点汇聚系统的航空器污染物减排效应与机理

2021-10-30胡荣冯慧琳刘博文张军峰王德芸

交通运输系统工程与信息 2021年5期

胡荣，冯慧琳，刘博文，张军峰，王德芸

(南京航空航天大学，民航学院，南京211106)

0 引言

当前，中国民航已成为全球第二大航空运输系统，正处于从民航大国向民航强国迈进的关键时期。随着航空运输体量的不断增加，民航带来显著经济社会效益的同时也带来了不可忽视的负面环境影响，其中航空器尾气排放带来的大气污染问题尤为受到关注。在深入推进民航绿色发展的背景下，如何在保障安全、高效运行的基础上，减少航空器污染物排放成为民航绿色发展的重点任务。

航空器污染物排放主要来源于发动机工作过程中所消耗的传统航空燃油。因此，减少燃油消耗就成了航空器污染物减排的重点研究领域。研发油耗更低的发动机、设计单发推出程序、优化场面滑行路径、实行减推力起飞以及使用辅助动力装置(APU)等措施得到了广泛关注与普遍应用[1]。此外，飞行程序优化设计具有投入成本低、研发周期短、减排见效快的优势，在航空器污染物减排中发挥着越来越重要的作用，例如：连续爬升/下降运行和点汇聚系统等。

点汇聚系统(Point Merge System，PMS)是欧控实验中心(EUROCONTROL Experimental Centre，EEC)率先提出的一种进近飞行程序。截止2020年6月，PMS已成功在全球4个大洲25个机场顺利实施且效果良好，验证了PMS 在终端区具有较高的运行效益[2]。我国于2019年在上海浦东国际机场首次试行了PMS。目前针对PMS 的研究，主要聚焦于其提升运行安全性、增强轨迹可预测性、减少通话频次、降低管制员负荷等运行效益[3]，部分研究考虑了噪声与CO2排放的环境影响[4]，但考虑到污染物(如碳氢化合物、氮氧化合物及颗粒物等)排放指数的非线性变化特点，目前鲜见涉及污染物排放的相关分析，特别是有关减排影响因素识别及其相互关系的研究更是欠缺。在推动生态文明建设及民航可持续发展的现实需求下，这方面研究亟待深入。

纵观现有研究，有关点汇聚系统的研究成果较为丰富，但仍有如下3 点值得深入研究：现有研究多集中于PMS 温室气体减排分析，对PMS 污染物排放的研究尚显不足；现有研究以PMS 排放量计算居多，较少涉及PMS 减排因素及相互关系的分析；直至2019年12月上海浦东国际机场才实施了我国首次PMS 运行，有关我国运行环境下的PMS案例研究亟需加强。因此，针对上述不足，本文基于航空器性能模型，考虑温度、湿度、压强等气象因素对燃油消耗、污染物排放指数的影响，运用修正后ICAO 高级方法与FOA 3.0 方法，以上海浦东国际机场点汇聚系统为例，设置非高峰时刻及高峰时刻两种场景，对比分析PMS 与传统标准仪表进场(Standard Instrument Arrival，STAR)的航空器污染物(即HC、CO、NOx、SOx和PM)排放情况并研究PMS减排机理，以期丰富PMS环境效益的研究。

1 计算与修正模型

1.1 航空器性能模型

航空器性能数据库(Base of Aircraft Data，BADA)由欧控实验中心开发，涵盖超过1000 种机型数据，是目前开展航空器性能分析、航迹预测和油耗计算等研究的重要工具[5]。航空器性能模型由全能量模型、气动模型、推力模型和水平运动模型构成，核心方程为

依据航空器性能参数，计算单位推力的燃油消耗率，再结合不同飞行阶段的油耗参数即可得航空器不同阶段的燃油流量为

式中：f 为燃油流量(kg ⋅s-1)；η 为单位推力的燃油消耗率(kg ⋅(min ⋅kN)-1)；Cf1、Cf2、Cf3、Cf4、Cfcr为不同阶段的油耗参数(kg ⋅min-1、m、kg ⋅(min ⋅kN)-1、m⋅s-1、无量纲)。

1.2 燃油流量修正模型

国际民用航空组织(International Civil Aviation Organization，ICAO)公布的发动机排放数据库(Engine Emissions DataBank，EEDB)中的燃油流量是基于海平面高度与标准大气条件而言的，然而航空器实际运行所处的海拔高度与海平面高度差异较大，所处的气象环境差异将对燃油流量带来影响。因此，在使用ICAO 高级方法计算污染物排放量前，需要对燃油流量进行修正[6]，即

式中：fM为修正燃油流量(kg ⋅s-1)；θ 为实际飞行高度的温度(K)与273.15 K 之比；δ 为实际飞行高度气压(kPa)与101.325 kPa 之比；M 为飞行马赫数(Ma)。

1.3 污染物排放计算模型

常见的航空器污染物计算与修正模型有ICAO标准方法、P3T3 法、BFFM2 法、FOA 3.0 法等，综合考虑不同方法所需参数类型、数据可得性及适用污染物种类，本文采用如下3 种模型：常数法(针对SOx)、修正法(针对HC、NOx和CO)与FOA 3.0法(针对PM)。

(1)常数法。SOx排放指数只取决于航空燃油中的硫含量，因此参照美国EPA指导建议，SOx的排放指数取1 g ⋅kg-1。

(2)修正法。EEDB 只给出HC、NOx与CO 这3类污染物在起飞、爬升、进近、滑行这4个阶段中标准推力下的排放指数，这与实际推力下的排放指数存在较大差异，故需对实际不同推力下的HC、NOx、CO的排放指数进行拟合计算，减少因直接使用EEDB 数据而带来的不确定性[7]，为增加结果的可信度，对排放指数进行修正，即

式中：Ij为各污染物排放指数(g ⋅kg-1)；j 为污染物种类；T 为ICAO 规定的标准推力(N)；下标TO、C、A、X分别表示起飞、爬升、进近和滑行4个阶段。

同时，进一步将HC、NOx、CO 基准排放指数转化为实际运行气象条件下的排放指数，即

式中：IMj为各污染物实际排放指数(g ⋅kg-1)；φ 为相对湿度。

(3)FOA 3.0法。在得到HC实际排放指数的基础上，基于发动机的烟度、空燃比以及涵道比计算出PM的排放指数。详细过程可参考文献[8-9]。

基于上述污染物排放指数结果，即可得到研究时间段内的5类污染物排放总量为

式中：E 是5 类污染物(HC、CO、NOx、SOx和PM)总的排放量(g)；IM为5类污染物实际排放指数之和(g ⋅kg-1)；H 为发动机个数。

2 实例仿真分析

2.1 仿真场景设置

2019年12月上海浦东国际机场设计并实施了PMS运行，PMS设计参数如表1所示。本文以DUMET 航路点为进场点的进场过程为例，开展航空器在STAR 与PMS 两种进场程序下的污染物排放及减排机理研究。图1是通过DUMET点的两种进场程序示意图。

图1 DUMET进场点的平面进场图Fig.1 Approach chart of DUMET

表1 上海浦东国际机场PMS设计参数表Table 1 Design parameters of PMS at ZSPD

当航班量较大时，部分航班需要运行等待程序来满足不同机型的尾流间隔标准，这一方面将增加飞行时间与燃油消耗，另一方面平飞阶段需要更大的发动机推力以保持飞行姿态，而推力等级的变化会影响污染物排放指数大小。因此，根据航班是否需要平飞等待，设置两种不同仿真场景：

(1)非高峰时刻。此时航班量较小，各航班满足尾流间隔要求，只需沿各进场程序中最短路径飞至起始进近点(IAF)或汇聚点(MP)，即在STAR中无需进行跑马场型的平飞等待，在PMS 中直接从PD232直飞汇聚点。这里以最常见的A320机型为代表，对比分析单次航班在两种进场程序中最短路径下的污染物排放情况。

(2)高峰时刻。此时航班量较大，部分航班需要通过等待程序(或排序弧平飞)来满足前后机尾流间隔要求，因此各航班飞行路径不尽相同。本文利用2019年10月31日7:00-9:00 由16L 跑道落地的43架航班仿真高峰时刻场景①航班信息可联系作者获取。。

基本气象信息来源于当日例行天气报告(METAR)，并采用0.006 K ⋅m-1和0.012 kPa ⋅m-1的垂直递减率对不同高度的气温和气压进行拟合[10]。

2.2 仿真结果分析

2.2.1 非高峰时刻

以A320 机型为例，非高峰时刻下STAR 与PMS程序下的飞行时间、飞行距离、燃油消耗、污染物排放的仿真结果如表2所示，各类污染物的排放量结果如图2 所示。可以发现，在非高峰时刻下PMS相较于STAR具有更少的排放。

图2 非高峰时刻下污染物排放量Fig.2 Pollutant emissions at off-peak time

表2 非高峰时刻下仿真结果汇总Table 2 Summary of simulation results at off-peak time

2.2.2 高峰时刻

高峰时刻下飞行时间、飞行距离、燃油消耗与污染物排放的仿真结果如表3 和图3 所示。可知，在高峰时刻场景中PMS 较STAR 平均单架次污染物排放量减少2.72 kg，约28.69%，PMS具有显著的环境效益。

图3 高峰时刻下污染物排放量Fig.3 Pollutant emissions at peak time

表3 高峰时刻下仿真结果汇总Table 3 Summary of simulation results at peak time

2.3 减排效果分析

在非高峰时刻，PMS较STAR共减少19.32%污染物排放，约1385.20 g。其中，NOx减排比例最高，约44.69%(975.54 g)；其次是SOx和PM，分别减排30.65%和30.60%。

在高峰时刻，从污染物排放量上看，PMS 的任一污染物排放均低于STAR，如表4 所示。从减排绝对量上看，减排最多的是NOx，最少的是PM；从减排成效上看，减排比例最大的是NOx，达48.32%，最小的是CO，约为6.74%。可见，在高峰时刻下，PMS能更显著地减少航空器污染物排放。

表4 高峰时刻下污染物减排效果汇总Table 4 Summary of pollutant emission reduction effect at peak time

3 减排机理分析

从以上分析可知，无论是非高峰时刻还是高峰时刻，PMS均具有良好的减排效益。下面根据污染物排放的影响因素，从飞行时间、燃油消耗与污染物排放指数这3 个方面探究PMS 的污染物减排机理，并识别减排的关键因素。

3.1 飞行时间分析

3.1.1 非高峰时刻

影响飞行时间的因素主要是飞行距离和飞行速度。PMS运行要求具备区域导航功能，相比雷达引导，使得PMS 运行更加高效。航空器可以在保证安全的前提下提升其进场飞行速度，提高飞行效率[11]。图4 是两种进场程序下的速度对比图，PMS和STAR 中航空器的平均飞行速度分别为141.53 m ⋅s-1和138.72 m ⋅s-1，因此PMS有利于缩短航空器从DUMET到MP的飞行时间。

图4 PMS与STAR的速度对比Fig.4 Speed comparison of PMS and STAR

因此在非高峰时刻，虽然PMS 飞行距离较STAR远2 km，但依赖较高的飞行速度而缩短了飞行时间。

3.1.2 高峰时刻

对比43 架航班的飞行时间可以发现，在高峰时刻PMS 相比STAR 共节省85 s 飞行时间。这是由于在PMS 运行中，当排序弧上的航空器与前机满足尾流间隔要求时即可直飞汇聚点，而无需像在STAR 中必须飞满整个标准等待程序，而造成尾流间隔的“浪费”。特别地，当前后航空器都需通过等待程序保证尾流间隔时，尾流间隔“浪费”还将呈现“累积”效应。进而，PMS体现出更加明显的节省飞行时间的优势。

需要指出的是，并不是每个航班在PMS 都节省飞行时间，如图5所示。通常前后机尾流间隔在60 s 左右时，PMS 不能节省飞行时间。这是由于PMS 与STAR 中航空器为保证间隔而平飞等待的位置不同：PMS 中位于进近初始阶段的排序弧上，而STAR 中处于进近结束阶段的等待程序中。易知，前后航空器在进近过程中是一个“追赶”过程(减速飞行过程)，前后机间隔不断缩小。为保证MP 处前后机满足尾流间隔标准，航空器需在排序弧上保持相对最小尾流间隔更大的安全距离；此外，又由于航空器在PMS 排序弧上的飞行速度远大于STAR等待程序的速度，进而使得当航空器前后间隔为60 s 左右(此时，STAR 中无需平飞等待，但PMS 中需在排序弧平飞)时，PMS 在飞行时间上不具有明显优势。

图5 各航班在PMS节省的飞行时间和与前机进场的时间间隔Fig.5 Flight time saved and approach time interval of each flight

3.2 燃油消耗分析

3.2.1 非高峰时刻

单次A320航班在PMS中比STAR节省30.65%的燃油，约74.58 kg。由燃油消耗的计算原理可知，影响燃油消耗的主要因素是飞行时间和燃油流量。对比航空器的高度剖面，如图6 所示，航空器在PMS 中运行拥有更少的平飞频率，保持更加顺滑的下滑态势，这就显著降低了对推力的需求，进而降低了燃油流量。虽然一开始PMS的推力要大于STAR，但因为在STAR 中航空器在雷达引导下实施阶梯下降，而PMS因采用区域导航，在达到汇聚点预定的900 m高度前，减少了下降中平飞段的频次和距离(图6)，因此航空器在STAR中的平均推力(20233 N)要远远大于PMS(17426 N)。由航空器性能模型可知，推力与燃油流量正相关，所以航空器在PMS 中的平均燃油流量(0.22 kg ⋅s-1)要小于STAR(0.32 kg ⋅s-1)。因此，PMS具有节能优势。

图6 非高峰时刻高度剖面与燃油流量对比图Fig.6 Comparison of altitude profile and fuel flow at off-peak time

3.2.2 高峰时刻

在高峰时刻下，43 架航班共节省31.15%的燃油，约3424.14 kg。类似于非高峰时刻，由于PMS运行中航班平飞段的频次较低、距离较短，这些航班的平均推力要远远小于STAR，又因推力与燃油流量正相关，所以高峰时刻下每架航班的燃油消耗有所减少，再综合考虑飞行时间因素，PMS 在燃油流量与飞行时间的双因素驱动下，高峰时刻平均每架航班节省约79.63 kg燃油，如图7所示，比非高峰时刻更具有节能优势。

图7 高峰时刻各航班燃油消耗量Fig.7 Fuel consumption of each flight at peak time

3.3 排放指数分析

3.3.1 非高峰时刻

本文研究的5 种污染物中，SOx的排放指数是一个定值；PM 的排放指数与HC 排放指数成正比[8-9]；HC、CO、NOx的排放指数与燃油流量大小相关，由EEDB数据插值可得到其变化规律。

对于A320机型(CFM56-5B6发动机)，通过拟合5种污染物在不同推力下总排放指数，如图8所示，可以发现，总排放指数与燃油流量呈“V型”变化趋势，即当燃油流量为0.279 kg ⋅s-1时，总排放指数最小；当燃油流量小于0.279 kg ⋅s-1时，总排放指数与燃油流量成反比；当燃油流量大于0.279 kg ⋅s-1时，总排放指数与燃油流量成正比但增长幅度较缓。

图8 A320(CFM56-5B6发动机)污染物排放指数特性Fig.8 Characteristics of pollutant emission index of A320(CFM56-5B6)

进一步，根据运行的实时推力可得到A320 机型在两个进场程序下污染物总排放指数的变化趋势，如图9 所示。由图9 易知：在大部分运行时间中，PMS 的总排放指数低于STAR；同时，PMS 的总排放指数平均值(25.62 g ⋅kg-1)要小于STAR(32.13 g ⋅kg-1)。较低的总排放指数有助于PMS 减少排放。

图9 污染物总排放指数变化图Fig.9 Index of total pollutant emission at off-peak time

3.3.2 高峰时刻

同理，可得到高峰时刻下各航班的污染物总排放指数变化情况，如图10 所示，PMS 中43 架航班总排放指数平均值(27.10 g ⋅kg-1)小于STAR(34.25 g ⋅kg-1)。对比可知，航空器在PMS中运行具有更低的排放指数。因而，在相同燃油消耗量的情况下，PMS可排放更少的污染物(何况PMS还具有节省燃油消耗的优势)。

图10 高峰时刻污染物总排放指数变化图Fig.10 Index of total pollutant emission at peak time

3.4 减排关键因素识别

基于以上分析，采用皮尔逊相关系数法进一步识别PMS减排的关键驱动因素。针对高峰时刻43架航班，相关性分析结果如表5 所示。3 种影响因素均通过显著性检验，其中，飞行时间与污染物排放量相关性最高，达到0.99。因此，缩短航空器进场时间是减少污染物排放的最有效途径。

表5 皮尔逊相关性分析结果Table 5 Pearson correlation analysis results

特别需要指出的是：污染物总排放指数与污染物排放量呈负相关。这一结论与航空器的运行状态密切相关。在PMS中航空器运行状态可划分为平飞阶段与下降阶段，其中航空器在平飞阶段为保持水平姿态，相较于下降阶段需要更大的推力(也意味着更大的燃油流量)。根据发动机排放指数特性曲线，如图11所示，当航空器进入平飞阶段时，推力增大(燃油流量上升)、总排放指数减小；即使推力等级已处于对应的“V 型”总排放指数右侧，其总排放指数仍小于航空器在下降阶段的排放指数。尽管如此，污染物排放量同时受飞行时间、燃油流量与排放指数的共同影响。在飞行时间不变的情况下，通过“追求减小排放指数而减少排放总量”的积极效用远小于由此带来的“因燃油流量上升而增加排放总量”的消极影响。因此，利用发动机排放指数特性，通过提升燃油流量进而降低排放指数、以期减少污染物排放总量，将陷入“顾此失彼”的局面。

图11 典型发动机排放指数特性曲线Fig.11 Characteristic curve of typical engine emission index

此外，考虑到燃油流量与排放指数存在相关性，进一步采用偏相关分析排除彼此相互影响后，检验两者分别对污染物排放量的影响情况。结果显示：燃油流量、排放指数与污染物排放量的偏相关系数分别为0.90和0.75，且均通过0.01显著性检验。燃油流量对污染物排放量的影响更为突出。因此，减少进近平飞过程，推广连续下降运行等措施可有效减少污染物排放量。