2. 中国科学院大学, 北京 100049
2. University of Chinese Academy of Sciences, Beijing 100049, China
大气污染物排放清单是了解各地区大气污染物排放及时空分布,精确模拟该地区空气质量的重要资料[1]. 经过近几十年的发展,国内大气污染物排放清单已由全国范围逐步精确到典型城市及地区,涵盖范围也从最早的能源消耗过程逐渐细化到各行业或人为源排放部门. 长三角地区作为我国三大经济圈之一,集中了大量的工业产业,然而,其在排放清单建立方面却较京津冀及珠三角进展稍缓. 程轲等[2]最早以2004年为基准,对长三角地区重点行业大气污染物排放进行了研究; 其后Huang等[3]、翟一然等[4]和Fu等[5]利用类似方法分别研究了2007年、2008年以及2010年长三角地区人为源大气污染物排放. 根据前人研究,火电行业作为重要的人为源大气排放之一,在SO2、NOx以及颗粒物一次排放方面均起重要贡献. 同时,根据莫华等[6]的研究,火电行业排放的SO2、NOx和SO3对大气中二次颗粒物的形成也有较大贡献. 因此,有必要对火电集中的长三角地区进行该行业的具体研究. 然而,尽管方法学较为成熟,但在实际操作过程中,受限于所获取数据的信息完整性及配套性原因,目前,除全国范围外,区域性的火电行业排放估算较少,前述前人研究中涉及到火电行业的排放估算也较为粗略.
本研究即在前人研究基础上,以2012年为基准年,在利用手册及文献数据估算了火电行业总体污染排放及不同机组等级污染排放的基础上,同时对上海火电企业排放因子情况进行了统计计算,进而利用该计算数据估算出长三角地区火电行业可能的减排空间并给出相应的减排建议.
1 材料与方法 1.1 研究区域及研究对象研究区域包括长三角地区两省一市(江苏省、浙江省和上海市). 对象为长三角地区311家电厂,共计813个机组,电厂分布情况见图 1. 其中,电厂信息主要来源于环保部公开资料[7,8]及电厂集团公司主页资料,利用Google Earth确定各电厂坐标.
![]() | 图 1 长三角地区火电厂分布示意
Fig. 1 Location of power plants in YRD
|
由图 1可知,长三角地区火电厂分布多集中在江苏中南部及浙江北部,且以小电厂居多. 根据所统计信息,100 MW以下机组在数量上约占72%,但就装机容量而言,300 MW以上机组装机容量比例约占87%,说明300 MW以上机组是长三角地区的发电主力.
1.2 计算流程及方法对于区域排放,通常采用排放因子法对其进行污染物排放估算,本研究参考Zhao等[9]和王圣等[10]的行业分层方法,对长三角地区火电行业污染物进行分层计算,具体流程如图 2所示.
计算公式如下:
式中,E为污染物排放量,A为活动水平(及不同级别机组耗煤量),EF为排放因子.i、j和k分别代表污染物种类、机组等级和污染控制技术.
![]() | 图 2 长三角地区火电行业污染物排放计算流程
Fig. 2 Caculated flow for emissions of coal-fired power plants in YRD
|
以往利用排放因子法进行排放总量计算的研究中,多采用国外排放因子数据,如EPAAP-42数据库中数据. 随着国内学者对大气污染物排放因子本土化研究的进行,2008年我国发布了《第一次全国污染源普查工业污染源产排污系数手册》,2014年发布了《大气可吸入颗粒物一次源排放清单编制技术指南(试行)》,共涉及SO2、NOx、烟尘、PM10多项污染物的排放因子情况.
鉴于本研究中涉及地域较广,且根据所收集到的基础信息,两省一市电厂情况总体有所差距,因此,研究中所使用的排放因子首先以具有普适性的手册数据为主,另辅以文献数据,具体见表 1. 其中,硫分S(%)和灰分A(%)的选取参考文献[2, 4, 11]的研究,分别取1.0和25.
![]() | 表 1 不同等级机组排放因子 /kg ·t-1 Table 1 Emission factor of different class units/kg ·t-1 |
为降低统计和计算难度,本研究中的活动水平数据主要指不同机组等级层耗煤量. 数据由年鉴基础数据按图 2中计算方式计算所得,具体见表 2.
![]() | 表 2 2012年长三角地区火电行业不同等级机组消耗原煤量1)/万t Table 2 Coal consumption of different class units of power plants in YRD in 2012/万t |
根据1.1节中计算流程和方法,综合上述排放因子和活动水平数据,估算了2012年长三角地区火电行业主要污染物排放量(见表 3).
由表 3可知,污染排放地区贡献方面,从大到小依次为:江苏、浙江和上海. 其中,各污染物排放贡献中,江苏均超过55%,浙江约在32%左右,上海贡献最小,平均在10%左右.
![]() | 表 3 2012年长三角地区火电行业污染物排放量 /t Table 3 Emission of coal-fired power plant in YRD in 2012/t |
对比清华MEIC数据库[15]中2008年及2010年长三角地区火电行业污染排放量(见图 3),认为除SO2排放降低之外,NOx及颗粒物排放均为增长. 其中,相较于2010年,2012年长三角地区火电行业SO2排放量约减少42.7%,NOx及PM2.5排放分别增加6.14%和30.93%. 另由于目前关于2012年的火电行业污染排放的研究较少,本研究中暂无同年对比数据. 然而,根据前人的研究结果[2,4,9],不同研究者之间由于分层方法、排放因子选取及层活动水平数据差异等原因,其所得结果也存在较明显差异.
![]() | 2008年及2010年数据均来自文献[15]图 3 近几年长三角地区火电行业污染排放对比
Fig. 3 Comparison of air pollutant emissions of coal-fired power plant in YRD in recent years
|
图 4显示了不同机组等级层在污染排放中的贡献. 其中,对于SO2和NOx,300 MW以上机组起主要排放贡献; 而对于颗粒物,100 MW以下机组则占较大排放比例,且随着颗粒物粒径的减小,100 MW以下机组的排放贡献比例也相应减小.
![]() | 图 4 2012年长三角地区火电行业不同等级机组污染排放
Fig.4 Emissions of different class units of coal-fired power plants in YRD in 2012
|
长三角地区属于我国重要的经济发展地区,根据国家数据显示[16],其能源产品消耗近年来持续保持缓慢增长趋势. 然而,尽管煤炭消耗量在增加,但由研究结果可知,SO2排放量却持续降低,这主要与近年来发电技术的提高以及脱硫设施的投运有关. 据所统计电厂信息,目前长三角地区火电机组脱硫设施投运率为100%. 相比而言,脱硝设施投运率则较低(2012年仅为16.7%,到2014年提升到约28.6%),且主要集中在较大装机容量机组层. 燃料燃烧过程中产生的NOx主要为燃料型NOx和热力型NOx,因此,耗煤较多的300 MW以上机组层起主要排放贡献. NOx排放的增加与Zhao等[9]研究中的预测相吻合,推测造成这种结果的主要原因在于其污染控制措施还不能抵偿由燃煤增加产生的污染排放量增量. 参考SO2控制效果,可以预见,在发电技术不断提高的基础上,继续提高脱硝设施投运率可能会在未来几年使火电行业迎来NOx排放拐点.
另针对颗粒物,根据李超等[17]的研究,小型燃煤锅炉现有除尘设备效率较低,且对PM10和PM2.5的捕集效果不太理想. 而通过对文献[11, 13, 18]的数据进行分析,可以发现机组对细颗粒物的去除效率低于对粗颗粒物的去除效率,大型机组除尘装置对颗粒物的去除效率总体高于小型机组除尘装置的去除效率,且两者对细颗粒物的去除效率差异明显大于对粗颗粒物的去除效率差异. 然而反映到排放因子上,小型机组与大型机组粗颗粒物排放因子的差异却明显大于细颗粒物排放因子差异. 这点也与本研究中所使用的颗粒物排放因子情况相吻合. 同时该结果也说明,对于颗粒物,发电技术相对于污染控制技术更能有效影响颗粒物排放. 排放总量同时取决于排放因子和活动水平,因此,在层活动水平数据分布合适的情况下,小型机组机组层在颗粒物排放方面可能会起主要贡献,且随着颗粒物粒径的减小,其排放贡献率会逐渐降低,如本研究中结果. 这也从侧面说明,可以通过降低100 MW以下机组层的耗煤量或提高其颗粒物去除效率两方面入手降低总颗粒物排放,且前者效果应该更佳.
2.2 上海市电力企业实测排放因子随着发电技术和污染控制技术水平的提高,火电行业污染物排放因子的水平也会有所改变,为了解目前实际排放因子与前述所选取手册及文献排放因子的差距,本研究通过与上海市化工环境保护监测站合作,根据其提供的上海市多家电厂的排污监测数据计算得出上海地区不同等级机组的SO2、NOx及烟尘排放因子. 机组基本信息及对应的排放因子箱形图详见表 4和图 5.
![]() | 表 4 上海市多家电厂机组基本信息 Table 4 General information of coal-fired units in Shanghai |
![]() | 图 5 上海地区不同等级机组排放因子箱形图
Fig. 5 Emission factors of different coal-fired units in Shanghai
|
由图 5分析可知,机组等级、锅炉类型以及企业技术管理水平等均对污染物排放因子有所影响. 同时,根据前人研究,火电厂所用燃煤煤质、污染控 制措施类型、控制设备等也是影响排放因子大小的相关因素. 然而,结合实际操作问题,为使排放因子具有更好的实际操作性,本研究中仅以机组等级及主要污染控制措施作为划分标准,进而对上海市火电行业污染物排放因子进行统计计算,详细结果见表 5.
![]() | 表 5 上海市不同等级机组污染物排放因子 1) Table 5 Emission factors of different class units in Shanghai |
对比手册及其他研究者的数据[11,13,18,19]可知,上海地区SO2排放因子较手册中参数为低,NOx和烟尘参数与手册及文献对应范围值相近. 总体来讲,上海地区的电力企业,由于发电技术、污染控制和管理技术都较为发达及完善,其污染物排放因子都相对较低.
考虑到参数选取及活动水平数据情况,本研究中关于长三角火电行业污染排放的计算结果总体来说偏大. 根据所计算出的上海地区火电企业的排放因子,假设长三角地区火电行业同等级机组均与现在上海地区机组排放水平相当,则SO2可削减55.8%~65.3%,NOx可以削减50.5%~64.1%,烟尘可以削减3.4%~11.3%. 若能提高较小等级机组的发电技术和污染控制水平,则削减量可以进一步提高.
根据国家环境统计年报[20],2012年长三角地区火电行业NOx排放量约占NOx排放量的61%,因此,对火电行业NOx的控制可能会明显影响区域环境. 而由邢佳[21]以及Geng等[22]的研究,长三角区域大气环境处于VOC控制机制下. 该控制机制下单独削减NOx排放量会造成O3含量的增高,进一步造成臭氧污染. Dong等[23]的研究认为,简单的NOx的排放削减将会提高长三角地区无机气溶胶的浓度. Huang等[24]基于2006年长三角地区排放清单的模拟研究也同样显示,对火电行业进行NOx削减,将会造成长三角地区硫酸盐和有机气溶胶的回弹,但同时对火电行业进行85%的NOx和 90%的SO2削减则能使能见度提升4.0 km. 因此,在制订长三角地区污染减排政策时,应考虑对NOx和VOC 同时进行协调控制,以有效改善区域大气环境.具体到火电行业,本研究建议仅以继续投建脱硝设施以配合“十二五”NOx削减计划对行业NOx排放进行控制,同时继续推行“上大压小”政策,加强100 MW以下机组颗粒物控制,进而降低行业总体颗粒物排放.
3 结论(1)以2012年为基准年,利用排放因子法对长三角地区火电行业主要大气污染物进行了排放估算,并根据统计计算出的上海地区火电行业排放因子估算了整个区域火电行业可能的减排空间.
(2)300 MW以上机组对长三角火电行业SO2和NOx排放起主要贡献; 100 MW以下机组对颗粒物排放起主要贡献,且随着颗粒物粒径减小,其贡献比例也减小.
致谢: 感谢清华大学张强副研究员对本研究提供的数据库支持. 感谢上海市化工环境保护监测站对本研究的合作支持.
[1] | 黄成, 陈长虹, 李莉, 等. 长江三角洲地区人为源大气污染物排放特征研究[J]. 环境科学学报, 2011, 31 (9): 1858-1871. |
[2] | 程轲, 薛志钢, 张增强, 等. 长三角重点行业大气污染物排放及控制对策[J]. 环境科学与技术, 2009, 32 (9): 120-123. |
[3] | Huang C, Chen C H, Li L, et al. Emission inventory of anthropogenic air pollutants and VOC species in the Yangtze River Delta region, China[J]. Atmospheric Chemistry and Physics, 2011, 11 (9): 4105-4120. |
[4] | 翟一然, 王勤耕, 宋媛媛. 长江三角洲地区能源消费大气污染物排放特征[J]. 中国环境科学, 2012, 32 (9): 1574-1582. |
[5] | Fu X, Wang S X, Zhao B, et al. Emission inventory of primary pollutants and chemical speciation in 2010 for the Yangtze River Delta region, China[J]. Atmospheric Environment, 2013, 70 (2): 39-50. |
[6] | 莫华, 朱法华, 王圣. 火电行业大气污染物排放对PM2.5的贡献及减排对策[J]. 中国电力, 2013, 46 (8): 1-6. |
[7] | 环境保护部. 关于公布全国燃煤机组脱硫脱硝设施等重点大气污染减排工程名单的公告[EB/OL]. http://www.zhb.gov.cn/gkml/hbb/bgg/201305/t20130506_251654.htm. |
[8] | 环境保护部. 关于公布全国燃煤机组脱硫脱硝设施等重点大气污染减排工程名单的公告[EB/OL]. http://www.zhb.gov.cn/gkml/hbb/bgg/201407/t20140711_278584.htm. |
[9] | Zhao Y, Wang S X, Duan L, et al. Primary air pollutant emissions of coal-fired power plants in China: Current status and future prediction[J]. Atmospheric Environment, 2008, 42 (36): 8442-8452. |
[10] | 王圣, 王慧敏, 朱法华, 等. 我国火电行业NOx排放因子的样本容量确定方法[J]. 长江流域资源与环境, 2012, 21 (9): 1067-1072. |
[11] | 王圣, 朱法华, 王慧敏, 等. 基于实测的燃煤电厂细颗粒物排放特性分析与研究[J]. 环境科学学报, 2011, 31 (3): 630-635. |
[12] | 国务院第一次全国污染源普查领导小组办公室. 第一次全国污染源普查工业污染源产排污系数手册[EB/OL]. http://cpsc.mep. gov. cn/gwgg/200803/t20080329_120423. htm, 2008. |
[13] | Zhao Y, Wang S X, Nielsen C P, et al. Establishment of a database of emission factors for atmospheric pollutants from Chinese coal-fired power plants[J]. Atmospheric Environment, 2010, 44 (12): 1515-1523. |
[14] | 《中国电力年鉴》编辑委员会. 2013中国电力年鉴 [M]. 北京: 中国电力出版社, 2013. |
[15] | 清华大学MEIC团队. MEIC Model [EB/OL]. http: //www. meicmodel. org/, 2012. |
[16] | 中华人民共和国国家统计局. 地区数据-分省年度数据[EB/OL]. http://data.stats.gov.cn/workspace/index;jsessionid=4644C7B4C00EE08CAA8C131BDDF050C3?m=fsnd. |
[17] | 李超, 李兴华, 段雷, 等. 燃煤工业锅炉可吸入颗粒物的排放特征[J]. 环境科学, 2009, 30 (3): 650-655. |
[18] | 许强, 李震宇, 胡斯翰, 等. 不同规模火电机组排污负荷实测分析[J]. 环境污染与防治, 2012, 34 (1): 72-74, 80. |
[19] | 雷沛. 火电氮氧化物排放因子及排放总量研究[D]. 南京: 南京信息工程大学, 2012. |
[20] | 中华人民共和国环境保护部. 2012年环境统计年报[EB/OL]. http://zls.mep.gov.cn/hjtj/nb/2012tjnb/201312/t20131225_265552.htm, 2013. |
[21] | 邢佳. 大气污染排放与环境效应的非线性响应关系研究[D]. 北京: 清华大学, 2011. |
[22] | Geng F, Zhang Q, Tie X, et al. Aircraft measurements of O3, NOx, CO, VOCs, and SO2 in the Yangtze River Delta region[J]. Atmospheric Environment, 2009, 43 (3): 584-593. |
[23] | Dong X, Li J, Fu J S, et al. Inorganic aerosols responses to emission changes in Yangtze River Delta, China[J]. Science of the Total Environment, 2014, 481: 522-532. |
[24] | Huang K, Fu J S, Gao Y, et al. Role of sectoral and multi-pollutant emission control strategies in improving atmospheric visibility in the Yangtze River Delta, China[J]. Environmental Pollution, 2014, 184 (1): 426-434. |