[发明专利]一种烟气在线连续监测系统的测量时延修正方法

说明书

本发明提供了一种烟气在线连续监测系统的测量时延修正方法，包括以下三个部分：空间和分析结合的时延计算方法的提出，预测模型的建立以及针对不同采样断面下的不同污染物浓度进行的预测。通过测量各烟气采样管中的烟气流速和采样管实际长度，综合考虑采样仪器参数以及其他因素的影响计算采样管内的测量时延；通过给定的输入和输出量，建立神经网络预测模型；采用迭代的方法来预测污染物采样值，将上一时刻的输出量作为下一时刻输入量的一部分，与预测过程一同更新；通过选取不同污染物历史采样值作为模型输入量，预测输出当前时刻真实的污染物浓度值。本发明提出的测量时延修正方法能够提高烟气排放连续监测系统对污染物监测的实时性和准确性。

技术领域

本发明属于烟气污染监测技技术领域，具体地说是涉及一种烟气在线连续监测系统的测量时延修正方法。

背景技术

随着我国经济的不断发展，对环保的要求也在逐步提高。为保护大气环境，保证我国重点污染源的烟气排放工业能够朝着绿色化、无污染的方向发展，各相关企业在烟气排放口处安装了烟气在线连续监测设备，实时监测烟气排放情况，避免对空气造成污染。

“烟气在线连续监测系统”（CEMS）是一种通过采样、分析方式或直接测量方式，测定烟气中二氧化硫、氮氧化物等污染物浓度和含氧量的设备，在电厂、冶金、矿冶、石化、环境监测等行业得到广泛的使用。该系统取代人工连续采样的监测方式，提高了烟气数据监测的及时性和准确性。

但由于烟气在线连续监测系统中的烟气采样设备工作时，从采集样气到被测样气进入监测仪表内进行测量和分析需要经过采样管等一系列装置，从而导致监测有一定延迟，其监测结果并非当前实时值；且由于每个监测分析仪表分别安装在不同位置，采集流程不同，导致不同采集过程的时间延迟量也有所不同。上述问题严重影响了CEMS对于被监测系统整体运行状态的监测精度和评估能力。

为保证CEMS系统监测数据的实时性和准确性，通过预测模型对烟气采样时延进行修正具有重要意义。

发明内容

为了克服现有技术存在的不足，本发明提供了一种基于深度学习的超低排放环保岛烟气在线连续监测系统（CEMS）的测量时延修正方法，通过神经网络预测模型来修正由于被测样气经过采样装置到达分析仪表消耗的一定时间所带来的监测误差，实现检定装置对被测烟气的实时同步监测，保证在线监测数据的实时性和有效性，实现烟气在线连续监测系统更加准确、客观的现场检定，为后续制定超低排放环保岛污染物脱除方案提供更可靠的数据。

一种烟气在线连续监测系统的测量时延修正方法，包括下述步骤：

（1）空间和分析结合的时延计算方法的提出：测量各烟气采样管中的烟气流速和采样管实际长度，计算被测烟气通过采样装置到达分析仪表所需的时间，即烟气在线连续监测系统对采样烟气的测量时延；

（2）预测模型的建立：通过被测烟气历史采样值，根据不同污染物选取相应输入量，通过深度学习建立神经网络预测模型；

（3）针对不同采样断面下的不同污染物浓度进行的预测：利用步进滚动的迭代预测方法来预测被测烟气中污染物的当前实时浓度。

作为优选，步骤（1）中，获得烟气在线连续监测系统对采样烟气测量时延的方法具体包括以下几个步骤：

步骤L1：确定超低排放环保岛各污染物采样位点，结合管路参数测量超低排放环保岛各采样管的实际长度和管径；

步骤L2：结合仪器参数和采样泵参数，通过采样流量并综合考虑采样气体的温度、压力、湿度因素的影响，计算被测烟气在采样管中的流速；

步骤L3：计算被测烟气经过各采样管到达分析仪所需的时间，即需要修正的采样时延。

作为优选，步骤（2）中，建立神经网络预测模型的方法具体包括以下几个步骤：