CN117422200B - 一种电厂智能监测预警方法及系统 - Google Patents
一种电厂智能监测预警方法及系统 Download PDFInfo
- Publication number
- CN117422200B CN117422200B CN202311438427.5A CN202311438427A CN117422200B CN 117422200 B CN117422200 B CN 117422200B CN 202311438427 A CN202311438427 A CN 202311438427A CN 117422200 B CN117422200 B CN 117422200B
- Authority
- CN
- China
- Prior art keywords
- concentration
- particulate matter
- emission
- carbon dioxide
- power plant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 53
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims abstract description 280
- 239000013618 particulate matter Substances 0.000 claims abstract description 167
- 229910002092 carbon dioxide Inorganic materials 0.000 claims abstract description 140
- 239000001569 carbon dioxide Substances 0.000 claims abstract description 140
- 238000004458 analytical method Methods 0.000 claims abstract description 120
- 230000005856 abnormality Effects 0.000 claims abstract description 98
- 239000011159 matrix material Substances 0.000 claims abstract description 50
- 238000010248 power generation Methods 0.000 claims abstract description 41
- 239000002245 particle Substances 0.000 claims abstract description 40
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 49
- 238000012360 testing method Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 14
- 238000000149 argon plasma sintering Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 8
- 238000005303 weighing Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000000691 measurement method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 15
- 230000002159 abnormal effect Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000013480 data collection Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Abstract
本发明公开了一种电厂智能监测预警方法及系统，属于电力系统领域，其中方法包括：采集电厂的颗粒物浓度和二氧化碳浓度；对多个颗粒物浓度进行补偿分析，获得多个补偿颗粒物浓度；根据多个补偿颗粒物浓度、多个二氧化碳浓度以及多个位置坐标，获得颗粒物浓度特征场和二氧化碳特征场；根据特征场，获取电厂的作业异常分析结果；根据浓度场，构建发电排放数据矩阵，并获取多个位置的多个排放评分；根据作业异常分析结果和多个排放评分，生成目标电厂的作业监测结果，基于预警工站，根据作业监测结果进行预警。本申请解决了现有技术中对电厂作业监测预警精度低、效果差的技术问题，达到了提高电厂作业监测预警精度和效果的技术效果。
Description
技术领域
本发明涉及电力系统领域，具体涉及一种电厂智能监测预警方法及系统。
背景技术
随着社会的发展，电力需求持续增长，火力发电的比重不断提高。火力发电过程中会产生大量排放物质，反映火电厂的作业状态。因此，对火力发电厂的排放进行监测预警至关重要。现有技术中应用各类监测设备对电厂排放进行监测，但是，这些设备往往孤立分散使用，很难实现对电厂整体作业情况的有效监测，难以准确识别电厂作业异常的位置。此外，现有监测设备的预警功能较为简单，对电厂突发事件的预警效果仍然有限。因此，现有技术中对电厂作业监测预警精度较低，预警效果较差，无法满足电厂安全生产的需求。
发明内容
本申请通过提供了一种电厂智能监测预警方法及系统，旨在解决现有技术中对电厂作业监测预警精度低、效果差的技术问题。
鉴于上述问题，本申请提供了一种电厂智能监测预警方法及系统。
本申请公开的第一个方面，提供了一种电厂智能监测预警方法，该方法包括：通过排放数据采集工站内布设于目标电厂内多个位置的测试装置，采集多个位置的颗粒物浓度和二氧化碳浓度，目标电厂为火电厂；通过多个测试装置，采集多个位置的水蒸气浓度，根据多个水蒸气浓度对多个颗粒物浓度进行补偿分析，获得多个补偿颗粒物浓度；根据多个补偿颗粒物浓度、多个二氧化碳浓度以及多个位置的坐标，分别构建颗粒物浓度场和二氧化碳浓度场，并进行处理判别，获得颗粒物浓度特征场和二氧化碳特征场；通过电厂作业分析工站，根据颗粒物浓度特征场和二氧化碳特征场，识别获取目标电厂的作业异常分析结果，作业异常分析结果包括是否出现异常以及出现异常时的异常位置；通过排放分析工站，根据颗粒物浓度场和二氧化碳浓度场，构建发电排放数据矩阵，并根据发电排放数据矩阵计算获取多个位置的多个排放评分；根据作业异常分析结果和多个排放评分，生成目标电厂的作业监测结果，基于预警工站，根据作业监测结果进行预警，其中，作业监测结果内包括作业异常事件的事件描述信息。
本申请公开的另一个方面，提供了一种电厂智能监测预警系统，该系统包括：电厂数据采集模块，用于通过排放数据采集工站内布设于目标电厂内多个位置的测试装置，采集多个位置的颗粒物浓度和二氧化碳浓度，目标电厂为火电厂；浓度补偿分析模块，用于通过多个测试装置，采集多个位置的水蒸气浓度，根据多个水蒸气浓度对多个颗粒物浓度进行补偿分析，获得多个补偿颗粒物浓度；数据处理判别模块，用于根据多个补偿颗粒物浓度、多个二氧化碳浓度以及多个位置的坐标，分别构建颗粒物浓度场和二氧化碳浓度场，并进行处理判别，获得颗粒物浓度特征场和二氧化碳特征场；作业异常分析模块，用于通过电厂作业分析工站，根据颗粒物浓度特征场和二氧化碳特征场，识别获取目标电厂的作业异常分析结果，作业异常分析结果包括是否出现异常以及出现异常时的异常位置；位置排放评分模块，用于通过排放分析工站，根据颗粒物浓度场和二氧化碳浓度场，构建发电排放数据矩阵，并根据发电排放数据矩阵计算获取多个位置的多个排放评分；监测结果预警模块，用于根据作业异常分析结果和多个排放评分，生成目标电厂的作业监测结果，基于预警工站，根据作业监测结果进行预警，其中，作业监测结果内包括作业异常事件的事件描述信息。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了在目标电厂内多点布设测试装置，采集多源数据，以实现对电厂整体作业情况的全面监测；采集颗粒物浓度、二氧化碳浓度以及水蒸气浓度数据，通过对颗粒物浓度进行补偿分析，可以提高数据采集的准确性；利用采集的数据构建颗粒物浓度场和二氧化碳浓度场，并进行处理判别获取特征场，以准确定位电厂作业异常情况；根据特征场分析识别电厂的作业异常情况，提高对电厂作业异常的监测精度；计算多个位置的排放评分，直观反映电厂不同部位的排放状况；根据监测结果进行预警，并生成作业监测结果，及时预警电厂突发事件，提高监测效果的技术方案，解决了现有技术中对电厂作业监测预警精度低、效果差的技术问题，达到了提高电厂作业监测预警精度和效果的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种电厂智能监测预警方法的一种流程示意图；
图2为本申请实施例提供了一种电厂智能监测预警方法中生成作业监测结果的一种流程示意图；
图3为本申请实施例提供了一种电厂智能监测预警系统的一种结构示意图。
附图标记说明：电厂数据采集模块11，浓度补偿分析模块12，数据处理判别模块13，作业异常分析模块14，位置排放评分模块15，监测结果预警模块16。
实施方式
本申请提供的技术方案总体思路如下：
本申请实施例提供了一种电厂智能监测预警方法及系统。通过在目标电厂内多点布设测试装置采集多源数据，采集的数据包括颗粒物浓度、二氧化碳浓度以及水蒸气浓度。为提高数据采集精度，对颗粒物浓度进行补偿分析。然后，利用采集的数据，分别构建出颗粒物浓度场和二氧化碳浓度场，并通过处理判别获取各自的特征场，以准确定位电厂的作业异常情况，从而提高对电厂作业异常的监测精度。同时，计算多个位置的排放评分，反映电厂不同部位的排放状况。最后，根据监测结果，对电厂进行预警，并生成作业监测结果，以实现对电厂作业情况的智能化监测与预警。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例
如图1所示，本申请实施例提供了一种电厂智能监测预警方法，该方法应用于一电厂智能监测预警设备，该设备包括排放数据采集工站、电厂作业分析工站、排放分析工站和预警工站。
具体而言，本申请实施例为一种电厂智能监测预警方法，通过采集和分析电厂的排放数据，实现对电厂作业过程的智能监控和预警。本申请实施例中的方法应用于一电厂智能监测预警设备，该设备包括排放数据采集工站、电厂作业分析工站、排放分析工站和预警工站。
其中，排放数据采集工站是用来采集电厂多个位置的排放监测数据的装置，包括设置在电厂不同位置的测试装置，用于采集颗粒物浓度、二氧化碳浓度等排放数据；电厂作业分析工站是根据采集到的排放数据，对电厂的作业情况进行分析和判断的装置，识别电厂作业过程中的异常情况；排放分析工站是根据排放浓度场的数据，对电厂不同位置的排放情况进行评分和分析的装置，评估电厂排放质量等级；预警工站是根据电厂作业监测结果，对电厂作业过程中出现的异常情况进行预警的装置，发出预警信息，避免或减轻异常作业对电厂的影响。排放数据采集工站、电厂作业分析工站、排放分析工站和预警工站共同组成电厂智能监测预警设备，实现了对电厂排放数据的全面监测、智能分析和预警，有效地提高电厂的安全运行水平。
监测预警方法包括：
通过排放数据采集工站内布设于目标电厂内多个位置的测试装置，采集多个位置的颗粒物浓度和二氧化碳浓度，目标电厂为火电厂；
在本申请实施例中，排放数据采集工站包含多个测试装置，这些测试装置布设于目标火电厂内的多个位置，以采集不同位置的排放数据，例如。其中，测试装置采用光散射传感器实时监测并记录目标位置的颗粒物浓度；同时设置有非分散红外气体分析仪监测并记录目标位置的二氧化碳浓度。
其中，多个测试装置布设于火电厂不同的位置，如烟囱周边区域、电厂入口和出口等，以全面监测火电厂的排放情况。这多个测试装置通过数据线与排放数据采集工站相连接，并且实时地将检测到的颗粒物浓度和二氧化碳浓度的数据发送到排放数据采集工站，为后续的排放分析提供基础数据。
通过获取火电厂多个位置的颗粒物和二氧化碳浓度，全面反映火电厂不同区域的排放水平，为浓度场分析和异常识别等提供依据。
通过多个测试装置，采集多个位置的水蒸气浓度，根据多个水蒸气浓度对多个颗粒物浓度进行补偿分析，获得多个补偿颗粒物浓度；
进一步的，步骤具体包括：
根据通过光散射测量法进行测试的测试数据记录，获取样本颗粒物浓度信息记录；
根据通过采样称重测量的测试数据记录，获取样本补偿颗粒物浓度信息记录，并根据水蒸气浓度监测记录，获取样本水蒸气浓度记录；
根据所述样本颗粒物浓度信息记录和样本补偿颗粒物浓度信息记录，计算获取样本补偿系数记录；
采样样本水蒸气浓度记录和样本补偿系数记录，训练获取补偿校正分析通道；
获取多个补偿系数，对多个颗粒物浓度信息进行补偿校正，多个补偿系数通过将多个水蒸气浓度输入补偿校正分析通道内处理获取。
在一种优选的实施方式中，为提高颗粒物浓度的准确性，对水蒸气的影响进行补偿，需要建立补偿校正分析通道。首先，通过使用光散射传感器对大量空间颗粒物样本进行检测，记录下所得颗粒物浓度数据，作为样本颗粒物浓度信息记录，反映样本中的未进行水蒸气影响补偿的颗粒物浓度水平，为利用标准采样称重法获得的准确浓度进行比较和校准奠定基础。其次，针对同一批样本，除了进行光散射测量外，通过取样器采集样本颗粒物浓度对应的空间颗粒物样本，利用精密电子天平对颗粒物进行称重，计算获取样本体积内的颗粒物质量浓度，记录为样本补偿颗粒物浓度信息记录。同时，针对同一批样本，通过温湿度传感器测量并记录下样本对应的水蒸气浓度监测记录，作为样本水蒸气浓度记录。然后，通过比较和计算样本颗粒物浓度信息记录和样本补偿颗粒物浓度信息记录，确定同一样本条件下原始颗粒物浓度与补偿颗粒物浓度之间的比例关系，这组比例关系即为样本补偿系数记录。接着，利用机器学习算法，以样本水蒸气浓度记录作为输入，样本补偿系数记录作为输出，训练建立起水蒸气浓度与补偿系数之间的非线性映射模型，即补偿校正分析通道。
测试装置除了检测颗粒物浓度和二氧化碳浓度，还设置有温湿度传感器，同步采集多个位置的水蒸气浓度数据。获得多个位置的水蒸气浓度数据后，将多个水蒸气浓度输入补偿校正分析通道中，获取对应的多个补偿系数，然后使用多个补偿系数对应于多个颗粒物浓度进行相乘，实现浓度补偿，消除水蒸气对颗粒物浓度测试结果的影响，从而获得更准确的补偿后的颗粒物浓度，即多个补偿颗粒物浓度。
通过水蒸气浓度的补偿，提高对火电厂颗粒物排放的监测精度，为后续的浓度场分析提供更准确的颗粒物浓度数据，以提高预警精度。
根据多个补偿颗粒物浓度、多个二氧化碳浓度以及多个位置的坐标，分别构建颗粒物浓度场和二氧化碳浓度场，并进行处理判别，获得颗粒物浓度特征场和二氧化碳特征场；
进一步的，本步骤具体包括：
获取多个位置的坐标信息，分别结合多个坐标信息与多个二氧化碳浓度和多个补偿颗粒物浓度，构建颗粒物浓度场和二氧化碳浓度场；
采用局域处理算子，对颗粒物浓度场和二氧化碳浓度场进行划分，获得多个第一局域和多个第二局域；
在每个第一局域内，以中心位置的颗粒物浓度为阈值，判别其他位置的颗粒物浓度大于、小于或落入阈值的误差范围内，分别标记为1、-1和0，生成多个局域向量，获得颗粒物浓度特征场；
对每个第二局域进行判别，获得二氧化碳特征场。
在一种优选的实施方式中，根据采集到的各位置的补偿颗粒物浓度、二氧化碳浓度以及对应的位置坐标，构建颗粒物浓度场和二氧化碳浓度场，并通过处理提取对应的特征场。
首先，对目标电厂进行3D建模，生成目标电厂的坐标地图，并将测试装置的位置在地图上进行标注，将测试装置的多个位置坐标与其对应的补偿颗粒物浓度和二氧化碳浓度进行映射对应，并利用空间插值算法，在目标电厂的坐标地图内生成颗粒物浓度和二氧化碳浓度的连续分布场景，即颗粒物浓度场和二氧化碳浓度场。其中，颗粒物浓度场表示目标电厂内颗粒物浓度的分布和变化情况；二氧化碳浓度场表示二氧化碳浓度的分布情况。其次，采用局域处理算子，坐标地图上定义一个局部窗口，并基于此窗口对颗粒物浓度场和二氧化碳浓度场进行局部区域的划分，对颗粒物浓度场划分得到多个第一局域，对二氧化碳浓度场划分得到多个第二局域。这些局域反映了浓度场在局部区域内的特征信息。
然后，针对每一个第一局域，以该局域中心位置的颗粒物浓度值为阈值，判断该局域内其他位置的颗粒物浓度与该阈值的关系，根据大于、小于或等于阈值的误差范围来进行区分。如果某位置的颗粒物浓度高于中心位置浓度的正误差范围，则标记为1；如果低于中心位置浓度的负误差范围，则标记为-1；如果位于中心位置浓度正负误差范围内，则标记为0。对每个第一局域依次进行该处理，提取出多个第一局域内颗粒物浓度与中心位置颗粒物浓度大小关系的特征，形成每个局域的局域向量，这多个局域向量构成颗粒物浓度场的特征表达，即颗粒物浓度特征场。同时，针对每一个第二局域，计算该局域内的平均二氧化碳浓度，将平均二氧化碳浓度与该局域中心位置的二氧化碳浓度进行比较。如果平均二氧化碳浓度高于中心位置浓度，则标记该局域为1；如果低于中心位置浓度，则标记为-1；如果接近中心位置浓度，则标记为0。其中，接近的程度可基于本领域技术人员针对二氧化碳浓度测试的误差范围进行设置。对所有第二局域重复上述过程，提取出每个局域区域内二氧化碳浓度分布特征，形成多个局域向量，这些局域向量构成二氧化碳浓度场的特征表达，即二氧化碳特征场。
通过电厂作业分析工站，根据所述颗粒物浓度特征场和二氧化碳特征场，识别获取目标电厂的作业异常分析结果，所述作业异常分析结果包括是否出现异常以及出现异常时的异常位置；
进一步的，本步骤具体包括：
根据目标电厂的历史排放监测数据，处理获取多个样本颗粒物浓度特征场、多个样本二氧化碳特征场，并通过作业异常监测数据，获取多个样本作业异常分析结果；
采用多个样本颗粒物浓度特征场、多个样本二氧化碳特征场作为输入训练数据，采用多个样本作业异常分析结果作为输出训练数据，基于机器学习，在电厂作业分析工站内，训练获取作业异常识别通道；
获取作业异常分析结果，所述作业异常分析结果通过采用颗粒物浓度特征场和二氧化碳特征场输入作业异常识别通道进行作业异常分析获取。
在一种选优的实施方式中，首先，收集目标电厂过去一段时间内的排放监测数据，包含了电厂不同时段的浓度监测结果；针对这些历史监测的数据，进行浓度场构建和特征提取，处理得到对应的多个样本颗粒物浓度特征场和多个样本二氧化碳特征场。同时，获取这些历史样本对应的作业异常分析结果，即这些历史数据所在时段内电厂作业是否存在异常的标记结果，作为多个样本作业异常分析结果。然后，将获得的样本颗粒物浓度特征场和样本二氧化碳特征场作为输入数据，以及对应的样本作业异常分析结果作为输出数据，在电厂作业分析工站中，采用监督学习算法，如SVM、随机森林算法等，进行模型训练。通过大量历史样本的训练，获得能够对新场景进行作业异常判断的模型，即作业异常识别通道。
随后，获得目标电厂的颗粒物浓度特征场和二氧化碳特征场后，电厂作业分析工站将这两个特征场作为新输入，输入作业异常识别通道中，该通道对输入的颗粒物浓度特征场和二氧化碳特征场进行分析判别，判断是否存在作业异常情况，并输出相应的作业异常分析结果，给出当前目标电厂的各个位置的作业状态，从而判断哪个位置存在作业异常，实现对电厂排放数据的智能分析。
通过排放分析工站，根据颗粒物浓度场和二氧化碳浓度场，构建发电排放数据矩阵，并根据发电排放数据矩阵计算获取多个位置的多个排放评分；
进一步的，本步骤具体包括：
对颗粒物浓度场和二氧化碳浓度场内的浓度数据进行极大化处理，如下式：
；
其中，y为极大化后的浓度数据，x为原始浓度数据；
基于极大化处理后的颗粒物浓度场和二氧化碳浓度场内的数据，构建发电排放数据矩阵，如下式：
；
其中，P为发电排放数据矩阵，为第一个位置的极大化颗粒物浓度数据，为第n个位置的极大化颗粒物浓度数据，n为多个位置的数量，为第一个位置的极大化二氧化碳浓度数据，为第n个位置的极大化二氧化碳浓度数据。
进一步的，本步骤还包括：
根据所述发电排放数据矩阵，计算获取多个位置的多个排放评分，如下式：
；
其中，为第i个位置的排放评分，、和为权重，和为目标电厂的颗粒物浓度标准和二氧化碳浓度标准极大化后的数据，和为第i个位置的极大化颗粒物浓度数据和极大化二氧化碳浓度数据，为发电排放数据矩阵内第j列第i行的数据，为发电排放数据矩阵内第j列的最小值，为根据颗粒物浓度和二氧化碳浓度对目标电厂排放质量影响程度分配的权重。
在一种优选的实施方式中，在排放分析工站内，根据颗粒物浓度场和二氧化碳浓度场，构建发电排放数据矩阵，并根据发电排放数据矩阵获得目标电厂每个位置的排放评分，量化评价电厂不同区域的排放状态，为后续异常作业预警提供支持。首先，对颗粒物浓度场和二氧化碳浓度场内的浓度数据的每个位置原始浓度数据，根据公式，进行极大化处理，其中，y为极大化后的浓度数据，x为原始浓度数据。当原始浓度x较小时，计算得到的极大化浓度y较大；当原始浓度x较大时，极大化浓度y较小，起到压缩背景浓度动态范围的作用，降低背景浓度值对后续计算的影响。其次，极大化处理后的颗粒物浓度场和二氧化碳浓度场内的数据按照矩阵的位置对应关系进行组合，构建发电排放数据矩阵，该矩阵的每一行代表一个位置，第一列代表极大化颗粒物浓度数据，第二列代表极大化二氧化碳浓度数据。其中，为发电排放数据矩阵，为第一个位置的极大化颗粒物浓度数据，为第n个位置的极大化颗粒物浓度数据，n为多个位置的数量，为第一个位置的极大化二氧化碳浓度数据，为第n个位置的极大化二氧化碳浓度数据。以矩阵的形式实现目标电厂内所有位置的颗粒物和二氧化碳两项指标的数据的整合，方便后续根据该矩阵计算排放评分。
接着，根据构建的发电排放数据矩阵，根据计算目标电厂中每个监测位置的排放评分。其中，为第i个位置的排放评分，、和为权重，和为目标电厂的颗粒物浓度标准和二氧化碳浓度标准极大化后的数据，和为第i个位置的极大化颗粒物浓度数据和极大化二氧化碳浓度数据，为发电排放数据矩阵内第j列第i行的数据，为发电排放数据矩阵内第j列的最小值，为根据颗粒物浓度和二氧化碳浓度对目标电厂排放质量影响程度分配的权重。通过排放评分计算公对每个位置的排放状况进行定量评分，获取多个位置的多个排放评分，明确每个位置的排放状况，为后续的评估预警提供支持。
根据作业异常分析结果和多个排放评分，生成目标电厂的作业监测结果，基于预警工站，根据作业监测结果进行预警，其中，作业监测结果内包括作业异常事件的事件描述信息。
进一步的，如图2所示，本步骤具体包括：
根据目标电厂的排放监测数据，提取数据并计算获取样本排放评分记录和样本排放质量等级记录；
采用样本排放评分记录和样本排放质量等级记录，构建排放质量对照表；
基于多个排放评分进行匹配，获得多个排放质量等级；
在作业异常分析结果内出现异常或任意一个排放质量等级小于合格排放质量等级时，生成事件描述信息，作为作业监测结果。
在一种可行的实施方式中，首先，收集目标电厂过去时间段内的排放监测数据，包含了电厂在正常和异常作业条件下不同位置的排放监测结果。针对这些历史监测数据进行处理和计算，得到每个样本数据所对应的排放评分，形成样本排放评分记录。同时，根据这些样本的评分结果确定对应的排放质量等级，形成样本排放质量等级记录，例如，按照优、良、轻度超标等进行定级。然后，采用这些样本排放评分记录和排放质量等级记录，建立起排放评分与质量等级之间的映射对照关系，形成排放质量对照表。例如，根据专家经验预先设置多个评分区间，再确定不同区间对应的质量等级，从而可实现根据排放评分对应排放质量等级。随后，基于当前获取的多个位置的多个排放评分，与排放质量对照表进行匹配，获取多个排放评分对应的多个排放质量等级。
接着，根据作业异常分析和多个排放质量等级，进行风险预警。当作业异常分析结果显示电厂区域存在作业异常，或者多个排放质量等级中任意一个位置的排放质量等级低于合格水平，则判定目标电厂存在作业异常，并生成作业监测结果，其中包含事件描述信息，如异常类型、异常位置、超标程度、发生时间等详情。当作业监测结果显示检测到异常时，预警工站将作业监测结果以预警信息进行显示，同时以声光等形式对电厂监管人员发出预警通知，监管人员基于预警工站查看预警信息中事件描述详情，并据此判断风险程度，采取调整运行参数、修复设备故障等应对措施，以降低或避免异常对电厂的影响，实现电厂过程的智能监控与预警，提高电厂的可靠性与效率，确保电厂稳定高效运行。
综上所述，本申请实施例所提供的一种电厂智能监测预警方法具有如下技术效果：
通过排放数据采集工站内布设于目标电厂内多个位置的测试装置，采集多个位置的颗粒物浓度和二氧化碳浓度，目标电厂为火电厂，实现对电厂整体作业情况的全面监测。通过多个测试装置，采集多个位置的水蒸气浓度，根据多个水蒸气浓度对多个颗粒物浓度进行补偿分析，获得多个补偿颗粒物浓度，提高数据采集的准确性。根据多个补偿颗粒物浓度、多个二氧化碳浓度以及多个位置的坐标，分别构建颗粒物浓度场和二氧化碳浓度场，并进行处理判别，获得颗粒物浓度特征场和二氧化碳特征场，以准确定位电厂作业异常情况。通过电厂作业分析工站，根据颗粒物浓度特征场和二氧化碳特征场，识别获取目标电厂的作业异常分析结果，作业异常分析结果包括是否出现异常以及出现异常时的异常位置，实现对电厂作业异常的监测。通过排放分析工站，根据颗粒物浓度场和二氧化碳浓度场，构建发电排放数据矩阵，并根据发电排放数据矩阵计算获取多个位置的多个排放评分，量化电厂不同部位的排放状况。根据作业异常分析结果和多个排放评分，生成目标电厂的作业监测结果，基于预警工站，根据作业监测结果进行预警，其中，作业监测结果内包括作业异常事件的事件描述信息，实现对电厂作业情况的智能化监测与预警，全面提高监测预警的精度和效果。
实施例
基于与前述实施例中一种电厂智能监测预警方法相同的发明构思，如图3所示，本申请实施例提供了一种电厂智能监测预警系统，该系统应用于一电厂智能监测预警设备，设备包括排放数据采集工站、电厂作业分析工站、排放分析工站和预警工站，该系统包括：
电厂数据采集模块11，用于通过排放数据采集工站内布设于目标电厂内多个位置的测试装置，采集多个位置的颗粒物浓度和二氧化碳浓度，目标电厂为火电厂；
浓度补偿分析模块12，用于通过多个测试装置，采集多个位置的水蒸气浓度，根据多个水蒸气浓度对多个颗粒物浓度进行补偿分析，获得多个补偿颗粒物浓度；
数据处理判别模块13，用于根据多个补偿颗粒物浓度、多个二氧化碳浓度以及多个位置的坐标，分别构建颗粒物浓度场和二氧化碳浓度场，并进行处理判别，获得颗粒物浓度特征场和二氧化碳特征场；
作业异常分析模块14，用于通过电厂作业分析工站，根据所述颗粒物浓度特征场和二氧化碳特征场，识别获取目标电厂的作业异常分析结果，所述作业异常分析结果包括是否出现异常以及出现异常时的异常位置；
位置排放评分模块15，用于通过排放分析工站，根据颗粒物浓度场和二氧化碳浓度场，构建发电排放数据矩阵，并根据发电排放数据矩阵计算获取多个位置的多个排放评分；
监测结果预警模块16，用于根据作业异常分析结果和多个排放评分，生成目标电厂的作业监测结果，基于预警工站，根据作业监测结果进行预警，其中，作业监测结果内包括作业异常事件的事件描述信息。
进一步的，浓度补偿分析模块12包括以下执行步骤：
根据通过光散射测量法进行测试的测试数据记录，获取样本颗粒物浓度信息记录；
根据通过采样称重测量的测试数据记录，获取样本补偿颗粒物浓度信息记录，并根据水蒸气浓度监测记录，获取样本水蒸气浓度记录；
根据所述样本颗粒物浓度信息记录和样本补偿颗粒物浓度信息记录，计算获取样本补偿系数记录；
采样样本水蒸气浓度记录和样本补偿系数记录，训练获取补偿校正分析通道；
获取多个补偿系数，对多个颗粒物浓度信息进行补偿校正，多个补偿系数通过将多个水蒸气浓度输入补偿校正分析通道内处理获取。
进一步的，作业异常分析模块14包括以下执行步骤：
获取多个位置的坐标信息，分别结合多个坐标信息与多个二氧化碳浓度和多个补偿颗粒物浓度，构建颗粒物浓度场和二氧化碳浓度场；
采用局域处理算子，对颗粒物浓度场和二氧化碳浓度场进行划分，获得多个第一局域和多个第二局域；
在每个第一局域内，以中心位置的颗粒物浓度为阈值，判别其他位置的颗粒物浓度大于、小于或落入阈值的误差范围内，分别标记为1、-1和0，生成多个局域向量，获得颗粒物浓度特征场；
对每个第二局域进行判别，获得二氧化碳特征场。
进一步的，作业异常分析模块14还包括以下执行步骤：
根据目标电厂的历史排放监测数据，处理获取多个样本颗粒物浓度特征场、多个样本二氧化碳特征场，并通过作业异常监测数据，获取多个样本作业异常分析结果；
采用多个样本颗粒物浓度特征场、多个样本二氧化碳特征场作为输入训练数据，采用多个样本作业异常分析结果作为输出训练数据，基于机器学习，在电厂作业分析工站内，训练获取作业异常识别通道；
获取作业异常分析结果，所述作业异常分析结果通过采用颗粒物浓度特征场和二氧化碳特征场输入作业异常识别通道进行作业异常分析获取。
进一步的，位置排放评分模块15包括以下执行步骤：
对颗粒物浓度场和二氧化碳浓度场内的浓度数据进行极大化处理，如下式：
；
其中，y为极大化后的浓度数据，x为原始浓度数据；
基于极大化处理后的颗粒物浓度场和二氧化碳浓度场内的数据，构建发电排放数据矩阵，如下式：
；
其中，P为发电排放数据矩阵，为第一个位置的极大化颗粒物浓度数据，为第n个位置的极大化颗粒物浓度数据，n为多个位置的数量，为第一个位置的极大化二氧化碳浓度数据，为第n个位置的极大化二氧化碳浓度数据。
进一步的，位置排放评分模块15还包括以下执行步骤：
根据所述发电排放数据矩阵，计算获取多个位置的多个排放评分，如下式：
；
其中，为第i个位置的排放评分，、和为权重，和为目标电厂的颗粒物浓度标准和二氧化碳浓度标准极大化后的数据，和为第i个位置的极大化颗粒物浓度数据和极大化二氧化碳浓度数据，为发电排放数据矩阵内第j列第i行的数据，为发电排放数据矩阵内第j列的最小值，为根据颗粒物浓度和二氧化碳浓度对目标电厂排放质量影响程度分配的权重。
进一步的，监测结果预警模块16包括以下执行步骤：
根据目标电厂的排放监测数据，提取数据并计算获取样本排放评分记录和样本排放质量等级记录；
采用样本排放评分记录和样本排放质量等级记录，构建排放质量对照表；
基于多个排放评分进行匹配，获得多个排放质量等级；
在作业异常分析结果内出现异常或任意一个排放质量等级小于合格排放质量等级时，生成事件描述信息，作为作业监测结果。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (4)
1.一种电厂智能监测预警方法，其特征在于，所述方法应用于一电厂智能监测预警设备，所述设备包括排放数据采集工站、电厂作业分析工站、排放分析工站和预警工站，所述方法包括：
通过排放数据采集工站内布设于目标电厂内多个位置的测试装置，采集多个位置的颗粒物浓度和二氧化碳浓度，目标电厂为火电厂；
通过多个测试装置，采集多个位置的水蒸气浓度，根据多个水蒸气浓度对多个颗粒物浓度进行补偿分析，获得多个补偿颗粒物浓度；
根据多个补偿颗粒物浓度、多个二氧化碳浓度以及多个位置的坐标，分别构建颗粒物浓度场和二氧化碳浓度场，并进行处理判别，获得颗粒物浓度特征场和二氧化碳特征场；
通过电厂作业分析工站，根据所述颗粒物浓度特征场和二氧化碳特征场，识别获取目标电厂的作业异常分析结果，所述作业异常分析结果包括是否出现异常以及出现异常时的异常位置；
通过排放分析工站，根据颗粒物浓度场和二氧化碳浓度场，构建发电排放数据矩阵，并根据发电排放数据矩阵计算获取多个位置的多个排放评分；
根据作业异常分析结果和多个排放评分，生成目标电厂的作业监测结果，基于预警工站，根据作业监测结果进行预警，其中，作业监测结果内包括作业异常事件的事件描述信息；
其中，所述方法包括：
对颗粒物浓度场和二氧化碳浓度场内的浓度数据进行极大化处理，如下式：
其中，y为极大化后的浓度数据，x为原始浓度数据；
基于极大化处理后的颗粒物浓度场和二氧化碳浓度场内的数据，构建发电排放数据矩阵，如下式：
其中，P为发电排放数据矩阵，yk1为第一个位置的极大化颗粒物浓度数据，ykn为第n个位置的极大化颗粒物浓度数据，n为多个位置的数量，yc1为第一个位置的极大化二氧化碳浓度数据，ycn为第n个位置的极大化二氧化碳浓度数据；
其中，所述方法包括：
根据所述发电排放数据矩阵，计算获取多个位置的多个排放评分，如下式：
其中，Gi为第i个位置的排放评分，ω1、ω2和ω3为权重，ykb和ycb为目标电厂的颗粒物浓度标准和二氧化碳浓度标准极大化后的数据，yki和yci为第i个位置的极大化颗粒物浓度数据和极大化二氧化碳浓度数据，yji为发电排放数据矩阵内第j列第i行的数据，yjmin为发电排放数据矩阵内第j列的最小值，wj为根据颗粒物浓度和二氧化碳浓度对目标电厂排放质量影响程度分配的权重；
其中，所述方法包括：
根据通过光散射测量法进行测试的测试数据记录，获取样本颗粒物浓度信息记录；
根据通过采样称重测量的测试数据记录，获取样本补偿颗粒物浓度信息记录，并根据水蒸气浓度监测记录，获取样本水蒸气浓度记录；
根据所述样本颗粒物浓度信息记录和样本补偿颗粒物浓度信息记录，计算获取样本补偿系数记录，所述获取样本补偿系数记录步骤包括：使用光散射传感器对大量空间颗粒物样本进行检测，记录下所得颗粒物浓度数据，作为样本颗粒物浓度信息记录；针对同一批样本通过取样器采集样本颗粒物浓度对应的空间颗粒物样本进行称重计算获取样本体积内的颗粒物质量浓度，记录为样本补偿颗粒物浓度信息记录；针对同一批样本，通过温湿度传感器测量并记录下样本对应的水蒸气浓度监测记录，作为样本水蒸气浓度记录；通过比较和计算样本颗粒物浓度信息记录和样本补偿颗粒物浓度信息记录，确定同一样本条件下原始颗粒物浓度与补偿颗粒物浓度之间的比例关系作为样本补偿系数记录；
采样样本水蒸气浓度记录和样本补偿系数记录，训练建立起水蒸气浓度与补偿系数之间的非线性映射模型获取补偿校正分析通道；
获取多个补偿系数，对多个颗粒物浓度信息进行补偿校正，多个补偿系数通过将多个水蒸气浓度输入补偿校正分析通道内处理获取；
其中，所述方法包括：
获取多个位置的坐标信息，分别结合多个坐标信息与多个二氧化碳浓度和多个补偿颗粒物浓度，构建颗粒物浓度场和二氧化碳浓度场；
采用局域处理算子，对颗粒物浓度场和二氧化碳浓度场进行划分，获得多个第一局域和多个第二局域；
在每个第一局域内，以中心位置的颗粒物浓度为阈值，判别其他位置的颗粒物浓度大于、小于或落入阈值的误差范围内，分别标记为1、-1和0，生成多个局域向量，获得颗粒物浓度特征场；
对每个第二局域进行判别，获得二氧化碳特征场。
2.根据权利要求1所述的方法，其特征在于，所述方法包括：
根据目标电厂的历史排放监测数据，处理获取多个样本颗粒物浓度特征场、多个样本二氧化碳特征场，并通过作业异常监测数据，获取多个样本作业异常分析结果；
采用多个样本颗粒物浓度特征场、多个样本二氧化碳特征场作为输入训练数据，采用多个样本作业异常分析结果作为输出训练数据，基于机器学习，在电厂作业分析工站内，训练获取作业异常识别通道；
获取作业异常分析结果，所述作业异常分析结果通过采用颗粒物浓度特征场和二氧化碳特征场输入作业异常识别通道进行作业异常分析获取。
3.根据权利要求1所述的方法，其特征在于，所述方法包括：
根据目标电厂的排放监测数据，提取数据并计算获取样本排放评分记录和样本排放质量等级记录；
采用样本排放评分记录和样本排放质量等级记录，构建排放质量对照表；
基于多个排放评分进行匹配，获得多个排放质量等级；
在作业异常分析结果内出现异常或任意一个排放质量等级小于合格排放质量等级时，生成事件描述信息，作为作业监测结果。
4.一种电厂智能监测预警系统，其特征在于，用于实施权利要求1-3任意一项所述的一种电厂智能监测预警方法，所述系统应用于一电厂智能监测预警设备，所述设备包括排放数据采集工站、电厂作业分析工站、排放分析工站和预警工站，所述系统包括：
电厂数据采集模块，所述电厂数据采集模块用于通过排放数据采集工站内布设于目标电厂内多个位置的测试装置，采集多个位置的颗粒物浓度和二氧化碳浓度，目标电厂为火电厂；
浓度补偿分析模块，所述浓度补偿分析模块用于通过多个测试装置，采集多个位置的水蒸气浓度，根据多个水蒸气浓度对多个颗粒物浓度进行补偿分析，获得多个补偿颗粒物浓度；
数据处理判别模块，所述数据处理判别模块用于根据多个补偿颗粒物浓度、多个二氧化碳浓度以及多个位置的坐标，分别构建颗粒物浓度场和二氧化碳浓度场，并进行处理判别，获得颗粒物浓度特征场和二氧化碳特征场；
作业异常分析模块，所述作业异常分析模块用于通过电厂作业分析工站，根据所述颗粒物浓度特征场和二氧化碳特征场，识别获取目标电厂的作业异常分析结果，所述作业异常分析结果包括是否出现异常以及出现异常时的异常位置；
位置排放评分模块，所述位置排放评分模块用于通过排放分析工站，根据颗粒物浓度场和二氧化碳浓度场，构建发电排放数据矩阵，并根据发电排放数据矩阵计算获取多个位置的多个排放评分；
监测结果预警模块，所述监测结果预警模块用于根据作业异常分析结果和多个排放评分，生成目标电厂的作业监测结果，基于预警工站，根据作业监测结果进行预警，其中，作业监测结果内包括作业异常事件的事件描述信息；
所述浓度补偿分析模块12具体还包括以下执行步骤：
根据通过光散射测量法进行测试的测试数据记录，获取样本颗粒物浓度信息记录；
根据通过采样称重测量的测试数据记录，获取样本补偿颗粒物浓度信息记录，并根据水蒸气浓度监测记录，获取样本水蒸气浓度记录；
根据所述样本颗粒物浓度信息记录和样本补偿颗粒物浓度信息记录，计算获取样本补偿系数记录，所述获取样本补偿系数记录步骤包括：使用光散射传感器对大量空间颗粒物样本进行检测，记录下所得颗粒物浓度数据，作为样本颗粒物浓度信息记录；针对同一批样本通过取样器采集样本颗粒物浓度对应的空间颗粒物样本进行称重计算获取样本体积内的颗粒物质量浓度，记录为样本补偿颗粒物浓度信息记录；针对同一批样本，通过温湿度传感器测量并记录下样本对应的水蒸气浓度监测记录，作为样本水蒸气浓度记录；通过比较和计算样本颗粒物浓度信息记录和样本补偿颗粒物浓度信息记录，确定同一样本条件下原始颗粒物浓度与补偿颗粒物浓度之间的比例关系作为样本补偿系数记录；
采样样本水蒸气浓度记录和样本补偿系数记录，训练建立起水蒸气浓度与补偿系数之间的非线性映射模型获取补偿校正分析通道；
获取多个补偿系数，对多个颗粒物浓度信息进行补偿校正，多个补偿系数通过将多个水蒸气浓度输入补偿校正分析通道内处理获取；
所述作业异常分析模块14具体还包括以下执行步骤：
获取多个位置的坐标信息，分别结合多个坐标信息与多个二氧化碳浓度和多个补偿颗粒物浓度，构建颗粒物浓度场和二氧化碳浓度场；
采用局域处理算子，对颗粒物浓度场和二氧化碳浓度场进行划分，获得多个第一局域和多个第二局域；
在每个第一局域内，以中心位置的颗粒物浓度为阈值，判别其他位置的颗粒物浓度大于、小于或落入阈值的误差范围内，分别标记为1、-1和0，生成多个局域向量，获得颗粒物浓度特征场；
对每个第二局域进行判别，获得二氧化碳特征场；
所述位置排放评分模块15具体还包括以下执行步骤：
对颗粒物浓度场和二氧化碳浓度场内的浓度数据进行极大化处理，如下式：
其中，y为极大化后的浓度数据，x为原始浓度数据；
基于极大化处理后的颗粒物浓度场和二氧化碳浓度场内的数据，构建发电排放数据矩阵，如下式：
其中，P为发电排放数据矩阵，yk1为第一个位置的极大化颗粒物浓度数据，ykn为第n个位置的极大化颗粒物浓度数据，n为多个位置的数量，yc1为第一个位置的极大化二氧化碳浓度数据，ycn为第n个位置的极大化二氧化碳浓度数据；
所述位置排放评分模块15具体还包括以下执行步骤：
根据所述发电排放数据矩阵，计算获取多个位置的多个排放评分，如下式：
其中，Gi为第i个位置的排放评分，ω1、ω2和ω3为权重，ykb和ycb为目标电厂的颗粒物浓度标准和二氧化碳浓度标准极大化后的数据，yki和yci为第i个位置的极大化颗粒物浓度数据和极大化二氧化碳浓度数据，yji为发电排放数据矩阵内第j列第i行的数据，yjmin为发电排放数据矩阵内第j列的最小值，wj为根据颗粒物浓度和二氧化碳浓度对目标电厂排放质量影响程度分配的权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311438427.5A CN117422200B (zh) | 2023-11-01 | 一种电厂智能监测预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311438427.5A CN117422200B (zh) | 2023-11-01 | 一种电厂智能监测预警方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117422200A CN117422200A (zh) | 2024-01-19 |
| CN117422200B true CN117422200B (zh) | 2024-11-12 |
Family
ID=
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110243740A (zh) * | 2019-06-26 | 2019-09-17 | 深圳市宇驰环境技术有限公司 | 无人机的扬尘在线监测预警系统 |
| CN115598309A (zh) * | 2022-12-13 | 2023-01-13 | 江苏旭龙环境科技有限公司（Cn） | 一种大气环境铅含量的监测预警方法及系统 |
| CN116504016A (zh) * | 2023-02-23 | 2023-07-28 | 国能长源荆门发电有限公司 | 一种基于人工智能的火电厂安全监测预警方法及系统 |
| CN116862741A (zh) * | 2023-07-25 | 2023-10-10 | 杭州超腾能源技术股份有限公司 | 一种工业园区碳排放的智能监测方法及系统 |
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110243740A (zh) * | 2019-06-26 | 2019-09-17 | 深圳市宇驰环境技术有限公司 | 无人机的扬尘在线监测预警系统 |
| CN115598309A (zh) * | 2022-12-13 | 2023-01-13 | 江苏旭龙环境科技有限公司（Cn） | 一种大气环境铅含量的监测预警方法及系统 |
| CN116504016A (zh) * | 2023-02-23 | 2023-07-28 | 国能长源荆门发电有限公司 | 一种基于人工智能的火电厂安全监测预警方法及系统 |
| CN116862741A (zh) * | 2023-07-25 | 2023-10-10 | 杭州超腾能源技术股份有限公司 | 一种工业园区碳排放的智能监测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107862338B (zh) | 基于双检验法的海洋环境监测数据质量管理方法及系统 | |
| CN117195135B (zh) | 一种水污染异常溯源检测方法及系统 | |
| CN115876258B (zh) | 基于多源数据的畜禽养殖环境异常监测及报警系统 | |
| CN117007984B (zh) | 一种电池包运行故障动态监测方法及系统 | |
| CN108760647A (zh) | 一种基于可见/近红外光谱技术的小麦带菌量线检测方法 | |
| CN114462511A (zh) | 一种基于XGBoost算法的PM2.5数据异常识别方法 | |
| CN110490329A (zh) | 一种基于机器学习的大规模电力异常数据检测方法及系统 | |
| CN116433218A (zh) | 基于自组织映射聚类的矿井机械设备在线健康评估方法 | |
| CN104317778A (zh) | 基于海量监测数据的变电设备故障诊断方法 | |
| CN112702408A (zh) | 基于多感知功能的物联网系统及方法 | |
| CN114662619B (zh) | 基于多源数据融合的桥梁监测系统 | |
| CN117422200B (zh) | 一种电厂智能监测预警方法及系统 | |
| WO2022049552A8 (fr) | Procédé et système de suivi, de surveillance et de prédiction de la santé d'un patrimoine végétal | |
| CN117422200A (zh) | 一种电厂智能监测预警方法及系统 | |
| CN117574176A (zh) | 一种bipv光伏玻璃生产工艺优化方法 | |
| CN117826693A (zh) | 一种智慧油库监控预警系统及方法 | |
| CN115014230B (zh) | 二维平面结构形变测量方法及系统 | |
| CN117251814A (zh) | 一种高速公路充电桩电量损耗异常的分析方法 | |
| CN115907178A (zh) | 一种净生态系统co2交换量的预测方法 | |
| CN113836813A (zh) | 一种基于数据分析的高炉风口漏水检测方法 | |
| CN118656037B (zh) | 一种基于大数据的生物医学存储系统及其方法 | |
| CN118329975B (zh) | 一种大气污染在线识别评价方法及系统 | |
| CN117191172B (zh) | 一种天平称量罩的质量检测和饱和预警的方法及装置 | |
| CN112070415B (zh) | 基于软件定量管理过程构建的场景化基线与模型实现方法 | |
| CN118428607B (zh) | 一种抗生素全生命周期在线监测管理方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |