2. 烟气颗粒物在线监测系统构成与误差源识别

要分析误差,先要看清系统本身。烟气颗粒物在线监测系统(以下简称“颗粒物CEMS”)并不是一台孤立的仪器,而是一条从烟道到报表的完整测量链:采样单元把烟道里的颗粒物“取”到测量区,分析单元把颗粒物浓度转换为可读的电信号,数据处理单元再把信号换算成浓度、折算值和统计量。误差正是在这条链上逐级产生、逐级传递的。理解系统构成,本质上就是理解误差的“出生地”和“传播路径”。

一、三大单元的组成与职责

采样单元负责把具有代表性的烟气样品输送到测量位置。典型组成包括采样探头、伴热采样管线、采样泵、流量控制部件、反吹系统以及等速采样控制机构。对抽取式系统而言,采样单元的核心任务是“代表性”——采样点位置、采样流量、伴热温度、反吹周期都会直接影响进入分析单元的颗粒物量。对原位式(插入式)系统而言,采样单元更多体现为测量探头的光学窗口、吹扫风系统和安装法兰,其核心是“窗口洁净度”和“光程稳定”。

分析单元是测量链的核心,负责把颗粒物浓度转换为电信号。常见原理包括光散射法、β射线吸收法、光闪烁法、电荷法等。以光散射法为例,分析单元由光源(激光二极管)、光学腔体、光电探测器、信号调理电路组成;β射线法则包括放射源、滤纸带、走纸机构和探测器。分析单元的职责是建立“颗粒物浓度—电信号”的稳定对应关系,其零点、量程、光源老化、探测器漂移都是误差的直接来源。

数据处理单元负责信号采集、浓度换算、温压补偿、折算计算、数据存储与上传。它通常由数据采集模块、工控机或嵌入式控制器、上位机软件组成。数据处理单元本身不“感知”颗粒物,但它决定了原始信号如何被解释:量程系数、校准曲线、干基/湿基换算、过量空气系数折算、异常值剔除规则,都在这里生效。一个错误的折算系数,足以让整条测量链的准确度前功尽弃。

颗粒物CEMS测量链与误差传递路径 烟道 高温·高湿·含尘 采样单元 采样探头 / 光学窗口 伴热管线 / 吹扫风 采样泵 / 流量控制 反吹系统 / 等速控制 误差源:采样点代表性不足 伴热温度偏低、窗口积灰 流量波动、反吹干扰测量 分析单元 光源 / 放射源 光学腔体 / 滤纸带 光电探测器 / 计数管 信号调理 / 放大电路 误差源:零点漂移、量程漂移 光源老化、探测器温漂 颗粒物粒径/颜色敏感性 数据处理单元 数据采集模块 浓度换算 / 校准曲线 温压补偿 / 折算计算 存储 / 上传 / 报表 误差源:系数设置错误 折算基准不一致 异常值剔除规则不当 烟气 光/电信号 数字信号 采样误差传递至分析 分析误差传递至数据 误差沿测量链逐级叠加:采样代表性 → 分析响应 → 数据换算,任一环节偏差都会向下游传播并放大

二、误差源的识别:从“部件”到“机理”

识别误差源不能停留在“采样单元可能有误差”这种笼统判断上,而要落到具体部件和具体机理。以下按单元梳理常见误差源及其作用方式。

采样单元的误差源主要有四类。其一是采样点代表性误差:烟道截面颗粒物浓度分布并不均匀,若采样点位于流速偏低或涡流区,测得的浓度可能系统性偏低或偏高。其二是伴热温度不足:烟气中的水分在采样管线中冷凝,会黏附颗粒物并造成管路堵塞,使到达分析单元的颗粒物量减少,表现为读数偏低。其三是光学窗口积灰:原位式系统的窗口污染会衰减光信号,被误判为浓度升高或降低,具体方向取决于测量原理。其四是反吹干扰:反吹风压力过高或周期过密,会在测量时段内稀释样品或扰动光路,造成短时尖峰或谷值。

分析单元的误差源同样可以落到机理。光散射法对颗粒物的粒径分布和折射率敏感:当烟气中颗粒物粒径分布发生变化时,同一质量浓度对应的散射光强会改变,导致读数漂移。光源老化会使发光强度缓慢下降,若未及时校准,表现为零点漂移和量程漂移。探测器温漂则使暗电流随环境温度变化,在低浓度段尤为明显。β射线法还要关注滤纸带走纸精度和放射源衰减,滤纸带受潮会改变β射线的吸收特性。

数据处理单元的误差源往往被低估,但影响直接。校准曲线系数录入错误、干基与湿基换算方向搞反、过量空气系数折算基准不一致、异常值剔除阈值设置过宽或过窄,都会让原本准确的原始信号变成错误的报表数据。这类误差的特点是“不体现在仪器状态上”,只能通过数据合理性检查和比对核查发现。

三、误差传递路径:逐级叠加与放大

三大单元串联,误差也沿串联路径传递。采样单元造成的浓度偏差会原样进入分析单元,被当作“真实浓度”转换为电信号;分析单元的零点漂移和量程漂移再叠加到这一偏差上;数据处理单元的换算系数错误则可能把前两级误差进一步放大或反向。举例来说,若采样管线冷凝导致颗粒物损失约5%,分析单元又因光源老化产生约3%的负偏,而数据处理单元误用了偏大的折算系数,最终报表偏差可能远超8%。

更值得注意的是,某些误差具有方向一致性:伴热不足、窗口积灰、光源老化在多数情况下都使读数偏低,这类误差会叠加而非相互抵消,形成系统性负偏。而反吹干扰、探测器温漂则可能表现为随机波动,在统计上部分抵消,但会增大数据的离散度。识别误差源时,区分“系统性”与“随机性”比记住部件名称更有价值,因为它决定了后续是用校准修正还是用维护和滤波处理。

识别误差源的实用思路:先沿测量链列出每个单元的关键部件,再对每个部件追问“它在什么条件下会偏离设计状态”,最后判断该偏离是使读数偏高、偏低还是波动。这样得到的误差清单才具备可排查性。

四、从构成到排查:一个可操作的对应关系

把系统构成与误差源对应起来,就能形成排查思路。当在线数据出现持续性偏低时,优先检查采样单元的伴热温度和管线冷凝情况,再核查分析单元的校准状态;当数据出现无规律尖峰时,优先排查反吹周期与测量时序是否冲突,以及探测器是否存在温漂;当数据与手工比对结果存在固定比例偏差时,应重点核查数据处理单元的折算系数和量程设置。下表给出一个简化的对应关系,便于现场快速定位。

观测现象 优先排查单元 关键检查点
读数持续偏低 采样单元 伴热温度、管线冷凝、采样流量
读数缓慢漂移 分析单元 光源老化、零点/量程校准记录
无规律尖峰或谷值 采样单元 / 分析单元 反吹时序、探测器温漂、供电干扰
与手工比对成比例偏差 数据处理单元 折算系数、量程设置、干湿基换算

需要强调的是,这张表只是排查起点,不是结论。实际误差往往是多环节耦合的结果,例如伴热不足既造成颗粒物损失,又改变烟气湿度,进而影响光散射测量,此时单看某一单元无法解释全部偏差。因此,识别误差源之后,还应结合校准、比对和趋势分析,确认主导误差环节,再决定维护或修正措施。系统构成是“地图”,误差源是“地标”,传递路径则是“路线”——三者结合,才能把误差分析从经验判断变成可复现的工程方法。