局地输电对济南地区空气质量的影响研究

2022-04-06马小会徐敬张自银

气候与环境研究 2022年2期

马小会徐敬张自银

1 京津冀环境气象预报预警中心，北京 100089 2 中国气象局北京城市气象研究院，北京 100089

1 引言

长期以来，由于我国的能源结构以煤为主，使得全国城市大气环境呈现高浓度的二氧化硫和颗粒物污染（吴家玉等，2021；吴家玉等, 2017; 惠霂霖等, 2017），区域整体环境质量恶化，光化学烟雾、区域性大气灰霾频繁发生，重酸雨区面积增加，有毒有害大气污染物环境风险愈来愈大。以PM2.5主导因素的区域灰霾现象日趋严重，已经对我国公众健康和社会生活构成巨大威胁，引起了公众的广泛关注，燃煤电厂对大气污染的影响效应以及改造技术被广泛研究（李德波等, 2019; 黄伟等, 2021; 朱法华, 2017; 李小龙等, 2018; 杨艳蓉等, 2019; 武亚凤等, 2017; 刘晋宏等, 2021）。

我国现有的电力发展布局不合理，煤电大量布局在京津冀、长三角、珠三角等政治、经济中心（白建华等, 2007），导致中东部大量排放大气污染物，严重超过区域大气环境容量，而这些区域也正是全国灰霾天气现象最严重、最集中的区域。同时，广大的西部地区资源富集，大气环境容量更大，因此迫切需要进行跨区域的能源及资源优化配置。特高压跨区域输电正是实现这种能源、资源、环境的优化配置，改善区域灰霾天气问题的有效手段（姜雨泽等, 2016）。

特高压远距离输电，可以减少受端区域燃煤发电机组，减少相应的污染物的排放，以实现减少大气灰霾天气的目的，即通过改变内因，来达到减少灰霾天的目的。这是目前国家灰霾治理工作的共识，但由于之前未开展相关研究，这个观点仍缺乏具体数据的支撑，尤其是改善的程度更不能有效的评价。

本文章主要研究掌握燃煤电厂PM2.5排放特征以及对区域内大气环境影响状况的基础上，研究特高压跨区域送电对受端灰霾天气的改善影响，有利于治理目前全国灰霾污染的电力产业政策、电网企业规划制定有利于改善现有灰霾污染严重区域空气质量的输电线路框架提供数据依据。定量化评估特高压跨区域输电工程对受端区域大气灰霾的改善效应，利用先进的大气化学数值模拟技术（王哲等, 2014; 徐敬等, 2019; 庞杨等, 2013; Dennis et al.,1996; Geng et al., 2011; Tie et al., 2009; Wang et al., 2012; Lei et al., 2007; Jiang et al., 2008）开展排放源的敏感性试验。建立影响评估模型，制定评价办法，定量评估输电工程对选定的区域、选定的具体点的大气质量影响进行评价。

2 数据与方法

2.1 模式设置

本研究使用WRF-Chem模式进行模拟分析，WRF-Chem由美国国家大气研究中心（NCAR）、美国国家海洋及大气管理局（NOAA）和美国太平洋西北国家实验室（UCAR）等多家组织联合开发的气象-化学在线耦合模式。气象要素由于时空插值造成气象场的误差增大，从而引起空气质量模拟的误差随之增加，一个在线的、全耦合的包括多尺度、多过程的模式系统符合本研究的需求，特高压跨区域输电工程对受端区域大气灰霾的影响与具体的气象条件紧密联系，气象条件和化学污染物之间的在线耦合是十分必要，因此选用WRF-Chem作为模拟系统核心，通过相关程序的编译、参数的设置、数据的处理及输入等，建立一套电厂电厂污染物排放对空气质量影响的计算模型。

2.2 数据来源

本数值模拟需要的初始气象场和侧边界条件数据来源于美国大气环境预测中心（NCEP）提供的全球再分析资料FNL（https://rda.ucar.edu/datasets/ds083.2/[2016-03-20]），其空间分辨率为1°（纬度）×1°（经度），时间分辨率为每6 h；模拟中需要的实时预报场来源于全球天气预报场GFS（https://www.ncdc.noaa.gov/data-access/model-data/model-datasets/global-forcastsystem-gfs[2016-03-20]），其空间分辨率为0.5°（纬度）×0.5°（经度）和1°（纬度）×1°（经度），时间分辨率为3 h（前72 h）和6 h。模拟中的地理数据包括地形高度数据，地表植被类型等，来源于美国地质勘探局（USDS）的geog数据（http://www2.mmm.ucar.edu/wrf/users/download/get_sources_wps_geog.html[2016-03-20]），主要包括地形高度、坡度、土地利用、土壤类型、湿度等等，其空间分辨率最高达到9 s （0.27 km）。模拟区域覆盖华北大部分地区，水平分辨率为9 km，水平网格点数为154（纬向）×142（径向），垂直方向分为30 层，边界层内有 15层，模式顶为50 hPa。

模式采用的人为排放清单为2016年清华大学主持研发的华北区域 0.1°（纬度）×0.1°（经度）格点化清单（http://www.meicmodel.org[2016-03-20]），清单包含 5 个排放部门（电力、工业、民用、交通、农业）。

本文的空气质量数据来源于中国环境保护部数据中心提供的空气污染指数（API）资料。本文根据北京地区多年统计结果，同时考虑到冬季取暖等过程对电力的需求较大，选取2015年12月开展模拟分析。

2.3 虚拟电厂的建立与评价方法

2.3.1 虚拟电厂的建立

本研究选取的目标区域为济南地区，考虑虚拟电厂排放量占基础清单排放量中的比例极低，评价的目标区域主要关注虚拟电厂坐标区域，重点评价虚拟电厂的增加对局地PM2.5浓度变化的影响。虚拟电厂增加后该区域大气环境污染物浓度增加的量，表述为远距离跨区域输电后对受端区域大气环境相应污染物的减少量。

济南处于京津冀地区的下游，选择影响最大区域设置虚拟电厂排放情景，在受端区域虚拟新建电源点，虚拟的电源点主要包括受端区域内规划中的、已核准的、在建的电源点，以及电源点相应的容量；根据特高压输入的电量，按照机组容量大小，分配相应的发电负荷。本文虚拟电厂共为6个，坐标分别为（37.47°N，118.06°E）、（37.27°N，118.92°E）、（36.14°N，117.70°E）、（36.08°N，117.15°E）、（37.16°N，118.14°E）、（37.44°N，120.03°E）。

由于虚拟电厂的烟囱高度为210 m，其影响范围不光是地面，需要同时评估不同高度上的影响。评价内容包括：不同高度层上PM2.5小时浓度的变化、PM2.5浓度改变的影响范围及随时间的变化情况等。

2.3.2 虚拟电厂排放量计算

根据虚拟电厂的坐标，采用最短距离法插值到计算模型中的对应网格，确定虚拟电厂在输入模型的排放清单中的位置。虚拟电厂的烟囱高度为210 m，因此其排放在向清单的输入过程中，进行了排放高度的垂直优化，依据经验系数分配给模式地面以上的8层，对应高度分别为：9 m、27 m、46 m、64 m、91 m、130 m、185 m和255 m。

本文虚拟情景中虚拟电厂共计为6个，按照3种不同的计算方法，计算得到3份不同的排放清单。方法一：根据区域内已投运电源点的实际排放量及发电量，计算电源点污染物的排放绩效，根据输入的电量，计算排放清单；方法二：根据电源点所执行的排放标准，以及国家环保部颁布的排放绩效，计算排放清单；方法三：根据燃煤电厂大气污染物排放模型计算排放清单。

通过3种方法得到该情景下的PM2.5的年排放量分别为298 t、664 t和352 t。通过时间分配因子，将电厂的年排放量转换为小时排放强度输入模式。根据评价等级的不同，选择相对应的排放清单，输入模型后得到电厂排放对相关影响区域的大气雾霾影响的计算结果。

3 研究结果

3.1 电源点对主城区大气环境影响评价

将济南主城区当做评价对象，考察电厂排放对其的影响，济南市主城区主要包括槐荫区、历下区、天桥区、市中区、历城区等几个区域，考察该区域大气环境的变化情况。

3.1.1 PM2.5浓度和空气质量变化情况

根据3种计算方法计算排放清单代入模型，计算PM2.5减小量和减小比例。由图1可以看出，对济南城区大气PM2.5浓度小时均值浓度最大可降低1 μg m-3左右，最常见情况为降低0.2～0.5 μg m-3；降低的比例最大在2.5%左右，最常见情况在0.5%～1%；PM2.5日均浓度最大降低0.1 μg m-3左右，降低的比例约0.24%，AQI（空气质量指数）值下降最大0.14左右（表1）；PM2.5月均浓度降低约0.033 μg m-3，降低比例约0.05%。

表1 2015年12月济南城区大气环境PM2.5日均浓度与AQI（空气质量指数）变化量Table 1 Change of daily average concentrations of PM2.5 and AQI (Air Quality Index) at Jinan in December 2015

图1 2015年12月济南地区（a、d）PM2.5浓度变化，3种方法计算得到的PM2.5浓度（b、e）减小量和（c、f）减小比例：（a、b、c）小时浓度变化；（d、e、f）日均浓度变化Fig. 1 Hourly (left column) and daily (right column) averaged of (a, d) PM2.5 concentration, (b, e) decrease value, and (c, f) reduction ratio of PM2.5 concentration using the three-calculation method in Jinan in December 2015

月内PM2.5浓度减小量和减小比例的浮动受基础环境浓度和气象条件的共同影响，对比天气形势分析发现，当处于有利于污染物扩散的形势时，虽然基础浓度不高，但造成PM2.5的减小值和减小比例偏高。

影响最大时的气象状况为，济南城区处于高压底部，弱冷空气缓慢南压，风向风速没有明显改变，一直维持小风状态，弱冷空气的影响造成PM2.5降低值增加，但是污染物南输且风速较弱等气象条件造成基础的AQI居高不下。如15日时，受较强冷空气影响，PM2.5减小值上升，AQI指数也明显下降，因为冷空气较7日势力强，济南风速明显加大到4 m s-1，造成基础浓度明显下降。

3.1.2 其他污染物浓度变化情况

对于其他污染物浓度的变化由图2可以看出，其他各项污染物当中，绝对浓度影响最大的为CO，日均浓度降低幅度最大值为1.7 μg m-3左右，最常见的降低范围为0.5～1 μg m-3，日均浓度影响比例最大的为SO2，月均浓度减少约0.16 %，日均浓度最大可减少0.5 %～0.7 %左右，SO2、NO2、PM10的月均浓度分别降低约0.124、0.04、0.032 μg m-3。

图2 2015年12月济南地区各污染物日均浓度变化量Fig. 2 Daily average change of pollutant concentrations in Jinan in December 2015

3.2 电源点附近不同风向影响范围

以济南城中心为关注区域，当主导风向为东南时，关注区域为电厂排放的上风向地区；当主导风向为偏北风时，关注区域为电厂排放的下风向地区；此外，当地面风速较小，空气流动性较差时，这种情况为稳定气象条件，电厂排放的影响主要集中于局地。所以选取上述三种代表性气象条件，对虚拟电厂的排放影响进行分析。

电厂排放导致地面PM2.5小时浓度变化随风向分布的逐时变化情况。由图3可见，当风向较小，不利于污染物扩散时，虚拟电厂排放对地面PM2.5浓度的改变影响范围主要集中在电厂附近，对局地地面PM2.5浓度改变的影响较大；当地面风力加大时，虚拟电厂排放对地面PM2.5浓度的改变影响范围会随着风的输送向下游地区逐渐扩大，对局地的影响逐渐减弱。

由图3可以看出，东南风条件下，济南地区大气环境PM2.5影响的范围最大，静稳条件、偏北风条件下时影响范围很小，只影响虚拟电源点附近的区域；东南风气象条件下时，PM2.5浓度增大较大的区域为距离虚拟电源点较劲的区域，受东南风的影响时，济南东北部方向区域的PM2.5浓度将增大，其最大的影响范围大约为30 km，受影响的最大面积约占济南城区的20%。

图3 2015年12月8日（a）20:00、（b）21:00、（c）22:00东南风条件下，2015年12月22日（d）08:00、（e）09:00、（f）10:00静风条件下，2015年12月15日（g）15:00、（h）16:00、（i）17:00北风条件下电厂排放地面PM2.5小时浓度变化，矢量箭头表示水平风场Fig. 3 Hourly average concentrations of PM2.5 in the Southeast at (a) 2000 LST, (b) 2100 LST, and (c) 2200 LST on December 8, 2015; hourly average concentrations of PM2.5 in the calm wind at (d) 0800 LST, (e) 0900 LST, and (f) 1000 LST on December 22, 2015; hourly average concentrations of PM2.5 in the North wind at (g) 1500 LST, (h) 1600 LST, and (i) 1700 LST on December 15, 2015 (vectors represent horizental wind field)

当济南地区地面受弱气压场控制并且风速较小（风速小于2 m s-1）时，污染影响范围大；当济南地区受冷空气影响并且刮北风且风力足够大时，影响范围明显减小。济南位置特殊，由于处于京津冀地区下游，所以当京津冀出现重污染天气过程时，若冷空气势力偏北或者偏弱，济南处于高压底部时，风向风力均没有明显变化时，弱冷空气对济南的基础浓度起不到改善的作用。当冷空气足够强，济南吹北风，且风力达到4 m s-1以上时，基础浓度前期受上游传输作用改善不明显，后期呈明显下降趋势。

3.3 虚拟点源点对不同高度大气环境影响

选取济南市城中心监测点作为比较对象，以污染物的日均浓度值变化作为考察指标，考察该点位首要污染物PM2.5，以及其他大气污染物在不同高度处，大气环境质量的改变影响情况。地面以上第2至第9层，对应高度分别为0 m、9 m、27 m、46 m、64 m、91 m、130 m、185 m和255 m，为体现差异，每间隔一层，取数据进行比较，即仅比较9 m、46 m、91 m、185 m和255 m等高度的数据。

3.3.1 电厂排放对城中心监测点不同高度PM2.5浓度影响情况

由图4可以看出，在监测点各层均有影响，各高度上PM2.5小时浓度的变化量主要分布在0～0.25 μg m-3。在该监测点46 m和91 m空间层大气环境PM2.5浓度影响最大，其最大影响量可达到0.2 μg m-3左右，在185 m高度上仍有影响，在地面和255 m高度上影响最小，且小时均值、日均值变化情况一致。不同空间层PM2.5减少量的变化趋势基本保持一致，日均减少量较大的点均出现在相同的日期，说明和气象条件有较大的关系。

图4 2015年12月济南地区PM2.5日均浓度减少量随高度变化情况Fig. 4 Change of daily average concentrations of PM2.5 at different levels in Jinan in December 2015

总体来看，在北京城中心监测点，45 m和91 m空间高度层大气PM2.5浓度影响最大，说明经过远距离的传输，电源点排放的PM2.5经过随气流经过扩散、沉降、传输等作用，在到达城中心监测点时对大气环境影响的高度逐渐下降。

3.3.2 各类污染物随高度的变化情况

以月均浓度为评价指标，考察各项污染物浓度影响随空间高度的变化情况，具体见图5。可以看出，特高压工程对不同高度层PM2.5浓度的降低幅度也不同，46 m高度层左右，PM2.5、PM10浓度降低的幅度最大，随着高度的增加，浓度值降低幅度逐渐减小，至225 m时，PM2.5浓度基本不变；其他污染物当中NO2的变化量最大的空间层为46～91 m；CO、SO2、PM2.5和PM10的变化量最大空间层均为9～46 m，225 m以上是各污染物变化幅度较小。

图5 2015年12月济南地区（a）CO和（b）其他污染物月均浓度减少量随高度变化Fig. 5 Change of monthly average concentrations of (a) CO and (b)other pollutants at different levels in Jinan in December 2015

4 总结

（1）工程对整个主城区整体的大气环境影响较小： PM2.5小时平均值最大可降低约1 μg m-3、下降的比例约2.5%，最常见的影响值范围在0.2～0.5 μg m-3左右，影响比例在0.5%～1%；PM2.5日均浓度最大降低0.1 μg m-3左右，降低的比例约0.24%，AQI值下降最大0.14左右；PM2.5月均浓度降低约0.033 μg m-3，降低比例约0.05 %；各项污染物中绝对浓度影响最大的为CO，日均浓度降低幅度最大值为1.7 μg m-3左右，日均浓度下降比例最大的为SO2，日均浓度最大可减少0.5%～0.7%。

（2）不同的气象条件下，虚拟电厂对大气环境的影响，最大影响距离约30 km，最大的影响面积约占济南地区的20%左右，此时的气象状况为弱气压场控制，及风速较小、风速小于2 m s-1，天空云量不多。

（3）特高压工程对不同高度层PM2.5浓度的降低幅度也不同，46 m高度层左右，PM2.5、PM10浓度降低的幅度最大，随着高度的增加，PM2.5浓度降低幅度逐渐减小，至225 m时，PM2.5浓度基本不变；其他污染物当中NO2的变化量最大的空间层为46～91 m；CO、SO2、PM2.5和PM10的变化量最大空间层均为9～46 m，225 m以上大气污染物基本不受影响。