基于空气质量模式和数学规划模型的城市PM2.5达标策略
——以临汾为例

杨丹丹 ,王体健*,李 树 ,束 蕾,薛志刚 ,柴发合 (.南京大学大气科学学院,江苏 南京 003；.中国环境科学研究院,北京 000)

关键字：双目标规划；PM2.5控制策略；遗传算法；最小减排成本；最大减排量

为了加快改善城市环境空气质量,进一步降低细颗粒物浓度,精准施策,优化污染控制策略,制定兼顾治理成本和排放总量的减排方案是十分必要的.欲使城市PM2.5浓度达到空气质量标准,需对各种大气污染物进行全面控制,其中包括一次颗粒物排放、SO2、NOx、VOCs和 NH3等[1].我国相关研究大多数采用大气环境容量的概念,计算大气污染浓度达到国家环境空气质量标准时的最大允许污染物排放量[2].已有研究运用空气质量模型WRF-CAMx和全国大气污染物排放清单,模拟计算了基于全国城市PM2.5达标的大气环境容量,这是在全国尺度上的运用[3].另外大气环境容量的计算还被广泛运用于区域尺度[4]和城市尺度[5-6]等.

根据大气污染物总量控制的方法,采取了一系列控制措施,如搬迁或关闭钢铁厂、焦化厂等高排放污染源.这一系列的控制措施,对改善区域空气质量是有效的,控制成本却相当可观[7].因此,基于最优化数学方法的成本效益分析在环境决策领域得到了广泛应用,我国学者也积极开展了大气污染优化控制方面的工作.通过建立具有软约束条件的控制费用最小目标的线性规划模型[8],开发大气复合污染区域调控与决策支持系统[9]等方法,评估全国钢铁行业[10]、燃煤电厂[11]的减排效益分析,以及城市大气污染物与温室气体协同控制[12]等.

以上关于成本效益的研究大多集中在区域尺度上,少有城市尺度的大气污染控制成本研究.然而,在实际减污治污方案制定过程中,除了区域联防联控,城市尺度上也需结合自身条件,制定本地化的控制策略,同时兼顾考虑治理成本以及污染减排对当地经济发展等的影响,真正实现一市一策.汾渭平原是仅次于京津冀地区的我国 PM2.5浓度第二高的区域,同时又是 SO2浓度最高的区域.本文聚焦汾渭平原 11个城市中的临汾市,将区域空气质量模型RegAEMS与数学规划模型相结合,采用多目标遗传算法,研究临汾市 17个区域、14类排放源的 PM2.5达标规划,寻找兼顾减排成本与排放总量的最优控制策略,以实现环境与经济效益双赢.

1 方法和数据

1.1 研究区域概况

临汾市地处山西省西南部,位于北纬 35°23′～36°57′,东经 110°22′～112°34′,地形轮廓大体呈”凹”字型分布,四周环山,中间平川.临汾市作为山西乃至全国重要的能源重化工基地,长期以来形成了高能耗、低产出、资源导向型的基础结构,煤、焦、铁三大行业是临汾的经济支柱,污染严重.近年来,虽然临汾市全市总动员,从各方面采取了多种污染控制措施,但2018年在全国169城市、汾渭平原11城市中临汾市的排名均不容乐观.

1.2 资料与数据

本文使用的排放源清单为临汾市 2018年排放清单以及清华大学 MEIC排放清单[13].环境监测数据为临汾市6个国控点(临钢医院、技工学校、工商学校、市委、唐尧大酒店和城南)的 AQI、PM2.5、PM10、NO2、SO2和O3质量浓度小时均值,来源于中国环境监测总站的全国环境空气质量实时发布平台,气象站点数据来源于中国气象数据网(http://data.cma.cn).

1.3 基本思路与总体技术路线

本文主要研究 PM2.5浓度目标为 75μg/m3下的规划.技术路线如下:(1)根据本地排放源清单划分排放源单位;(2)运用空气质量模式 RegAEMS模拟污染源对 PM2.5具及其组分浓度贡献的源-受体响应关系;(3)调研PM2.5减排措施,包括脱硫、脱硝、除尘等控制成本,绘制减排成本矩阵;(4)建立双目标函数以及约束条件的优化模型;(5)利用遗传算法NAGA-II求解优化模型解集,获得减排方案.

本文双目标优化控制的目的是在空气质量目标的约束下,同时兼顾控制费用最小和排放量最大两个目标,寻找一组最优减排率组合.根据以上描述,双目标优化数学模型建立如下:

式中:目标函数为不同源区i,不同行业源j,不同物种s(SO2,NOx,NH3,VOCs和一次 PM2.5)的最大允许排放量Maxf1以及最小减排成本Minf2;Xijs为允许排放比例;Emissijs为排放量;Costijs减排成本;为不同源区,行业源,物种对 r个受体城市的贡献浓度;是空气质量目标;为背景不可控浓度,包括未参与计算的所有污染源贡献之和,根据观测资料以及模拟结果分析确定.

1.4 双目标规划模型的构建

1.4.1 浓度贡献传输矩阵的建立 排放源的设置为:临汾地区以内采用临汾市2018年排放源清单,称为区域内排放源;临汾地区以外采用 MEIC排放清单,称为区域外排放源(或外来源).根据排放清单和临汾市区县等级,划分为 15类源(14类区域内行业源+外来源)与17个区域源,14类区域内行业源分别为:电力供热、工业锅炉、民用燃烧、钢铁、焦化、水泥、其他工业、移动源、扬尘源、农业源、溶剂源、生物质燃烧、储存运输和其他排放源,17个区域源为临汾市 17个区县,并确定 17个控制点.本研究的目标是PM2.5浓度达标,因此模型同时考虑一次PM2.5、SO2、NOx、VOCs、NH3等 5种污染因子.采用南京大学自主研发的区域大气环境模拟系统RegAEMS[14]计算各单位污染源对控制点的浓度贡献,该系统可模拟数百至数千公里尺度大气污染物排放对区域大气环境的影响,主要包括气象模式和大气环境模式两部分,气象模式采用中尺度气象预报模式WRF.

模拟采用 3层嵌套方案,网格分辨率分别为27,9,3km.模拟时间为2019年12月30日～2020年1月8日和2018年11月7日～2018年11月17日.大气环境模式考虑了大气污染物的排放、平流、扩散、沉降、转化等物理和化学过程,采用大叶阻力相似模型计算干沉降速度,并考虑次网格过程的影响.气相化学则考虑了60 个反应和30 个物种,无机气溶胶化学采用热力学平衡模式 ISORROPIA 方案[15],采用挥发性分档(VBS)模型计算二次有机气溶胶(SOA)浓度.VBS能够较好的模拟有机气溶胶多级氧化过程,已在不同地区的不同模型中运用,对 SOA模拟偏低的问题有所改善[18].

1.4.2 减排工艺成本 本文的减排成本主要是指与控制技术应用相关的成本(包括脱硫、脱硝、除尘、除NH3和VOCs),而未考虑政策补贴等社会成本.数据主要来自政府文件、报告、文献调研等.表1统计了9个主要行业中减排效益较好的末端技术的单位减排成本[1,16],由于民用燃烧、扬尘等控制措施多为不系统的分散式管理措施,其技术成本较难评价,本文不对此进行计算.

表1 不同行业的减排成本(元/t)Table 1 Cost of abatement for different industry (yuan/t)

1.4.3 多目标优化遗传算法 传统的多目标优化算法往往通过加权或者将目标转化为约束条件等方式,将多目标问题转化为单目标问题求解,这种求解方法不能很好求解函数数学性质不好的多目标优化问题.因此,本文利用 MATLAB R2016b提供的NSGA-II遗传算法求解多目标规划的解集.

遗传算法能够同时处理大量的解,是解决多目标优化问题的一种有效的技术.已成功应用于大气复合污染多目标优化[2],臭氧控制策略的设计[17]以及PM2.5和O3协同控制等[20]. 不同于单目标优化问题,多目标优化问题由于目标之间相互冲突,往往得不到最优解.多目标优化问题的目标在于求出一组解集,解集中的每个解满足约束条件,但从目标的角度而言,相互之间无法分出优劣[2].

本文中的遗传算法通过随机生成指定数量的控制策略来启动,然后用两个目标函数来评估每个控制策略.随后,通过选择,交叉和变异组合最优控制策略以产生后代,并在多代中重复该方案,直到达到最大代数[19].遗传算法的参数对算法的收敛速度和优化的成功率有较大的影响.本文通过多次试验,将遗传算法的种群规模设定为300,世代数设定200.采用秩选择法为下一代选择亲本,最优个体系数为0.3,适应度函数偏差为10-100.

2 结果与讨论

2.1 模拟期间污染特征

2020年1月1日～2020年1月8日期间,临汾市出现一次严重污染过程,持续7d.图1给出此次污染过程的逐小时PM2.5、PM10、SO2、NO2、CO和O3浓度值(临汾市6个国控点的平均值),以及温度、湿度、风力、风向等气象要素逐小时变化情况.2019年12月30日临汾市空气质量为优,伴有2～4级的偏北风.12月31日风力减弱至0～1级,温度,气压下降,空气质量转良,2020年1月1日为轻度到中度污染,1月2日8:00～13:00污染物浓度快速增加,14:00空气质量等级转为重度污染,并一直持续到 1月 7日.重污染期间, PM2.5和SO2的平均浓度分别为196.8和69.8μg/m3,最高浓度分别为 259.6 和 154.2μg/m3.期间有近6h严重污染时间段,能见度仅有0.7km.1月5日有一次冷空气活动,同时伴随 PM2.5浓度下降,可见冷空气活动有利于清除污染物.此次污染持续时间长,是一次典型的以PM2.5为主要污染物的重污染过程.

图1 2019年12月30日～2020年1月7日临汾市大气污染物浓度与气象要素逐小时变化特征Fig.1 Hourly change characteristics of atmospheric pollutant concentrations and meteorological elements in Linfen from Dec 30,2019 to Jan 7, 2020

2.2 临汾市前体物排放特征

临汾市2018年14类源排放量见表2,其中民用燃烧包含非工业锅炉,扬尘源包括土壤扬尘、施工扬尘及道路扬尘,农业源为农药使用、畜禽养殖、氮肥施用、秸秆堆肥等,溶剂源包括表面涂层、印刷印染、建筑涂料等,其他排放源为餐饮、废水固废处理等.2018 年临汾市 SO2、NOx、VOCs、NH4、PM10、PM2.5、BC(黑碳)和 OC(有机碳)等 8类污染物的总排放量为 471255t/a,分别为 31741, 71978, 94735,25545, 157534, 71731, 8405和9584t/a,分别占污染物总排放量的6.7%、15.3%、20.1%、5.4%、33.4%、15.2%、1.8%和2.0%.分析各行业的污染物排放可知,总排放量最多的是扬尘源,占比25.8%,主要为PM2.5和PM10排放,其次是焦化、钢铁、移动源和民用燃烧源,分别占临汾市排放总量的 19.6%、13.9%、13.8%和 9.6%.区分污染物来看,在 SO2排放源中,民用燃烧源占比最高,为45%,其次为钢铁(21.9%)和焦化(13.5%). NOx排放最高的是移动源,占55.1%,其次为钢铁(13.4%),电力供热(11.6%). VOCs排放最高的是焦化行业,占比达 54.9%,其次为移动源(17.8%).在PM2.5排放源中,扬尘源排放最大(36.7%),其次为钢铁、焦化和民用燃烧源,分别占 23.5%、15.4%和10.3%.可见,钢铁焦化行业的 SO2、VOCs、PM2.5排放较高,这两个行业是临汾市减排的重点行业.

表2 临汾市2018年污染物排放量(t/a)Table 2 Pollutant Emissions in Linfen at 2018(t/a)

2.3 基于PM2.5浓度达标的双目标优化结果

2.3.1 模式模拟结果验证 采用标准化平均偏差(NMB)、标准化平均误差(NME)和相关系数(COR)3个统计指标对模拟结果进行量化评估验证. PM2.5浓度小时值的模拟与观测情况对比如图 2所示,模拟值与观测值的相关系数为 0.78,标准平均偏差为26.8%,标准化平均误差为37.2%.模拟结果在合理范围内,模式能够较好的模拟PM2.5的浓度变化.

图2 PM2.5浓度模拟与观测对比Fig.2 Comparison of PM2.5 concentration simulation and observation

2.3.2 源-受体响应关系 根据模式模拟结果,建立重度污染条件下临汾市PM2.5及其组分(PPM2.5、PSO4、PNO3、PNH4和 SOA)排放源-受体响应关系,如图 3.对于总 PM2.5,本地排放、区域内其他地区以及区域外的贡献范围分别为 5.2%～44.9%、1.3%～ 19.6%以及 6.1%～28.5%.本地排放的相对贡献较大,其中洪洞县和襄汾县受本地排放的影响最为显著,相对贡献分别为 44.9%和 43.6%. PM2.5各组分源-受体关系的特征与总 PM2.5的特征有一定的相似性,本地源对 PPM2.5、PNO3、PNH4和 SOA的相对贡献较大,最高分别可达 91%、43%、37%和22%.其中,外来源对 PSO4相对贡献较大,平均贡献 63%.总体上,襄汾,翼城,曲沃,侯马,洪洞以及临汾市区的贡献较大.

图3 PM2.5及其组分排放源-受体响应关系Fig.3 The source-receptor response relationship of each component of PM2.5

从 PM2.5行业来源贡献来看,对 PSO4,除外来源外,民用燃烧源对安泽县,吉县地区的相对贡献较高,最高可达49%以上.对PNO3,移动源贡献在整个临汾地区都相对较高,最高可达 89%(永和县),平均 61%.对PNH4,农业源的相对贡献最高,平均贡献率达83%.对一次 PM2.5,民用燃烧源对隰县,蒲县,大宁县,吉县地区的相对贡献达80%以上.

2.3.3 达到空气质量目标的减排率 本文计算了两种不同污染天气条件下达到 PM2.5浓度目标的优化方案,分别为重度污染天气(PM2.5日平均浓度197μg/m3)与轻度污染天气(PM2.5日平均浓度86μg/m3).图 4 中,减排率区间为 0%～80%,说明不同地区不同行业的减排潜力差别较大. 在重度污染天气条件下(图 5),对于一次 PM2.5减排率较大的地区是蒲县、吉县、乡宁县以及翼城县(＞70%),行业为移动源与电力供热(＞65%).VOCs减排率较大的地区是蒲县、古县和侯马市(＞65%),减排率最大的行业为焦化(73.8%).侯马市和其他工业对 NOx的减排力度最大,分别为71.2%和71.5%,SO2减排率最大是襄汾县(78.4%)和焦化行业(74.6%).综合来看,在末端控制措施方面,行业源包括电力供热、移动源、焦化、水泥和民用燃烧在内的部门表现出了较大范围内的减排,均超过 50%.特别是在焦化产业中采用SNCR或SCR控制SO2和VOCs、高效除尘器控制PM等先进技术,可以带来实质性的减排效果.

图4 不同污染天气下的减排系数矩阵Fig.4 Emission reduction coefficient matrix under different polluted weather

图5 重度污染天气下临汾市各地区与行业平均减排率Fig.5 The emission reduction rate of various regions and industries in Linfen under the severely polluted weather

同时也发现,外来源的减排率较高,在优化过程中,设置外来源减排系数为 0,分析在不控制外来源情况下的空气质量达标方案,结果显示可行性较低.可见对于此次重污染过程,临汾市空气质量达标的实现需与其他区域联合控制.

2.3.4 最大允许排放量与控制成本 根据 NSGAII遗传算法的解集可知,重污染天气条件下,为使PM2.5空气质量达标,临汾市最大允许排放量为356.7t/d,最小减排成本为 3.36 亿元.NOx、SO2、NH3、VOCs和一次颗粒物的减排量分别为 98.1,49.9,44.3,155.7和105.5t/d,减排率分别为49.7%、57.3%、63.3%、60%和 53.7%,减排成本分别为 11.7,6.8,6.2,5.5和3.5千万元.可见,减少一次颗粒物的排放有更大的控制效果和更低的成本,说明控制一次颗粒物排放具有很大的潜力.

如图6所示,对VOCs、NOx、PM2.5、NH3和SO2减排潜力最大的行业分别为焦化源、移动源、扬尘源、农业源和民用燃烧源,分别占所有行业5种污染物减排量的21.6%、14.1%、11%、8.6%和3.8%.钢铁行业的减排成本最高,达1316万元,占整个行业的39%,移动源和电力供热也有较高的减排成本,分别为 17%和 13%.焦化行业展现出较大的减排潜力与较小的成本,水泥生产与工业锅炉更具有成本效益.从地区减排量与减排成本(图 6)来看,襄汾县对VOCs的减排量最大,占所有地区5种污染物的9%,同时襄汾县的减排成本也最大,达7218万元,占减排总成本的 21.5%.减排成本位列第二和第三的分别是曲沃县(4237万元)和临汾市(3711万元),占比12.6%和11%.洪洞县展现出较大的减排潜力和较小的减排成本,安泽县和乡宁县则更具有成本效益.

图6 重污染条件下不同行业源、不同区域源的减排量与减排成本Fig.6 Emission reduction and emission reduction cost of different industry sources and different regions

2.3.5 不同污染天气条件下达标方案比较 由图4可以看出,在轻度污染天气条件下,减排力度降低,平均减排率为 37.5%,比重度污染条件下减排率降低34.4%.平均减排率较大的地区是古县(40.7%)和临汾市区(39.8%),行业为其他工业(58.8%)、水泥(57.4%)和移动源(57.3%).图7对比了两种污染天气条件下的减排系数与减排成本,轻度污染天气条件下,临汾市最大允许排放量为387.3t/d,与重度污染天气相比增加了8.8%,减排成本为2.75亿元,与重度污染天气相比减少了18.2%. NOx、SO2、NH3、VOCs和PM2.5的减排率分别为33%、34%、31%、48%和42%,5种污染物的平均减排率分别减少了 41%、37%、48%、20%和29%.从成本来看,NOx的减排成本减少量最多,减少了4166万元. PM2.5减排成本减少率最大,与重污染天气相比,减少了 40.3%.另外,轻度污染天气条件下 VOCs的减排成本较高,是由于溶剂源的减排比重度污染天气条件下的多,而溶剂源的 VOCs减排成本较高(表 1).由此可见,为实现PM2.5达标,需要探索更有效,更经济的减排措施.

图7 两种污染天气下的减排系数与减排成本Fig.7 Emission reduction coefficient and emission reduction cost under two polluted weather

本文的研究存在一定的不确定性,主要来源于以下 3个方面:(1)由于多种污染物的化学反应和长距离物理输送,污染物排放量和PM2.5浓度间存在很强的非线性关系.因此,气象条件,排放清单,PM2.5组分平衡的假设等因素均会对模拟结果造成一定的影响.(2)本文的减排成本数据来源于文献调研,仅考虑脱硫,脱硝,除尘等措施,没有根据临汾市的实际情况细化成本,使得研究的成本估算存在一定的不确定性.(3) 现有模型的化学机制对 SOA模拟存在一定低估,虽然经过了订正,但与实际情况仍然存在一定偏差.

3 结论

3.1 临汾市 2018 年 SO2、NOx、VOCs、NH4、PM10、PM2.5、BC和 OC八类污染物的总排放量为471255t/a,总排放量最多的是扬尘源,占比 25.8%.SO2、NOx和 VOCs排放量最高的行业分别为民用燃烧(45%)、移动源(55.1%)和焦化行业(54.9%).

3.2 对于 PM2.5平均浓度近 200μg/m3的重污染过程,在PM2.5浓度目标为75μg/m3时,临汾市最大允许排放量为356.7t/d,最小减排成本为3.36亿元. NOx、SO2、NH3、VOCs和一次颗粒物的减排量分别为98.1,49.9,44.3,155.7 和 105.5t/d,减排率分别为49.7%、57.3%、63.3%、60%和53.7%、减排成本分别为11.7,6.8,6.2,5.5和3.5千万元.

3.3 对 VOCs、NOx、PM2.5、NH3和 SO2减排潜力最大的行业分别为焦化源,移动源,扬尘源,农业源和民用燃烧源,分别占所有行业 5种污染物减排量的21.6%、14.1%、11%、8.6%和 3.8%.钢铁行业的减排成本最高(39%),襄汾县的减排量最大,减排成本最高,达7218万元.

3.4 利用空气质量模式与多目标遗传算法,结合精细化的排放清单,可以实现城市PM2.5控制策略的优化,同时兼顾成本与经济效益,有助于大气污染的精准治理.