[发明专利]一种基于气体差分吸收截面特征测量低浓度SO2的方法

摘要

本发明提供了一种基于气体差分吸收截面特征测量低浓度SO₂的方法，包括以下步骤：首先，根据SO₂紫外吸收特性，初步选择SO₂的测量光谱范围；其次，在温度压强不变的情况下，根据DOAS算法，由多组已知SO₂浓度算出多组差分吸收截面，并根据差分吸收截面的特征，逐步缩小测量光谱范围；然后，在选择的测量光谱范围内，利用统计学及标准差方法，对光谱采样数据点进行筛选，构建最优采样点数据集，得出最优差分吸收截面数据集；最后，借助最优差分吸收截面数据集，利用DOAS算法反演二氧化硫气体浓度。本发明的方法测量原理简单，测量下限可低至3ppm，能够在短光程条件下，精确测量低浓度气体；且相对误差可以控制在±1.6％以内，满量程误差可控制在±1.2％以内。

主权项

1.一种基于气体差分吸收截面特征测量低浓度SO₂的方法，其特征在于，包括以下步骤：S1：选定光谱测量范围为294nm‑309nm；在光谱测量范围内进行光谱数据点采样，利用统计学方法和标准差方法，选择最优的K个光谱数据点，构建最优光谱数据集：[λ₁,λ₂,λ₃,…,λ_i,…,λ_K]，其中，λ_i为第i个最优光谱数据点，i＝1,2,3,…,K；以最优光谱数据集构建最优气体差分吸收截面数据集和最优气体差分光学密度数据集；最优气体差分光学密度数据集为：[OD'(λ₁),OD'(λ₂),OD'(λ₃),…,OD'(λ_i),…,OD'(λ_K)]^T，其中，OD'(λ_i)为气体差分光学密度，i＝1,2,3,…,K；最优气体差分吸收截面数据集为：[σ'(λ₁),σ'(λ₂),σ'(λ₃),…,σ'(λ_i),…,σ'(λ_K)]^T，其中，σ'(λ_i)为第i个最优光谱数据点处的气体差分吸收截面，i＝1,2,3,…,K，σ'(λ_i)通过公式σ'(λ_i)＝OD'(λ_i)/L·c求得，L为检测气室长度，c为SO₂浓度；S2：根据最优气体差分吸收截面数据集、最优气体差分光学密度数据集和检测气室长度，通过公式反向演算出待测气体浓度，公式为：所述最优光谱数据集及最优差分吸收截面数据集的选取步骤如下：S121：在测量光谱294nm‑309nm范围内，选择该光谱范围内的所有数据点构建原始数据集：[λ₁,λ₂,λ₃,…,λ_i,…,λ_n‑1,λ_n]，i＝1,2,3,…,n；S122：在温度和压强一定的条件下，得到浓度c₁对应的SO₂气体差分吸收截面数据集：Mat₁＝[σ'₁(λ₁),σ'₁(λ₂),σ'₁(λ₃),…,σ'₁(λ_n‑1),σ'₁(λ_n)]^T，其中，σ'₁(λ_n)是浓度为c₁时第n个光谱数据点对应的SO₂气体差分吸收截面；S123：在同等温度和压强下，获取浓度c₂,c₃,…,c_m，并得到不同浓度对应的SO₂气体差分吸收截面数据集：Mat₂,Mat₃,…,Mat_m；通过差分吸收光谱方法，由m种浓度值得到m个气体差分吸收截面，如下表：S124：根据步骤S123，利用统计学方法剔除波动较大的光谱数据点，并针对任意光谱数据点λ_n，获取不同数据集在该光谱数据点上的气体差分吸收截面的值，为σ'₁(λ_n),σ'₂(λ_n),σ'₃(λ_n),…,σ'_m(λ_n)，分别计算出这些光谱数据点的平均值和标准差SD(λ_n)；S125：对每个光谱数据点对应的平均值和标准差进行分析对比，当满足时，将该数据点保留到最优光谱数据集，反之，则不保留，进而得到最优光谱数据集：[λ₁,λ₂,λ₃,…,λ_i,…,λ_K]，λ_i为第i个最优光谱数据点，i＝1,2,3,…,K。