基于电力数据的区域臭氧污染监测方法、装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115907065A(43)申请公布日2023.04.04(21)申请号202210890261.X(51)Int.Cl.(22)申请日2022.07.27G06Q10/04(2023.01)G06Q10/0637(2023.01)(71)申请人国网安徽省电力有限公司电力科学G06Q10/067(2023.01)研究院G06Q50/06(2012.01)地址230000安徽省合肥市经济技术开发G06Q50/26(2012.01)区紫云路299号G06F17/18(2006.01)申请人国网安徽省电力有限公司G01D21/02(2006.01)(72)发明人王鑫汪玉王峰刘丽赵龙张敏韩学民秦丹丹李周蔡翔史伟豪钱光超蓝武春陈元庆(74)专利代理机构陕西佳禾宏盛知识产权代理事务所(特殊普通合伙)61280专利代理师宁文涛权利要求书2页说明书8页附图4页(54)发明名称基于电力数据的区域臭氧污染监测方法、装置(57)摘要本发明公开基于电力数据的区域臭氧污染监测方法、装置，该方法包括：确定臭氧影响因子，获取区域空气质量数据、气象数据、电力数据；根据企业历史电量数据，构建电量预测模型，得出企业用电量预测数据；根据企业用电量预测数据，结合臭氧前体物行业系数，得出臭氧前体物预测数据；建立臭氧分析模型，模型输出区域未来一段时间臭氧污染浓度的预测结果以及各污染行业相对贡献度预测；根据各污染行业相对贡献度及企业用电量预测占比，形成治理企业清单。本发明实现了应用企业用电量结合地区空气数据、气象数据进行分析，预测地区近期臭氧浓度，有效的以电力视角衡量各行业、企业产生的环境污染，更好地达到节能减污效果。CN115907065ACN115907065A权利要求书1/2页1.基于电力数据的区域臭氧污染监测方法，其特征在于，包括：获取区域空气质量数据、气象数据、电力数据；根据区域内的企业历史电量数据，构建电量预测模型，进而得出企业用电量预测数据；根据企业用电量预测数据，结合臭氧前体物行业系数，得出臭氧前体物预测数据；建立臭氧分析模型，臭氧分析模型输出区域未来一段时间臭氧污染浓度的预测结果以及各污染行业相对贡献度预测；根据各污染行业相对贡献度及企业用电量预测占比，分析企业对臭氧污染的贡献度，形成治理企业清单，辅助环保部门管理方案的制定。2.根据权利要求1所述的基于电力数据的区域臭氧污染监测方法，其特征在于，根据企业历史电量数据，构建电量预测模型，得出企业用电量预测数据，计算得出预测时间x所对应的企业预测用电量y，计算方法如下：2my＝b0+b1x+b2x+...+bmx计算式中，y为企业预测用电量，x为时间，b0历史节点电量,b1,...,bn为增幅电量。3.根据权利要求1所述的基于电力数据的区域臭氧污染监测方法，，其特征在于，根据企业用电量预测数据，结合臭氧前体物行业系数，得出行业臭氧前体物预测数据，方法如下：根据电网数据平台中企业的所属行业，对重点污染企业用电量预测数据相加，得出重点污染行业用电量预测数据，计算方法如下：z＝ΣXi计算式中，z为重点污染行业用电量预测数据，Xi为重点污染企业用电量预测数据；根据行业历史行业用电量数据以及行业臭氧前体物排放数据，计算得出臭氧前体物行业系数，计算方法如下：计算式中，w为臭氧前体物行业系数，n为重点污染企业数，xi为企业i臭氧前体物排放量，yi为企业i用电量；根据重点企业用电量预测数据，结合臭氧前体物行业系数，计算得出行业臭氧前体物预测数据：t＝w*Z计算式中t为行业臭氧前体物预测数据，w为臭氧前体物行业系数，z为重点污染行业用电量预测数据。4.根据权利要求1所述的基于电力数据的区域臭氧污染监测方法，其特征在于，建立臭氧分析模型，臭氧分析模型输出区域未来一段时间臭氧污染浓度的预测结果以及各污染行业相对贡献度预测；建立臭氧分析模型，将企业用电量、企业信息历史数据，空气质量、气象历史数据进行清洗整合，作为训练集带入模型；企业用电量预测、气象预测、臭氧前体物预测作为预测集带入模型；模型输出区域未来一段时间臭氧污染浓度的预测结果及各相关行业的影响贡献度。2CN115907065A权利要求书2/2页5.根据权利要求4所述的基于电力数据的区域臭氧污染监测方法，其特征在于，运用基于python语言的第三方库pyGAM实现建模和回归预测来对臭氧环境进行分析，并形成完整研究体系，计算方法如下：计算式中si是非参数光滑函数，Xi为模型输入因变量,包括行业电量、温度、湿度、风速、风向、臭氧前体物排放浓度，计算得出区域臭氧浓度预测n，得出行业臭氧污染绝对贡献度。6.根据权利要求1所述的基于电力数据的区域臭氧污染监测方法，其特征在于，根据各污染行业相对贡献度及企业用电量预测占比，分