一种低温地区大气污染物排放因子测算方法

1.本发明属于大气污染监测及排放清单计算技术领域，尤其涉及一种低温地区大气污染物排放因子测算方法。


背景技术：

2.排放因子是一个表征排放到大气中的污染物数量和排放污染物的活动水平之间关系的代表值。排放因子是可获得的数据的平均水平，用来代表一类排放源中很多特定排放的长期平均水平。排放因子既不是推荐的排放限值，也不是标准。有了排放因子数据，根据道路分布和车流量数据可以方便的计算大气污染物的排放量，为环境管理和相关控制措施的实施提供决策依据。
3.建立本地化机动车排放清单的关键问题之一是建立本地化机动车排放因子库。排放因子是计算城市机动车各污染物排放总量的主要参数之一。机动车排放因子是指机动车行驶单位行驶里程或单位行驶时间内机动车尾气中某类大气污染物平均排放量，单位一般用g/km或g/h表示，获取机动车排放的测试方法可分为实验室测试和实际道路测试，前者包括台架测试，后者包括隧道测试、道路遥感测试、道路车载测试和移动实验室测试。这些方法都可获取机动车实际污染物排放水平，各有特点和优势。要提高机动车排放清单的准确性，首先要获得研究区域内本地化的排放因子数据。


技术实现要素：

4.(一)要解决的技术问题
5.为了解决现有技术的上述问题，本发明提供一种低温地区大气污染物排放因子测算方法，解决了目前针对低温地区机动车污染物排放清单的研究较为欠缺的问题。
6.(二)技术方案
7.为了达到上述目的，本发明采用的主要技术方案包括：
8.一种低温地区大气污染物排放因子测算方法，包括以下步骤：
9.s1、获取低温地区的测试数据；
10.s2、根据获取的测试数据建立基于指南法的本地化排放因子库；
11.s3、根据获取的测试数据建立基于ive模型的本地化排放因子库；
12.s4、通过车载测试方式得到车载实验本地化排放因子库；
13.s5、将指南法和ive模型建立的排放因子库与车载实验的排放因子库进行对比结合建立低温地区本地化的机动车排放因子数据库。
14.优选地，所述获取低温地区的测试数据的方式包括但不限于：道路实测、问卷调查和文献调查。
15.优选地，所述获取低温地区的测试数据至少包括：车辆类型、燃料类型、污染控制技术、车龄、车辆行驶里程、启动次数、环境参数和燃油品质；
16.其中，车辆类型、燃料类型、污染控制技术、车龄、车辆行驶里程、启动次数信息，通
过发放调查问卷的方式和道路实测的方式获取；
17.环境参数和燃油品质通过监测及数据调研获取；
18.所述环境参数至少包括：海拔、温度、湿度、道路坡度数据。
19.优选地，所述基于指南法的本地化排放因子库为通过指南修正法来确定机动车污染物co、hc、no
x
、pm2.5和pm10的排放因子。
20.优选地，结合指南提供修正系数进行本地化的原理如下所示：
[0021][0022]
式中，ef
i，j
为车型i在地区j的排放因子；befi为车型i的综合基准排放因子，为地区j的环境修正系数；γj为地区j的平均速度修正系数；θi为车型i的必要条件修正系数，必要条件包括车辆劣化或燃料品质。
[0023]
优选地，所述采用ive模型建立本地化排放因子库为采用ive模型模拟机动车污染物co、voc和nh3的排放因子。
[0024]
优选地，通过ive模型获取车辆排放因子需要获取的基础数据至少包括：机机动车运行工况、机动车技术参数、燃料类型、燃料品质、启动分布及环境参数。
[0025]
优选地，所述机动车运行工况采用控制变量法，对低温地区城市的不同道路和不同时间段进行测试。
[0026]
优选地，道路实测时的路边测试设备为ht3000-e移动高清抓拍仪。
[0027]
优选地，跟踪测试的车辆至少包括：重型柴油货车、小轿车、出租车和公交车；
[0028]
测试的时间包括：上午7:00-9:00、中午11:00-12:00和下午5:30-7:30。
[0029]
(三)有益效果
[0030]
本发明的有益效果是：本发明提供的一种低温地区大气污染物排放因子测算方法，具有以下有益效果：
[0031]
通过进行低温地区本地化车载实验研究，建立低温地区本地化的机动车排放因子数据。将指南法和ive模型建立的排放因子库与车载实验的排放因子进行对比分析，最终建立准确的低温地区本地化的机动车排放因子数据，为排放清单的编制做好基础数据的准备。
[0032]
本发明解决了目前针对低温地区机动车污染物排放清单的研究较为欠缺的问题，并且充分考虑到三种排放因子计算方法得到的不同排放因子存在差异的问题。
附图说明
[0033]
图1为本发明提供的一种低温地区大气污染物排放因子测算方法中实施例中的流程示意图；
[0034]
图2为本发明提供的一种低温地区大气污染物排放因子测算方法的实施例中指南排放因子获取路线图；
[0035]
图3为本发明提供的一种低温地区大气污染物排放因子测算方法的实施例中ive模型模拟排放因子技术路线图。
具体实施方式
[0036]
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发
明作详细描述。
[0037]
实施例1
[0038]
如图1-图3所示：本实施例中公开了一种低温地区大气污染物排放因子测算方法，包括以下步骤：
[0039]
s1、获取低温地区的测试数据；
[0040]
s2、根据获取的测试数据建立基于指南法的本地化排放因子库；
[0041]
s3、根据获取的测试数据建立基于ive模型的本地化排放因子库；
[0042]
s4、通过车载测试方式得到车载实验本地化排放因子库；
[0043]
s5、将指南法和ive模型建立的排放因子库与车载实验的排放因子库进行对比结合建立低温地区本地化的机动车排放因子数据库。
[0044]
本实施例中所述获取低温地区的测试数据的方式包括但不限于：道路实测、问卷调查和文献调查。
[0045]
本实施例中所述获取低温地区的测试数据至少包括：车辆类型、燃料类型、污染控制技术、车龄、车辆行驶里程、启动次数、环境参数和燃油品质；
[0046]
其中，车辆类型、燃料类型、污染控制技术、车龄、车辆行驶里程、启动次数信息，通过发放调查问卷的方式和道路实测的方式获取；
[0047]
环境参数和燃油品质通过监测及数据调研获取；
[0048]
所述环境参数至少包括：海拔、温度、湿度、道路坡度数据。
[0049]
本实施例中所述基于指南法的本地化排放因子库为通过指南修正法来确定机动车污染物co、hc、no
x
、pm2.5和pm10的排放因子。
[0050]
本实施例中结合指南提供修正系数进行本地化的原理如下所示：
[0051][0052]
式中，ef
i，j
为车型i在地区j的排放因子；befi为车型i的综合基准排放因子，为地区j的环境修正系数；γj为地区j的平均速度修正系数；θi为车型i的必要条件修正系数，必要条件包括车辆劣化或燃料品质。
[0053]
本实施例中所述采用ive模型建立本地化排放因子库为采用ive模型模拟机动车污染物co、voc和nh3的排放因子。
[0054]
本实施例中通过ive模型获取车辆排放因子需要获取的基础数据至少包括：机机动车运行工况、机动车技术参数、燃料类型、燃料品质、启动分布及环境参数。
[0055]
本实施例中所述机动车运行工况采用控制变量法，对低温地区城市的不同道路和不同时间段进行测试。
[0056]
本实施例中道路实测时的路边测试设备为ht3000-e移动高清抓拍仪。该设备是目前中国智能交通领域中最先进的超速取证产品，兼具雷达测速、视频监测、车型识别及交通流量统计功能和gps组合的方式进行实地的车辆行驶道路两旁和跟踪测试。
[0057]
本实施例中跟踪测试的车辆至少包括：重型柴油货车、小轿车、出租车和公交车；测试的时间包括：上午7:00-9:00、中午11:00-12:00和下午5:30-7:30。
[0058]
本实施例中的车载实验是为了验证指南法和ive模型获取的低温地区不同机动车污染物排放因子的准确性，通过在低温地区进行的车载实验，获取在实际道路运行下的不同类型车辆不同污染物的排放因子，并以此来校对检验指南法和ive模型各排放因子数值。
[0059]
本实施例中车载实验采用美国生产的semtech ds车载尾气分析系统，该仪器按美国epa 40cfr part 1065subpart j的要求设计，核心分析模块小型化且防震，精度能够达到实验室分析仪器精度，包括主控计算机、车载气体排放分析仪、便携式电源、gps定位仪、气体流量计等。该设备采用非分散红外分析法测量co和co2，非分散紫外分析法测量no和no2，电化学法测量o2含量，并利用毕托管流量计测量尾气流量，以分析污染物质量排放率。
[0060]
本实施例中通过车载实验，收集在不同道路上车辆的实际运行特征，实验采用便携式车载定位器进行测试。该设备装配了北斗和gps全球定位系统，约10s左右保存并上传一次机动车经纬度和实时速度信息。基于地图服务商，可实现实时跟踪、历史回放和数据下载功能。为了提高测试数据的精确度，采用两台设备同时运行，以实现数据的相互补充和印证。经测试，该设备测试的速度数据与机动车实际速度差值在
±
5km/h以内，在典型城市工况下可以满足测试要求。
[0061]
本实施例中进行车载实验，对于轻型汽油车，选择大众速腾作为测试车辆。司机驾驶车辆在测试道路上正常跟车行驶，既不超越大多数车辆，也不被大多数车辆所超过。该车辆动力性能和运行工况能够代表长春市轻型车队平均水平。测试获得了低温城市商业区和居民区工作日和休息日7:00～20:00的行驶特征数据。
[0062]
本实施例中进行车载实验，研究以出租车的行驶特征代表轻型cng车。在低温城市主城区随机选择了一辆出租车进行测试，车型为大众捷达，燃料类型为cng，同时，出租车司机为专职工作人员，驾驶习惯具有代表性。将测试设备安装在出租车上，车辆在低温城市内正常运营，出租车正常运行后打开设备，获得了连续24h的行驶特征数据。
[0063]
本实施例中进行车载实验，对于公交车，研究者携带仪器在低温城市城区随机乘坐公交车，上车后立即打开仪器，下车后关闭仪器。累积测试了6辆公交车的行驶特征，其行驶路线从城市中心向城郊辐射展开，涵盖了主干道、次干道和居民路等典型城市道路。
[0064]
本实施例中的指南指的是环保部发行的《道路机动车大气污染物排放清单编制技术指南(试行)》。
[0065]
实施例2
[0066]
以沈阳、大连等低温地区的重型柴油货车为例，如图1所示，建立沈阳、大连等低温地区的大气污染物排放因子库。
[0067]
具体地，所需数据通过在道路旁安置监测设备采用ht3000 e移动高清抓拍仪，记录典型道路(市区路、市郊路和高速路)交通流量组成和车速等数据，利用可安装在机动车上的gps测试得到目标车辆的速度、经纬度及对应的时间信息等信息，并对这些数据进行筛选、补充和处理，进而获得低温地区不同道路的运行工况。
[0068]
具体地，根据沈阳、大连等低温地区海拔、温湿度、燃料品质及测试车辆劣化程度，基于指南分析得到重型柴油货车不同车型不同平均速度下的污染物排放因子，如图2和表1所示。
[0069]
表1指南污染物排放因子(冬季)
[0070][0071]
具体地，根据实际测量的数据对ive模型输入需要的机动车活动水平信息进行了输入，并选择市区路、市郊路、高速路三种道路类型作为典型路段，进而得到了本地化修正后国iii、国iv、国v重型柴油货车大气污染物的排放因子，如图3和表2所示。
[0072]
表2 ive模型排放因子
[0073][0074][0075]
具体地，排放标准是影响重型柴油货车排放因子的重要因素，因此，本发明选择国ⅲ、国ⅳ、国
ⅴ
重型柴油货车进行测试。
[0076]
具体地，车辆试验路线应包括：市区路、市郊路和高速路，根据车辆行驶速度的大小进行区分：
[0077]
b)市区路：车辆平均车速15～30km/h；
[0078]
c)市郊路：车辆平均速度45～70km/h；
[0079]
d)高速路：车辆平均行驶速度》70km/h。
[0080]
具体地，重型柴油货车在3个不同的城市交通路段的实际行驶过程中，使用semtech-ds便携式尾气测定系统、pps mi2颗粒物分析仪采集车辆的瞬时排放物，以及hy 100ws型高负载颗粒物采样器于车辆尾气中进行颗粒物采膜，具体数据如表3所示。
[0081]
表3重型柴油货车车载测试排放因子
[0082][0083]
实施例3
[0084]
以哈尔滨市轻型载客汽车和公交车为例。
[0085]
通过gps获取目标车辆的车速、经纬度和对应时间，收集和整理机动车行驶特征数据，获得哈尔滨市轻型载客汽车和公交车等的运行工况。
[0086]
具体地，结合指南中排放因子的计算公式对不同类型机动车各污染物排放因子的修正计算，获得机动车各污染物分车型、分排放标准且符合低温地区的本地特征的co、hc、no
x
、pm2.5、pm10等5种机动车污染物的排放因子，具体数据如表4所示。
[0087]
表4黑龙江省汽油车各车型排放因子
[0088][0089]
具体地，采用ive模型建立本地化排放因子库，路边测试设备是以ht3000-e移动高清抓拍仪和gps组合的方式进行实地的车辆行驶道路两旁和跟踪测试。
[0090]
使用ht3000-e移动高清抓拍仪分别在哈尔滨的红博广场的东直大街两侧，南岗区先锋路243号，果戈里大街413号。
[0091]
具体地，跟踪测试的车辆有轻型载客汽车、货车等，测试的路线包括了哈尔滨的一环、二环和郊区，测试的时间包括上7:00-9:00，中午11:00-12:00和下午5:30-7:30。具体数据如表5所示：
[0092]
表5 ive模型排放因子
[0093][0094]
具体地，为了验证指南法和ive模型获取的黑龙江省不同机动车污染物排放因子的准确性，通过在哈尔滨进行的车载实验，获取在实际道路运行下的不同类型车辆不同污染物的排放因子，以此来校对检验指南法和ive模型各排放因子数值。具体数据如表6所示：
[0095]
表6车载测试排放因子
[0096][0097][0098]
以上结合具体实施例描述了本发明的技术原理，这些描述只是为了解释本发明的原理，不能以任何方式解释为对本发明保护范围的限制。基于此处解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。