追踪化工园区里的“隐蔽气味”

2026-07-20

随着化工产业的集约化发展，越来越多的化工厂集中搬迁到了化工园区（CIPs）。虽然提升了区域经济与环保的集中管理效率，但密集的废气排放点依然是公众和环保部门关注的重点。

环境监控中有一项核心的任务叫“源项估计”（Source Term Estimation, STE）。简单来说，就是通过周边空气中检测到的污染物浓度，反向推导出到底是哪个位置的管道发生了泄漏，评估泄漏量是多少。在现实的化工园区中，这项工作面临着一个巨大的挑战。

理想的实验环境中可以布置大量的传感器来捕捉气体。但在实际的化工园区里，可能存在的无组织排放源（比如原料储罐、反应釜等）数量极其庞大，受限于成本和物理条件，园区内能布置的监测传感器数量往往远少于潜在污染源的数量。

当“传感器数量 < 污染源数量”时，意味着仅仅依靠现有的测量数据，无法计算出每个污染源的确切排放量，因为符合当前浓度的可能性有无数种。研究人员将这种无法得出唯一解的状态定义为“不可溯源”（Untraceable）。

为了解决这一难题，浙江大学的研究团队提出了一种新颖的思路——“等效源法”（Equivalent source approach）。核心逻辑是：将数量众多的污染源“合并”成较少数量的集群，使集群的数量小于或等于传感器的数量，从而将“不可溯源”的复杂问题转化为“可溯源”的问题。具体的方法和工具包含以下几个步骤：

高斯羽流模型（Gaussian Plume Model）： 首先，研究人员利用大气扩散模型描述污染物在风中的扩散路径，以此确定污染源与传感器之间的敏感度（即某地的泄漏会有多大比例飘到特定的传感器上）。
两步走K-Means聚类（Two-step K-means Clustering）：系统会根据风向对整个区域进行网格化分割。然后，利用经典的K-Means聚类算法，将地理位置相近、且对下风向传感器影响相似的污染源“捆绑”在一起。
生成等效源： 每一个被捆绑的集群，都会被视作一个综合的“等效源”。这样一来，几十个小排放点就被简化成了几个大片区，系统就能算出每个片区的综合排放水平。

横轴代表顺风方向，纵轴代表垂直风向。研究人员将整个区域沿着风向划分为多个部分（Part 1, Part 2, Part 3）。在每个部分内，相近的真实污染源（蓝色三角形）被合并成不同的集群（用不同颜色的色块表示），大幅减少了需要重点监测的目标数量。为了验证这套方法的有效性，研究团队以上虞的一个真实化工园区为原型，构建了一个高度仿真的模拟案例。

园区配置：在这个面积约1200米×1100米的园区内，设定了28个潜在的废气排放源，但在外围及道路节点上，只配备了14个浓度传感器。

模拟工具： 研究采用了美国环保署（EPA）开发的AERMOD扩散模型，并输入了当地真实的温度、风速、地形甚至工业建筑的高度数据，确保气体扩散规律贴近现实。

模拟的园区地图上，密密麻麻地分布着工业建筑的轮廓。28个潜在污染源（蓝色三角形）星罗棋布地穿插在厂房之间，而14个传感器（黄色圆形）则像哨兵一样守在园区的各个角落。实验中，研究人员人为制造了一次“异常事件”：让3号污染源的排放量突然增加30%，观察系统能否在14个传感器的有限数据下，准确抓到这个“元凶”。

1. 通过“等效源法”，原本的28个污染源被成功合并成了14个等效源，使方程变得可解。

2. 系统通过对比历史正常数据发现，第14号等效源的“方差比”（ROV）出现了极其剧烈的波动，数值占到了所有波动的74.99%。

3. 而发生异常泄漏的3号污染源，恰好归属于第14号等效源的管辖范围。

这意味着即使传感器不够用，该方法也能迅速锁定异常排放发生的片区。一旦片区被锁定，管理人员可以派遣移动监测车或无人机前往片区进行定点排查，大大缩短了应急响应时间。此外，研究人员还考虑到现实中传感器可能会有“测量误差”（噪声）。测试表明，当测量噪声较低时，系统能够100%识别出异常源。随着噪声干扰越来越大，识别成功率会有所下降，但常规的误差范围内，该方法依然保持着较高的可靠性。

学者介绍：杨双华，欧洲科学与艺术院院士，国家特聘专家，英国工程与技术学会（IET）会士，英国测量与控制学会（InstMC）会士，IEEE高级会员，现任广州南方学院副校长、工学院院长。长期从事工业互联网安全与工业人工智能等领域的研究。

DOI：10.1016/j.psep.2021.05.035