燃煤電廠大氣污染物時空分布特征識別方法研究

文章編號：1674-6139（2025）05-0155-06

中圖分類號：X513文獻標志碼：B

Research on Identification Method of Spatial and Temporal Distribution Characteristics of AirPollutants in Coal Fired PowerPlants

Guan Zhe1，Sun He² ，Cen Haifeng1，Shi Hao2，Chen Liping （1.Guangzhou Power Grid，Guangdong Power Grid Co.，Ltd.，Guangzhou 51OOOO，China； 2.BeijingQingneng Internet TechnologyCo.，Ltd.，Guangzhou 51OooO，China）

Abstract：Thepolutantemissonsfromcoal-firedpowerplantsareinfluencedbyfuelcharacteristics，combustionmethods，and controlechologis，witomplexomponntsddiultidentifatioduantifationereforemethodfordentifge tiotemporaldistrbutioncaracteriticsfmospericlutantsfromoal-fiedpowerplantsissdedBasedoestcaldataf airpolutantesiosfromcoal-firedpoerplants，teompresiveissioncofntofplltioisalulatedtstiateet matedamountofairpollutantemissonsfromcoal-firedpowerplantsThestudydeterminedteconcentrationadintensityofpolution sourcesbasedtitioltsfmospricantisiosndntiftstiotempoalsrtioasf atmosphericpolutantsincoal-firedpowerplants.Afteranalysis，itcanbeconcludedthathecloserthemonitoringpointistohecoal -firedpowerplant，thehighertheconcentration.TheoverallpolutionconcentrationislowerfromMaytoOctoberandhigherfromNo vembertoApril.Theproposdmethodcanclarifythedifusionpathndconcentrationchangesofpollutants，rovidingefectivedatasupport for formulating effective emission reduction and control measures.

Keywordstmoshicpoltants；oalfidowerplnts；aurecogiio；tmpralndatialdistrbtoiot

前言

燃煤排放是霧霾主因，中國雖在煤炭污染控制上取得進展并制定了減排措施[1]，但執行效果欠佳，歸咎于工藝不完善與系統穩定性差[2]。煤質、燃燒模式、氣象及區位條件均影響排放。污染物不僅降低能見度，還引發酸雨、溫室效應及霧霾等二次污染，危害人類健康[3]。因此需要準確識別污染物，以實時監測指導有效防控。

基于此，崔愛偉等[4]提出基于移動觀測的大氣污染物特征識別，以沈陽市青年大道為例，研究不同天氣與通勤時段下5種污染物分布規律，結合Pear-son分析探討濃度變化。盡管移動觀測實時詳盡，但設備精度、操作差異及環境因素致數據誤差，影響特征識別結果。劉杰等[5利用R語言和ArcGIS，基于山東省16市8年空氣質量與污染物數據，結合氣象與排放數據，研究 PM_2.5 、臭氧時空變化。但污染源數據準確性受報告不完整、統計差異影響，識別結果存在偏差。李春紅等[基于重心模型和雙變量分析，研究湖南14市霧霾污染時空特征與影響因子。重心模型假設污染分布均勻或單一重心，但實際污染復雜多源，導致識別結果與實情有偏差。

燃煤電廠排放污染物濃度和組成隨運行與環境變化，且大氣傳輸復雜，識別難度大。因此，提出燃煤電廠大氣污染物時空分布特征識別方法。

1 燃煤電廠研究區域

1.1 研究區概況

該燃煤電廠始建于上個世紀50年代，是一家大型電力企業，總容量為 13MW 。隨著國民經濟的持續發展，該電廠先后建成6期，從2008年開始投入運行的500MW機組，年發電能力約40億千瓦時。作為該區域主干電網的一部分，該電廠日耗1800噸的含硫煤炭。燃煤電廠占地面積為286萬平方米，地處盆地，地理結構較為復雜，土壤以紅土和黃壤為主，該地區以水稻為主，耕地面積都在5萬多畝以上。

燃煤電廠所在區域地處南亞與北亞兩個熱帶的過渡地帶，屬于中亞熱帶，全年都受季風影響，再加上地形的共同作用，使其具有非常豐富的氣候特點。該區域具有明顯的季節性特征，冬季短夏季長，春夏快速轉換，夏天酷熱難耐，年平均溫度在 15～21 攝氏度之間，7月最高氣溫可以達到35攝氏度，1月最低氣溫可以達到-10攝氏度，全年降雨量在1300～1800 毫米之間，雨、旱兩季分明，通常4月到8月是雨季，9月到次年3月是旱季，雨季雨量占全年的75% ，其中降水最多的月份是6月-8月，而降水最少的月份則是12月，平均風速為2.5米/秒。

1.2 采樣點設置

在確定研究區概況的基礎上，以燃煤電廠煙肉為研究對象，選取12公里以內的區域為采樣點。該地區秋季和冬季主要風向為NNW、SSEE和側風WSW、ENE4個方向，如圖1所示。在NNW、WSW風向分別設置 大氣沉降采集點，在SSE方向設置 2km，3km 、5km，8km，12km 大氣沉降采集點，在ENE方向設置 2km、3km、5km 大氣沉降采集點。為了防止低層粉塵和人類活動的影響，采樣點都設置在距耕地300米以下的農戶的頂樓陽臺上，離地高度不低于10米。

在指定的大氣污染沉降點進行采樣時，采用專業的大氣沉降采樣器，確保設備能夠高效收集大氣中的沉降物，包括顆粒物和氣溶膠。采樣結束后，立即收集樣品，并妥善保存于干燥、清潔的環境中，隨后將樣品送至實驗室進行進一步的分析。用電感耦合等離子體質譜法對溶解試樣分析，用 HNO₃ -HC1混合消解法對沉淀試樣分析。將沉淀試樣置于50毫升聚四氟乙烯燒瓶中，向其中添加10毫升硝酸-鹽酸的混合溶液，將濾膜浸人[8]，蓋上表面皿，在 100^°C 下將其加熱2個小時，直到溶液變成清澈的顏色，濾膜消解就結束了。如果不能徹底消解，可以將電熱板的溫度調到 120^°C ，然后再進行回流，直到濾膜消解結束。將消解完畢的試樣冷卻后，用超純水沖洗燒杯的內壁，放置30分鐘后，將其定容到50毫升，通過離心分離后將上清液取出，進行測試，具體實驗使用設備見表1。

2燃煤電廠大氣污染物排放量估計

在完成研究區概況分析與采樣點設置后，利用所收集到的數據估計燃煤電廠大氣污染物排放量，以此為精準識別燃煤電廠大氣污染物時空分布特征奠定堅實的基礎。

大氣污染物排放清單可以對某一地區各類污染源的排放污染物總量與時空分布特征識別進行量化分析，這是刻畫污染物排放特征的一種有效手段，可以為制定相應的排放標準和減排政策提供依據。以排放因子與人類活動程度為基礎，獲取不同來源的污染物排放量是當前構建大氣污染物排放清單的重要手段。

大氣污染物排放清單是指某一時間向大氣中排放的各類污染物的總量。排放系數法9是一種常用的編制排放清單法，表達式為式（1）：

式（1）中， c 描述的是污染物類型， a 描述的是污染區域， b 描述的是年份； E_{a，b，c} 描述的是 a 區域 b 年份 c 污染物的年排放總量； A_a，b 描述的是 Δ_a 區域 b 年份燃煤消耗量； EF_a，b，c 描述的是 α_a 區域 b 年份 c 污染

物的綜合排放系數。

為了分析燃煤電廠工業鍋爐大氣污染物排放歷史數據，基于已建立的大氣污染物系數數據庫，結合不同歷史時期煤電廠工業鍋爐的爐型、產能變化和除塵、脫硫、脫硝[10]等污染防治設施的運行，建立燃煤電廠工業鍋爐不同時期各種大氣污染物的綜合排放系數，表達式為式（2）：

式（2）中， d 描述的是污染物治理技術路徑，EF_d，c 描述的是 d 污染物治理技術的 ∣c∣ 污染物排放系數， W_a，b，d 描述的是 a 區域 b 年份 d 污染物治理技術路徑的產能份額。

燃煤電廠工業鍋爐的生產規模、爐型和大氣污染防治措施的變化，是研究各階段污染物排放系數變化的基礎。針對燃煤工業鍋爐存在的技術變動趨勢、數據缺乏連續性等問題，從技術擴散原理出發，利用 s 型曲線，對各階段的燃煤電廠爐型和控制技術產能份額進行定量評估，從而估計燃煤電廠大氣污染物排放量，為下一步確定各階段燃煤電廠的污染物排放水平奠定基礎。燃煤電廠大氣污染物排放量估計的的技術公式如式（3）：

式（3）中， W_id 描述的是初期污染物治理技術路徑 d 的污染物治理技術所占比例； W_jd 描述的是污染物治理技術 d 在技術擴散結束時所占的比例； S_d 描述的是 d 污染物治理技術路徑 s 曲線形狀參數（標準差）； b₀ 描述的是擴散起始時間。

為此，利用不同歷史時期燃煤電廠工業鍋爐的爐型變化、產能變化和污染防治措施投入運行等數據，結合建立的排放系數集合，求出污染防治措施占比、大氣污染物綜合排放系數，進而計算出燃煤電廠大氣污染物二氧化硫、二氧化氮、一氧化碳、 PM_2.5 、PM₁₀ 、臭氧的排放量及其變化規律。

3燃煤電廠大氣污染物時空分布特征識別

在確定燃煤電廠大氣污染物排放量后，對于燃煤電廠大氣污染物時空分布特征進行識別，以此為大氣環境污染治理策略的制定奠定堅實的基礎。

隨著工業化的快速發展，燃煤電廠作為主要的能源供應基地，排放的大氣污染物對環境和公眾健康的影響日益受到關注。因此，了解這些污染物的時空分布特征對于制定有效的污染防控措施至關重要。二氧化硫、二氧化氮、一氧化碳 JM_2.5，PM₁₀ 和臭氧等是燃煤電廠排放的主要大氣污染物，這些污染物在大氣中的濃度和分布特征對于評估電廠的環保性能及制定減排措施至關重要。因此，實驗通過采樣和分析，識別大氣污染物在燃煤電廠周邊的時空分布特征。經過篩選分析20個采樣點，選擇其中A、B、C、D四個不同方位的監測點進行分析。

3.1大氣污染物空間分布

建立時間和高空間分辨率的大氣污染物源排放清單是開展區域大氣污染問題研究的基礎。如圖2所示為燃煤電廠污染源空間排放量分布特征。

通過圖2（a）能夠明顯觀察到，二氧化硫大氣污染物主要集中在燃煤電廠附近，由于A、B采樣點的距離較遠，二氧化硫的密集程度和污染濃度均有所下降，而C、D采樣點二氧化硫的密集程度和污染濃度相對較高。這是因為采樣點與燃煤電廠距離近，所以

大氣污染物濃度較高。

從圖2（b）能夠得知，燃煤電廠的周邊環境中，二氧化氮的濃度與采樣點位置及周圍環境密集程度密切相關。A、B兩個采樣點的二氧化氮濃度相對較低，且這兩個區域的密集程度也較低。相比之下，C、D兩個采樣點的二氧化氮濃度則顯著偏高，并且密集程度也明顯較高。

通過圖2（c）能夠看出，在燃煤電廠附近一氧化碳的污染濃度普遍較高，且這種高濃度往往與區域的密集程度呈現正相關。A采樣點雖然也處于燃煤電廠的影響范圍內，但由于位置相對偏遠或受其他因素影響，一氧化碳的污染濃度相對較低。在B采樣點，由于受到風向、地形等空間因素的共同作用，一氧化碳的污染濃度達到了最低，該區域的密集程度也是最低的。C、D采樣點靠近電廠，一氧化碳的污染濃度極高。更令人擔憂的是，這種高濃度的污染還在不斷向周邊區域擴散，對更大范圍內的環境質量和居民健康構成了潛在威脅。

從圖2（d）圖2（e）可以得知，在燃煤電廠附近，由于排放源的直接影響， PM_2.5 和 PM₁₀ 的污染濃度普遍較高，且這一趨勢與區域的密集程度呈現正相關。盡管A采樣點也處于電廠的影響范圍內，但由于位置相對偏遠，或者受到風向、地形等其他因素的共同作用，A采樣點的 PM_2.5 和 PM₁₀ 污染濃度相對較低。

通過圖2（f）能看出，在臭氧濃度的分布上，燃煤電廠及 A，B 采樣點均呈現出較低的水平，這與電廠排放物的種類和特性、風向、天氣條件等多種因素有關。D采樣點臭氧濃度并不突出，但密集程度卻相對較高。這意味著在人口密集、建筑物眾多的區域，臭氧的積聚和擴散效果不佳。C采樣點臭氧濃度較高，這是由于該點位于電廠排放物的直接擴散路徑上，所以產生高濃度的臭氧。

綜上所述，燃煤電廠周邊不同采樣點的大氣污染物濃度與密集程度存在顯著差異，揭示了不同空間區域污染物分布特征的不均衡性。

3.2大氣污染物時間分布

為了更好的觀察大氣污染物分布特征，在 A，B 、C，D 四個采樣點進行為期一年的監測，具體大氣污染物月份濃度數值變化結果見圖3。

通過圖3能夠看出，燃煤電廠排放的二氧化硫、 染物濃度呈現出明顯的季節性和空間性特征。在5二氧化氮、一氧化碳、 PM_2.5，PM₁₀ 以及臭氧等大氣污 月至10月期間，由于氣象條件有利于污染物的擴散，所以濃度相對較低。然而，在11月至4月期間，冬季污染物排放因取暖需求增加而上升，不利的氣象條件導致污染物濃度明顯上升，對空氣質量構成較大威脅。不論任何時間， A，B 采樣點與C、D采樣點相比，受到電廠排放物的直接影響都較小，污染物濃度低。

綜上所述，能夠得出燃煤電廠大氣污染物排放濃度隨著時間變化呈現波動變化，在擴散過程中會受到風向、風速、地形等空間因素的影響。

4結束語

空氣污染加劇， PM₁₀ 與 PM_2.5 問題嚴峻，重霾頻發，危害健康與生態，阻礙可持續發展。礦物能源消費為主因，燃煤排放的二氧化硫、氮氧化物及粉塵是主要污染源，嚴重影響空氣環境。因此，提出了燃煤電廠大氣污染物時空分布特征識別方法研究。以燃煤電廠為研究對象，通過對氣象因子、地理環境要素的分析，選擇采樣點檢測污染源，利用排放系數法確定污染源的排放水平，獲得綜合排放系數，估算排放量，并據此分析污染源濃度與密集度，選取4個采樣點，實現大氣污染物時空分布特征識別。結果顯示，近電廠監測點濃度高，夏秋濃度低，冬春濃度高。該方法清晰展現污染物擴散路徑與濃度變化，為減排治理提供有力數據支撐。

參考文獻：

[1]呂芳，楊宇鑫，楊俊.氣溶膠光學厚度與 PM_2.5 濃度的時空分布特征及其關系一一以京津冀大氣污染傳輸通道城市

群為例[J].生態學報，2023，43（1）：153-165.

[2]李巧萍，吳凱露，呂星安，等.東陽市工業園區大氣污染物時空分布特征分析[J].環境污染與防治，2023，45（12）：1689-1694；1698.

[3]陳強，張雅銣，朱禹寰，等.基于多參數特征比值構建大氣顆粒物污染類型快速識別方法[J].安全與環境學報，2023，23（11） ：4195-4204.

[4]崔愛偉，苗純萍，何歡，等.基于移動觀測的城市街道峽谷大氣污染物時空分布特征［J].生態學雜志，2022，41（10）：2035-2042.

[5]劉杰，王明飛，鄧建明，等.山東省AQI、顆粒物和臭氧時空演化特征及關鍵影響因素識別分析[J].環境科學研究，2023，36（2）：273-284.

[6]李春紅，王鵬，張楚楚，等.基于重心模型的湖南省霧霾時空分布特征及其驅動機制分析[J].中國環境監測，2022，38（4）：191-197.

[7]郝永佩，宋曉偉，趙文珺，等.汾渭平原大氣污染時空分布及相關因子分析[J].生態環境學報，2022，31（3）：512-523.

[8]郭云飛，包云軒，沈利洪，等.蘇州市近地面臭氧時空分布特征及模擬分析[J].環境科學與技術，2022，45（7）：66-77.

[9]符傳博，徐文帥，丹利，等.2015年-2020 年海南島大氣 PM_2.5 和 PM₁₀ 的時空分布特征[J].環境化學，2023，42（2）：522-531.

[10]陳青雁，王鵬.經濟發展與產業結構對中國大氣污染的影響—以2015年-2020年省級數據為例[J].江西師范大學學報（自然科學版），2023，47（4）：424-433