农村清洁供暖对大气环境质量的影响评价及预测

2021-10-19中国电力科学研究院有限公司天津大学岭中国电力科学研究院有限公司郭炳庆

暖通空调 2021年9期

中国电力科学研究院有限公司天津大学成岭中国电力科学研究院有限公司郭炳庆钟鸣

0 引言

关于农村清洁供暖及其影响，众多学者进行了研究。周淑慧等人对北方农村地区主要的清洁供暖方式进行了对比分析并提出了建议[1]；孙赋敏等人以山东农村地区为例计算了清洁供暖的环境效益[2]。本文通过农村清洁供暖实施情况，建立了供暖排放对大气环境质量影响的因子模型(A-H模型)，分析清洁供暖对京津冀及周边地区空气质量的影响程度，并综合考虑人口、建筑面积、清洁能源等发展趋势，预测清洁供暖技术推广对空气质量的改善。

1 模型的建立

1.1 A-H模型的建立

本研究建立了A-H模型，以分析散煤替代对空气质量的改善程度，模型中考虑的因素包括气象条件、城市特性累积污染物的二次生成和城市的自净能力[3]。

因城市自净能力而减少的细颗粒物(PM2.5)的浓度ρ1可通过下式计算：

ρ1=me-nt

(1)

式中m为城市最大净化能力，μg/m3；n为净化能力衰减系数；t为时间，s。

供暖产生的PM2.5的浓度ρh为

ρh=AH(t)

(2)

式中A为直接排放因子；H(t)为燃煤消耗量，万t。

PM2.5的二次生成浓度ρ2为

ρ2=ξ(AH(t)-me-nt)

(3)

式中ξ为城市再生系数。

供暖燃煤减少与去除其他因素的PM2.5浓度之间的关系为

ρ′h=ρh-ρ1+ρ2

(4)

式中ρ′h为供暖燃煤减少而降低的PM2.5浓度，μg/m3。

排放空气污染物的行业，例如交通行业和工业等对PM2.5浓度有直接影响。但是，这类行业空气污染物的排放基本不随季节发生明显变化[3]。因此，本研究以过渡季节的PM2.5浓度ρb为基准，并假定PM2.5浓度在供暖季的上升是由建筑供暖引起的。因此，去除城市特性干扰的PM2.5浓度根据下式计算：

ρh=ρs-ρb

(5)

式中ρs为供暖季实际PM2.5浓度，μg/m3。

与城市特性的影响不同，气象因素变量彼此相关。初始数据包括风向、风速、压力、降水和相对湿度。因此，本研究引入主成分分析方法，以减少气象参数变量。以天津市为例，经计算，5个气象研究变量可以转化为3个主成分因子，其相关的因子得分矩阵如表1所示。

表1 气象因素的3个主成分及其系数

为了消除主成分对PM2.5浓度的影响，使用灰色关联投影法对其进行分解。每个主成分都可以分解为2个正交向量f和s。向量f与PM2.5浓度有关，向量s与PM2.5浓度无关，因此3个主成分定义式为

(6)

式中 cosα、cosβ、cosγ分别为R、P、F与ρh之间的相关系数。本研究引入综合影响因子CIF表征3个主成分对PM2.5浓度的总影响，其表达式为

CIF=fR+fP+fF=Rcosα+Pcosβ+Fcosγ

(7)

cosα、cosβ和cosγ用皮尔逊相关系数进行计算，通过计算，fR、fP、fF与ρh之间的皮尔逊相关系数分别为-0.262、-0.34和-0.2。因此CIF可以通过下式计算：

CIF=0.262R+0.34P+0.2F

(8)

为了消除气象条件的影响，可计算ρh在气象条件最差时的值ρ′h，即CIF最小的情况。

(9)

式中CIF，max和CIF，min分别为综合影响因子的最大值和最小值；ρh,max和ρh,min分别为PM2.5浓度的最大值和最小值，μg/m3。

利用1stopt软件通用全局优化(UGO)计算直接排放因子A、城市最大净化能力m、净化能力衰减系数n和城市再生系数ξ。本文利用2006—2017年的逐月数据计算上述值，计算结果见表2；利用2018年的监测数据验证模型。

表2 A、m、n和ξ计算结果

直接排放因子A的拟合公式为

A=1.445 42e-0.128 28t(R2=0.979)

(10)

城市最大净化能力m的拟合公式为

m=7.880 8e0.001 38x(R2=0.93)

(11)

式中x为每年的供暖消耗煤量，万t。

净化能力衰减系数n的拟合公式为

n=-0.000 7t2+0.004 1t+0.093 78

(R2=0.84)

(12)

城市再生系数ξ的拟合公式为

ξ=0.008 22e0.002 053x(R2=0.913)

(13)

1.2 A-H模型的验证

利用2018年发布的PM2.5浓度值验证A-H模型的准确性。实际值与模拟值的比较如图1所示。引入平均绝对误差EMA评估模型的准确性，其定义为

图1 模型计算结果的验证

(14)

式中yi为观测值；y′i为计算值；p′为测试数据集中的数据数。

EMA为3.78 μg/m3，约为测试值的6%，说明A-H模型的整体性能较好，可以较准确评价供暖排放量对环境的影响。

2 结果与讨论

2.1 “2+26”城市空气质量的改善

图2显示了截至2018年京津冀大气污染传输通道“2+26”城市清洁供暖改造情况。6个省/直辖市总计1 130万户完成了清洁供暖改造，散煤消耗量减少了2 024万t。其中，天然气、热泵、直接电加热和集中供暖改造占比分别为52.6%、14.1%、17.4%和15.9%。

图2 截至2018年“2+26”城市的散煤替代改造情况

在2016年和2017年，分别有100万户和530万户的家庭从传统的散煤燃烧供暖改造为清洁供暖，减少PM2.5排放超过20万t，从而显著改善了京津冀及其周边地区的空气质量。图3显示了2015年和2018年供暖季6个省/直辖市的PM2.5浓度分布。在大多数省份，PM2.5浓度得到明显改善。

本研究利用犃A-H犎模型分析了到2018年由供暖燃煤消耗量减少引起PM2.5浓度下降的情况。如图4所示，北京、石家庄、保定等城市的PM2.5浓度降低量较大，其余大部分城市的PM2.5浓度减少量也都约为20ug/m3。由供暖造成的空气污染逐渐减少，清洁供暖对改善空气环境具有积极的作用。

图4 2018年“2+26”城市的PM2.5浓度减少量

2.2 区域层面空气质量的改善

对于经济发达、人口密集的城市群体，其空气污染不再局限于一个城市，城市之间的空气污染变化具有明显的同步性和区域污染特征[4]。因此，为了研究“2+26”城市区域性的空气污染相关性，基于地理相关性方法对城市群进行了划分，这些城市群的详细信息及其2018年的散煤替代情况如表3所示。

表3 城市群的详细信息

图5给出了6个城市群2018年的平均散煤替代量、平均PM2.5浓度减少量和实际PM2.5浓度。其中城市群A和B的散煤替代量最多，平均替代量都超过了450万t，其他城市群的替代量平均为150万t左右。这是因为A和B城市群中的大多数城市属于京津冀地区，这些地区的清洁供暖改造要求最为严格[5]。6个城市群的PM2.5浓度减少量与各自的散煤替代量密切相关，城市群A和B的PM2.5浓度减少量最大。

从图5可以看出，6个城市群体的实际PM2.5浓度差异很大。以散煤替代量相近的城市群A和B为例进行分析，城市群A中北京和天津是最早进行空气污染治理的城市，并在2018年之前就取得了很大进展，因此，城市群A在2018年供暖季的平均PM2.5浓度最小。城市群B包括石家庄、保定等城市，大规模的散煤替代已在一定程度上改善了空气质量，但受工业等因素影响，PM2.5浓度仍处于较高水平。

图5 2018年6个城市群空气质量的改善情况

2.3 空气质量改善潜力分析

为了研究京津冀及其周边地区清洁供暖政策对空气质量的深远影响，在考虑人口变化情况和可再生能源电力发展的情况下，本文利用A-H模型对空气质量进行预测分析，并参考了清洁供暖政策设定的到2021年城市城区全部实现清洁供暖、县城和城乡结合部清洁供暖率达到80%以上、农村地区清洁供暖率达到60%以上的目标。在改造方式上，煤改电所需的电力终端燃煤量计入，而天然气的燃烧被认为只会对CO2的排放量产生影响，对于PM2.5的浓度影响不大。

人口变化趋势会影响建筑供暖面积和供暖能源消耗，根据文献[6]，本文利用人口-发展-环境(PDE)模型预测未来人口，并假定城乡人口比率(本文取1.33)不变。到2030年能源清洁化率达到40%[7]，因此在本研究中，设定非化石能源的平均年增长率为8.2%。

清洁供暖可以有效减少散煤的消耗，提高煤炭利用效率，减少污染物排放，但与之相对应的用电需求也大大增加。根据计算，由于2018年的清洁供暖改造，“2+26”城市的平均电力需求增加了约20亿kW·h。根据电力增长情况分析，本文分别从燃煤电力(场景1)和清洁电力(场景2)2个场景进行对比分析。

图6显示了2个场景PM2.5浓度与供暖消耗有关的趋势，以开始实施清洁供暖改造的2016年作为基准年，2016年供暖季北京、天津、河北及其周边地区的PM2.5浓度分别为96.6、100.6、128.9和109.7 μg/m3。在场景1中，PM2.5浓度呈现先上升后下降的趋势。这一趋势与这些地区的人口变化趋势相吻合，由于没有考虑清洁电力的发展，PM2.5浓度将主要受供暖面积和人口的影响。相比2016年供暖季，预计到2030年，4个地区PM2.5浓度将分别下降48%、35%、29%和23%，主要原因是后期人口的下降及清洁供暖。在场景2中，考虑清洁电力的发展，4个地区的PM2.5浓度比场景1平均低3～4 μg/m3，而且这一差距在后期还会继续增大；场景2的PM2.5浓度几乎不存在场景1先上升的情况，也就是说清洁电力的推广基本能抵消人口增长的压力。到2030年，4个地区供暖季PM2.5浓度相比基准年将分别下降55%、40%、32%和27%。可见场景2治理空气污染的效果有明显的提升。