廢氣污染源自動監測異常數據診斷與處理方法研究

鄭濤 張驥

（天津市環境監測中心天津300191）

0 前言

隨著各地方污染源自動監控設備的運行，污染源自動監測作為環境管理的重要手段，在減排監測體系中發揮著越來越大的作用。特別是隨著減排工作不斷深入，對污染源自動監測數據的質量提出了更高的要求。然而，在實際運行過程中，大量的連續數據中很容易產生數據異常的現象，嚴重影響了自動監測數據的整體質量。建立一套科學、可靠的自動監測數據診斷分析與處理方法，可有效提升在線監控監管能力水平和工作效率，為自動監控數據的進一步應用提供有力技術支持。

1 異常數據表現形式

污染源自動監測數據是與污染源及凈化設施運行狀態等企業生產實際狀況息息相關的，其數據是否異常的判定依據主要在于其是否符合當時企業生產實際情況，當自動監測數據不能正確體現污染源運行狀態時，即為異常數據。

零值：某項監測數據中出現零值時，可能存在以下情況：①設備停爐，此時其他參數亦應表現出停爐的特征；②設備故障，此時其他參數表現出鍋爐正常運行的特征；

缺失數據：即在一組連續監測數據后出現無數據顯示，監測數值時斷時續，時有時無，當出現此類問題時，意味著數據采集與傳輸系統出現了故障，例如數采儀斷電、手機卡欠費等。

極值（極大值、極小值）：當一組連續數據中偶然出現一個極大值時，通常是由于當時自動監測數據通入高濃度標氣，進行自校正的結果。當一組連續數據中偶然出現一個極小值時，可能是由于當時對設備，尤其是采樣設備進行清潔維護造成的。當一組連續數據中連續出現極值時，可能是設備故障造成的，也可能是生產負荷、凈化裝置運行發生變化造成的。

恒定值、負值：所謂恒定值是指某項數值一段時間內恒定不變（不包括零值），負值是指監測結果為負，當出現此類問題時，儀器設備出現故障的可能性更大。

明顯違背污染源排放規律的監測數據：此類數據的特點是單純從每組數據來看，均無明顯異常，但其顯示的污染源運行狀態與實際狀態明顯不符。要發現這類異常數據，必須把各項參數監測結果統一匯總分析，方能進行判定。出現這種情況的原因，大多是污染源自動監測設備出現了異常。

2 污染源自動監測異常數據診斷方法的建立

首先依據歷史監測數據，結合污染源排放規律和特征，建立污染源自動監測異常數據經驗判別法，篩選出極端可疑的數據；針對極端可疑數據，與企業進行溝通，了解相應時間段內企業生產情況、凈化設施運行情況，并對極端異常數據進行核定。對初步篩選后的數據進行統計學判定，進一步篩選不易發現的異常數據；針對再次篩選出的可疑數據，依照現場情況再次進行核定，對于符合污染源排放規律的數據，確認為正常數據，對不符合污染源排放規律的數據，確認為異常數據，對異常數據進行修正。

2.1 建立異常數據經驗判斷法

參照污染源自動監測異常數據表現形式，建立經驗判定法。首先篩選出零值、負值、恒定值，并記錄出現這類數據的時間，以備與企業進行核查，其次根據該企業該污染源凈化設施工藝，結合歷史監測數據，確定出可接受的監測數據的上下限，以此為依據確定監測數據中是否存在極值。

建立經驗判斷法的目的在于初步剔除那些極端可疑的監測數據。此類數據較易發現，如零值、恒定值等，另外通過對污染物濃度、流速、煙溫、氧含量參數的邏輯性判定，也可以將一部分違背污染源排放規律的數據識別出來，不需進行統計學判定；其次，防止這些極端可疑的數據參與到下一步統計學判定，成為粗大誤差，影響異常數據的判定結果。另外，通過對極端可疑數據現場情況的核定，可在一定程度上了解污染源當前運行狀況，有助于進行下一步的統計學判定。

2.2 現場情況的核定

由于目前傳輸到污染源自動監控平臺的參數僅為六項（顆粒物、二氧化硫、氮氧化物濃度、煙溫、流速、氧含量），難以憑此對污染源自動監控數據的準確與否進行判斷，因此與排污企業進行現場情況的核定是必不可少的一道工序。核定的內容包括：①出現極端可疑數據的時間段內，企業生產狀況、凈化設施運行狀況是否正常，是否有較大變化等；②其余時間段內，企業生產狀況、凈化設施運行狀況是否正常，是否有較大變化等。通過對第一項內容的了解，可以對藉由經驗判定法篩選出的數據進行合理性判定。例如：經驗判定法發現三項污染物濃度監測結果極低，流速監測結果為零，排煙溫度、氧含量監測結果接近于外界環境狀況，通過與企業溝通，了解到該時間段內企業鍋爐停運，藉此可判定為污染源自動監測數據符合當前污染源排放狀況，可確定為正常數據加以保留。通過對第二項內容的了解，可作為統計學二次判定的依據，如果相應時間段內企業運行正常，凈化設施運轉良好，則通過二次判定得出的可疑數據，可直接判定為異常數據，進行異常數據處理。

2.3 統計學二次判定

用統計學原理進行異常數據檢驗方法很多。由于各種檢驗方法的嚴格程度與校驗功效不同，在有些情況下，用不同的檢驗方法得到的檢驗結論是不同的，在這種情況下，如何確定檢驗結論，在不同的文獻中有不同的看法。有文獻曾比較了各種檢驗方法檢驗離群值的效果，證明格魯布斯法和t檢驗法檢驗功效更高。在此基礎上，筆者曾通過電廠實際監測數據對格魯布斯法和t檢驗法進行過檢驗，檢驗結果表明t檢驗法相對于格魯布斯法具有更高的檢驗精度和靈敏度，但同時當數據波動情況較大時，t檢驗法顯得過于嚴格。而在實際生產過程中，鍋爐的運行狀態是與企業的生產狀況息息相關的，一旦企業的生產工況發生變化，鍋爐的運行狀態也會隨之發生變化，相應的污染源自動監控數據也會發生變化，這種變化在某種情況下可能是比較頻繁的，因此這就要求我們所選用的統計學方法也是適應這種頻繁的變化。而格魯布斯法更適用于對污染源監測結果的判定。

計算方法：將分析數據由小至大按順序排列：X1，X2，X3，…，Xn-1，Xn，其中可疑值為X1或Xn。先計算出該組數據的平均值和標準偏差s，再計算統計量

根據事先確定的置信度和測定次數查表，如果G大于所查數值，則相對于G的X1或Xn為異常值。

這里需要指出的是，通過格魯布斯法計算出的異常值不能直接舍去，應根據現場情況核定的結果綜合判斷。

3 污染源自動監測異常數據的處理

參照污染源自動監測異常數據表現形式，結合對現場情況的核定，對篩選出的異常數據進行分類處理，原則上符合現場情況的數據按照正常值予以確認保留，不符合現場情況的數據，利用人工監測補遺或歷史數據進行補遺。

當固定污染源處于啟、停運、維修以及悶爐等狀態時，符合現場情況的數據可作為正常值予以保留。

當污染源自動監測設備處于維護保養、校準、校驗等時間段時，所監測的數據為不符合現場情況的數據，需進行數據處理。處理方式：①當異常數據時段小于24小時，前一次校準后第一個小時的數據和本次校準第一個小時的有效小時均值的算術平均值進行補遺。②當異常數據時段大于24小時，選取前一次校準前720有效小時均值的排放量最大值對三項污染物的排放量進行替換，選取上述時段的算術平均值，對氧含量和其他參數進行替換。

當污染物自動監測數據缺失時，需要對數據進行補遺。處理方式：①當缺失的數據在24小時以內，缺失數據按該參數缺失前1小時的有效小時均值和恢復后1小時的有效小時均值的算術平均值進行補遺。②當缺失數據超過24小時，對于三項污染物，選擇缺失前720有效小時均值中最大小時排放量進行補遺，其濃度值不需補遺。對于氧含量和其他參數，缺失數據按該參數缺失前720有效小時均值的算術平均值進行補遺。③當缺失數據超過96小時時，需要啟動人工監測，用人工監測的數據進行補遺。

當污染源自動監測設備處于故障期間、維修期間時，所監測的數據為不符合現場情況的數據，需進行數據處理。處理方式參照污染源自動監測設備處于維護保養、校準、校驗等時間段時的處理辦法。

當污染源數據未通過統計學二次判定時，按該參數判定為異常值之前的24小時有效數據的算術平均值進行替換。

4 結論

這種污染源自動監測異常數據判定及處理方式具有一定的可操作性，在天津市污染源自動監控數據審核過程中已得到一定程度的應用，有效的提高了污染源自動監控能力，改變了以往缺少數據邏輯分析技術，只能在極端異常時通過人工發現的異常值判定狀況。但由于當前污染源監控平臺所接受到的數據類型偏少（僅為六項參數的測定結果），且具有一定的局限性（僅為凈化設施末端的數據），難以對污染源實際狀況進行判斷，使得污染源自動監測設備的監控功能受到了一定的約束。同時由于需要與現場情況進行反復確認，在實際工作中仍比較繁瑣。如果在監控平臺中能引入污染源及凈化設施運行參數，可以更好的發揮自動監控的作用，為污染源自動監測數據在執法、排污收費等環境管理工作方面的應用提供了技術保障，同時也提高了污染源自動監測數據管理人員的工作效率和準確性。

[1]張育林，任鵬程，張瑞源.火電廠脫硫CEMS典型故障分析與處理.甘肅科技，2013年1月

[2]宋國升，陳秋，楊杰等.火電廠煙氣污染物在線監測系統論述河北電力技術，2005年第2期

[3]王行廣.用統計學研究環境及污染源評價中的取樣和判斷問題.環境工程，1991年01期

[4]趙輝，邵素華，謝東坡.分析數據中離群值的處理方法.周口師范學院學報，2004年9月

[5]丁勇，周淑芹，盧寶華.淺談環境監測數據的處理方法現代化農業，1997年第9期