基于电力数据分析的污染物排放监测方法研究
信息技术与网络安全
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)
摘要： 在当下快速的发展过程中，社会的现代化建设对环境带来了一定程度的破坏，为了实现持续性的社会发展，就需要对其各种生产生活所带来的污染物进行良好的监测。提供了一种对产污企业污染物排放过程进行科学监测的方法，对智能电表采集的数据进行处理与分析，构建BP神经网络模型对设备进行识别，从而判断设备启停状态。形成了24小时不间断的智能监控，进而对企业的污染物排放监管进行合理的监控，实现对企业生产中污染排放的监测，提升污染物的治理效果，具有较好的实际应用价值。
中圖分類號： TP399
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.02.009
引用格式： 劉忠輝，蔡高琰，梁炳基，等. 基于電力數據分析的污染物排放監測方法研究[J].信息技術與網絡安全，2021，40(2)：52-55，73.
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.02.009
引用格式： 劉忠輝，蔡高琰，梁炳基，等. 基于電力數據分析的污染物排放監測方法研究[J].信息技術與網絡安全，2021，40(2)：52-55，73.
Research on pollutant emission monitoring method based on power data analysis
Liu Zhonghui1，Cai Gaoyan2，Liang Bingji2，Luo Dehan1，He Jiafeng1
(1.School of Information Engineering，Guangdong University of Technology，Guangzhou 510006，China； 2.Hodi Technology Co.，Ltd.，Foshan 528200，China)
Abstract： In the current rapid development process, the modernization of society has brought a certain degree of damage to the environment. In order to achieve sustainable social development, it is necessary to carry out good monitoring of the pollutants brought by various production and living. Therefore, this paper mainly provides a scientific monitoring method for pollutant discharge process of pollution producing enterprises, processes and analyzes the data collected by intelligent electricity meter, and constructs BP neural network model to identify the equipment, so as to judge the start-up and stop status of the equipment. It has formed a 24-hour continuous intelligent monitoring, and then carries on the reasonable monitoring to the pollutant discharge supervision of the enterprise, realizes the monitoring of the pollution emission in the enterprise production, and improves the pollutant treatment effect, which has good practical application value.
Key words : data analysis；smart meter；machine learning；environmental monitoring
0 引言
目前國內外對污染物排放的監測主要是在各個環節安裝多種不同的傳感器，然后對每個環節的多個參數進行采集分析[1-3]。針對不同的產污企業，各個環節需放置污染物監測傳感器可能不同，通過收集對比各傳感器的數據是否達到國家排放標準[4]，來確定產污企業的治污效果是否達標。當前傳統的監測手段存在幾個問題：一是企業排污管道、生產環節等環境復雜[5]，設備安裝困難且容易失效；二是傳感器易受外界影響，加大水/風量都會使監測結果出現重大偏差，且復雜的系統結構容易出現通信等故障導致測量失靈[6]；三是成本較高。在這幾個問題的影響下，傳統監測系統難以推廣。因此尋找一種既能減少或者杜絕人為因素干擾造成監測失效，又可降低安裝運行成本的解決方案是本文最主要的目的。本文利用智能電表對用電數據進行采集與處理，結合機器學習中的誤差反向傳播神經網絡算法[7-8]構建工業用電設備分類模型，對設備進行啟停分析與遠程在線監管，實現了對工業環境下用電設備的監測，大大加強了監測的力度以及范圍，且具有低成本、易于推廣的優勢。
本文詳細內容請下載:http://m.tom3567.com/resource/share/2000003379
作者信息:
劉忠輝1，蔡高琰2，梁炳基2，駱德漢1，何家峰1
(1.廣東工業大學 信息工程學院，廣東 廣州510006；2.廣東浩迪創新科技有限公司，廣東 佛山528200)
此內容為AET網站原創，未經授權禁止轉載。