闞 慧,伯 鑫,屈加豹,楊朝旭,伍鵬程,田 飛,莫 華,趙曉宏,周學雙

?

2015年海南省火電行業(yè)大氣環(huán)境影響研究

闞 慧1,伯 鑫2*,屈加豹2,3,楊朝旭4,伍鵬程5,田 飛6,莫 華2,趙曉宏2,周學雙7

(1.南京大學環(huán)境規(guī)劃設計研究院股份公司,江蘇 南京 210093；2.環(huán)境保護部環(huán)境工程評估中心,北京 100012；3.河北科技大學環(huán)境科學與工程學院,河北 石家莊 050000；4.吉林化工學院資源與環(huán)境工程學院,吉林 吉林 132022；5.環(huán)境保護部環(huán)境規(guī)劃院,北京 100012；6.山東省環(huán)境保護科學研究設計院,山東 濟南 250013；7.海南省生態(tài)環(huán)境保護廳,海南 ?？?570100)

基于火電企業(yè)在線監(jiān)測數(shù)據(jù)、環(huán)境統(tǒng)計數(shù)據(jù)、排污許可及火電排放清單等,分析各統(tǒng)計口徑下的海南火電大氣污染物排放量差異,并基于在線監(jiān)測數(shù)據(jù)分析海南省火電排放時間變化規(guī)律.分別設置現(xiàn)狀、排污許可及超低排放3種情景,采用CALPUFF模型分析3種情景下火電廠對海南大氣環(huán)境的影響.結(jié)果顯示,不同統(tǒng)計口徑下火電廠各污染物排放量差異較大,最大差值可達到5.65倍;在時間維度上,海南省火電行業(yè)污染物排放量月際分布較平穩(wěn),每月污染物排放量約占全年的7%~10%,24h變化呈現(xiàn)明顯“兩峰兩谷”特征.在大氣環(huán)境影響方面,火電企業(yè)大氣SO2、NO、PM2.5、PM10濃度分布總體呈現(xiàn)西部高東部低的趨勢.現(xiàn)狀情景下火電企業(yè)對各城市年均濃度影響范圍為SO20.001~0.015μg/m3、NO0~0.01μg/m3、PM100.001~0.006μg/m3、PM2.50~0.003μg/m3,最高濃度基本出現(xiàn)在東方市、臨高縣.火電廠對大氣環(huán)境的影響程度為許可情景>現(xiàn)狀情景>超低情景,執(zhí)行排污許可時火電廠排放PM10和NO對各城市均值年均濃度較現(xiàn)狀情景分別增加50%和38%;全面實施超低排放后,火電廠對大氣環(huán)境影響有明顯改善, SO2和PM2.5對各城市均值年均濃度較現(xiàn)狀情景分別降低57%和69%.

排污許可；火電；在線監(jiān)測；CALPUFF；排放清單

根據(jù)海南統(tǒng)計年鑒,2015年全省火力發(fā)電量約為228.22億kWh,占全省總發(fā)電量的93.25%,能源消耗量占總消耗量的34.80%.火電行業(yè)對海南電力保障事關(guān)重要,也是大氣環(huán)境中SO2、NO、顆粒物重要排放源之一,開展海南火電行業(yè)對海南國際旅游島空氣質(zhì)量貢獻的研究意義重大.

近年來國內(nèi)外針對火電行業(yè)大氣污染物排放的研究主要集中在節(jié)能減排工藝技術(shù)研究、減排潛力分析、大氣污染物排放清單及環(huán)境影響研究等方向.超低排放技術(shù)是目前主流的火電行業(yè)節(jié)能減排工藝,國內(nèi)學者對其實施技術(shù)[1-2]、減排潛力[3-4]等開展了廣泛研究; Xue等[5-7]分別測算了我國火電行業(yè)在”十二五”、”十三五”期間和更遠期的減排潛力;在排放清單的建立方面,諸多學者運用物料衡算法、排放因子法、在線監(jiān)測法等多種方法建立了不同層面和不同時間跨度的火電行業(yè)大氣污染物排放清單[8-13],而Hao等[13-17]在排放清單的基礎(chǔ)上分別從城市、區(qū)域、全國層面研究了火電行業(yè)大氣污染物對空氣質(zhì)量的影響.現(xiàn)有研究成果表明,我國火電行業(yè)大氣污染物排放對SO2、NO、PM2.5等大氣污染物貢獻較大[4,16],但針對海南省火電行業(yè)大氣環(huán)境影響的研究仍少見報道.此外,海南省是火電排污許可制度試點較早的幾個省份之一,已有6家火電廠均取得排污許可證.目前火電企業(yè)排污許可限值(包括短時排放量限值和年排放量限值),考慮了污染源的設備類型、燃料消耗量、污染物控制技術(shù)等,尚未考慮大氣污染物排放造成的環(huán)境影響是否能夠接受.

本研究基于2015年海南省火電排放清單、火電在線監(jiān)測、環(huán)境統(tǒng)計、排污許可等,分析了火電企業(yè)大氣污染物排放量在各統(tǒng)計口徑下的差異,建立高時空分辨率的海南省火電大氣污染物排放清單,采用WRF中尺度氣象模式、CALPUFF空氣質(zhì)量模型,分析了現(xiàn)狀排放、排污許可、超低排放3種情景下火電企業(yè)對海南省各城市的大氣污染貢獻,為海南省環(huán)境空氣質(zhì)量進一步優(yōu)化提供數(shù)據(jù)和技術(shù)支撐.

1 材料與方法

1.1 研究對象及數(shù)據(jù)來源

研究區(qū)域為海南島,包括海南省除三沙市以外的3個地級市、5個縣級市、4個縣及6個自治縣,基準年為2015年.海南省位于我國最南端,全省陸地總面積3.54萬km2,其中海南島面積約3.39萬km2.根據(jù)海南統(tǒng)計年鑒,2015年海南省火力發(fā)電主要分布在東方市、澄邁縣及儋州市,發(fā)電量在全省火力發(fā)電中占比分別為40%、31%和20%.

海南省大氣環(huán)境較為清潔,環(huán)境空氣質(zhì)量在全國各省份中排名靠前.海南省環(huán)境質(zhì)量狀況公報顯示,2015年全省優(yōu)良天數(shù)比例為97.9%,輕度污染天數(shù)2.0%,中度污染天數(shù)0.1%,全省SO2、NO2、PM10、PM2.5年均質(zhì)量濃度分別為5, 9, 35, 20μg/m3, SO2、NO2、PM10濃度符合一級標準, PM2.5濃度符合二級標準.

本研究以6家獨立火電廠(燃煤電廠3家、燃氣電廠3家)為研究對象(表1、圖1),共計16個機組,裝機容量375.8萬kW, 2015年發(fā)電量196.8億kwh,占全省2015年火力發(fā)電量的86.2%.除清瀾電廠距離海岸線約6km外,其他5家火電廠距離海岸線均在1.2km以內(nèi)(存在海岸熏煙影響)[18].

本研究中使用原始數(shù)據(jù)主要來源于全國排污許可證管理信息平臺公開端(http://permit.mep.gov.cn/)、環(huán)境統(tǒng)計數(shù)據(jù)、火電企業(yè)在線監(jiān)測數(shù)據(jù).在線監(jiān)測數(shù)據(jù)為2015年華能海南發(fā)電股份有限公司東方電廠及海口電廠2家火電廠煙氣排口煙塵、SO2、NO等大氣污染物在線監(jiān)測小時數(shù)據(jù). 原始在線監(jiān)測數(shù)據(jù)共計約18.33萬條,去除火電機組停運維護、檢修等數(shù)據(jù)無效情況,共計有效在線監(jiān)測數(shù)據(jù)約17.55萬條.

海南省火電排放清單數(shù)據(jù)來自研究團隊的2015年全國高分率火電排放清單(HPEC,2015),該清單是結(jié)合基于在線監(jiān)測數(shù)據(jù)計算的污染物年均排放濃度和根據(jù)各企業(yè)燃煤低位發(fā)熱值計算的單位燃煤理論干煙氣量,采用排放因子法自下而上建立的,區(qū)別于在線監(jiān)測數(shù)據(jù)法(將各小時在線監(jiān)測數(shù)據(jù)加和)[13].

表1 海南省6家獨立火電廠基本情況

圖1 海南省6家獨立火電廠分布

1.2 空氣質(zhì)量模型參數(shù)設置

CALPUFF是三維非穩(wěn)態(tài)拉格朗日擴散模式,是我國環(huán)保部推薦的大氣環(huán)境影響評價法規(guī)模型之一,適用于幾十米到幾百公里的模擬范圍、復雜條件[19-21],在國內(nèi)外大氣環(huán)境影響研究中應用普遍[22-24].CALPUFF主要包括CALMET氣象模式、CALPUFF擴散模式等[19,21].

海南島屬于熱帶季風海洋性氣候,四面環(huán)海,大氣污染物擴散具有特殊性[25],海邊火電企業(yè)需要考慮海岸熏煙影響.已有研究結(jié)果顯示[26-27],沿海區(qū)域重大污染源大氣環(huán)境模擬采用CALPUFF模式較為準確.因內(nèi)置簡單的二次化學轉(zhuǎn)化機制,CALPUFF模型在國內(nèi)外火電企業(yè)大氣環(huán)境影響研究方面有較廣泛的應用,包括北京、美國華盛頓州等地區(qū)火電廠排放一次和二次顆粒物的大氣環(huán)境影響及人體健康風險[14,28-29].

本研究使用CALPUFF模型6.42版本,地面氣象數(shù)據(jù)、高空數(shù)據(jù)、降水資料等均來自氣象模式WRF(ARW3.9.1.1),WRF模式詳細設置參數(shù)見表1,通過CALWRF提取WRFOUT文件,并輸出3d.dat用于運行CALMET.坐標系統(tǒng)采用UTM投影(49分區(qū)),區(qū)域內(nèi)地形高度資料分辨率為90m(USGS),土地利用類型數(shù)據(jù)精度為30m[30],模擬區(qū)域總范圍為328km×248km,水平網(wǎng)格分辨率為4km×4km,網(wǎng)格點數(shù)設置為82×62.

CALPUFF輸入了火電煙囪高度、直徑、坐標等信息,參數(shù)設置考慮硫酸鹽、硝酸鹽的二次化學反應(MESOPUFF Ⅱ),O3和NH3月均濃度默認為80×10-9和10×10-9,燃煤、燃氣電廠煙塵中的PM2.5含量分別按煙塵總量的50%和82%計算[31-32],并考慮火電排放的時間變化規(guī)律,計算時間步長按1h考慮.

表1 WRF模式參數(shù)設置

1.3 情景設計

本研究共設置3個污染物排放情景:情景1為2015年海南省火電企業(yè)排放現(xiàn)狀,情景2為海南省現(xiàn)有火電廠全部按照已核發(fā)排污許可的許可排放量運行,情景3為海南省現(xiàn)有火電廠全部按照超低排放要求達標運行.

2 結(jié)果與討論

2.1 海南省火電排放量分析

2.1.1 火電排放量分析 海南省火電排放清單數(shù)據(jù)顯示(HPEC,2015), 2015年海南省6家火電廠SO2、NO、煙塵排放量分別為7751.18, 6055.56, 972.54t/a;根據(jù)排污許可數(shù)據(jù)6家火電廠SO2、NO、煙塵排放量分別為8643.20, 7522.29, 1625.53t/a;而根據(jù)海南省環(huán)境統(tǒng)計數(shù)據(jù)核算6家火電廠SO2、NO、煙塵的排放量分別為10332.69, 22856.85, 804.63t/a.由圖2可見,不同統(tǒng)計口徑下海南省6家火電廠主要大氣污染物排放量有所差異,且不具備明顯規(guī)律,但總體呈現(xiàn)為在線監(jiān)測數(shù)據(jù)統(tǒng)計量與排放清單計算排放量基本相當,小于許可排放量和環(huán)境統(tǒng)計排放量.相對SO2和煙塵排放量,不同統(tǒng)計口徑下NO排放量差異較大,最大差值出現(xiàn)在華能?？陔姀S, NO環(huán)境統(tǒng)計排放量為許可排放量的6.65倍.

有研究表明在線監(jiān)測法核算火電廠污染物排放量相對更為準確[33],且能夠較好的體現(xiàn)污染源排放的實時動態(tài)變化情況[34],伯鑫和崔建升等[13,15,35]的研究也表明使用在線監(jiān)測數(shù)據(jù)核算火電廠大氣污染物排放能夠提高清單的時間分辨率并降低不確定性.因此本研究以在線監(jiān)測數(shù)據(jù)統(tǒng)計量為火電廠大氣污染物排放量的假定真實量.由華能東方電廠和華能?？陔姀S的排放量分析可見,通過排放清單法(HPEC)與在線監(jiān)測數(shù)據(jù)法得到的各大氣污染排放量基本相當,采用排放清單法計算結(jié)果作為現(xiàn)狀排放量用于大氣環(huán)境影響研究具有較高的真實性和可靠性.

2.1.2 火電時間譜分析 圖3為海南省火電行業(yè)大氣污染物排放的月變化及24h變化特征譜.從結(jié)果來看, 華能東方電廠和華能?？陔姀S兩家火電廠大氣污染物排放量在各月變化幅度不大,污染物排放分布曲線較為平穩(wěn).污染物排放量自1月逐漸增加,至5月份污染物排放量達到全年最高值,煙塵、SO2、NO3種污染物排放量分別占全年排放量的9.3%、9.7%和9.7%,6~10月污染物排放量基本保持穩(wěn)定,占全年排放量的比重在8%以上,11~12月污染物排放量逐漸降低至與1月持平,約占全年排放量的7%~8%.海南島屬熱帶季風海洋性氣候,四季不分明,每年5~10月氣溫較高,兩家火電廠大氣污染物排放月度分布情況與氣溫變化情況基本一致,污染物排放量受氣溫影響較大,這與李琳瑋等[36]研究得出的海南電網(wǎng)日最大負荷與日最高氣溫曲線擬合度較高的研究結(jié)論吻合.

兩家火電廠大氣污染物排放量24h變化呈現(xiàn)明顯的“兩峰兩谷”特征,污染物排放在凌晨4:00左右出現(xiàn)最低值(煙塵、SO2、NO分別為3.93%、3.71%、3.82%),隨后逐漸增加至上午11:00左右出現(xiàn)峰值(煙塵、SO2、NO分別為4.31%、4.35%、4.31%), 14:00左右出現(xiàn)全天第二個低谷(煙塵、SO2、NO分別為4.12%、4.09%、4.14%),午后污染物排放再次逐漸上升至下午19:00左右出現(xiàn)全天最大值(煙塵、SO2、NO分別為4.34%、4.47%、4.39%),隨后污染物排放量再次逐漸降低.污染物排放日間變化曲線與社會生產(chǎn)和居民生活規(guī)律吻合,與現(xiàn)有研究成果[9,37-38]相一致.

2.2 海南省火電大氣環(huán)境影響分析

2.2.1 氣象模擬結(jié)果驗證 結(jié)合海南省火電廠分布,選取地面氣象監(jiān)測站東方站的氣象資料作為氣象驗證數(shù)據(jù),該站點坐標為(108.617°E,19.100°N),利用CALPUFF后處理模塊的PRTMET功能提取CALMET文件中與東方站坐標一致的氣象數(shù)據(jù)(溫度、風速等),評估模擬值與監(jiān)測值的準確度和可信度.圖4給出了東方站2015年343d CALMET模擬結(jié)果與氣象監(jiān)測值的比對(東方站2015年4月部分天數(shù)地面氣象監(jiān)測數(shù)據(jù)缺失),可見風速模擬值和溫度模擬值與氣象監(jiān)測值均吻合較好,相關(guān)系數(shù)分別達到0.82和0.95,CALMET模擬的氣象場具有一定的準確性,能夠反映研究區(qū)域氣象場變化情況.

2.2.2 3種情景下大氣環(huán)境影響分析

(1)現(xiàn)狀情景影響分析

基于2015年海南火電排放清單數(shù)據(jù)(HPEC),分析現(xiàn)狀情景下海南火電企業(yè)對區(qū)域內(nèi)SO2、NO、PM2.5、PM10年均質(zhì)量濃度分布(圖5、表2)和小時質(zhì)量濃度分布的貢獻(圖6),其中小時質(zhì)量濃度指各污染物全年最大小時濃度平均.從圖5和圖6、表2可以看出,各污染物濃度總體呈現(xiàn)西高東低的趨勢,濃度較高地區(qū)主要集中在西部的東方市、臨高縣、昌江縣及儋州市等地區(qū),這與污染物排放源的分布有關(guān),且海南島地形為中高邊低,中部山地阻礙污染物擴散.

SO2、PM2.5、PM10最高年均濃度均出現(xiàn)在東方市,分別為0.015, 0.006和0.003μg/m3,NO在臨高縣出現(xiàn)最高值,為0.01μg/m3.?？谑泻腿齺喪蟹謩e是海南省省會和重要旅游城市,現(xiàn)狀情景下?？谑蠸O2、NO、PM2.5、PM10年均濃度分別為0.004 ,0.002, 0.001和0.002μg/m3, 三亞市SO2、NO、PM2.5、PM10年均濃度分別為0.003, 0.003, 0.001和0.002μg/m3.

小時濃度擴散情況更能夠體現(xiàn)污染源的分布影響,如表2所示, SO2、NO、PM2.5、PM10小時濃度最高值均出現(xiàn)在東方市,分別為1.466, 0.966 , 0.414和0.222μg/m3.現(xiàn)狀情景下海口市SO2、NO、PM2.5、PM10小時濃度分別為0.456, 0.340, 0.093和0.143μg/m3,三亞市SO2、NO、PM2.5、PM10小時濃度分別為0.373, 0.477,0.148和0.093μg/m3.

圖5 現(xiàn)狀情景下火電廠排放對主要大氣污染物年均濃度貢獻

圖6 現(xiàn)狀情景下火電廠排放對主要大氣污染物小時濃度貢獻

表2 3種情景下火電廠對各城市大氣污染物年均濃度貢獻(μg/m3)

圖7 許可情景下火電廠排放對主要大氣污染物小時濃度貢獻圖

(2)排污許可情景下影響分析

基于獨立火電廠每個排氣筒的許可排放量,分析排污許可情景下火電廠對區(qū)域大氣環(huán)境的影響.許可情景下各污染物濃度分布情況與現(xiàn)狀情景基本相同,最高濃度出現(xiàn)在東方市.與現(xiàn)狀排放情景相比,東方市SO2、NO、PM2.5、PM10年均濃度分別增加0.002, 0.004, 0.004和0.002μg/m3, NO、PM2.5、PM10小時濃度分別增加0.258,0.091和0.237μg/m3, SO2小時濃度略降低0.128μg/m3(可能是裝機容量最大、發(fā)電量最多的華能東方電廠SO2許可排放量低于現(xiàn)狀排放量導致的).

排污許可情景下?？谑蠸O2、NO、PM2.5、PM10年均濃度與現(xiàn)狀情景基本保持一致,SO2、NO、PM2.5小時濃度較現(xiàn)狀情景有所增加,分別為0.518, 0.357,0.096μg/m3, PM10小時濃度較現(xiàn)狀情景稍有降低,為0.139μg/m3.三亞市SO2、PM2.5、PM10年均濃度基本與現(xiàn)狀情景下相當,NO年均濃度比現(xiàn)狀情景下大幅增加至0.007μg/m3;NO、PM2.5、PM10小時濃度較現(xiàn)狀情景增幅較大,分別為1.115,0.198和0.359μg/m3, 2種情景下SO2小時濃度基本相當.

(3)超低情景影響分析

假設海南省6家獨立電廠均達到超低要求(煙塵10 ,35,50mg/Nm3),分析超低排放標準情況下火電企業(yè)對大氣環(huán)境的影響,研究區(qū)域內(nèi)各污染物小時濃度分布如圖8.可見東方市和三亞市受影響較大,與現(xiàn)狀情景相比, SO2、NO、PM2.5、PM10濃度分別減少1.117, 0.356, 0.193和0.113μg/m3,超低排放情景下火電廠對區(qū)域大氣環(huán)境的影響程度和影響范圍顯著降低.

超低排放情景下,?？谑蠸O2、NO、PM10年均濃度均降低至0.001μg/m3,PM2.5年均濃度降至0μg/m3;SO2、NO、PM2.5、PM10小時濃度分別降至0.126, 0.180, 0.036和0.054μg/m3;各污染物在三亞市的小時濃度基本與現(xiàn)狀情景下保持一致.

(4)三種情景對比分析

對比現(xiàn)狀、許可及超低排放3種情景下火電廠對大氣環(huán)境的影響程度,分別計算許可、超低與現(xiàn)狀情景下各污染物的年均濃度以及小時濃度的比值(圖9).由圖9可見,許可情景下火電廠對大氣污染物的濃度貢獻在大部分地區(qū)高于現(xiàn)狀情景(現(xiàn)狀情景下對萬寧市NO、PM2.5和陵水縣NO的年均濃度貢獻為0,圖9中不顯示萬寧市NO、PM2.5和陵水縣NO許可、超低情景與現(xiàn)狀情景下年均濃度的比值).年均濃度下,許可與現(xiàn)狀的比值最高值出現(xiàn)在三亞市和樂東縣的NO,為2.3;比值最低值出現(xiàn)在臨高縣和澄邁縣的NO,為0.8. 各城市比值的均值為SO21.17、NO1.38、PM101.50、PM2.51.18.小時濃度下,許可與現(xiàn)狀的比值最高值為2.59,出現(xiàn)在樂東縣的PM10;比值最低值為0.76,出現(xiàn)在屯昌縣的NO上,各城市小時濃度比值的均值為SO21.14、NO1.33、PM101.36、PM2.51.22.因此,與現(xiàn)狀情景相比,執(zhí)行排污許可限值時火電對大氣環(huán)境中PM10的貢獻增量最大,其次為NO.

由超低情景與現(xiàn)狀情景的比值可見,全面實施超低排放后,火電對各城市各污染物的濃度貢獻將得到較大幅度的降低.從年均濃度看,超低與現(xiàn)狀的比值最高值為1,即兩種情景下火電的影響相同;萬寧市和陵水縣SO2、PM10, 保亭縣NO,以及?？谑小⒍ò部h、瓊海市、屯昌縣、瓊中縣、五指山市、保亭縣及陵水縣PM2.5的年均濃度均降低至0.各城市比值的均值為SO20.43、NO0.75、PM100.65、PM2.50.31.從小時濃度看,超低與現(xiàn)狀的比值最高值為1,出現(xiàn)在三亞市、樂東縣、保亭縣的NO上,最低值出現(xiàn)在東方市的SO2,為0.17,各城市小時濃度比值的均值為SO20.38、NO0.68、PM100.53、PM2.50.48.由此可見,全面實施超低排放對大氣環(huán)境中SO2和PM2.5的改善程度最為明顯.

圖9 3種情景下火電廠對各城市大氣污染物濃度貢獻對比

可見,海南省火電企業(yè)現(xiàn)狀排放執(zhí)行標準嚴于許可排放標準,未來隨著海南省更加嚴格的大氣污染治理要求,火電廠超低排放的推廣將對海南當?shù)乜諝赓|(zhì)量的改善作出較可觀的貢獻.

2.2.3 討論 基于海南省火電企業(yè)總量少的特點,本研究通過對每個火電企業(yè)的精準定位,建立了高空間分辨率的海南省火電排放清單,在核算污染物排放量時,采用研究團隊的2015年全國高分率火電排放清單(HPEC,2015)代替在線監(jiān)測法,與現(xiàn)狀實際情況存在一定的差異.在時間分辨率方面,本研究以華能東方電廠和華能?？陔姀S的污染物排放月變化和小時變化情況作為全部6家火電廠大氣污染物排放的時間變化規(guī)律具有一定的片面性.此外,火電屬于高架源,排放的污染物對中高層大氣環(huán)境質(zhì)量的影響高于近地面,本研究主要分析了海南省火電廠大氣污染物排放對近地面大氣環(huán)境的影響,因此,存在對火電廠大氣環(huán)境影響低估的可能[16].

3 結(jié)論

3.1 基于在線監(jiān)測數(shù)據(jù)、環(huán)境統(tǒng)計數(shù)據(jù)、排污許可及火電排放清單等不同統(tǒng)計口徑的海南省火電廠各大氣污染物排放量差異較大,在線監(jiān)測數(shù)據(jù)統(tǒng)計量和排放清單計算排放量基本相當,小于許可排放量和環(huán)境統(tǒng)計量,且NO排放量差異大于SO2和煙塵.

3.2 海南省火電廠大氣污染物排放量月際分布較平穩(wěn),每月污染物排放量約占全年的7%~10%,污染物排放量主要受氣溫的間接影響和電廠發(fā)電量的直接影響.火電廠大氣污染物排放量24h變化呈現(xiàn)明顯“兩峰兩谷”特征,與社會生產(chǎn)和居民生活規(guī)律吻合.

3.3 現(xiàn)狀情景下,2015年海南省火電廠對大氣污染物的濃度貢獻呈西高東低的形勢,主要受火電廠分布、地形條件等影響.現(xiàn)狀情景下海南省火電廠對各城市年均濃度貢獻范圍為SO20.001~0.015μg/m3、NO0~0.01μg/m3、PM100.001~0.006μg/m3、PM2.50~0.003μg/m3,與2015年海南省環(huán)境空氣質(zhì)量相比(海南環(huán)境空氣質(zhì)量SO2、NO2、PM10、PM2.5年均濃度為5, 9, 35, 20μg/m3),海南省火電行業(yè)對當?shù)丨h(huán)境空氣污染貢獻較小.

3.4 現(xiàn)狀、許可、超低3種情景下,火電廠對大氣環(huán)境的影響程度總體表現(xiàn)為許可情景>現(xiàn)狀情景>超低情景.與現(xiàn)狀情景相比,執(zhí)行排污許可時火電廠對PM10和NO的貢獻增量最大,年均濃度分別增加50%和38%.全面實施超低排放后火電廠對大氣環(huán)境的影響將較大幅度降低,SO2和PM2.5降低幅度最大,較現(xiàn)狀情景可分別降低57%和69%.

[1] 史文崢,楊萌萌,張緒輝,等.燃煤電廠超低排放技術(shù)路線與協(xié)同脫除[J]. 中國電機工程學報, 2016,36(16):4308-4318.Shi W Z, Yang M M, Zhang X H, et al.Ultra-low emission technology route and synergistic removal of coal-fired power plants [J]. Chinese Journal of Electrical Engineering, 2016,36(16):4308- 4318.

[2] 朱法華,王 圣.煤電大氣污染物超低排放技術(shù)集成與建議[J]. 環(huán)境影響評價, 2014,(5):25-29.Zhu F H, Wang S. Integration and suggestion of ultra-low emission technology for coal-fired power plants air pollutants [J]. Environmental Impact Assessment, 2014,(5):25-29.

[3] 姜鑫民,張崳斌.廣東省燃煤電廠超低排放減排潛力及其經(jīng)濟效益分析[J]. 中國能源, 2016,38(3):25-28. Jiang X M, Zhang Y B. Analysis on the potential of ultra-low emission reduction and its economic benefits of coal-fired power plants in Guangdong province [J]. China Energy, 2016,38(3):25-28.

[4] 朱法華,王 圣,孟令媛.燃煤超低排放的減排潛力及其實施的必要性分析[J]. 環(huán)境保護, 2016,44(7):42-46. Zhu F H, Wang S, Meng L Y. Analysis on the emission reduction potential of coal-fired ultra-low emission and the necessity of its implementation [J]. Environmental Protection, 2016,44(7):42-46.

[5] Xue W B, Wang J N, Niu H, et al. Assessment of air quality improvement effect under the national total emission control program during the twelfth national five-year plan in China [J]. Atmospheric Environment, 2013,68(4):74-81.

[6] 鐘悅之,蔣春來,宋曉輝,等.火電行業(yè)“十三五”主要大氣污染物減排潛力情景分析研究[J]. 環(huán)境科學與管理, 2016,42(12):58-62, 136.Zhong Y Z, Jiang C L, Song X H, et al.Scenario Analysis of major air pollutant emission reduction potentials in the "13th five-year plan" of thermal power industry [J]. Environmental Science and Management, 2016,42(12):58-62,136.

[7] 孫現(xiàn)偉,鄧 雙,朱 云,等.我國燃煤電廠PM2.5減排潛力預測與分析[J]. 環(huán)境科學研究, 2016,29(5):637-645. Sun X W, Deng S, Zhu Y, et al. Prediction and analysis of PM2.5emission reduction potential of coal-fired power plants in China [J]. Environmental Science Research, 2016,29(5):637-645.

[8] 謝 曄.火電企業(yè)二氧化硫排放量核算方法研究——以浙江省為例[J]. 低碳世界, 2017,(11):14-15. Xie Y. Study on accounting method of sulfur dioxide emission in thermal power enterprises: taking Zhejiang province as an example [J]. Low Carbon World, 2017(11):14-15.

[9] 朱文波,李 楠,黃志炯,等.廣東省火電污染物排放特征及其對大氣環(huán)境的影響[J]. 環(huán)境科學研究, 2016,29(6):810-818. Zhu W B, Li N, Huang Z J, et al. Characteristics of thermal power pollutants in Guangdong Province and their impact on atmospheric environment [J]. Environmental Science Research, 2016,29(6):810- 818.

[10] Liu F, Zhang Q, Tong D, et al. High-resolution inventory of technologies, activities, and emissions of coal-fired power plants in China from 1990 to 2010 [J]. Atmospheric Chemistry and Physics, 2015,23(15):13299-13317.

[11] Chen L H, Sun Y Y, Wu X C, et al. Unit-based emission inventory and uncertainty assessment of coal-fired power plants [J]. Atmospheric environment, 2014,99(12):527-535.

[12] 丁青青,魏 偉,沈 群,等.長三角地區(qū)火電行業(yè)主要大氣污染物排放估算[J]. 環(huán)境科學, 2015,36(7):2389-2394. Ding Q Q, Wei W, Shen Q, et al. Estimation of major air pollutant emissions from thermal power industry in the Yangtze River Delta [J]. Environmental Sciences, 2015,36(7):2389-2394.

[13] 崔建升,屈加豹,伯 鑫,等.基于在線監(jiān)測的2015年中國火電排放清單[J]. 中國環(huán)境科學, 2018,38(6):2062-2074. Cui J S, Qu J B, Bo X, et al. 2015 China thermal power emissions inventory based on online monitoring [J]. Chinese Environmental Science, 2018,38(6):2062-2074.

[14] Hao J M, Wang L T, Shen M J, et al. Air quality impacts of power plant emissions in Beijing [J]. Environmental Pollution, 2007,2(147): 401-408.

[15] 伯 鑫,王 剛,溫 柔,等.京津冀地區(qū)火電企業(yè)的大氣污染影響[J]. 中國環(huán)境科學, 2015,35(2):364-373.Bo X, Wang G, Wen R, et al. The impact of thermal power enterprises on the air pollution in Beijing-Tianjin-Hebei region [J]. Chinese Environmental Science, 2015,35(2):364-373.

[16] 薛文博,許艷玲,王金南,等.全國火電行業(yè)大氣污染物排放對空氣質(zhì)量的影響[J]. 中國環(huán)境科學, 2016,36(5):1281-1288. Xue W B, Xu Y L, Wang J N, et al. The impact of air pollutant emissions from the national thermal power industry on air quality [J]. Chinese Environmental Science, 2016,36(5):1281-1288.

[17] 莫 華,朱法華,王 圣.火電行業(yè)大氣污染物排放對PM2.5的貢獻及減排對策[J]. 中國電力, 2013,46(8):1-6. Mo H, Zhu F H, Wang S. Contribution of atmospheric pollutant emissions to PM2.5in thermal power industry and countermeasures for reducing emissions [J]. China Power, 2013,46(8):1-6.

[18] HJ2.2-2008 環(huán)境影響評價技術(shù)導則:大氣環(huán)境[S]. HJ2.2-2008 Guidelines for environmental impact assessment: atmospheric environment [S].

[19] 伯 鑫.CALPUFF模型技術(shù)方法與應用[M]. 北京: 中國環(huán)境出版社, 2016:1-2. Bo X. The technology method and application of CALPUFF model [M]. Beijing: China Environment Press, 2016:1-2.

[20] Scire J S, Strimaitis D G, Yamartino R J. A user's guide for CALPUFF dispersion model [M]. Concord, MA: Earth Tech,Inc., 2000.

[21] 伯 鑫,丁 峰,徐 鶴,等.大氣擴散CALPUFF模型技術(shù)綜述[J]. 環(huán)境監(jiān)測管理與技術(shù), 2009,21(3):9-13. Bo X, Ding F, Xu H, et al. A review of atmospheric diffusion CALPUFF model technology [J]. Environmental Monitoring Management and Technology, 2009,21(3):9-13.

[22] Sabah A W, Ali S, Ali A D. Application of California Puff (CALPUFF) model: a case study for Oman [J]. Clean Technologies and Environmental Policy, 2011,1(13):177-189.

[23] 朱 好,張宏升,蔡旭暉,等.CALPUFF在復雜地形條件下的近場大氣擴散模擬研究[J]. 北京大學學報(自然科學版), 2013,49(3):452- 462. Zhu H, Zhang H S, Cai X H, et al. Near-field atmospheric diffusion simulation under complex terrain conditions using CALPUFF model [J]. Journal of Peking University (Natural Science Edition), 2013,49(3): 452-462.

[24] Lee H D, Yoo J W, Kang M K, et al. Evaluation of concentrations and source contribution of PM10and SO2emitted from industrial complexes in Ulsan, Korea: Interfacing of the WRF-CALPUFF modeling tools [J]. Atmospheric Pollution Research, 2014,5(4):664-676.

[25] 唐曉蘭,程水源.海南島大氣污染物擴散特征[J]. 環(huán)境工程, 2016, 34(7):93-97. Tang X L, Chen S Y. Diffusion characteristics of atmospheric pollutants in Hainan Island [J]. Environmental Engineering, 2016, 34(7):93-97.

[26] 趙 偉,范紹佳,謝文彰.AERMOD和CALPUFF對沿海電廠煙氣擴散模擬對比研究[J]. 環(huán)境科學與技術(shù), 2015,38(3):189-194. Zhao W, Fan S J, Xie W Z. Comparative study of AERMOD and CALPUFF on simulation of flue gas diffusion in coastal power plants [J]. Environmental Science and Technology, 2016,34(7):93-97.

[27] Fisher A L, Parsons M C, Roberts S E, et al. Long-term SO2dispersion modeling over a coastal region [J]. Environmental technology, 2003,24(4):399-409.

[28] Levy J I, Wilson A M, Evans J S, et al. Estimation of primary and secondary particulate matter intake fractions for power plants in Georgia [J]. Environmental Science and Technology, 2003,37(24): 5528-5536.

[29] Levy J I, Greco S I, Spengler J D. The importance of population susceptibility for air pollution risk assessment: s case study of power plants near Washington, DC [J]. Environmental Health Perspectives, 2002,110(12):1253-1260.

[30] 伯 鑫,王 剛,田 軍,等.AERMOD模型地表參數(shù)標準化集成系統(tǒng)研究[J]. 中國環(huán)境科學, 2015,35(9):2570-2575. Bo X, Wang G, Tian J, et al. Research on standardization and integration system of AERMOD model surface parameters [J]. Chinese Environmental Science, 2015,35(9):2570-2575.

[31] 王 芳,李明君,范 清.氣象場對CALPUFF模式預測某沿海電廠PM2.5濃度的影響[J]. 有色金屬工程, 20155,(6):84-88. Wang F, Li M J, Fan Q. Effect of meteorological field on prediction of PM2.5concentration in a coastal power plant by CALPUFF mode [J]. Non-ferrous Metal Engineering, 20155,(6):84-88.

[32] 胡月琪,鄔曉東,王 琛,等.北京市典型燃燒源顆粒物排放水平與特征測試[J]. 環(huán)境科學, 2016,37(5):1653-1661. Hu Y Q, Wu X D, Wang C, et al. Emission standards and characteristics of typical combustion sources particulates in Beijing [J]. Environmental Sciences, 2016,37(5):1653-1661.

[33] 肖明衛(wèi),黃 嶸,仵彥卿.燃煤電廠煙氣脫硫設施出口二氧化硫排放量核算方法比較[J]. 環(huán)境研究與監(jiān)測, 2010,23(3):14-15. Xiao M W, Huang R, Wu Y Q. Comparison of accounting methods for sulfur dioxide emissions from flue gas desulfurization facilities in coal-fired power plants [J]. Environmental research and monitoring, 2010,23(3):14-15.

[34] 伯 鑫,何友江,商國棟,等.基于CEMS全國污染源清單數(shù)據(jù)庫系統(tǒng)開發(fā)與應用[J]. 環(huán)境工程, 2014,32(8):105-108+113. Bo X, He Y J, Shang G D, et al. Development and application of national pollution source inventory database system based on CEMS [J]. Environmental Engineering, 2014,32(8):105-108+113.

[35] 戴佩虹.基于CEMS數(shù)據(jù)的火電廠SO2和NO排放因子建立與不確定性分析 [D]. 廣州:華南理工大學, 2016.Dai P H. The thermal power plants SO2and NOemission factor set and uncertainty analysis that based on the CEMS data [D]. Guangzhou: South China University of Technology, 2016.

[36] 李琳瑋,黃 亮.淺析氣溫對海南電網(wǎng)負荷特性的影響[J]. 科技經(jīng)濟導刊, 2017,(30):44-45. Li L W, Huang L. Analysis of the influence of temperature on the load characteristics of Hainan power grid [J]. Science and Technology Economic Guide, 2017(30):44-45.

[37] 王占山,車 飛,潘麗波.火電廠大氣污染物排放清單的分配方法研究[J]. 環(huán)境科技, 2014,27(2):45-48. Wang Z S, Che F, Pan L B. Study on the allocation method of air pollutant emission inventory in thermal power plants [J]. Environmental Technology, 2014,27(2):45-48.

[38] 伯 鑫.中國電力行業(yè)大氣污染物排放時間特征譜研究[C]//2017中國環(huán)境科學學會科學與技術(shù)年會論文集(第一卷).中國環(huán)境科學學會, 2017. Bo X. Study on time characteristic spectrum of air pollutant emission in China's power industry [C]//Proceedings of the 2017 Chinese Society of Environmental Sciences Science and Technology Annual Conference (Volume I). Chinese Society of Environmental Sciences, 2017.

致謝：感謝環(huán)境保護部環(huán)境監(jiān)察局為本研究提供污染源在線監(jiān)測資料.

Air quality impacts of power plant emissions in Hainan Province, 2015.

KAN Hui1, BO Xin2*, QU Jia-Bao2,3, YANG Chao-Xu4, WU Peng-Cheng5, TIAN Fei6, MO Hua2, ZHAO Xiao-Hong2, ZHOU Xue-Shuang7

(1.Academy of Environmental Planning & Design, Co., Ltd., Nanjing University, Nanjing 210093, China；2.The Appraisal Center for Environment and Engineering, Ministry of Environmental Protection, Beijing 100012, China；3.School of Science and Technology of Environmental, HeBei University of Science and Technology, Shijiazhuang 050000, China；4.College of Resources and Environmental Engineering, Jilin Institute of Chemical Technology, Jilin 132022, China；5.Chinese Academy for Environmental Planning, Beijing 100012, China；6.Shandong Academy of Enviromental Science, Jinan 250013, China；7.Department of Ecology and Environmental Protection of Hainan Province, Haikou 570100, China)., 2019,39(1)：428~439

Based on the continuous emission monitoring systems (CEMS), environmental statistics, pollutant discharge permit and emission inventory of power plants in Hainan Province in 2015, the difference of pollutant emissions from power plants in Hainan under different methods was analyzed, and the variation rule of power plants emissions was acquired. In this paper, three situations including current situation, pollutant discharge permit situation and ultra-low emission situation were considered, and impacts of power plants on the air quality of Hainan province under three situations were simulated using CALPUFF model. The results showed that the emissions of various pollutants from power plants vary greatly under different statistical methods, and the maximum difference can reach 5.65times.In the time dimension, the monthly distribution of pollutant emissions from thermal power industry was relatively stable ranging from 7% to 10% and 24-hour fluctuation was characterized by “two peaks and two valleys” . In terms of air quality, the concentration distribution of SO2, NO, PM2.5and PM10generally showed a trend of high in west and low in east. Under current situation, the impacts of power plants on the average of annual concentration of each pollutant were SO20.001~0.015μg/m3、NO0~0.01μg/m3、PM100.001~0.006μg/m3、PM2.50~0.003μg/m3, and most of the highest concentration occurred in Dongfang and Lingao. The degree of impact of power plants on the atmospheric environment was permit > current > ultra-low. When the pollutant discharge permit is implemented, the annual average concentration of PM10and NOemitted from power plants increases by 50% and 38%, respectively, compared with the current situation. After the full implementation of ultra-low emission, there is a significant improvement in the air quality, with the annual average concentration of SO2and PM2.5for each city reduced by 57% and 69%, respectively, compared with the current situation.

environmental permitting；power plants；CEMS (continuous emission monitoring systems)；CALPUFF；emission inventory

X51,X823

A

1000-6923(2019)01-0428-12

闞 慧(1990-),女,江蘇徐州人,碩士研究生,主要大氣排放清單及數(shù)值模擬.發(fā)表論文7篇.

2018-05-30

清華大學環(huán)境學院重點學術(shù)機構(gòu)2015年度開放基金課題;國家重點研發(fā)計劃項目(2016YFC0208101);國家自然科學基金資助項目(71673107)

* 責任作者, 高工, 188672200@qq.com