摘要:针对页岩气开发过程中污染气体浓度与扩散分布不确定性问题, 利用自主设计并搭建的开放光路傅里叶变换红外光谱(FTIR)测量系统, 对返排液中污染气体进行浓度反演, 并通过返排液流速及污染源大小, 计算出污染源源强. 结合现场环境, 建立参考坐标, 对高斯扩散模型进行数学推导, 构建污染源面源扩散模型并进行仿真分析. 结果表明: 源强、距离、风速、大气稳定度影响气体浓度扩散. 对返排液进行80 h连续测量, 确定主要污染气体浓度及面源源强. 实验结果表明: 返排液排放的主要污染气体为丙烷、戊烷、丙烯、一氧化碳、二氧化硫; 对应的最大浓度分别4.689, 25.494, 30.324, 0.656, 4.620 mg/m³. 最大面源源强分别为1.9872, 10.9750, 12.8513, 0.2707, 1.9064 g/s. 结合风速及日间环境情况, 选取大气稳定度, 将源强代入面源扩散模型, 进行污染气体扩散浓度构建, 实现对不同污染气体不同位置上浓度分布的实时监测. 相对于传统测量方法, 利用FTIR方法并结合面源扩散模型, 不仅能够实现对污染源的非接触远距离在线测量, 还能对污染气体分布进行安全区域划分.
关键词: 页岩气/
污染气体/
面源扩散模型/
浓度分布/
?

English Abstract

全文HTML

--> --> -->

在过去的十几年里, 基于水力压裂的页岩气开采技术的发展使得美国的油气产量大幅增加^[1], 至2015年页岩气产量占美国天然气总产量的56%. 而我国作为页岩气储量大国, 资源总量达到134.4万亿立方米, 可采资源量25.08万亿立方米, 探明储量超过2万亿立方米, 预计2020年页岩气开采量达到200亿立方米左右^[2]. 但是, 在页岩气开采过程中, 随着返排液带出的气体会影响当地区域的空气质量^[3,4]. 这些气体以甲烷(CH₄)为主^[5,6], 同时包括挥发性有机化合物(VOCs)、硫化物等有毒有害污染气体^[7,8]. 大多数VOCs会在光照条件下发生光化学反应, 形成二次气溶胶、酸雨、光化学烟雾等; 且高浓度的VOCs会导致阻塞性肺病(COPD)、呼吸短促和易感人群中的其他呼吸道疾病^[9]. 同时, 中国生态环保部颁布的《大气污染物综合排放标准》(GB16297-1996)明确规定了33种大气污染物的排放限值, 对厂界浓度有着明确要求. 中国国家卫生和计划生育委员会发布《工业企业设计卫生标准》(TJ36-79)对居民区大气中有害物质的最高容许浓度有着明确要求. 因此, 对页岩气开采过程中污染气体的浓度及扩散分布进行实时在线监测显得尤为重要.
目前, 对于页岩气的VOCs及其他污染气体的检测手段主要是通过苏玛罐、固体吸附等传统手段在现场收集空气样品^[10,11], 然后在实验室采用离子火焰燃烧(FID)^[12]、光离子化检测器(PID)^[13]等技术进行测定; 或采取点式与手持式设备对页岩气开采周边环境进行监测^[14]. 传统方法耗时较长, 且不同采样方式受样品保存时间等影响, 实验室测定值与现场检测值比对时存在较大差异. 国家已出台VOCs的在线监测标准, 但多针对非甲烷总烃测定, 无法实现原位组分分析, 且无法满足区域内VOCs浓度分布监测. 本文通过开放光路傅里叶变换红外光谱(FTIR)测量系统对页岩气污染气体进行实时在线浓度监测, 利用FTIR测量具有速度快、精度高、分辨率高、测定波段宽、无需采样及预处理等优点^[15,16], 对返排液进行在线自动测量并根据高斯扩散模型, 通过理论分析与数值模拟, 建立实时污染气体面源扩散模型. 在此基础上, 对污染气体浓度分布进行可视化展示并依据国家标准确定动态厂界. 该研究方法不仅能够实现对页岩气返排液中污染气体的定性定量分析, 同时能构建出污染气体的浓度分布情况, 实现动态厂界的设置.

2

-->

2.1.高斯扩散模型

对于地面高度H处连续点源的烟羽模型为^[17]

$\begin{split}&C(x,y,z) = \frac{Q}{{{\rm{2\pi }}\mu {\sigma _y}{\sigma _z}}}\exp \left( { - \frac{{{y^2}}}{{2{\sigma _y^2}}}} \right)\\&\times\left\{ {\exp \left[ { - \frac{{{{(z - H)}^2}}}{{2{\sigma _z^2}}}} \right] + \exp \left[ { - \frac{{{{(z + H)}^2}}}{{2{\sigma _z^2}}}} \right]} \right\},\end{split}$

其中$C(x, y, z)$表示$(x, y, z)$点的浓度; Q表示源强; μ表示风速; ${\sigma _y}$, ${\sigma _z}$分别为侧风方向和垂直方向的扩散系数; H代表有效源高.
根据国家标准GB/T13201-91中规定, 当采样时间为0.5 h时, 扩散系数为

${\sigma _y} = {\gamma _1}{x^{{a_1}}},$

$ {\sigma _z} = {\gamma _2}{x^{{a_2}}}, $

其中, ${\gamma _1}$表示横向扩散参数回归系数; ${\gamma _2}$表示垂直扩散参数回归系数; ${a_1}$表示横向扩散参数回归指数; ${a_2}$表示垂直扩散参数回归指数^[18,19]. 在下风1000 m以内, 各参数取值如表1所列.

稳定度	${\gamma _1}$	${\gamma _2}$	${a_1}$	${a_2}$
A	0.425809	0.0799904	0.901074	1.12154
B	0.281846	0.127190	0.914370	0.964435
B-C	0.229500	0.114682	0.919325	0.941015
C	0.177154	0.106813	0.924279	0.917595
C-D	0.143940	0.126152	0.926849	0.838628
D	0.110726	0.104634	0.929418	0.826212
D-E	0.0985631	0.111771	0.925118	0.776864
E	0.0864001	0.0927529	0.920818	0.788370
F	0.0553634	0.0620765	0.929418	0.784400

表1P-G扩散曲线幂函数数据参数表
Table1.Diffusion curve power function data of P-G.

大气稳定度等级的划分，按照Pasquill稳定度分类法, 可分为强不稳定、不稳定、弱不稳定、中性、较稳定和稳定共六个等级, 分别由A, B, C, D, E, F表示. 主要与太阳高度角、风速、高低空云量有关, 如表2所列.

表面风速/(m·s–1)	白天日照			夜间条件
	强	适中	弱	很薄云层或 大于4/8 低沉云	< 3/8朦胧
< 2	A	A—B	B	F	F
2—3	A—B	B	C	E	F
3—4	B	B—C	C	D	F
4—6	C	C—D	D	D	D
> 6	C	D	D	D	D

表2P-G扩散模型的大气稳定度等级
Table2.Levels of atmospheric stability for diffusion models of P-G.

表中强光指的是夏至时正午光照强度, 弱光指的是冬至时正午光照强度, 主要受太阳高度角影响. 根据高斯扩散模型, 高空排放气体在风速、风向的作用下, 向下风口运动. 图1给出在风速为5与0 m/s时扩散情况.
图 1 气体排放图　(a)V = 5 m/s; (b)V = 0 m/s
Figure1. Emission map of gas: (a) V = 5 m/s; (b) V = 0 m/s.

2 -->

2.2.面源扩散模型

对于面源的扩散模型, 通过对其扩散参数进行修正, 添加初始扰动, 可采用虚拟点源来代替并计算^[20], 虚拟点源远离中心, 位于上风口. 对于高度为0 m的面源扩散区域, 其原理图如图2所示.
图 2 面源扩散模式
Figure2. Diffusion pattern of area source.

Q为上风口的虚拟点源, 其在y轴的扩散模式为高斯扩散, 符合正态分布^[21]:

$a{{ = 2}}{y_0} = 4.3{\sigma _{{y_0}}},$

其中, a为面源区域宽度, ${\sigma _{{y_0}}}$为初始扩散参数.
通过(2)式, 可求出初始点源位置:

$ {x_{0}} = {\left( {\frac{{{\sigma _{y_0}}}}{{{\gamma _1}}}} \right)^{1/{a_1}}}. $

结合(1)式的点源高斯扩散模型, 可得面源高斯扩散模型为

$\begin{split}&C(x,y,z) = \frac{Q}{{{\rm{2\pi }}\mu \left( {{\sigma _y} + {\sigma _{{y_0}}}} \right){\sigma _z}}}\exp \left[ { - \frac{{{y^2}}}{{2{{\left( {{\sigma _y} + {\sigma _{{y_0}}}} \right)}^2}}}} \right]\\&\times\left\{ {\exp \left[ { - \frac{{{{(z - H)}^2}}}{{2{\sigma _z^2}}}} \right] + \exp \left[ { - \frac{{{{(z + H)}^2}}}{{2{\sigma _z^2}}}} \right]} \right\}.\\[-10pt]\end{split}$

当面源为地面排放区域时, H = 0, 则(6)式可转变为

$\begin{split}C(x,y,z) =\;& \frac{Q}{{{\rm{\pi }}\mu \left( {{\sigma _y} + {\sigma _{{y_0}}}} \right){\sigma _z}}}\exp \left[ { - \frac{{{y^2}}}{{2{{\left( {{\sigma _y} + {\sigma _{{y_0}}}} \right)}^2}}}} \right]\\&\times\exp \left( { - \frac{{{z^2}}}{{2{\sigma _z^2}}}} \right).\\[-10pt]\end{split}$

2 -->

2.3.面源源强计算

在页岩气开采过程中, 由于水力压裂, 污染气体大多随着甲烷气体进入气体管道. 在高温高压的作用下, 部分气体溶入返排液, 另一部分以游离态状态随着返排液排出. 因此, 页岩气开采过程中, 源强与水流速度成正比关系. 面源源强为

$Q = \mu \iint\nolimits_S {{C_i}}{\rm{d}}s,$

其中, s为排放面源大小, μ为水流速度, ${C_i}$为每点浓度.
由于排放源为稳定的面源, 且FTIR测量的为线浓度, 可对(8)式进行转化:

$Q = \frac{{\mu Scl}}{L},$

其中, c为FTIR测量浓度, l为FTIR光程, S为返排池面积, L为光路跨越面源的长度.

2

-->

3.1.实验系统

实验场地选在四川威远某页岩气井, 其返排池面积大小为13.86 m × 13.86 m, 深为5 m, 采用开放光路式FTIR测量系统对返排液进行测量. 系统对返排池观测从2020年9月6日持续到2020年9月9日, 现场情况与实验设备布设情况如图3所示.
图 3 实验外场图　(a)现场情况; (b)设备布设情况
Figure3. Experimental outfield diagram: (a) Environment; (b) system.

2 -->

3.2.仿真分析

在不同的风速风向作用下, 面源扩散不同, 对外场防护厂界大小要求不同. 设计仿真实验, 分析在不同风速作用下, 气体扩散浓度分布情况. 参数设计如下: 面源大小为13.86 m × 13.86 m, 高度为0 m, 面源中心为0坐标点. 假设初始源强为10 g/s, 风速分别为1 和3 m/s, 结合日间外场情况及表2, 可知大气稳定度分别为B, C. 由(5)式可得初始位置$ {x_{0}} $ = 6.438 m. 地面处, 气体扩散浓度如图4所示.
图 4 气体仿真扩散分布图　(a)V = 1 m/s; (b)V = 3 m/s
Figure4. Simulation diffusion distribution diagram of gas: (a) V = 1 m/s; (b) V = 3 m/s

当风速分别为1和3 m/s, 对下风50, 150, 300 m处的浓度进行仿真分析, 实验结果如图5所示.
图 5 气体仿真浓度分布图　(a)V = 1 m/s; (b)V = 3 m/s
Figure5. Simulation concentration distribution diagram of gas: (a) V = 1 m/s; (b) V = 3 m/s.

仿真结果表明: 距离、风速、大气稳定度影响污染气体的浓度分布, 随着距离增大, 浓度急剧下降; 风速越大, 污染气体下降越快. 通过仿真分析可知, 可以对实时污染气体进行污染预估计, 实现对污染区域的动态设置, 进行安全分布划分等.

系统对返排液进行80 h连续观测, 结合现场环境, 对多种VOCs以及硫化物等污染气体进行浓度反演, 确定主要污染物浓度, 实验结果如图6所示.
图 6 污染气体浓度图
Figure6. Concentration diagram of pollution gas.

数据分析结果表明: 该返排液排放的VOCs气体主要以戊烷(C₅H₁₂)、丙烯(C₃H₆)为主, 另包含少量丙烷(C₃H₈). 同时包括其他非VOCs污染气体, 主要为一氧化碳(CO)和二氧化硫(SO₂). 其中丙烷平均浓度为2.07 mg/m³, 最大浓度为4.689 mg/m³; 戊烷平均浓度为12.71 mg/m³, 最大浓度为25.494 mg/m³; 丙烯平均浓度为14.91 mg/m³, 最大浓度为30.324 mg/m³; 一氧化碳平均浓度为0.43 mg/m³, 最大浓度为0.656 mg/m³; 二氧化硫平均浓度为2.12 mg/m³, 最大浓度为4.620 mg/m³. 由于二氧化硫易溶入水, 所以二氧化硫会残留在返排液中, 随着污水车运到污水厂, 因此在页岩气开采过程中, 二氧化硫排放量远远大于FTIR测量计算结果, 但对环境污染主要体现在挥发的二氧化硫上.
对污水排放量进行了统计, 结果如图7所示. 结合(9)式, 计算出丙烷、戊烷、丙烯、一氧化碳、二氧化硫最大面源源强分别为1.9872, 10.9750, 12.8513, 0.2707, 1.9064 g/s. 风速为1 m/s, 结合日间外场环境及表2所列数据可知, 大气稳定度为B. 通过(7)式以及扩散模型, 对丙烷、戊烷、丙烯、一氧化碳、二氧化硫进行扩散浓度构建, 日间扩散浓度分布如图8所示.
图 7 污水排放实时图
Figure7. Discharge real-time map of sewage.

图 8 污染气体扩散浓度分布图
Figure8. Distribution map of diffusion concentration in pollutant gas.

由图8可以看出, 污染物排放进入大气后, 急剧扩散, 由于风速的作用, 主要往下风口扩散. 同时, 受污染物排放浓度、大气稳定度、风速影响, 不同污染物在不同时间段扩散浓度不同. 以该浓度扩散模型为基础, 计算返排池下风口50, 100, 200和300 m处的浓度分布, 结果如图9所示.
图 9 污染气体浓度分布图
Figure9. Distribution map of concentration in pollutant gas.

根据国家标准(GB16297-1996)及(TJ36-79)对污染源大气污染物的排放限值可知, 我国对一氧化碳、二氧化硫、非甲烷总烃厂界或居民区浓度要求分别为3, 0.5和5.0 mg/m³. 由浓度分布结果可知丙烷、戊烷、丙烯、一氧化碳、二氧化硫在200和300 m处的最大浓度分别为0.7568与0.3650 mg/m³, 4.1780与2.0156 mg/m³, 4.8945与2.3602 mg/m³, 0.1031与0.0497 mg/m³, 0.7261与0.3501 mg/m³. 则非甲烷总烃在200与300 m浓度约为9.8302与4.7408 mg/m³.

针对页岩气开采过程中污染气体排放成分、浓度及扩散的不确定性, 以四川威远某页岩气井返排液为研究对象, 通过FTIR浓度反演及面源扩散模型的搭建, 对污染气体进行定性和定量分析, 构建浓度分布模型. 对浓度分布模型进行仿真, 结果表明: 源强、距离、风速、大气稳定度影响气体浓度扩散. 通过返排池80 h连续测量, 对污染气体进行定性定量分析并计算面源源强. 实验结果表明: 返排液主要排放的污染气体为丙烷、戊烷、丙烯、一氧化碳、二氧化硫, 最大源强分别为1.9872, 10.9750, 12.8513, 0.2707和1.9064 g/s. 通过搭建的面源扩散模型, 实现对不同污染气体不同位置上的浓度监测.
本文从返排液污染气体测量的角度出发, 针对传统测量手段的难点, 结合FTIR仪器的优势, 以高斯扩散模型为基础, 构建面源高斯扩散模型, 从而达到对动态厂界的设置以及污染区域的划分. 为页岩气开采过程中污染气体浓度、排放通量、区域浓度分布提供了有力的支撑.