中國電力科學研究院有限公司 天津大學 成 嶺中國電力科學研究院有限公司 郭炳慶 鐘 鳴

0 引言

關于農村清潔供暖及其影響，眾多學者進行了研究。周淑慧等人對北方農村地區(qū)主要的清潔供暖方式進行了對比分析并提出了建議[1]；孫賦敏等人以山東農村地區(qū)為例計算了清潔供暖的環(huán)境效益[2]。本文通過農村清潔供暖實施情況，建立了供暖排放對大氣環(huán)境質量影響的因子模型(A-H模型)，分析清潔供暖對京津冀及周邊地區(qū)空氣質量的影響程度，并綜合考慮人口、建筑面積、清潔能源等發(fā)展趨勢，預測清潔供暖技術推廣對空氣質量的改善。

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，以分析散煤替代對空氣質量的改善程度，模型中考慮的因素包括氣象條件、城市特性累積污染物的二次生成和城市的自凈能力[3]。

因城市自凈能力而減少的細顆粒物(PM2.5)的濃度ρ1可通過下式計算：

ρ1=me-nt

(1)

式中m為城市最大凈化能力，μg/m3；n為凈化能力衰減系數(shù)；t為時間，s。

供暖產(chǎn)生的PM2.5的濃度ρh為

ρh=AH(t)

(2)

式中A為直接排放因子；H(t)為燃煤消耗量，萬t。

PM2.5的二次生成濃度ρ2為

ρ2=ξ(AH(t)-me-nt)

(3)

式中ξ為城市再生系數(shù)。

供暖燃煤減少與去除其他因素的PM2.5濃度之間的關系為

ρ′h=ρh-ρ1+ρ2

(4)

式中ρ′h為供暖燃煤減少而降低的PM2.5濃度，μg/m3。

排放空氣污染物的行業(yè)，例如交通行業(yè)和工業(yè)等對PM2.5濃度有直接影響。但是，這類行業(yè)空氣污染物的排放基本不隨季節(jié)發(fā)生明顯變化[3]。因此，本研究以過渡季節(jié)的PM2.5濃度ρb為基準，并假定PM2.5濃度在供暖季的上升是由建筑供暖引起的。因此，去除城市特性干擾的PM2.5濃度根據(jù)下式計算：

ρh=ρs-ρb

(5)

式中ρs為供暖季實際PM2.5濃度，μg/m3。

與城市特性的影響不同，氣象因素變量彼此相關。初始數(shù)據(jù)包括風向、風速、壓力、降水和相對濕度。因此，本研究引入主成分分析方法，以減少氣象參數(shù)變量。以天津市為例，經(jīng)計算，5個氣象研究變量可以轉化為3個主成分因子，其相關的因子得分矩陣如表1所示。

表1 氣象因素的3個主成分及其系數(shù)

為了消除主成分對PM2.5濃度的影響，使用灰色關聯(lián)投影法對其進行分解。每個主成分都可以分解為2個正交向量f和s。向量f與PM2.5濃度有關，向量s與PM2.5濃度無關，因此3個主成分定義式為

(6)

式中 cosα、cosβ、cosγ分別為R、P、F與ρh之間的相關系數(shù)。本研究引入綜合影響因子CIF表征3個主成分對PM2.5濃度的總影響，其表達式為

CIF=fR+fP+fF=Rcosα+Pcosβ+Fcosγ

(7)

cosα、cosβ和cosγ用皮爾遜相關系數(shù)進行計算，通過計算，fR、fP、fF與ρh之間的皮爾遜相關系數(shù)分別為-0.262、-0.34和-0.2。因此CIF可以通過下式計算：

CIF=0.262R+0.34P+0.2F

(8)

為了消除氣象條件的影響，可計算ρh在氣象條件最差時的值ρ′h，即CIF最小的情況。

(9)

式中CIF，max和CIF，min分別為綜合影響因子的最大值和最小值；ρh,max和ρh,min分別為PM2.5濃度的最大值和最小值，μg/m3。

利用1stopt軟件通用全局優(yōu)化(UGO)計算直接排放因子A、城市最大凈化能力m、凈化能力衰減系數(shù)n和城市再生系數(shù)ξ。本文利用2006—2017年的逐月數(shù)據(jù)計算上述值，計算結果見表2；利用2018年的監(jiān)測數(shù)據(jù)驗證模型。

表2 A、m、n和ξ計算結果

直接排放因子A的擬合公式為

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

(10)

城市最大凈化能力m的擬合公式為

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

(11)

式中x為每年的供暖消耗煤量，萬t。

凈化能力衰減系數(shù)n的擬合公式為

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

(R2=0.84)

(12)

城市再生系數(shù)ξ的擬合公式為

ξ=0.008 22e0.002 053x(R2=0.913)

(13)

1.2 A-H模型的驗證

利用2018年發(fā)布的PM2.5濃度值驗證A-H模型的準確性。實際值與模擬值的比較如圖1所示。引入平均絕對誤差EMA評估模型的準確性，其定義為

圖1 模型計算結果的驗證

(14)

式中yi為觀測值；y′i為計算值；p′為測試數(shù)據(jù)集中的數(shù)據(jù)數(shù)。

EMA為3.78 μg/m3，約為測試值的6%，說明A-H模型的整體性能較好，可以較準確評價供暖排放量對環(huán)境的影響。

2 結果與討論

2.1 “2+26”城市空氣質量的改善

圖2顯示了截至2018年京津冀大氣污染傳輸通道“2+26”城市清潔供暖改造情況。6個省/直轄市總計1 130萬戶完成了清潔供暖改造，散煤消耗量減少了2 024萬t。其中，天然氣、熱泵、直接電加熱和集中供暖改造占比分別為52.6%、14.1%、17.4%和15.9%。

圖2 截至2018年“2+26”城市的散煤替代改造情況

在2016年和2017年，分別有100萬戶和530萬戶的家庭從傳統(tǒng)的散煤燃燒供暖改造為清潔供暖，減少PM2.5排放超過20萬t，從而顯著改善了京津冀及其周邊地區(qū)的空氣質量。圖3顯示了2015年和2018年供暖季6個省/直轄市的PM2.5濃度分布。在大多數(shù)省份，PM2.5濃度得到明顯改善。

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減少引起PM2.5濃度下降的情況。如圖4所示，北京、石家莊、保定等城市的PM2.5濃度降低量較大，其余大部分城市的PM2.5濃度減少量也都約為20ug/m3。由供暖造成的空氣污染逐漸減少，清潔供暖對改善空氣環(huán)境具有積極的作用。

圖4 2018年“2+26”城市的PM2.5濃度減少量

2.2 區(qū)域層面空氣質量的改善

對于經(jīng)濟發(fā)達、人口密集的城市群體，其空氣污染不再局限于一個城市，城市之間的空氣污染變化具有明顯的同步性和區(qū)域污染特征[4]。因此，為了研究“2+26”城市區(qū)域性的空氣污染相關性，基于地理相關性方法對城市群進行了劃分，這些城市群的詳細信息及其2018年的散煤替代情況如表3所示。

表3 城市群的詳細信息

圖5給出了6個城市群2018年的平均散煤替代量、平均PM2.5濃度減少量和實際PM2.5濃度。其中城市群A和B的散煤替代量最多，平均替代量都超過了450萬t，其他城市群的替代量平均為150萬t左右。這是因為A和B城市群中的大多數(shù)城市屬于京津冀地區(qū)，這些地區(qū)的清潔供暖改造要求最為嚴格[5]。6個城市群的PM2.5濃度減少量與各自的散煤替代量密切相關，城市群A和B的PM2.5濃度減少量最大。

從圖5可以看出，6個城市群體的實際PM2.5濃度差異很大。以散煤替代量相近的城市群A和B為例進行分析，城市群A中北京和天津是最早進行空氣污染治理的城市，并在2018年之前就取得了很大進展，因此，城市群A在2018年供暖季的平均PM2.5濃度最小。城市群B包括石家莊、保定等城市，大規(guī)模的散煤替代已在一定程度上改善了空氣質量，但受工業(yè)等因素影響，PM2.5濃度仍處于較高水平。

圖5 2018年6個城市群空氣質量的改善情況

2.3 空氣質量改善潛力分析

為了研究京津冀及其周邊地區(qū)清潔供暖政策對空氣質量的深遠影響，在考慮人口變化情況和可再生能源電力發(fā)展的情況下，本文利用A-H模型對空氣質量進行預測分析，并參考了清潔供暖政策設定的到2021年城市城區(qū)全部實現(xiàn)清潔供暖、縣城和城鄉(xiāng)結合部清潔供暖率達到80%以上、農村地區(qū)清潔供暖率達到60%以上的目標。在改造方式上，煤改電所需的電力終端燃煤量計入，而天然氣的燃燒被認為只會對CO2的排放量產(chǎn)生影響，對于PM2.5的濃度影響不大。

人口變化趨勢會影響建筑供暖面積和供暖能源消耗，根據(jù)文獻[6]，本文利用人口-發(fā)展-環(huán)境(PDE)模型預測未來人口，并假定城鄉(xiāng)人口比率(本文取1.33)不變。到2030年能源清潔化率達到40%[7]，因此在本研究中，設定非化石能源的平均年增長率為8.2%。

清潔供暖可以有效減少散煤的消耗，提高煤炭利用效率，減少污染物排放，但與之相對應的用電需求也大大增加。根據(jù)計算，由于2018年的清潔供暖改造，“2+26”城市的平均電力需求增加了約20億kW·h。根據(jù)電力增長情況分析，本文分別從燃煤電力(場景1)和清潔電力(場景2)2個場景進行對比分析。

圖6顯示了2個場景PM2.5濃度與供暖消耗有關的趨勢，以開始實施清潔供暖改造的2016年作為基準年，2016年供暖季北京、天津、河北及其周邊地區(qū)的PM2.5濃度分別為96.6、100.6、128.9和109.7 μg/m3。在場景1中，PM2.5濃度呈現(xiàn)先上升后下降的趨勢。這一趨勢與這些地區(qū)的人口變化趨勢相吻合，由于沒有考慮清潔電力的發(fā)展，PM2.5濃度將主要受供暖面積和人口的影響。相比2016年供暖季，預計到2030年，4個地區(qū)PM2.5濃度將分別下降48%、35%、29%和23%，主要原因是后期人口的下降及清潔供暖。在場景2中，考慮清潔電力的發(fā)展，4個地區(qū)的PM2.5濃度比場景1平均低3～4 μg/m3，而且這一差距在后期還會繼續(xù)增大；場景2的PM2.5濃度幾乎不存在場景1先上升的情況，也就是說清潔電力的推廣基本能抵消人口增長的壓力。到2030年，4個地區(qū)供暖季PM2.5濃度相比基準年將分別下降55%、40%、32%和27%?？梢妶鼍?治理空氣污染的效果有明顯的提升。

本研究只對供暖相關的因素進行了分析，因此所得的PM2.5濃度只考慮了供暖因素造成的污染排放降低，若2030年實現(xiàn)年平均PM2.5質量濃度35 μg/m3的目標[8]，在考慮其他行業(yè)如交通運輸業(yè)和重工業(yè)等的空氣污染防治計劃之后，實際的PM2.5濃度將會得到更加明顯的降低，可能完成這一目標。

3 結論

1) 通過推行散煤替代政策，京津冀及其周邊地區(qū)的散煤消耗已大大減少。到2018年，6個省/直轄市的1 130萬戶家庭已經(jīng)實施了清潔供暖改造，通過用天然氣、電力和集中供暖取代散煤燃燒，使煤炭消耗減少了2 024萬t，減少PM2.5排放超過20萬t。

2) 清潔供暖改造可以明顯改善空氣質量。通過A-H模型預測，京津冀及其周邊地區(qū)的大多數(shù)城市的供暖季平均PM2.5質量濃度減少量達到20 μg/m3。

3) 對PM2.5濃度的預測表明，考慮到人口的變化，充分發(fā)展利用清潔能源電力有利于更好地控制空氣污染，提升空氣質量?？紤]清潔能源電力比傳統(tǒng)燃煤電力PM2.5質量濃度低3～4 μg/m3，北京、天津、河北及其周邊地區(qū)在采用傳統(tǒng)燃煤電力時PM2.5濃度將分別下降48%、35%、29%和23%。