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。
中图分类号： TP399
文献标识码： A
DOI： 10.19358/j.issn.2096-5133.2021.02.009
引用格式： 刘忠辉，蔡高琰，梁炳基，等. 基于电力数据分析的污染物排放监测方法研究[J].信息技术与网络安全，2021，40(2)：52-55，73.
文献标识码： A
DOI： 10.19358/j.issn.2096-5133.2021.02.009
引用格式： 刘忠辉，蔡高琰，梁炳基，等. 基于电力数据分析的污染物排放监测方法研究[J].信息技术与网络安全，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。