基于 CEMS 的烟气排放连续监测数据异常识别模型构建及应用效果评估

丽娜 王(国家电投集团协鑫滨海发电有限公司，中国)

摘要

随着工业烟气排放监管要求的日益严格，CEMS（Continuous Emission Monitoring System）已成为环保部门监控企业污染物排放的核心工具。然而，CEMS数据具有高频、多维、非线性及强工况依赖性等特点，传统异常识别方法（如阈值法、统计控制图）因无法适应动态工况和复杂异常模式，导致误报率高、实时性差等问题。机器学习与深度学习技术的发展为解决这一挑战提供了新思路，但现有模型在可解释性、工况适应性及部署成本间仍存在平衡难题。本文先是具体阐述了CEMS及异常识别方法的相关内容，随后从多角度提出了CEMS数据异常识别模型构建方法，紧接着通过实验设计分析实验结果来验证模型的有效性，最后对应用效果进行了具体评估，以期为相关研究提出有益参考与借鉴。

关键词

CEMS；烟气排放；异常识别模型；应用效果

参考

邹毅,肖丽,夏祥健.燃煤电站基于环保新规的CEMS选型浅析[J].冶金自动化,2025,49(S1):208-213.

杨玉强,胡若云.基于DBSCAN算法的售电均价异常识别模型构建与应用[J].浙江电力,2023,42(04):72-78.

龙帅,奠先明,郑宇杰,等.基于CEMS的遂宁市工业废气污染物等标污染负荷特征分析[J].绿色科技,2025,27(06):92-95.

DOI: http://dx.doi.org/10.12345/zyyhbjz.v3i9.32328