精准溯源解析方法及装置与流程

1.本发明涉及大气污染物监测和溯源技术领域，具体地涉及一种精准溯源解析方法及一种精准溯源解析装置。


背景技术：

2.随着经济发展，环境污染问题越来越严重，环境污染严重影响着人类健康和大气环境，其中，挥发性有机物vocs、硫化物、氮化物、氨等对大气环境和人类健康造成严重影响。石化行业作为vocs排放的重点行业，其排放量约占全国工业源vocs排放量的18-40％，大气污染物的综合整治与异味治理工作迫在眉睫。
3.目前针对石化企业vocs排放提出了ldar技术(leak detection and repair，泄漏检测与修复技术)，从源头上控制石化行业工艺设备与管线组织泄漏的vocs，但ldar技术在实际工作中拍照图像对点、手工录入等工作量大，造成ldar工作效率低、错误率高，不能实时监测，应用ldar排查一套生产装置可能的泄漏点耗费时间长等问题，导致ldar技术应用的实施效果参差不齐。
4.随着城市型炼厂的出现，厂区周围存在外部企业和居民、学校等敏感点，炼厂内部装置区排布紧密，污染物种类多，成分复杂，难以准确把握炼厂本身的污染状况，无法准确确定污染来源，也无法掌握污染源对周围环境的影响情况，以及如何监测控制和溯源。目前研究较多的溯源方法基本是针对化工园区，仅能溯源到园区内的企业，这些企业的组分差异较大，较易实现溯源。而要溯源到企业内的具体装置或具体的泄漏点，由于装置间组分差异较小，石化企业厂内vocs泄漏溯源网格化监控技术缺乏，较难进一步判断和识别。因此非常有必要研究一种大气污染物精细化溯源系统，一方面能实时在线监测重点监控区域可能污染源的污染贡献率，另一方面能及早及小感知可能发生的异常或突发事件，进而实现预警，避免因异常事故带来更大风险。


技术实现要素：

5.本发明实施方式的目的是提供一种精准溯源解析方法，以至少解决上述的难以准确把握炼厂本身的污染状况，无法准确确定污染来源，以及如何监测控制和准确快速溯源的问题。
6.为了实现上述目的，本发明第一方面提供一种精准溯源解析方法，包括：
7.获取生产装置对应区域的气象数据、大气污染物监测数据以及各个生产装置对应的污染源的综合源谱；
8.对所述大气污染物监测数据进行分析，得到对应的大气污染物源解析结果；
9.若所述大气污染物源解析结果中存在异常值，根据所述异常值的出现时间对应的气象数据确定目标生产装置，基于所述异常值的出现时间对应的大气污染物监测数据和所述目标生产装置对应的污染源的综合源谱，得到所述目标生产装置对应的污染贡献率；
10.分析所述污染贡献率的变化，从所述目标生产装置中确定需排查的生产装置。
11.可选的，所述对所述大气污染物监测数据进行分析，得到对应的大气污染物源解析结果，包括：
12.调用主成分分析模型、正定矩阵因子分解模型、me2模型或者unmix模型，以所述大气污染物监测数据作为输入，得到对应的大气污染物源解析结果。
13.可选的，所述基于所述异常值的出现时间对应的大气污染物监测数据和所述目标生产装置对应的污染源的综合源谱，得到所述目标生产装置对应的污染贡献率，包括：
14.调用化学质量平衡模型，以所述异常值的出现时间对应的大气污染物监测数据和所述目标生产装置对应的污染源的综合源谱作为输入，得到所述目标生产装置对应的污染贡献率。
15.可选的，所述获取各个生产装置对应的污染源的综合源谱，包括：
16.对于每一生产装置：
17.采集所述生产装置的各气体样品的浓度数据；
18.计算步骤：计算气体样品的平均组分浓度；
19.剔除步骤：剔除所述气体样品中浓度数据与所述平均组分浓度相似度最低的气体样品；
20.对于剩余气体样品，重复执行计算步骤和剔除步骤，直到剩余气体样品的浓度数据与剩余气体样品的平均组分浓度的相似度均大于预设值，将剩余气体样品的平均组分浓度作为该生产装置的气体样品表征组分浓度；
21.根据各个生产装置的气体样品的表征组分浓度制作各个生产装置对应的污染源的综合源谱。
22.可选的，所述污染源的综合源谱可被多次更新。
23.可选的，该方法还包括：
24.对所述大气污染物监测数据进行如下处理：
25.对高于预设污染物光化学反应活性标准和低于预设大气污染物检出率标准的大气污染物监测数据进行剔除处理；
26.将经过数据剔除处理后的大气污染物监测数据整理为与所述主成分分析模型、正定矩阵因子分解模型、me2模型或者unmix模型对应的污染物浓度文件作为对应模型的输入。
27.可选的，所述大气污染物源解析结果为按时间序列分布的大气污染物浓度变化值和不同污染因子的贡献率；所述异常值通过所述大气污染物浓度变化值确定；
28.所述方法还包括：
29.以某一时间段内的不同污染因子的贡献率和该时间段对应的气象数据作为输入，利用条件概率函数得到条件概率分布图，所述条件概率分布图用于展示不同污染因子的来源方向。
30.可选的，所述方法还包括：
31.剔除所述异常值中的异常数据，以剔除后的异常值的出现时间对应的大气污染物监测数据作为所述化学质量平衡模型的输入，所述异常数据包括大气污染物监测设备未正常工作得到的监测数据和异常气象数据；
32.所述根据所述异常值的出现时间对应的气象数据确定目标生产装置，包括：根据
所述气象数据里的主导风向将处于上风向位置的生产装置确定为所述目标生产装置。
33.可选的，所述方法还包括：
34.利用便携式tvoc测定仪对所述需排查的生产装置进行污染泄漏点排查。
35.本发明第二方面提供一种精准溯源解析装置，所述装置包括：
36.获取模块，用于获取生产装置对应区域的气象数据、大气污染物监测数据以及各个生产装置对应的污染源的综合源谱；
37.第一解析模块，用于对所述大气污染物监测数据进行分析，得到对应的大气污染物源解析结果；
38.第二解析模块，用于在所述大气污染物源解析结果中存在异常值的情况下，根据所述异常值的出现时间对应的气象数据确定目标生产装置，基于所述异常值的出现时间对应的大气污染物监测数据和所述目标生产装置对应的污染源的综合源谱，得到所述目标生产装置对应的污染贡献率；
39.确定模块，用于分析所述污染贡献率的变化，从所述目标生产装置中确定需排查的生产装置。
40.可选的，所述第一解析模块用于：调用主成分分析模型、正定矩阵因子分解模型、me2模型或者unmix模型，以所述大气污染物监测数据作为输入，得到对应的大气污染物源解析结果。
41.可选的，所述第二解析模块用于：调用化学质量平衡模型，以所述异常值的出现时间对应的大气污染物监测数据和所述目标生产装置对应的污染源的综合源谱作为输入，得到所述目标生产装置对应的污染贡献率。
42.可选的，所述获取模块用于：
43.对于每一生产装置：
44.采集所述生产装置的各气体样品的浓度数据；
45.计算步骤：计算气体样品的平均组分浓度；
46.剔除步骤：剔除所述气体样品中浓度数据与所述平均组分浓度相似度最低的气体样品；
47.对于剩余气体样品，重复执行计算步骤和剔除步骤，直到剩余气体样品的浓度数据与剩余气体样品的平均组分浓度的相似度均大于预设值，将剩余气体样品的平均组分浓度作为该生产装置的气体样品表征组分浓度；
48.根据各个生产装置的气体样品的表征组分浓度制作各个生产装置对应的污染源的综合源谱。
49.可选的，所述污染源的综合源谱可被多次更新。
50.可选的，所述第一解析模块还用于对所述大气污染物监测数据进行如下处理：
51.对高于预设污染物光化学反应活性标准和低于预设大气污染物检出率标准的大气污染物监测数据进行剔除处理；
52.将经过数据剔除处理后的大气污染物监测数据整理为与所述主成分分析模型、正定矩阵因子分解模型、me2模型或者unmix模型对应的污染物浓度文件作为对应模型的输入。
53.可选的，所述第二解析模块还用于：
54.剔除所述异常值中的异常数据，以剔除后的异常值的出现时间对应的大气污染物监测数据作为所述化学质量平衡模型的输入，所述异常数据包括大气污染物监测设备未正常工作得到的监测数据和异常气象数据；
55.所述第二解析模块用于根据所述气象数据里的主导风向将处于上风向位置的生产装置确定为所述目标生产装置。
56.另一方面，本发明提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行本技术如上所述的精准溯源解析方法。
57.通过上述技术方案，对企业生产装置外部的大气污染物进行测定分析，结合条件概率分布图得到大气污染物的来源方向，最终获得大气污染物源解析结果，并对大气污染物源解析结果中的异常值进行重点分析，进一步将污染源定位到生产装置，再利用便携式tvoc测定仪进一步排查所述生产装置区，快速追踪定位污染泄漏点，通过在相应的装置区进行快速监测，能够筛查可能存在异常工况的点位，确定可能的异常工况，实时在线监测重点监控区域可能污染源的污染贡献率，另一方面能及早及小感知可能发生的异常或突发事件，能够避免异常工况或突发事件的进一步恶化导致严重后果，也为针对性快速准确指导解决异常问题提供依据，并且能节省人工工作量，缩短排查时间，且溯源精度高。
58.本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
59.附图是用来提供对本发明实施方式的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施方式，但并不构成对本发明实施方式的限制。在附图中：
60.图1是本发明提供的精准溯源解析方法的流程图；
61.图2是本发明提供的精准溯源解析方法的技术路线图；
62.图3是本发明提供的精准溯源解析装置的结构示意图；
63.图4是本发明实施例1提供的蜡油加氢装置综合源谱与各采样点位之间的vocs组分相似性计算结果示意图；
64.图5是本发明实施例2提供的催化裂化装置综合源谱与各采样点位之间的vocs组分相似性计算结果示意图；
65.图6是本发明实施例3提供的不同装置综合源谱的相似性计算结果示意图；
66.图7是本发明实施例4提供的炼油装置与在线分析监测点的位置分布示意图；
67.图8是本发明实施例4提供的主要污染因子与各因子内污染物化合物的条件概率分布图；
68.图9是本发明实施例4提供的各装置对在线分析监测点的污染贡献率示意图；
69.图10是本发明实施例5提供的大气污染物浓度变化的时间序列图。
70.附图标记说明
71.10-获取模块；20-第一解析模块；30-第二解析模块；40-确定模块。
具体实施方式
72.以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描
述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
73.图1是本发明一种实施方式提供的精准溯源解析方法的流程图。如图1所示，本发明实施方式提供一种精准溯源解析方法，所述方法包括：
74.步骤101、获取生产装置对应区域的气象数据、大气污染物监测数据以及各个生产装置对应的污染源的综合源谱；
75.污染物监测以污染排放装置密集、污染组分复杂、厂外界企业数量多的区域为重要的监控区域，为了了解内部企业和企业装置的污染排放情况，可以在所述生产装置外部设置在线分析监测点(即在线分析小屋)，所述在线分析监测点用于获取所述生产装置外部的大气污染物监测数据和所述生产装置外部的气象数据；
76.步骤102、对所述大气污染物监测数据进行分析，得到对应的大气污染物源解析结果；
77.步骤103、若所述大气污染物源解析结果中存在异常值，根据所述异常值的出现时间对应的气象数据确定目标生产装置，基于所述异常值的出现时间对应的大气污染物监测数据和所述目标生产装置对应的污染源的综合源谱，得到所述目标生产装置对应的污染贡献率；
78.步骤104、分析所述污染贡献率的变化，从所述目标生产装置中确定需排查的生产装置。
79.其中，在获取获取生产装置外部的气象数据和大气污染物监测数据前，确定污染物排放装置区，设置在线分析监测点；且根据所述异常值的出现时间对应的气象数据确定的目标生产装置可以为一个或者多个，分析所述污染贡献率的变化是分析各污染源对所述在线分析监测点的污染贡献率的变化；从所述目标生产装置中确定需排查的生产装置可以利用便携式tvoc测定仪排查所述生产装置，从而确定污染泄漏点，能够减少工作量，并且能够缩短排查时间，避免因异常事故带来更大风险。
80.进一步地，所述对所述大气污染物监测数据进行分析，得到对应的大气污染物源解析结果，包括：
81.调用主成分分析模型、正定矩阵因子分解模型、me2模型或者unmix模型，以所述大气污染物监测数据作为输入，得到对应的大气污染物源解析结果。
82.在本实施方式中，采用pmf模型(positive matrix factorization，正定矩阵因子分解模型)为例进行重点分析。
83.进一步地，所述基于所述异常值的出现时间对应的大气污染物监测数据和所述目标生产装置对应的污染源的综合源谱，得到所述目标生产装置对应的污染贡献率，包括：
84.调用cmb模型(chemical mass balance，化学质量平衡模型)，以所述异常值的出现时间对应的大气污染物监测数据和所述目标生产装置对应的污染源的综合源谱作为输入，得到所述目标生产装置对应的污染贡献率，所述cmb模型还可替换为改进的cmb模型。
85.图2是本发明提供的精准溯源解析方法的技术路线图。如图2所示，表示出了精准溯源解析方法的大致技术路线图。
86.根据一种实施方式，可以通过布置在线vocs监测系统进行挥发性有机物测量，挥发性有机物的浓度可以用gc-ms/fid(gas chromatography-mass spectrometer，气相色谱-质谱联用仪/gas chromatography-flame ionization detector，气相色谱火焰离子化
检测器)或gc-tofms(gas chromatography-mass spectrometer-time of flight mass spectrometry，气相色谱-飞行时间质谱联用仪)联用仪进行测定，监测的有机物内容包含烷烃、烯烃、芳烃、卤代烃、含氧和含硫有机物等，可以将所述污染物监测数据和所述气象数据的采集时间间隔设置为n小时(n≥1)，例如采集时间可以设定为每一小时采集一次大气样本，并可以实时显示在线测试结果，利用长期监测数据结合气象数据，用以全面监测该区域的污染状况，并可实时动态追溯污染物来源。
87.进一步地，所述获取各个生产装置对应的污染源的综合源谱，包括：
88.对于每一生产装置：
89.采集所述生产装置的各气体样品的浓度数据；
90.计算步骤：计算气体样品的平均组分浓度；
91.剔除步骤：剔除所述气体样品中浓度数据与所述平均组分浓度相似度最低的气体样品；
92.对于剩余气体样品，重复执行计算步骤和剔除步骤，直到剩余气体样品的浓度数据与剩余气体样品的平均组分浓度的相似度均大于预设值，将剩余气体样品的平均组分浓度作为该生产装置的气体样品表征组分浓度；
93.根据各个生产装置的气体样品的表征组分浓度制作各个生产装置对应的污染源的综合源谱。
94.由于同一生产装置可能包括不同的生产单元或不同的工艺段，且不同生产单元或不同工艺段所产生的污染物浓度等存在差异，为了保证装置源谱信息的准确性，可以按照每个装置的原料、产品、加工工艺特点布设一个或多个采样点，根据划分的工艺段，依据实际距离布设采样点，在流经轻组分物料的集中区域，采样点数量尽量多，确保所取样品分布在装置的所有区域。
95.具体地，在实际操作过程中，每个生产单元或工艺段设置不少于10个点位，样品的采集在风速较低，取风速＜2m/s的静风情况下进行，以减少各装置间的扩散传输的影响，避免雨、雪等天气采样；气体样品采样使用3.2l苏玛罐进行采集，采样流量50ml/min，采样高度为1.5m，采集间隔时间1小时。同时在风速较低(＜2m/s)的情况进行采样，可以忽略装置间的扩散影响。苏马罐在使用前均用高纯n2清洗3次并抽成真空，并在样品采集前检查真空度；对于采集到的气体样品，采用u.s epa推荐的to14、to15标准，使用gc-ms/fid或gc-tof/ms联用仪，对采样样品进行全谱分析，以20nmol/mol的标气基准体积600ml，分别进15ml、30ml、60ml、120ml、240ml、480ml体积标气进行测试，相对应样品浓度(采样体积为600ml)是0.5nmol/mol、1nmol/mol、2nmol/mol、4nmol/mol、8nmol/mol、16nmol/mol，通过浓度和定量离子的峰面积绘制校准曲线，确定线性关系。且为了满足测试需要，所建立的标准曲线线性相关系数均必须大于0.99。分析过程主要分析pams to15中的c2-c12范围内107种挥发性有机物，覆盖烷烃、烯烃、苯系物、卤代烃、含氧化合物等多类物质。样品定性通过各有机物的保留时间和谱库中标准质谱图检索来进行，定量使用内标法，内标物包括溴氯甲烷、1,4-二氟苯、氯苯-d5和对溴氟苯。
96.对气体样品进行全谱分析后，得到气体样品对应的组分浓度分析数据，利用matlab编程软件，结合所述均方根算法进行迭代计算，可以得到同一装置不同采样点位样品组分对应的均方根值x
rms
，作为该装置多个vocs样品的平均组分浓度，即不同生产装置的
vocs排放源综合源谱。
97.所述均方根值x
rms
得计算表达式为：
[0098][0099]
其中，n为采样点位个数，xi为同一装置不同采样点位的化合物x的含量。
[0100]
在获得生产装置综合源谱的过程中进行标准平均化处理，但是标准平均化处理后可能会降低不同组分间的差异性，因此这里使用均方根值算法，充分考虑组分间的特征差异，从而获得与生产装置vocs真实组分更贴近的数据。
[0101]
然后，利用相似度计算法获得所述经过均方根算法处理得到的平均组分浓度与对应的采样点位样品组分浓度之间的相似性，若该装置综合源谱与各采样点位样品组分浓度之间的相似度数值低于预设相似度判断标准，则剔除低于预设相似度判断标准的相似度数值中的数值最低的一个相似度数值对应的样品浓度分析数据和该样品浓度分析数据对应的气体样品，并利用均方根算法再一次计算出剩余气体样品的平均组分浓度，以及利用相似度计算法计算出的剩余气体样品的平均组分浓度与剩余样品的组分浓度之间的相似度数值，直到相似度数值在预设相似度判断标准以上，最终将该装置的剩余气体样品的平均组分浓度作为该装置的综合源谱。相似度数值在预设相似度判断标准以上，保证综合源谱能够代表石化企业各生产装置成分本征信息，同时又能将不同装置之间进行区别，达到分类识别的效果。
[0102]
具体地，所述相似度计算法采用余弦相似度计算法或皮尔逊相关系数计算法。其中，所述余弦相似度计算法的形式为：
[0103][0104]
其中，0《cosθ《1，两个向量越相似，则向量之间夹角越小，余弦值介于0～1之间，越接近1表示二者越相似。
[0105]
进一步地，所述污染源的综合源谱可被多次更新。由于不同装置在不同的生产状况下，排放出的污染物存在一定的差异，因此，为了保证不同装置源谱信息的准确性，可以在一段时间内进行多次测量，对装置源谱进行有效的更新，从而能够保证不同污染源的综合源谱是准确有效的。
[0106]
进一步地，该方法还包括：
[0107]
对所述大气污染物监测数据进行如下处理：
[0108]
对高于预设污染物光化学反应活性标准和低于预设大气污染物检出率标准的大气污染物监测数据进行剔除处理，将剔除处理后的大气污染物监测数据作为所述正定矩阵因子分解模型的输入。
[0109]
为保证大气污染物监测数据的准确性，预设污染物的光化学反应活性标准和大气污染物检出率标准，按照有机污染物的光化学反应活性和大气污染物检出率对一段时间内(例如一年时间内)的大气污染物进行剔除。剔除的污染物包含两类：一类是是光化学反应活性高、环境寿命短的污染物，该类物质在污染源到在线分析监测点的传输过程中易发生
光化学反应，导致大气污染物种类和污染物的浓度产生改变，影响溯源准确性；另一类长期未检出或检出率低于预设比率(例如60％)的污染物。得到需要剔除的大气污染物后，对应的按照有机污染物的光化学反应活性和大气污染物检出率对所述时间段内的大气污染物进行剔除，保证溯源的准确性。
[0110]
其中，设定污染物的光化学反应活性标准的基准主要有两种，一种是参照甲苯的k
oh
值，另一种是参照1,2,3-三甲苯的k
oh
值，但是由于利用甲苯的k
oh
值为标准会剔除较多关注度高的污染物，因此优先选择1,2,3-三甲苯为基准来筛选特征化合物。
[0111]
将经过数据剔除处理后的大气污染物监测数据整理为与所述正定矩阵因子分解模型对应的污染物浓度文件；
[0112]
根据所述剔除处理后的大气污染物监测数据计算大气污染物浓度的不确定性，得到不确定度文件；
[0113]
将所述污染物浓度文件和所述不确定度文件作为所述正定矩阵因子分解模型的输入。
[0114]
其中，可以实时采集大气污染物监测数据作为待分析数据，也可以某一时段的大气污染物监测数据作为待分析数据，将大气污染物监测数据整理为与所述正定矩阵因子分解模型对应的污染物浓度文件，并根据所述大气污染物监测数据计算该时间段的大气污染物浓度的不确定性，得到不确定度文件，将所述污染物浓度文件和所述不确定度文件作为所述正定矩阵因子分解模型的输入。所述污染物浓度文件包括输入大气污染物监测数据中vocs的浓度值，每一行代表某一时段的样品，第一列为时间，第2至m列分别为各污染物浓度。所述不确定度文件中，列标题、行标题的命名与顺序须与污染物浓度文件的表格格式保持一致。
[0115]
更进一步地，在将确定的污染物浓度文件和不确定度文件导入pmf模型之前，需要确定正定矩阵因子分解模型的溯源特征因子数，并将溯源特征因子数输入到正定矩阵因子分解模型中，根据各污染物的模型拟合结果，将各污染物的等级划分为强、弱、剔除，拟合结果通过残差矩阵和模型对化合物预测值和计算值的拟合系数来评估，残差矩阵保持在-3到3之间，且尽量保证残差矩阵较小。pmf模型获得对大气污染物来源贡献的时间序列相关数据，例如，若要获得大气污染物来源的小时变化情况，可以将一段时间小时变化数据输入pmf模型进行分析，若要获得日、月、季节、年、不同风向等条件下污染源变化情况，可以将相应日、月、季节、年、不同风向等条件变化数据输入pmf模型进行分析。
[0116]
通常pmf模型中有效受体样品数应不少于100个，所述溯源特征因子数为介于1到50之间的整数，所述溯源因子数取决于所采集的大气污染物监测数据，采集的时间分辨率等，根据实际情况进行确定，所述溯源特征因子包含：企业内生产装置产生的污染源，公共交通产生的污染源、或者其他人为或自然因素产生的污染源。
[0117]
进一步地，所述大气污染物源解析结果为按时间序列分布的大气污染物浓度变化值和不同污染因子的贡献率；所述异常值通过所述大气污染物浓度变化值确定；
[0118]
所述方法还包括：
[0119]
以某一时间段内的不同污染因子的贡献率和该时间段对应的气象数据作为输入，利用条件概率函数得到条件概率分布图，所述条件概率分布图用于展示不同污染因子的来源方向。
[0120]
由于pmf模型解析出来的源没有具体的物理意义，需要人工判断可能的物理意义，因为vocs组分会存在重叠，仅利用pmf模型的解析因子可能无法准确与生产装置对应，因此我们增加了条件概率分布图来判断可能的污染源方向，进一步确定污染源，基于前期积累的大量大气污染物监测数据，选择利用pmf模型得出在线分析监测点附近各生产装置的污染因子的贡献率，但是，由于某炼化厂区周围外部企业较多，有较多企业的加工工艺与苯、甲苯、二甲苯、烷烃类化合物相关，这与部分炼油生产装置的组分存在重叠，仅使用pmf模型进行溯源，解析可能的污染源，需要借助经验来进行人为判断，会导致一定的误差。针对这个问题，提出了利用条件概率函数获得条件概率分布图结合pmf模型的结果进行判断，利用污染因子与气象参数之间的分布关系图，从而判断各污染因子的来源方向，再结合可能污染源的工艺特性确定因子的实际意义，使污染源的确定能够更加准确。
[0121]
具体地，获取条件概率分布图的具体步骤如下：大气污染物监测数据通常以某一时间段内采集的数据作为输入，将pmf模型计算所获得的该时间段各污染因子的贡献率与气象数据，包括：风速和风向数据作为条件概率函数的输入，通过计算各风向上高于某预设值的样品数量占相同风向上样品总数量的百分比，依次计算出所有风向上高于某预设值的样品数量占相同风向上样品总数量的百分比，从而获得条件概率分布图，在根据所述异常值的出现时间对应的气象数据确定目标生产装置的过程中，除了利用气象数据进行确定，同样可以结合条件概率分布图确定所述目标生产装置。污染因子在某方向上出现高污染特征，表明该方向上可能存在该污染因子的排放源，通过条件概率分布图，可以直观的得出污染物的来源方向和污染物的条件概率。
[0122]
进一步地，所述方法还包括：
[0123]
剔除所述异常值中的异常数据，所述异常数据包括大气污染物监测设备未正常工作得到的监测数据和异常气象数据，以剔除后的异常值的出现时间对应的大气污染物监测数据作为所述化学质量平衡模型的输入；
[0124]
所述根据所述异常值的出现时间对应的气象数据确定目标生产装置，包括：根据所述气象数据里的主导风向将处于上风向位置的生产装置确定为所述目标生产装置。
[0125]
具体地，对于所述大气污染物源解析结果的时间序列内存在异常值(离群值)，此时，出现异常值可能是大气污染物浓度改变导致的数据异常，也可能是采集仪器自身的故障、异常天气等不可抗拒因素导致的数据异常，因此，首先判断出现数据异常的时间点采集装置是否正常运行，并且判定是否存在大风、大雨等异常天气，若排除了不可抗拒因素导致的数据异常，则利用化学质量平衡模型，具体分析出现异常值的时间点在线分析小屋的监测数据和气象数据，根据小时主导风向确定处于上风向位置的可能污染源，根据所建立的污染源源谱信息和在线分析监测点(即在线分析小屋)监测数据，调用化学质量平衡模型，调用化学质量平衡模型，以所述异常值的出现时间对应的经过剔除后的异常值的出现时间对应的大气污染物监测数据和所述目标生产装置对应的污染源的综合源谱作为输入，计算每个所述污染源对在线分析监测点的贡献率，通过此方法同时能够得出污染源对在线分析监测点的贡献浓度，对比各污染源对在线分析监测点贡献率的变化，污染源对在线分析监测点的贡献率变大，则说明此污染源相比正常状态下产生了异常，污染物排放增多，根据不同污染源的综合源谱信息，将污染源定位到具体装置区，关联到所述生产装置，并及时反馈给相应现场摸排人员，可通过便携式tvocs测定仪或其他相关检测设备，到相应的装置区进
行快速监测，筛查可能存在异常工况的点位，例如是否发生阀门、法兰泄漏等，确定可能的异常工况，避免了异常工况的进一步恶化可能导致的严重后果，为针对性快速准确指导解决异常问题提供依据。
[0126]
其中，cmb模型的准确性根据残差平方和(残差平方和的值小于2，表明结果可接受)、回归系数r2(r2大于0.8，表明拟合程度较好)、百分质量pm(位于0.8-1.2之间，表明可接受)、灵敏度矩阵(绝对值在0.5-1之间的物质影响最大)等参数进行可靠性判断。
[0127]
图3是本发明一种实施方式提供的精准溯源解析装置的结构示意图。如图3所示，本发明实施方式提供一种精准溯源解析装置，包括：
[0128]
获取模块10，用于获取生产装置对应区域的气象数据、大气污染物监测数据以及各个生产装置对应的污染源的综合源谱；
[0129]
第一解析模块20，用于对所述大气污染物监测数据进行分析，得到对应的大气污染物源解析结果；
[0130]
第二解析模块30，用于在所述大气污染物源解析结果中存在异常值的情况下，根据所述异常值的出现时间对应的气象数据确定目标生产装置，基于所述异常值的出现时间对应的大气污染物监测数据和所述目标生产装置对应的污染源的综合源谱，得到所述目标生产装置对应的污染贡献率；
[0131]
确定模块40，用于分析所述污染贡献率的变化，从所述目标生产装置中确定需排查的生产装置。
[0132]
本发明实施方式还提供一种机器可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述的精准溯源解析方法。
[0133]
炼厂常见装置有常减压装置、催化裂化、催化重整、催化加氢、延迟焦化、污水处理厂、化工生产、储罐区等，不同的生产装置分为多个工艺段，根据不同生产装置按照生产原料、加工工艺、产品要求等进行划分，保证手机足够多的不同装置的vocs样品，包含了不同生产工艺段的范围，利用gc-ms/fid分析仪器进行测定获得vocs样品的组成，共包含烷烃、烯烃、炔烃、芳烃、卤代烃、含氧有机物、硫化物等107种化合物。
[0134]
实施例1：
[0135]
以蜡油加氢装置为例，蜡油加氢装置包含了反应部分、分馏部分、循环氢脱硫及低分气脱硫、psa氢提纯等部分，为了使获得的综合源谱更全面，在蜡油加氢装置外共设定16个采样点位，分布在蜡油加氢的各个工艺段；样品采集：采样在风速较低(＜2m/s)的情况下进行，减少各装置间的扩散传输的影响。采样时使用3.2l苏玛罐进行采集，采样流量50ml/min，采样高度为1.5m，采集时间1小时。采用u.s epa推荐的to14、to15方法，预浓缩gc-ms/fid分析仪器联用，进行全谱分析。
[0136]
本实例中，预设相似度判断标准设置为0.85，得到该装置多个采样点位的气体样品组分浓度后，利用matlab结合均方根算法进行处理，得到生产装置的气体样品的平均组分浓度，利用夹角余弦法计算综合源谱与不同采样点位气体样品组成的相似性，最终相似度大于0.85的样品有12个，得到如图4所示的蜡油加氢装置综合源谱与各采样点位之间vocs组分相似性计算结果示意图，从图4可以得出，综合源谱与不同点位气体样品组分的相似性大部分大于0.9，说明综合源谱与各点位样品组成非常相似，该装置的综合源谱能代表该装置不同点位vocs组成的浓度分布。
[0137]
实施例2：
[0138]
以催化裂化装置为例，建立催化裂化装置vocs综合源谱。
[0139]
利用实施例1中的vocs采样和分析方法，获得20个催化裂化装置的大气vocs样品，利用matlab结合均方根算法处理获得该装置vocs样品的综合源谱，利用夹角余弦法计算综合源谱与不同点位vocs组成的差异性，最终相似度大于0.85的样品有15个，并得到如图5所示的催化裂化装置综合源谱与各采样点位之间vocs组分相似性计算结果示意图；从图5中数据可以看出，综合源谱与不同点位组成相似性大部分大于0.9，说明综合源谱与各点位组成非常相似，利用该装置的综合源谱能代表该装置不同点位vocs组成的浓度分布。
[0140]
实施例3：
[0141]
不同装置综合源谱之间相似性计算。
[0142]
本实施例中，分别对催化重整、蜡油加氢、渣油加氢、常减压装置、催化裂化、延迟焦化、污水处理厂等炼厂常见生产单元装置区进行采样，利用实施例1中的vocs采样和分析方法，利用matlab结合均方根算法处理获得该不同生产装置vocs样品的综合源谱，利用夹角余弦法计算综合源谱与不同点位vocs组成的差异性，得到如图6所示的不同装置综合源谱相似性计算结果示意图；从图6可以看出，不同装置综合源谱之间差异性很大，相似性在0.85以下，大部分在0.5以下，说明所获得的综合源谱能够代表石化企业生产装置成分，同时又能对不同装置进行区别，达到分类识别的效果。
[0143]
实施例4：
[0144]
本实施例中，以炼油厂为分析对象，如图7所示，图7为炼油厂中主要炼油装置与在线分析监测点的位置分布示意图，通过对该在线分析监测点2019年7月到2019年9月采集到的在线分析数据进行溯源解析，分析时以每一日的数据为单位，首先将数据整理成pmf模型对应的输入文件，用残差矩阵分析和模型预测值与测量值的相关系数来判定模型的拟合效果，所建立的模型强相关化合物的相关系数均在0.9以上，残差矩阵基本保持在-3和3之间，且呈正态分布，说明模型拟合效果很好。结合生产环境，经过多次调试，共确定6个主要污染因子，将6个主要污染因子分别命名为因子1、因子2、因子3、因子4、因子5、因子6；图8为主要污染因子与各因子内污染物化合物的条件概率分布图，展示出2019年7月到2019年9月这一段时间内6个主要污染因子与各因子内污染物化合物浓度的条件概率分布图，图8中的内容表示了因子1、因子2、因子3、因子4、因子5、因子6内41种污染物化合物的种类及41种污染物化合物在总化合物中所占的百分比，以及污染源的来源方向，污染源来源方向及条件概率通过颜色的渐变表示，颜色越深表明污染物浓度越高，该方向越有可能为污染源的来源方向，其中，以因子1为例，从图8可以得出因子1的主要污染物化合物有正己烷、2,3-二甲基丁烷、2-甲基戊烷、3-甲基戊烷等，从主要污染物化合物来看可能来自西方向的装置5、东北方向的装置4，但是，利用条件概率分布图进一步判断发现，主要的污染源是来自在线分析小屋的西风方向上，因此因子1有较大概率是装置5；同理，利用该方法可以确定因子2、因子3、因子4、因子5、因子6这五个污染因子分别对应装置2、装置5、装置3、装置1、装置6，该段时间内的贡献率分别为15.8％、19.1％、7.9％、12.5％、25.8％、19.0％，如图9所示的各装置对在线分析监测点的污染贡献率示意图，可以发现主要的污染来源可能为装置1、装置5、装置2、装置6。
[0145]
实施例5：
[0146]
本实施例中，以炼油厂为分析对象，所述pmf模型的源解析结果中存在异常值，使用cmb模型对还时间点的在线分析监测点的监测数据和气象数据进行重点分析，通过pmf模型得到如图10所示的大气污染物总浓度变化的时间序列图，从图10可以得出，2019年9月30日之前的观测浓度值与预测浓度值较为平均，在2019年9月30日大气污染物总浓度存在异常值，9月30日的观测浓度值与预测浓度值与九月其余日期的观测浓度值与预测浓度值相比较有较大幅度的提高，首先排除是否是因仪器故障等不可抗拒原因导致的异常数据，经调查发现并未出现以上不可抗拒原因。因此需分析贡献源工况情况是否正常，对该数据进一步计算各污染源贡献率变化，利用cmb模型，调用该时间点在线分析监测点的监测数据和气象数据，根据小时主导风向确定处于上风向位置的可能污染源，根据所建立的污染源源谱信息和在线分析监测点的监测数据，计算每个所述污染源到在线分析监测点的贡献率。根据气象信息可得9月30日的主要风向为西风，根据实施例4中图7所示的炼油厂中主要炼油装置与在线分析监测点的位置分布示意图，判断可能的污染源为装置1、装置2、装置5，经计算比较发现装置1、装置2污染贡献率在异常值的出现时间较正常工况下没有明显变化，装置5的污染贡献率在异常值的出现时间较正常工况下提高了20％，进一步与现场值班人员对接，确定为该时段装置5对应的装置区有油罐车装卸操作，可能带来该时间污染物突发性贡献率增高，后续将该问题反馈给相应的管理人员，进一步改进对油罐车装卸过程的vocs治理和管控措施。
[0147]
本领域技术人员可以理解实现上述实施方式的方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0148]
以上结合附图详细描述了本发明的可选实施方式，但是，本发明实施方式并不限于上述实施方式中的具体细节，在本发明实施方式的技术构思范围内，可以对本发明实施方式的技术方案进行多种简单变型，这些简单变型均属于本发明实施方式的保护范围。另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施方式对各种可能的组合方式不再另行说明。
[0149]
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施方式的思想，其同样应当视为本发明实施方式所公开的内容。