Пдк норма: ПДК вредных веществ в атмосферном воздухе

Нормы ПДК нитратов

Согласно постановлению Главного государственного санитарного врача РФ от 14 ноября 2001 г. N 36 «О введении в действие санитарных правил» (с изменениями от 31 мая, 20 августа 2002 г., 15 апреля 2003 г.)

Продукт	Норма ПДК	Обозначение в меню
Абрикос	60	Абрикос
Арбуз	60	Арбуз
Банан	200	Банан
Баклажан	300	Баклажан
Виноград	60	Виноград
Груша	60	Груша
Зелень	2000	Зелень
Дыня	90	Дыня
Капуста ранняя	900	Капуста Р
Капуста поздняя	500	Капуста П
Кабачок	400	Кабачок
Картофель	250	Картофель
Клубника	100	Клубника
Лук репчатый	80	Лук реп.
Лук Зеленый	600	Лук зел.
Морковь ранняя	400	Морковь Р
Морковь поздняя	250	Морковь П
Нектарин	60	Нектарин
Огурец (грунтовый)	150	Огурец Г
Огурец (тепличный)	400	Огурец Т
Перец (сладкий)	250	Перец сл.
Персик	60	Персик
Помидор (грунтовый)	150	Помидор Г
Помидор (тепличный)	300	Помидор Т
Редис	1500	Редис
Редька	1000	Редька
Салат	2000	Салат
Свекла	1400	Свекла
Хурма	60	Хурма
Яблоко	60	Яблоко
Детская норма	50	Дет. норма
Свежее мясо	200	МясоСвеж.

нормы для сточной, питьевой и рыбохозяйственного назначения

Источники нефтепродуктов в воде

Иногда нефть попадает в воду в результате природных процессов — например, когда нефтеносные породы выходят на поверхность. Но чаще нефтепродукты (НП) попадают в водные объекты по вине человека: сброс неочищенных стоков, разлив топлива в процессе заправки водного транспорта, утечка нефти во время её добычи, транспортировки, хранения. 

Предприятия отводят в водный объект промстоки, превышающие предельно допустимую концентрацию (ПДК) нефтепродуктов по причине халатности, износа очистных сооружений, неправильно подобранных методов очистки сточных вод. Аварийные разливы НП тоже могут происходить из-за халатности — например, ошибки персонала, несоблюдения требований безопасности — или износа трубопроводов, резервуаров и прочего оборудования.

85% аварийных разливов нефтепродуктов при транспортировке приходится на танкерные перевозки 

Методы определения содержания нефтепродуктов в воде

Присутствие нефти в воде может иметь серьёзные экологические последствия, поэтому N 7-ФЗ «Об охране окружающей среды» предусматривает штрафы за сброс стоков, превышающих нормы ПДК нефтепродуктов. Чтобы удостовериться в соответствии сточных вод нормам, предприятие проводит анализ. Метод анализа зависит от типа измеряемых НП, требуемой точности и имеющихся ресурсов.

Концентрацию нефтепродуктов в воде можно определить с помощью различных методов, включая ик-спектрофотометрию, гравиметрический анализ, флуоресцентную спектроскопию и газовую хроматографию. При применении любого из этих методов первым шагом является жидкостная экстракция. Это процесс отделения нефтепродуктов от воды с помощью растворителя (экстрагента), который помогает сконцентрировать нефтепродукты и удалить любые вещества, которые могут повлиять на точность анализа.

Также для устранения мешающего влияния полярных соединений чаще всего экстракт пропускают через хроматографическую колонку, заполненную оксидом алюминия.

Флуориметрический метод

Этот метод измеряет флуоресцентное излучение, испускаемое НП при облучении ультрафиолетом. Чем интенсивнее излучение, тем выше их концентрация в воде. Преимущества этого метода заключаются в его чувствительности и способности обнаруживать широкий спектр НП даже при низкой концентрации. Однако из-за этого он может быть подвержен влиянию помех от других растворённых веществ в образце воды.

Гравиметрический метод

В рамках этого метода НП извлекают из пробы воды с помощью растворителя, полученный экстракт очищают на хроматографической колонке с сорбентом, удаляют экстрагент и взвешивают остаток. Чем выше масса остатка, тем выше концентрация НП. Преимущества этого метода — простота и низкая стоимость. Однако, по сравнению с остальными методами, он менее точный — может не обнаружить некоторые виды НП.

Метод инфракрасной спектрофотометрии

Измерение концентрации нефти с помощью ик-спектрофотометра — самый распространённый метод. Прибор измеряет поглощение света нефтью в образце воды, что позволяет точно определить концентрацию НП. Как и в гравиметрическом методе, чтобы очистить выделенные НП от полярных соединений, их пропускают через хроматографическую колонку, заполненную оксидом алюминия. Определение концентрации НП методом инфракрасной спектрофотометрии — это трудоёмкий процесс, требующий специализированного оборудования, но метод инфракрасной спектрофотометрии помогает обнаружить широкий спектр НП и точно определить их концентрацию. 

Одна из более узких разновидностей спектрофотометрии — это фотометрический метод. Спектрофотометром измеряется поглощение света образцом при определённых длинах волн и сравнивается с калибровочной кривой. Фотометрический метод относительно прост, быстр и недорог по сравнению с остальными, но не подходит для измерения низких концентраций нефти в воде.

Метод газовой хроматографии 

Этот метод предполагает анализ очищенного от полярных соединений экстракта с помощью хроматографической колонки и обнаружение НП с помощью детектора. Газовая хроматография является высокоточным методом, но требует тщательной подготовки пробы и дорогостоящего оборудования. Метод газовой хроматографии отличается от остальных тем, что позволяет определять не только общее содержание НП, но и их состав.

Метод бумажной хроматографии

В рамках этого метода небольшое пятно пробы воды помещают на лист фильтровальной бумаги и дают ему высохнуть. Затем бумага помещается в растворитель, который под действием капиллярного эффекта поднимается по бумаге, увлекая за собой различные компоненты. По мере продвижения растворителя по бумаге различные компоненты разделяются на основе их растворимости в растворителе и притяжения к бумаге. Затем бумагу извлекают из растворителя, дают ей высохнуть и визуализируют компоненты ультрафиолетовым излучением, окрашиванием и другими методами.

Чтобы определить концентрацию НП, интенсивность пятен сравнивают со стандартами.

Метод бумажной хроматографии применяется в тест-комплектах — наборах для экспресс-анализа воды. Такими наборами пользуются мобильные лаборатории для определения содержания масла и НП в природной и сточной воде.

Датчики для определения нефтепродуктов в сточных водах

В случае разливов нефти для обнаружения НП в воде используются датчики и детекторы. Существует несколько типов датчиков, анализаторов и детекторов, которые используются для этой цели.

Оптические датчики измеряют количество света, поглощённого или рассеянного НП в воде. Эти датчики используют источник света для освещения воды, а затем измеряют количество света, отражённого обратно. Если в воде есть НП, они поглощают или рассеивают часть света, и это обнаруживает датчик.

Флуоресцентные датчики измеряют флуоресценцию — когда НП подвергаются воздействию света определённой длины волны, они излучают сигнал флуоресценции, который обнаруживает датчик.  

Инфракрасные датчики измеряют поглощение инфракрасного излучения НП в воде. Эти датчики используют источник инфракрасного излучения для прохождения через воду, а затем измеряют количество излучения, поглощённого НП. 

Помимо этих датчиков, существуют также детекторы, которые используются для определения конкретных типов НП в воде. Например, газохроматографические детекторы могут использоваться для определения различных типов углеводородов в нефтяных разливах — они разделяют компоненты нефти с помощью хроматографической колонки, а затем обнаруживают их с помощью детектора.

Нормативно-правовая база

Нормы ПДК нефтепродуктов закреплены в Постановлении № 644 от 29.07.2013. В разных городах нормы могут различаться, поскольку администрация имеет право на своё усмотрение установить более строгие требования к качеству обработки сточных вод перед отводом в коммунальную канализацию. Если концентрация НП в промстоках выше ПДК, предприятие дополнительно платит за сброс загрязняющих веществ сверх нормы, согласно Постановлению № 728 от 22.

05.2020. Размер оплаты определён в договоре предприятия с Водоканалом города.

Масштабные производства обычно находятся за городом, где нет возможности отводить стоки в центральную канализационную сеть (ЦКС). Поэтому они сбрасывают их в ближайший водный объект. Нормы ПДК НП для сброса в водоёмы строже, чем для сброса в ЦКС, особенно если это источник питьевой воды. Если сбрасываемый сток будет загрязнён настолько, что изменит состав воды в водоёме, предприятие даже не получит разрешение на его сброс.

N 7-ФЗ «Об охране окружающей среды» от 10.01.2002 г. возлагает ответственность на предприятия, превысившие разрешённые нормы воздействия на окружающую среду. В зависимости от причинённого природе ущерба, им предстоит:

• плата за негативное воздействие на окружающую среду;

• штрафы на физических и юридических лиц;

• ограничение, приостановление или запрет деятельности.

Нормы ПДК нефтепродуктов в сточных водах 

НЕФТЕПРОДУКТ	ВИД НЕФТЕПРОДУКТА	ПДК [мг/л]
НЕФТЬ	многосернистая	0,1
	прочие виды	0,3
БЕНЗИН	—	0,1
КЕРОСИН	технический, окисленный, тракторный	0,01
	осветительный	0,05
	сульфатированный	0,1

Предельно допустимая концентрация нефтепродуктов в питьевой воде и рыбохозяйственного назначения

Концентрация НП в питьевой воде не должна превышать 0,1 мг/дм³, согласно требованиям СанПиН 2. 1.4.1074-01. Концентрация НП в водных объектах рыбохозяйственного назначения не должна превышать 0,05 мг/дм³ в соответствии с Приказом N 552 Минсельхоза России от 13.12.2016 г.

Нормируемое вещество	ПДК [мг/дм3]	Класс опасности	Метод контроля, контролируемый показатель
Нефтепродукты	0,05 (для морской воды)	3	ГХ, ГХМС, ИК, гравиметрия
Нефть и нефтепродукты в растворённом и эмульгированном состоянии	0,05	3	ГХ, ГХМС, ИК, гравиметрия

Приложение к приказу Минсельхоза России N 552 относит нефтепродукты к отходам 3 класса опасности и рекомендует определять их концентрацию с помощью ГХ — газовой хроматографии, ГХМС — газовой хромато-масс-спектрометрии, ИК — инфракрасной спектроскопии и гравиметрии.   

Штрафы за превышение ПДК нефтепродуктов в стоках

Законодательство в России в отношении сброса нефти в водные объекты является строгим, а наказания за его несоблюдение варьируются от штрафов до запрета деятельности. Поэтому для промышленных предприятий и компаний важно убедиться в том, что их процессы очищения сточных вод эффективно удаляют НП перед отводом в водоёмы или канализацию.

Если промстоки превышают норму ПДК, ст. 8.14 КоАП РФ предусматривает штраф 10 000–20 000 ₽ для должностных лиц, 80 000–100 000 ₽ для юридических либо приостановку деятельности предприятия на срок до 90 суток.

Заключение

Правильное измерение и мониторинг концентрации НП в сточных водах, соблюдение норм ПДК и следование законодательству — всё это необходимо предприятию не только чтобы защититься от административной ответственности, но и для защиты природы, обеспечения устойчивости водных ресурсов. Поэтому промышленные предприятия следят за составом сточных вод и массовой концентрацией вредных веществ в них.  

В зависимости типа измеряемых НП и требуемой точности измерений предприятие выбирает подходящую методику. Распространёнными методами определения содержания НП в воде является инфракрасная спектрофотометрия, газовая хроматография, флуориметрический и гравиметрический методы. В нефтяной промышленности для обнаружения НП в воде используют датчики, детекторы, анализаторы.

За пределами квадратичной нормы: вычислительно эффективный ограниченный нелинейный MPC с использованием пользовательской функции стоимости

Сохранить цитату в файл

Формат: Резюме (текст)PubMedPMIDAbstract (текст)CSV

Добавить в коллекции

• Создать новую коллекцию
• Добавить в существующую коллекцию

Назовите свою коллекцию:

Имя должно содержать менее 100 символов

Выберите коллекцию:

Не удалось загрузить вашу коллекцию из-за ошибки
Повторите попытку

Добавить в мою библиографию

• Моя библиография

Не удалось загрузить делегатов из-за ошибки
Повторите попытку

Ваш сохраненный поиск

Название сохраненного поиска:

Условия поиска:

Тестовые условия поиска

Электронная почта: (изменить)

Который день? Первое воскресеньеПервый понедельникПервый вторникПервая средаПервый четвергПервая пятницаПервая субботаПервый деньПервый рабочий день

Который день? ВоскресеньеПонедельникВторникСредаЧетвергПятницаСуббота

Формат отчета: SummarySummary (text)AbstractAbstract (text)PubMed

Отправить максимум: 1 шт. 5 шт. 10 шт. 20 шт. 50 шт. 100 шт. 200 шт.

Отправить, даже если нет новых результатов

Необязательный текст в электронном письме:

Создайте файл для внешнего программного обеспечения для управления цитированием

. 2023 март; 134:336-356.

doi: 10.1016/j.isatra.2022.09.010. Epub 2022 12 сентября.

Мацей Лавриньчук ¹ , Роберт Небелюк ²

Принадлежности

• ¹ Варшавский технологический университет, Факультет электроники и информационных технологий, Институт управления и вычислительной техники, ул. Нововейская 15/19, 00-665 Варшава, Польша. Электронный адрес: [email protected].
• ² Варшавский технологический университет, Факультет электроники и информационных технологий, Институт управления и вычислительной техники, ул. Нововейска 15/19, 00-665 Варшава, Польша. Электронный адрес: [email protected].

• PMID: 36153191
• DOI: 10.1016/j.isatra.2022.09.010

Мацей Лавриньчук и др. ИСА Транс. 2023 март

. 2023 март; 134:336-356.

doi: 10.1016/j. isatra.2022.09.010. Epub 2022 12 сентября.

Авторы

Мацей Лавриньчук ¹ , Роберт Небелюк ²

Принадлежности

• ¹ Варшавский технологический университет, Факультет электроники и информационных технологий, Институт управления и вычислительной техники, ул. Нововейска 15/19, 00-665 Варшава, Польша. Электронный адрес: [email protected].
• ² Варшавский технологический университет, Факультет электроники и информационных технологий, Институт управления и вычислительной техники, ул. Нововейска 15/19, 00-665 Варшава, Польша. Электронный адрес: [email protected].

• PMID: 36153191
• DOI: 10. 1016/j.isatra.2022.09.010

Абстрактный

В этой работе обсуждается новый подход к нелинейному прогнозирующему управлению с помощью моделей (MPC). Пользовательская функция стоимости, определяемая пользователем, используется вместо обычно рассматриваемой квадратичной нормы. Для получения простой в вычислительном отношении процедуры применяется аппроксиматор функции стоимости, а линеаризация двух траекторий выполняется в режиме онлайн. Прогнозируемая выходная траектория аппроксиматора и прогнозируемая траектория управляемой переменной, обе по горизонту прогнозирования, многократно линеаризуются в режиме онлайн. Это дает простую задачу квадратичного программирования. Алгоритм реализован для имитируемого эталона нейтрализации, смоделированного нейронной моделью Винера. Полученное качество управления превосходно, идентично наблюдаемому в схеме MPC с нелинейной оптимизацией. Справедливость описанных алгоритмов MPC демонстрируется, когда на входную переменную процесса рассматриваются только простые ограничения коробки и в более требовательном случае, когда на прогнозируемый выход накладываются дополнительные мягкие ограничения. Сравниваются две структуры аппроксиматора: полиномиальная и нейронная; показаны и подчеркнуты преимущества последнего.

Ключевые слова: функция стоимости; Модель прогнозирующего управления; Нейронные сети; Реактор нейтрализации.

Copyright © 2022 ИСА. Опубликовано Elsevier Ltd. Все права защищены.

Заявление о конфликте интересов

Декларация о конкурирующих интересах Авторы заявляют, что у них нет известных конкурирующих финансовых интересов или личных отношений, которые могли бы повлиять на работу, представленную в этой статье.

Процитируйте

Формат: ААД АПА МДА НЛМ

Отправить по номеру

Мпк 2 решение с обратной связью по норме

Оставшаяся часть этого документа организована следующим образом. (3) На практическом примере показано, что подход, предложенный в этой статье, эффективен и работает лучше благодаря более быстрому отклику, меньшему выбросу, большей надежности и т. д. Существование регулятора можно выразить алгоритмом выпуклой оптимизации. Новый прогнозирующий контроллер модели разработан в рамках преобразования модели путем аппроксимации задержки состояния, так что гарантируется робастная асимптотическая устойчивость системы с обратной связью. (2) В процессе проектирования контроллера для цели проектирования MPC с обратной связью по состоянию мы формулируем задачу оптимизации на бесконечном временном горизонте. (1) Предполагается, что неопределенность имеет политопный тип неопределенности, а состояние с неизвестной задержкой с заданными верхней и нижней границей обрабатывается аппроксимированной моделью. Мы резюмируем основные вклады этой статьи следующим образом. На основании приведенного выше наблюдения в данной статье исследуется проблема MPC для систем с изменяющимся во времени запаздыванием с неопределенностями параметров и входными ограничениями. Однако, поскольку стабильность гарантируется при фиксированной постоянной весовой матрице в любое время, метод очень ограничен, и может возникнуть консерватизм. В работе предложен метод MPC для систем с изменяющимся во времени состоянием с запаздыванием, с неопределенностью и ограниченным управляющим входом. Недавно авторы представили улучшенный надежный MPC, зависящий от задержки, чтобы уменьшить консерватизм, все еще с известной задержкой. Однако это правильно, только если известны индексы запаздывания.

Чтобы упомянуть несколько, авторы предложили, чтобы стратегия управления для неопределенных систем могла быть развита в систему задержки через MPC. Были рассмотрены многие результаты о методе MPC для систем с временной задержкой. Поэтому многие исследователи были привлечены к изучению проблемы робастного управления неопределенными системами с ограничениями и запаздываниями состояний. Кроме того, во многих промышленных процессах существуют некоторые физические ограничения, например ограничения мощности и насыщения значений, что приводит к ограничениям на ввод и вывод. Авторы разработали новый контроллер с обратной связью по выходу для подвесных систем с входной задержкой. Авторами рассмотрена проблема анализа диссипативности стохастических нейросетевых систем дискретно-временной формы с переменными во времени и конечно-распределенными задержками. Литература изучала сетевое управление с временной задержкой, исследовала линейные коммутационные системы с изменяющейся во времени задержкой. Кроме того, в промышленных процессах часто возникает временная задержка, что приводит к деградации и нестабильности таких систем. Это ограниченная нормой неопределенность параметра и политопическая неопределенность параметра. В литературе в неопределенные системы часто включают два вида неопределенности параметров.

В практических системах управления невозможно избежать неопределенности параметров. Первоначальная методика MPC направлена ​​на решение задачи оптимизации без обратной связи с ограничениями в каждый момент дискретизации, реализуя только первый шаг управления решениями. Авторы дали нам обзор истоков прогнозирующего управления моделями и недавних результатов. Из этого видно, что модельно-прогностическое управление (MPC) является эффективным способом решения многовариантных задач управления с ограничениями, которые возникают в управлении химическими процессами, нефтехимической промышленности, газопроводе и т. д. Идеи прогнозирующего управления моделью и управления удаляющимся горизонтом развивались с 19 века.60-е годы. Наконец, применимость представленных результатов продемонстрирована на практическом примере. При преобразовании модели новый прогнозирующий контроллер модели разработан таким образом, чтобы можно было гарантировать надежную асимптотическую устойчивость системы с обратной связью. Для цели проектирования MPC с обратной связью по состоянию мы формулируем задачу оптимизации.

Предлагается новая модель для аппроксимации задержки. Задержка, изменяющаяся во времени, рассматривается как с верхней, так и с нижней границей.

В этой статье исследуется проблема модельного прогнозирующего управления для класса нелинейных систем с задержками состояния и входными ограничениями.