鑽石舞台

英文原題：

Daily Emission Patterns of Coal-Fired Power Plants in China Based on Multisource Data Fusion

作者：Nana Wu，Guannan Geng (耿冠楠)，Xinying Qin (覃馨瑩)，Dan Tong (同丹)，Yixuan Zheng (鄭逸璇)，Yu Lei (雷宇)

通訊作者：張強，地球系統數值模擬教育部重點實驗室，清華大學地球系統科學系

摘要圖片

清華大學張強教授團隊，基於中國燃煤電廠排放數據庫(CPED)和連續排放監測系統(CEMS)的實時數據，開發了一套逐步篩選法，可有效剔除數據異常值，估算補充缺失值，通過系統間的耦合計算方式獲得燃煤電廠每日排放量數據，有助於優化化學傳輸模型和精細化管控。

電力行業是中國最大的能源基礎設施，在過去的幾十年裡能源消耗激增，近年來排放了中國約三分之一的二氧化碳。當前的電力排放清單數據由於缺乏實時排放測量，難以捕捉到電力行業排放的短期波動，加劇了化學傳輸模型的不確定性。如何提升中國電力排放清單的時間分辨率是目前大氣研究和空氣質量管理的重要工作。在本文中，作者利用覆蓋全國、驗證良好的電力排放數據庫，以及 CEMS 數據的高時間分辨率，嘗試基於多源數據融合的方式構建中國燃煤電廠的日排放估算模式。

清華大學開發的 CPED 是一份高分辨率的排放清單，提供了自1990年以來中國燃煤電廠的逐年排放量。CPED 基於中國生態環境部提供的詳細的單元級信息建立，包括機組位置、運行狀態、機組容量、煤耗、控制技術和排放因子等信息，可以對電廠進行準確的空間分配和排放估算。中國 CEMS 監測網絡由生態環境部環境監測中心(http://www.envsc.cn/)管理。CEMS提供了基本信息(例如，位置和部門)和煙囪口的小時排放數據(例如，NOx、SO2和PM的排放率、煙氣流量、含氧量)，對精細的時間尺度排放估算具有重要價值。本文設計了一套多源數據融合模式，該模式將CEMS中包括負值、沒有記錄為停機狀態的零值和極高值在內的異常值都排除在外，並對缺失數據進行插值估算；對於配備了CEMS的發電廠，通過CPED的單位年排放量及來自CEMS的相應的工廠級日剖面圖的乘積得出每日單位排放量。

圖1. 融合多源數據，獲得中國燃煤電廠的日排放量。

圖2a-d是基於融合數據庫獲得的我國CO2、PM2.5、NOx、SO2的日排放量模式。2017 - 2020年 CO2排放小幅增長，而同期主要大氣污染物PM2.5、NOx和 SO2持續下降，體現了超低排放政策的有效性。CO2、PM2.5、NOx和 SO2的日排放量在冬季和夏季分別因供暖和製冷需求較大而排放較高。春節假期(一般在1月或2月)和國慶節假期(10月)通常是一年內日電力排放最低的時間。圖2e-g分別展示了2017 - 2020年和2019年夏季 SO2單位排放量最高日，以及2017 - 2020年 SO2單位排放量最低日的全國空間分布圖。其中，春節假期和新冠肺炎疫情封鎖期間因人類活動大幅減少導致 SO2單位排放量最低。西北和西南地區 SO2排放持續較高，與高硫煤的使用以及超低排放政策實施時間較長等因素有關。此外，高裝機容量的發電機組在這三天的差異中起主導作用。圖2h為廣東國華台山發電廠2017 - 2020年單位日排放量模式示例，呈現出特定的時間變化特徵，如電厂部分機組關閉導致冬季排放量較低等。

圖2. 2017 - 2020年中國(a) CO2、(b) PM2.5、(c) NOx和(d) SO2日排放模式

為了遏制新冠肺炎疫情蔓延，中國政府採取了封鎖城市、關閉工廠等嚴厲措施。2020年1月23日至4月8日，武漢經歷了76天的封城，能耗和污染物排放大幅下降。圖3a顯示了武漢封城前後及往年同期全國NOx日排放量。本文以中國農曆為基礎，給出了不同年份的日排放量對比。2017 - 2019年，春節期間排放量有所下降，但在假期結束後很快恢復，而2020年由於新冠肺炎疫情的持續影響，排放量反彈速度要慢得多。例如，將春節前10天的平均排放量與春節後的每天NOx排放量進行比較，發現2017年1月21日、11日、8日、2020年1月42日的NOx排放量分別首次超過了10天的平均排放量。武漢封城期間，與2019年同期相比，湖北省NOx排放量降幅最大(37.1%)，而其他省份的比例為11.3%(圖3b,c)，這是由於湖北以外地區正常活動較早恢復所致。其中，雲南省NOx排放量增加9.2%，主要是乾旱導致水電發電量減少，火電發電量增加所致。

圖4. 春節假期與新冠疫情下的NOx日排放量對比

這項工作通過融合高質量的單元級電力排放數據庫和 CEMS的 高時間分辨率實時測量數據，估算了2017 - 2020年中國燃煤電廠的日排放量。建立了一種逐步篩選異常值和估算缺失值的方法，靈敏度檢驗表明，不同估算方法的月和周時間分布具有較好的一致性。該估算方法還能夠捕捉典型社會經濟事件期間電力排放的突然變化，包括春節假期後受 COVID-19影響的電力排放反彈較慢，雲南嚴重乾旱導致火力發電的日 CO2排放較高，以及第七屆世界軍事運動會期間的短期排放控制導致武漢電力排放顯著下降等。另外，還發現以往的研究(如EDGAR1)採用固定參數將周功率排放總量分配到每日尺度，誇大了工作日和周末之間的差異。該研究提供了一個將實時排放測量信息傳遞到高時間分辨率排放估算的模式，將為動態排放跟蹤和空氣污染建模提供重要的支持。

本研究已發表於ACS Environmental Au。

本項目得到了中國國家自然科學基金 (National Natural Scientific Foundation of China)的支持。

*感謝暨南大學王好教授撰寫本文中文解讀！

ACS Environ. Au2022

Publication Date: May 17，2022

https://doi.org/10.1021/acsenvironau.2c00014

Copyright © 2022 American Chemical Society