近年来, 随着区域经济的快速发展, 能源需求及能源消耗不断增长, 污染物排放量也呈现逐年增长的趋势.电力行业作为一个高产能和高耗能行业, 担任着国家“节能减排”的重任, 在我国的能源结构调整和区域经济发展方面都发挥着至关重要的作用.然而, 电力行业排放大量的SO₂、NO_x、烟粉尘, 造成区域煤烟型污染及酸雨污染等传统环境污染问题, 也对区域性复合型大气污染做出了一定的贡献.尤其, 电力行业作为高架污染源, 产生的污染物可远距离传输, 不仅造成局地污染还会造成大尺度的区域传输污染.因此电力行业污染排放影响受到国内外学者的广泛关注.

数值模拟研究是一种能够有效评估典型行业污染源对区域影响的方法, 国内外学者基于CALPUFFF、WRF-CAMx、WRF-CHEM等数值模型开展了大量的研究^[1~7].总体而言, 国内外学者对电力行业的数值模拟研究主要集中于国家、区域和城市这3个层面.就国内目前研究而言, 研究重点更偏向于研究相对成熟的京津冀城市群区域, 而对于污染仅次于京津冀城市群的长江中游城市群的研究尚少^[8].随着“大气十条”的出台, 电力行业超低排放改造提上日程, 但目前各地区电力机组超低排放改造对象多优先考虑大机组, 对于能耗高、污染重且严重制约电力行业节能减排和健康发展的小电力机组的改造还面临着很大的困难.基于此, 本文以较少受到关注的长江中游城市群区域为研究对象, 以2015年为基准年, 选取污染最为严重的1月为研究时段, 采用WRF-CAMx-PSAT模型模拟了现状、关停小机组、大机组替代小机组这3个情景下电力行业对区域空气质量的影响, 评估区域电力行业“上大压小”政策实施的环境效果, 以期为环境空气质量改善提供一定的决策支持.

本文以长江中游城市群地区为研究对象, 研究范围涉及长江中游城市群及周边区域(长江三角洲城市群、珠江三角洲城市群部分、中原城市群部分、川渝城市群部分、福建省及周边相邻省), 研究区域东西长约1 566 km, 南北宽约1 512 km, 总面积可达237 km²(如图 1).

图 1

Fig. 1

图 1 研究区域示意 Fig. 1 Schematic diagram of the study area

本研究的基准年为2015年, 研究区域长江中游城市群(湖南、湖北、安徽、江西四省)的排放清单主要基于中国环境监测总站2015年的环境统计数据, 其中工业源活动水平涉及了25 703个企业, 居民源活动水平分辨率到区县级和交通源活动水平分辨率到地级市级.污染物排放因子主要基于大气污染物排放清单编制指南和文献研究成果, 优先采用国内实测或本地化的研究成果, 对于无国内研究成果可供参考时, 参考国外类似排放条件下的排放因子^[9~16].

据统计, 长江中游城市群四省市燃煤电厂各机组的总装机容量达1.1×10⁵ MW, 其中200 MW以上的机组约占总燃煤电厂机组的装机容量80.3%, 各省市装机总量及200 MW以上机组占比情况如表 1所示.安徽省的总装机容量最大, 约占整个城市群总装机容量的41.6%, 江西省的总装机容量最小约占城市群总装机容量的16.5%;从200 MW以上机组分布可以看出(图 2), 一些大型电厂主要分布于长江、湘江、赣江及其支流附近或靠近煤炭产区的区域, 这与Guttikunda等^[2]研究印度燃煤电厂分布原因相似, 这种分布特征既有利于电厂冷却水的获取, 又方便获取煤炭资源.

表 1 (Table 1)

表 1 长江中游城市群各省电力行业装机容量情况 Table 1 Installed electricity capacity of provinces with urban agglomerations along the middle reaches of the Yangtze River 省份 200MW以上机组装机容量/MW 总装机容量/MW 200 MW以上机组占比/% 湖南 16 745 22 470 74.5 湖北 21 040 25 810 81.5 安徽 39 140 47 810 81.9 江西 15 470 18 960 81.6

表 1 长江中游城市群各省电力行业装机容量情况 Table 1 Installed electricity capacity of provinces with urban agglomerations along the middle reaches of the Yangtze River

图 2

Fig. 2

图 2 长江中游城市群地区200MW以上电力机组空间分布 Fig. 2 Spatial distribution of power units over 200 MW in urban agglomerations along the middle reaches of the Yangtze River

高分辨率的区域污染物排放清单的获取是区域空气质量数值模拟的必要前提.长江中游城市群电力行业主要污染物排放量如表 2所示, 该排放量主要基于区域不同机组的发电标准煤耗和污染物排放因子核算获得(如表 3).为了更好地表征典型污染物的空间和时间分布情况, 为后续区域空气质量模拟提供必要的支撑.在污染物排放的空间分配上, 本研究基于地理信息系统, 根据不同发电机组经纬度将燃煤电厂不同机组排放量水平分配到各网格, 同时基于发电机组主要技术经济指标(如表 4), 根据不同机组烟囱高度将不同装机容量的发电机组的排放量垂直分配到4个不同高度层(小于45 m为第一层, 大于45 m小于100 m为第二层, 大于100 m小于150 m为第三层, 大于150 m为第四层).在污染物排放的时间分配上, 本研究主要参考课题组在京津冀地区进行的大量的实地调查和文献调研, 获取电力行业的时间分配系数, 从而将电力行业1月的排放量进行分配.

表 2 (Table 2)

表 2 各省电力行业污染物排放量×104/t Table 2 Pollutant emission amounts of the electricity power industry for provinces×104/t 省份 SO2 NOx PM2.5 CO 湖南 11.8 10.4 2.4 5.7 湖北 13.6 8.2 1.4 4.5 安徽 10.8 17.8 3.8 9.8 江西 10.9 9.7 1.7 5.3

表 2 各省电力行业污染物排放量×104/t Table 2 Pollutant emission amounts of the electricity power industry for provinces×104/t

表 3 (Table 3)

表 3 不同装机容量机组污染物排放因子1)/g·kg-1 Table 3 Pollutant emission factors for units with various installed electricity capacity/g·kg-1 装机容量/MW SO2[9, 17, 18] NOx[2, 17, 19~21] TSP[9] PM10[22, 23] PM2.5[22] CO[2, 9, 24] < 200 S 6.7~11.5 A 1.5A 0.4A 2.0 200~600 S 6.8~10.5 A 0.3A 0.1A 0.7 >600 S 4.1~8.1 A 2.1×10-2A 1.5×10-2A 0.7 1) S指煤炭含硫量; A指煤炭灰分量

表 3 不同装机容量机组污染物排放因子1)/g·kg-1 Table 3 Pollutant emission factors for units with various installed electricity capacity/g·kg-1

表 4 (Table 4)

表 4 发电机组主要技术经济指标 Table 4 Typical techno-economic indices of power units 机组类型 锅炉蒸汽参数 机组容量/MW 烟囱高度/m 发电标准煤耗/g·(kW·h)-1 低温低压 — < 6 20 670 中温中压 3.43~3.82 MPa/435~445℃ 6 30~45 500~525 12 45~60 高温高压 8.83 MPa/540℃ 25 60~80 365~415 50 80~100 100 100~120 超高压 12.75 MPa/535℃ 125 100~120 315~320 200 120~150 亚临界 16.6 MPa/537℃ 300 150~180 300 600 210 超临界 24.2 MPa/566℃ 300 180~210 290 600 210~240 210~240 900 240 超超临界 25~27 MPa/600℃ 600 210~240 274 1 000 240 27 MPa/600~620℃ 660 240 270 超超临界二次再热 31 MPa/600~610℃ 1 000 240 256

表 4 发电机组主要技术经济指标 Table 4 Typical techno-economic indices of power units

本文采用WRF中尺度气象模式、CAMx空气质量模式模拟分析电力行业对空气质量的影响.其中, WRF采用WRF V3.3提供气象模拟背景场, CAMx采用CAMx V6.3进行空气质量模拟. CAMx模型中的颗粒物来源示踪模块PSAT, 能够针对不同种类的颗粒物, 进行不同地区污染源贡献识别, 进而确定排放源对目标区域污染物浓度的贡献情况. PSAT能够追踪的颗粒物种类主要包括硫酸盐离子、硝酸盐离子、铵盐离子、汞离子、一次和二次有机气溶胶、元素碳、地壳离子以及其它颗粒物^[25].当前CAMx-PSAT模型工具已经广泛应用到颗粒物模拟研究当中^[26~28].

采用CAMx V6.3建立适合长江中游城市群的空气质量模型, 地图投影采用兰波托投影, 设置两层嵌套网格, 如图 3(a)所示, 外层模拟区域分辨率为27 km×27 km, 覆盖华南和华中大部分地区; 内层模拟区域空间分辨率为9 km×9 km, 主要覆盖长江中游城市群及周边城市群和省份.为了研究不同区域污染物来源对长江中游城市群污染的影响, 根据地理边界和城市群区域对污染源区域进行标记, 主要分了16个区域, 如图 3(b)所示, 其中安徽省分3个区域(皖北地区、皖南地区、江淮城市群地区), 湖北省分3个区域(武汉城市群地区、襄荆宜经济带地区、鄂西北地区), 湖南省分3个区域(环长株潭城市群地区、湘西地区、湘南地区), 江西省分2个区域(环鄱阳湖城市群、赣南地区), 周边地区按照地理位置分为5个区域(长三角地区、华北地区、甘宁地区、川渝地区及南部地区).

图 3

Fig. 3

(a)模型嵌套, (b)区域标识; 区域1代表武汉城市群, 区域2代表襄荆宜经济带, 区域3代表鄂西北地区, 区域4代表环长株潭城市群, 区域5代表湘西地区, 区域6代表湘南地区, 区域7代表江淮城市群, 区域8代表皖北地区, 区域9代表皖南地区, 区域10代表环鄱阳湖城市群, 区域11代表赣南地区, 区域12代表长三角城市群, 区域13代表华北地区, 区域14代表甘肃青海地区, 区域15代表成渝地区, 区域16代表南部地区 图 3 模型嵌套及区域标识 Fig. 3 Nested model domains and source area mapping

CAMx的气象化学机制选用CB05, 水平扩散采用PPM机制, 气溶胶化学采用EBI机制, 光解速率常数由TOMS臭氧浓度资料计算, 初始浓度采用大气背景值.模拟区域垂直方向共设置13个气压层, 层间距自下而上逐渐增大.模拟气象场的WRF V3.3的初始背景边界条件采用美国国家环境预报中心(NECP)提供的6h一次、1°分辨率的全球对流层FNL数据集^[29]. WRF V3.3模型模拟结果通过WRF CAMx程序转换为CAMx模型输入格式.空气质量模型CAMx所使用外围源排放清单为清华大学研发的2012年中国多分辨率排放清单, 内层清单来自于本研究团队采用自下而上的研究方法建立的2015年长江中游地区大气污染物排放清单, 主要包含PM₁₀、PM_2.5、SO₂、NO_x、NH₃、CO和VOCs等.模拟时段选择冬季的典型代表月2015年1月, 主要由于1月的长江中游城市群大气污染最为严重(如表 5), 以重污染天气严重的月份作为对象开展研究, 对长江中游城市群的大气污染防治更具有现实指导意义.

表 5 (Table 5)

表 5 典型城市空气污染天数情况1) Table 5 Days with air pollution for typical cities 城市 A/d PM2.5平均浓度/μg·m-3 B/d C/% 合肥 10 151.2 32 31.3 武汉 16 165.7 48 33.3 长沙 18 161.8 38 47.4 湘潭 10 142.4 27 37.0 1)A表示2015年1月中度及以上污染天数, B表示2015年全年中度及以上污染天数, C表示A/B

表 5 典型城市空气污染天数情况1) Table 5 Days with air pollution for typical cities

电力行业对区域空气质量影响显著^[30], 尤其冬季采暖季, 电力负荷较大, 污染物排放量较大, 再加之相对较差的气象条件, 容易造成区域空气污染.小型燃煤发电机组存在煤耗大, 污染治理措施不足, 污染物单位排放量大, 不利于管控等缺点, 亟需予以关停改造或用大电厂来替代. 《京津冀大气污染防治行动计划》已经出台对200 MW的非热电联产的燃煤机组的禁令, 为了定量研究长江中游地区小于200 MW的燃煤发电机组(以下称为小机组)冬季对区域空气质量的影响, 以便更好地给政府决策提供参考.本研究设置3种情景进行对比分析：情景一, 现状情况下电力行业对长江中游城市群冬季空气质量的影响; 情景二, 长江中游城市群的小机组全部关停情况下, 电力行业对长江中游城市群冬季空气质量改善效果; 情景三, 长江中游城市群的小机组用大机组替代情况下, 电力行业对长江中游城市群冬季空气质量改善效果.

本文采用CAMx模式对长江中游城市群进行模拟, 基于四省会城市(合肥、武汉、长沙、南昌)的国控监测站点的PM_2.5小时监测数据, 采用平均误差(NME)、相关系数(R)对模型模拟结果进行验证(如表 6).从表 6可以看出四省会城市的NME值为23.9%~46.2%, 相对较大.这可能是由于：①模拟区域局限性, 模拟区域并未包含所有对长江中游城市群有影响的区域, 如川渝城市群和珠三角城市群仅包含了一部分; ②数值模拟模型自身误差, WRF模型及CAMx模型由于自身缺陷在模拟过程中存在一定的误差, 如WRF在模拟风速风向的误差; ③排放清单不确定性, 如排放清单的编制过程中, 在活动水平、排放因子上存在一定的误差且外围的清单采用的是清华的MEIC清单, 基准年为2012年.四省会城市模拟值与监测值的相关系数(R)虽然部分值没有Wen等^[31]和贾佳等^[32]的模拟效果好, 但R最高值可达0.84, 平均为0.57, 适用于后续模型的研究.

表 6 (Table 6)

表 6 PM2.5浓度模拟值与监测值对比 Table 6 Comparison between simulated and observed PM2.5 concentrations 项目 合肥 武汉 长沙 南昌 模拟值/μg·m-3 87.2 120.2 130.1 51.2 监测值/μg·m-3 102.2 129.1 119.2 68.4 NME/% 46.2 26.1 39.1 23.9 R 0.62 0.26 0.57 0.84

表 6 PM2.5浓度模拟值与监测值对比 Table 6 Comparison between simulated and observed PM2.5 concentrations

基于长江中游城市群2015年电力行业及非电力行业排放情况, 采用CAMx模拟得到典型污染物的本地和周边的浓度贡献, 如图 4所示.从中可以看出, 3种污染物的本地贡献均大于周边贡献, 说明1月长江中游城市群的污染主要来自本地排放源.其中, NO_x和SO₂的本地贡献均远大于周边贡献, 本地贡献优势明显, 约为94.4%和87.5%. PM_2.5的本地贡献优势并不明显, 仅占了57.1%.从电力行业对区域污染物浓度贡献可以看出, 电力行业对区域污染物浓度贡献并不高, SO₂、NO_x和PM_2.5的浓度贡献分别为6.6%、3.8%和4.6%, 其中长江中游城市群的电力行业对PM_2.5的本地贡献仅为1.5%, 本地电力行业贡献明显小于周边电力行业贡献, 这可能由于电力行业为高架源排放, 其污染物排放具有长距离输送的特点.另外, 周边电力行业排放贡献占区域电力行业排放贡献的68%, 周边电力行业贡献明显, 这与杜晓慧等^[33]研究重污染期间京津冀电力行业影响的结论相符.从非电力行业对区域污染物浓度贡献可以看出, 本地的非电力行业对区域贡献浓度明显大于周边的非电力行业对区域贡献, 主要可能是由于非电力行业包含了工业源、交通源、居民源等, 排放源高度比较低, 因此, 在冬季相对稳定的气象条件下, 本地非电力行业排放污染物不易于远距离传输, 对本地影响较大.

图 4

Fig. 4

“本地”指长江中游城市群地区, “周边”指长江中游城市群地区之外地区, 下同 图 4 现状情景下区域污染物浓度贡献率 Fig. 4 Regional pollutant concentration contributions for the current scenario

从长江中游城市群周边地区来看, 长三角城市群和华北地区的电力行业对区域SO₂、NO_x和PM_2.5的浓度贡献均最高.长三角城市群和华北地区电力行业排放强度较大^[34], 冬季的主导风向主要为偏北风和偏东风, 利于高架点源的长距离传输, 因此电力行业对区域的浓度贡献最高.从长江中游城市群区域来看, 区域1、区域4、区域7和区域10所代表的武汉城市群、环长株潭城市群、江淮城市群、环鄱阳湖城市群的电力行业对区域SO₂、NO_x、PM_2.5的浓度贡献均较高, 除此之外, 襄荆宜经济带和湘西地区的电力行业对区域的污染物浓度贡献也较高.

为评估小发电机组对长江中游城市群区域的空气质量的影响, 本研究设置两个情景：①关停小机组; ②大机组(本研究以660MW机组为例)替代小机组. 图 5为两种情景下不同区域电力行业和非电力行业对长江中游城市群主要污染物(SO₂、NO_x和PM_2.5)的浓度贡献率.从区域的本地贡献和周边贡献可以看出, 长江中游城市群的3种主要污染物浓度贡献均呈现本地贡献大于周边贡献的情况, 其中SO₂和NO_x的本地贡献较大, 可达到80%~95%, PM_2.5的本地贡献虽然较大(约60%), 但周边贡献也占据了很大的比例.这说明长江中游城市群不仅要加强本地污染源的防控, 还要加强与周边省市的联防联控.从不同区域对长江中游地区的污染物浓度贡献来看, 两种情景下, 长三角城市群、华北地区、武汉城市群、环长株潭城市群、江淮城市群、环鄱阳湖城市群、襄荆宜经济带对区域主要污染物浓度贡献率均较大.

图 5

Fig. 5

图 5 两种不同情景下区域污染物浓度贡献率 Fig. 5 Regional pollutant concentration contributions for the two mitigation scenarios

从区域电力行业对长江中游城市群的浓度贡献来看, 两种情景下电力行业对区域SO₂、NO_x和PM_2.5的浓度贡献率比现状情景下分别下降了36.2%~39.8%、30.5%~33.5%和25.9%~30.7%.这说明小机组对电力行业在区域污染物浓度贡献较大.这可能是由于①小机组单位发电煤耗大, 排放因子相对较大, 污染物排放量较大; ②小机组一般排放高度相对较小, 相对于大机组, 不易于远距离传输, 对区域的浓度贡献更大.就长江中游城市群各区域污染物浓度贡献而言, 关停小机组和大机组替代小机组后, 鄂西北地区和湘西地区的电力行业对区域的SO₂、NO_x和PM_2.5浓度贡献率下降均大于70%, 襄荆宜经济带和江淮城市群的电力行业对区域SO₂、NO_x和PM_2.5的浓度贡献率下降也超过了40%, 这可能的原因是这些地区的小机组在该区域电力行业中所占比例较大, 污染物排放相对较多, 因此, 两种情景下电力行业对区域污染物贡献率变化较大.

对比两种情景下长江中游城市群电力行业的本地污染物浓度贡献率, 虽然关停小机组情景小于大机组替代小机组情景, 但差别并不大.同时, 本地非电力行业、周边电力行业和周边非电力行业对长江中游城市群的污染物浓度贡献率也呈现同样的规律.这可能是由于大机组的单位发电煤耗较低, 一般能够达到超低排放标准, 污染物排放因子较小, 污染物排放量小, 且大机组的排放高度较高, 可以进行远距离传输, 因此对本地的浓度贡献较少.这说明了大机组替代小机组在保障区域空气质量上的可行性, 为电力行业上大压小政策提供了一定的理论支持, 也为决策者提供了一定的参考.另外, 本研究中大机组以660 MW机组为例, 并未将不同装机容量大机组替代进行对比, 主要基于现实调研中该装机容量以上机组一般采用超低排放, 实际排放标准差别并不大.同时, 本研究中大机组替代小机组主要基于总发电量不变的等装机容量替代情况, 对于大机组的地理布局、实际年发电时间及冬季是否优化时间段运行等因素并未考虑, 这也是本文后续需要进一步开展的工作.

(1) 冬季长江中游城市群的污染主要来自于本地排放源, 其中SO₂和NO_x的本地贡献显著.

(2) 冬季长三角城市群、华北地区、武汉城市群、环长株潭城市群、江淮城市群、环鄱阳湖城市群、襄荆宜经济带对长江中游城市群的污染物浓度贡献较大.

(3) 关停小机组和大机组(660 MW)替代小机组两种情景下, 电力行业对区域SO₂、NO_x和PM_2.5的浓度贡献率比现状情景下降超过25%, 且大机组替代小机组效果与关停小机组效果相近.

(4) 关停小机组和大机组(660 MW)替代小机组两种情景下, 鄂西北地区、湘西地区、襄荆宜经济带和江淮城市群的电力行业污染物浓度贡献下降幅度最大, 应该加强对这些区域的电力行业小机组的管控, 以更好地改善区域空气质量.