火电行业CEMS校准期间异常数据的自动识别方法和系统技术方案

一种火电行业CEMS校准期间异常数据的自动识别方法和系统，包括：获取目标火电厂的CEMS监测数据，并对该监测数据进行初级识别，识别出该监测数据中数值波动位于预设范围内的时间序列数据；对该时间序列数据进行二级识别，识别出该时间序列数据中满足预设条件的部分数据作为二级识别结果；根据该二级识别结果的波动特征，确认是否存在CEMS校准，并对校准期间异常数据进行分类；根据校准期间异常数据的波动特征，对自动监测数据异常现象的原因通过BP神经网络进行进行智能识别，并进行分类标记。记。记。

【技术实现步骤摘要】
火电行业CEMS校准期间异常数据的自动识别方法和系统


[0001]本专利技术涉及废气监测
，尤其涉及一种火电行业CEMS校准期间异常数据的自动识别方法和系统。

技术介绍

[0002]CEMS(Continuous Emission Monitoring System)指对大气污染源排放的气态污染物和颗粒物进行浓度和排放总量连续监测并将检测得到的固定污染源废气自动监测数据实时传输到主管部门的装置。
[0003]固定污染源废气自动监测数据为环境管理部门提供了重要决策依据。但是，由于固定污染源废气的监测过程往往会通过CEMS烟气排放连续监测系统，经历采样单元、监测单元、传输上报单元等多个环节，任何一个环节的仪器校准/故障，或者工作曲线斜率、工作曲线截距等监测仪器输入参数的变化，都有可能导致自动监测数据异常。尤其是CEMS校准期间，导致自动监测数据出现异常情况，此时数据属于无效，在上报到监测部门时理应剔除，不作为排污单位数据超标的判定依据。
[0004]火电企业应当按有关法律法规和标准规范安装使用自动监测设备，在现场日常运维过程中，依据《固定污染源烟气(SO2、NOX、颗粒物)排放连续监测技术规范》(HJ 75)等标准规范要求，对CEMS自动监测设备要开展质量控制和质量保证，往往通过现场检查、校准标定、反吹维护等操作，以保证设备正常运行，保存原始监测记录，并确保自动监测数据真实、准确、完整、有效。
[0005]要求火电、水泥和造纸排污单位根据现场的实际生产运行情况进行数据标记，那么第一阶段首先需要引导排污单位进行自动监测设备的安装并与生态环境部门联网，在推进过程中发现存在一些普遍问题，尤其在火电行业，大多数火电企业已经运行数十年，所使用的监测设备质量参差不齐，且每个监测站点的实际运行情况不同，其中有大部分CEMS自动监测设备属于老旧设备，目前虽然还能正常运行使用，但是仪器设备故障引起的数据异常波动，人工审核存在运维盲目、识别故障的周期长、识别故障的准确性欠佳、需要现场排查等缺点，导致运维不及时，影响自动监测设备的运行质量和运行效率，还有最重要的是缺乏CEMS维护校准期间自动识别标记的功能，因而在CEMS校准期间无法实现自动标记，如果每次都进行人工标记，其过程繁杂且需要耗费大量人力，还不一定保证在要求时间内完成标记，如果让这些火电企业花费高昂费用更换新的CEMS自动监测设备又不太现实，因此急需寻找一种简单便捷又可靠的方式自动识别火电行业CEMS校准期间的异常数据。

技术实现思路

[0006]针对现有技术的不足，本专利技术提出一种火电行业CEMS校准期间异常数据的自动识别方法，包括：
[0007]步骤1、获取目标火电厂的CEMS监测数据，并对该监测数据进行初级识别，识别出该监测数据中数值波动位于预设范围内的时间序列数据；
[0008]步骤2、对该时间序列数据进行二级识别，识别出该时间序列数据中满足预设条件的部分数据作为二级识别结果；
[0009]步骤3、根据该二级识别结果的波动特征，确认是否存在CEMS校准，并对校准期间异常数据进行分类；
[0010]步骤4、根据校准期间异常数据的波动特征，对自动监测数据异常现象的原因通过BP神经网络进行进行智能识别，并进行分类标记。
[0011]所述火电行业CEMS校准期间异常数据的自动识别方法，其中：
[0012]在该步骤1中，初级识别包括监控点CEMS自动监测数据的完整性，剔除缺失值、烟气流量为零的值、恒值、负值、超量程值，及剔除显著异常值，取[x]‑
[x+n]时段监控点的CEMS自动监测数据。
[0013]所述的火电行业CEMS校准期间异常数据的自动识别方法，其中：
[0014]在该步骤2中，根据CEMS自动监测仪器校准期间运行状态和时间序列数据进行二级识别，包括：剔除监测仪器校准期间时间序列数据异常时段的数据，筛取符合校准期间数据在合理变化范围内的浓度差值，若时间序列数据均为异常时段，即重新返回步骤B中重新进行初级识别，提取[x]‑
[x+n]时段监控点的CEMS自动监测数据。
[0015]所述的火电行业CEMS校准期间异常数据的自动识别方法，其中：
[0016]在该步骤3中，根据二级识别后满足条件的时段对其时间序列函数进行波动特征计算，默认数据波动过程在时间上是对应连续变化的，则[x]‑
[x+n]时段监控点的CEMS自动监测数据也为连续数据，满足函数F(x)可微分的计算要求，F
′
(x0)＝lim{Δx
→
0}[F(x0+Δx)
‑
F(x0)]/Δx，若F
′
(x0)＜0，其波动特征值β记为
‑
1，若F
′
(x0)＞0，其波动特征值β记为1，若F
′
(x0)＝0，其波动特征值β记为0，以此确认是否存在CEMS校准，并对校准期间异常数据进行分类。
[0017]所述的火电行业CEMS校准期间异常数据的自动识别方法，其中：
[0018]在该步骤4中，根据校准期间异常数据的波动特征，对自动监测数据异常现象的原因通过BP神经网络进行智能识别，并对数据进行分类标记，比较检验波动特征β值，β(t0
‑
3)＝
‑
1∩β(t0
‑
3+n)＝0，则[t]时刻异常数据，通过 BP神经网络识别为
‘
校准
‑
空气
’
；β(h0
‑
3)＝1∩β(h0
‑
3+n)＝0；则[h]时刻异常数据，通过BP神经网络识别为
‘
校准
‑
混标
’
；β(d0
‑
3)＝0∩β(d0
‑
3+n) ＝0∩β(d2)＝0；则[d]时刻异常数据，通过BP神经网络识别为
‘
校准
‑
单标1
’
；β(e0
‑
3)＝0∩β(e0
‑
3+n)＝0∩β(e1)＝0；则[e]时刻异常数据，通过BP 神经网络识别为
‘
校准
‑
单标2
’
，经过智能识别后的标记自动随数据一同上报至上位机。
[0019]本专利技术还提出了一种火电行业CEMS校准期间异常数据的自动识别系统，其中包括：
[0020]初级识别模块，用于获取目标火电厂的CEMS监测数据，并对该监测数据进行初级识别，识别出该监测数据中数值波动位于预设范围内的时间序列数据；
[0021]二识别模块，用于对该时间序列数据进行二级识别，识别出该时间序列数据中满足预设条件的部分数据作为二级识别结果；
[0022]第一分类模块，用于根据该二级识别结果的波动特征，确认是否存在 CEMS校准，并对校准期间异常数据进行分类；
[0023]第二分类模块，用于根据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种火电行业CEMS校准期间异常数据的自动识别方法，其特征在于，包括：步骤1、获取目标火电厂的CEMS监测数据，并对该监测数据进行初级识别，识别出该监测数据中数值波动位于预设范围内的时间序列数据；步骤2、对该时间序列数据进行二级识别，识别出该时间序列数据中满足预设条件的部分数据作为二级识别结果；步骤3、根据该二级识别结果的波动特征，确认是否存在CEMS校准，并对校准期间异常数据进行分类；步骤4、根据校准期间异常数据的波动特征，对自动监测数据异常现象的原因通过BP神经网络进行进行智能识别，并进行分类标记。2.如权利要求1所述火电行业CEMS校准期间异常数据的自动识别方法，其特征在于：在该步骤1中，初级识别包括监控点CEMS自动监测数据的完整性，剔除缺失值、烟气流量为零的值、恒值、负值、超量程值，及剔除显著异常值，取[x]
‑
[x+n]时段监控点的CEMS自动监测数据。3.如权利要求1所述的火电行业CEMS校准期间异常数据的自动识别方法，其特征在于：在该步骤2中，根据CEMS自动监测仪器校准期间运行状态和时间序列数据进行二级识别，包括：剔除监测仪器校准期间时间序列数据异常时段的数据，筛取符合校准期间数据在合理变化范围内的浓度差值，若时间序列数据均为异常时段，即重新返回步骤B中重新进行初级识别，提取[x]
‑
[x+n]时段监控点的CEMS自动监测数据。4.如权利要求1所述的火电行业CEMS校准期间异常数据的自动识别方法，其特征在于：在该步骤3中，根据二级识别后满足条件的时段对其时间序列函数进行波动特征计算，默认数据波动过程在时间上是对应连续变化的，则[x]
‑
[x+n]时段监控点的CEMS自动监测数据也为连续数据，满足函数F(x)可微分的计算要求，F
′
(x0)＝lim{Δx
→
0}[F(x0+Δx)
‑
F(x0)]/Δx，若F
′
(x0)＜0，其波动特征值β记为
‑
1，若F
′
(x0)＞0，其波动特征值β记为1，若F
′
(x0)＝0，其波动特征值β记为0，以此确认是否存在CEMS校准，并对校准期间异常数据进行分类。5.如权利要求1所述的火电行业CEMS校准期间异常数据的自动识别方法，其特征在于：在该步骤4中，根据校准期间异常数据的波动特征，对自动监测数据异常现象的原因通过BP神经网络进行智能识别，并对数据进行分类标记，比较检验波动特征β值，β(t0
‑
3)＝
‑
1∩β(t0
‑
3+n)＝0，则[t]时刻异常数据，通过BP神经网络识别为
‘
校准
‑
空气
’
；β(h0
‑
3)＝1∩β(h0
‑
3+n)＝0；则[h]时刻异常数据，通过BP神经网络识别为
‘
校准
‑
混标
’
；β(d0
‑
3)＝0∩β(d0
‑
3+n)＝0∩β(d2)＝0；则[d]时刻异常数据，通过BP神经网络识别为
‘
校准
‑
单标1
’
；β(e0
‑
3)＝0∩β(e0
‑
3+n)＝0∩β(e1)＝0；则[e]时刻异常数据，通过BP神经网络识别为
‘
校准
‑
单标2
’
，经过智能识别后的标记自动随数据一同上报至上位机。6.一种火电行业CEMS校准期间异常数据的自动...

【专利技术属性】
技术研发人员：赵越，左文浩，赵晓宏，吕巍，贾鹏，朱美，
申请(专利权)人：生态环境部环境工程评估中心，
类型：发明
国别省市：