设计应用

基于电力数据分析的污染物排放监测方法研究

作者:刘忠辉1,蔡高琰2,梁炳基2,骆德汉1,何家峰1
发布日期:2021-02-23
来源:信息技术与网络安全

0 引言

         目前国内外对污染物排放的监测主要是在各个环节安装多种不同的传感器,然后对每个环节的多个参数进行采集分析[1-3]。针对不同的产污企业,各个环节需放置污染物监测传感器可能不同,通过收集对比各传感器的数据是否达到国家排放标准[4],来确定产污企业的治污效果是否达标。当前传统的监测手段存在几个问题:一是企业排污管道、生产环节等环境复杂[5],设备安装困难且容易失效;二是传感器易受外界影响,加大水/风量都会使监测结果出现重大偏差,且复杂的系统结构容易出现通信等故障导致测量失灵[6];三是成本较高。在这几个问题的影响下,传统监测系统难以推广。因此寻找一种既能减少或者杜绝人为因素干扰造成监测失效,又可降低安装运行成本的解决方案是本文最主要的目的。本文利用智能电表对用电数据进行采集与处理,结合机器学习中的误差反向传播神经网络算法[7-8]构建工业用电设备分类模型,对设备进行启停分析与远程在线监管,实现了对工业环境下用电设备的监测,大大加强了监测的力度以及范围,且具有低成本、易于推广的优势。



本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003379




作者信息:

刘忠辉1,蔡高琰2,梁炳基2,骆德汉1,何家峰1

(1.广东工业大学 信息工程学院,广东 广州510006;2.广东浩迪创新科技有限公司,广东 佛山528200)


此内容为AET网站原创,未经授权禁止转载。
数据分析 智能电表 机器学习 环保监测