系；
[0020]基于所述扩散坐标系，建立以下排放扩散模型：
[0021][0022][0023][0024][0025][0026][0027]其中，(x,y,z)为车载设备测量点的空间位置坐标，C
c
(x,y,z)为(x,y,z)坐标处的CO2浓度，q
(c，i)
为第i个强点源的碳排放强度，i＝1,2,3
……
n，n为目标区域内的强点源数量，u为风速，H
i
为电厂碳排放的有效排放高度，σ
c,y
和σ
c,z
分别为测量位置相对于目标区域内的第i个强点源的水平扩散参数和垂直扩散参数，B
c
为目标区域CO2的本地背景浓度，α
c
为CO2的地面反射系数，a
c
，b
c
为CO2的水平扩散系数，c
c
，d
c
为CO2的垂直扩散系数。q
(N,i)
为(x,y,z)坐标处的NO2浓度，q(N,i)为第i个强点源的NO2排放强度，i＝1,2,3
……
n，σ
N,y
和σ
N,z
分别为测量位置相对于目标区域内的第i个强点源的NO2水平扩散参数和垂直扩散参数，B
N
为目标区域NO2的本地背景浓度，α
N
为NO2的地面反射系数，a
N
，b
N
为NO2的水平扩散系数，c
N
，d
N
为NO2的垂直扩散系数。
[0028]进一步地，基于遗传算法计算所述目标区域内的排放源数量和各所述排放源所在的位置，具体包括：
[0029]设定所述目标区域内的排放源数量为M，对M设置不同的排列组合方式选取不同的n，并将排放源对应的位置带入排放扩散模型；
[0030]基于所采集的CO2数据、选取的n、车载测量系统所采集的CO2浓度、空间位置信息以及碳排放扩散模型通过遗传算法对q
c,i
,a
c
,b
c
,c
c
,d
c
,x
i
,y
i
,z
i
,H
i
,α
c
,B
c
进行初求解；
[0031]利用以下公式，根据相同位置下车载实测CO2浓度与模拟CO2浓度的相关系数R对待求解参数的准确性进行判断：
[0032][0033]其中，C
c
’
为车载测量时不同位置下CO2浓度模拟值，根据遗传算法中每次迭代的q
c,i
,a
c
,b
c
,c
c
,d
c
,x
i
,y
i
，z
i
,H
i
,α
c
,B
c
参数带入排放扩散模型获得，C
c
为车载测量系统实测的CO2测量点浓度值，当R达到最大值时，基于当前的排放源组合确定排放源数量和各所述排放源所在的位置。
[0034]进一步地，基于levenberg
‑
marquardt算法计算各所述排放源排放的CO2强度和NO2强度,具体包括：
[0035]根据排放源数量和各所述排放源所在的位置，基于实测的CO2浓度数据和气象数据以及levenberg
‑
marquardt算法对碳排放扩散模型中的参数q
c,i
,a
c
,b
c
,c
c
,d
c
,H
i
,α
c
,B
c
进行求解；
[0036]基于设定的初始值和约束界限，以及预设评判系数，得到排放扩散模型的最优解，
所述最优解作为所述排放源排放的CO2强度和NO2强度。
[0037]进一步地，根据所述CO2强度和NO2强度计算各所述排放源的碳氮比，具体包括：
[0038]利用以下公式计算所述碳氮比：
[0039][0040]其中，为第i个排放源的碳氮排放比例,q
c,i
为第i个排放源的CO2排放强度，q
N,i
为第i个排放源的NO2排放强度。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于车载测量系统的多点源碳氮比监测方法，其特征在于，所述方法包括：获取目标区域内的实测数据，所述实测数据至少包括位置信息、CO2浓度数据、NO2浓度数据和气象数据；建立排放扩散模型；根据所述实测数据和所述排放扩散模型，并基于遗传算法计算所述目标区域内的排放源数量和各所述排放源所在的位置；基于levenberg
‑
marquardt算法计算各所述排放源排放的CO2强度和NO2强度；根据所述CO2强度和NO2强度计算各所述排放源的碳氮比。2.根据权利要求1所述的多点源碳氮比监测方法，其特征在于，所述获取目标区域内的实测数据，之前还包括：基于卫星遥感图像获得目标区域的平面图，并通过对所述平面图的目视解译，确定潜在排放源的数量和空间相对位置。3.根据权利要求2所述的多点源碳氮比监测方法，其特征在于，基于卫星遥感图像获得目标区域的平面图，并通过对所述平面图的目视解译，确定潜在排放源的数量和空间相对位置，具体包括：确定目标区域，获取所述目标区域的遥感图像，并将所述遥感图像生成平面图；根据目视解译对所述目标区域内的潜在排放源进行统计，所述潜在排放源为所述目标区域内所有具有排放特征的点源；在所述平面图中标注各所述潜在排放源的经纬度。4.根据权利要求3所述的多点源碳氮比监测方法，其特征在于，建立排放扩散模型具体包括：基于所述车载测量系统的空间位置建立扩散坐标系；基于所述扩散坐标系，建立以下排放扩散模型：放扩散模型：放扩散模型：放扩散模型：放扩散模型：放扩散模型：其中，(x,y,z)为车载设备测量点的空间位置坐标，C
c
(x,y,z)为(x,y,z)坐标处的CO2浓度，q
(c，i)
为第i个强点源的碳排放强度，i＝1,2,3
……
n，n为目标区域内的强点源数量，u为风速，H
i
为电厂碳排放的有效排放高度，σ
c,y
和σ
c,z
分别为测量位置相对于目标区域内的第i个强点源的水平扩散参数和垂直扩散参数，B
c
为目标区域CO2的本地背景浓度，α
c
为CO2的地面反射系数，a
c
，b
c
为CO2的水平扩散系数，c
c
，d
c
为CO2的垂直扩散系数，q
(N,i)
为(x,y,z)坐标处的NO2浓度，q(N,i)为第i个强点源的NO2排放强度，i＝1,2,3
……
n，σ
N,y
和σ
N,z
分别为测量
位置相对于目标区域内的第i个强点源的NO2水平扩散参数和垂直扩散参数，B
N
为目标区域NO2的本地背景浓度，α
N
为NO2的地面反射系数，a
N
，b
N
为NO2的水平扩散系数，c
N
，d
N
为NO2的垂直扩散系数。5.根据权利要求4所述的多点源碳氮比监测方法，其特征在于，基于遗传算法计算所述目标区域内的排放源数量和各所述排放源所在的位置，具体包括：设定所述目标区域内的排放源数量为M，对M设置不同的排列组合方式选取不同的n，并将排放源对应的位置带入排放扩散模型；基于所采集的CO2数据、选取的n、车载测量系统所采集的CO2浓度、空间位置信息以及碳排放扩散模型通过遗传算法对q
c,i
,a

【专利技术属性】
技术研发人员：毛慧琴，张建辉，陈翠红，孟斌，王飞，马春强，闫建福，
申请(专利权)人：深圳天地通讯科技有限公司，
类型：发明
国别省市：