, 闫静1, 徐文帅2, 燕潇1, 孙雪松1
, 宋光武1, 张蕊1, 魏春旺3, 武彤冉1, 罗志云11. 北京市环境保护科学研究院, 北京 100037;
2. 海南省环境监测中心站, 海口 571000;
3. 北京市顺义大龙城乡建设开发总公司, 北京 101300
收稿日期: 2019-12-02; 修回日期: 2020-01-07; 录用日期: 2020-01-07
基金项目: 国家自然科学基金项目（No.41303074）
作者简介: 刘艳梅(1993-), 女, E-mail:1903495296@qq.com
通讯作者（责任作者）: 孙雪松(1972—), 女, 副研究员, 主要研究方向为PM2.5、含碳气溶胶来源解析、理化特性及其在大气中的迁移转化.主持或参与20多项国家自然基金、科技部及环保部项目, 发表论文10多篇.E-mail: sunxuesong@cee.cn
摘要：基于海口电厂"超低排放"燃煤机组在线监测数据和实测结果，研究颗粒物、SO2、NOx排放特征，分析颗粒物粒径分布和化学成分谱.结果显示，"超低排放"机组颗粒物、SO2、NOx排放浓度均值分别为（1.57±0.81）、（15.15±6.23）和（40.10±3.63）mg·m-3，均满足超低排放限值要求.TSP、PM10、PM2.5、PM1、SO2、NOx的排放因子均值分别为0.0099、0.0098、0.0092、0.0065、0.1131、0.2882 kg·t-1，排放因子集中在很窄的区间内，呈正态或偏正态分布，与未进行超低改造研究结果比较，排放因子减小了1~2个数量级.颗粒物数浓度分布呈双峰分布，数浓度峰值粒径为0.027 μm和0.641 μm；质量浓度呈单峰分布，峰值粒径为1.100 μm.PM10、PM2.5、PM1的成分谱差异很小，其主要化学组分为SO42-、Ca、NH4+、NO3-、OC，在PM10中质量占比分别为29.41%±0.94%、12.09%±1.95%、9.49%±2.35%、6.96%±0.49%、4.93%±0.57%；在PM2.5中质量占比分别为29.18%±1.58%、12.72%±1.77%、9.21%±2.01%、5.31%±0.13%、4.33%±0.72%；在PM1中质量占比分别为29.04%±3.15%、17.99%±3.61%、8.42%±1.50%、4.445±0.08%、5.075±0.07%.
关键词：燃煤电厂超低排放排放特征粒径分布成分谱
Emission characteristics of conventional air pollutants in coal-fired power plants after ultra-low emission transformation
LIU Yanmei1
, YAN Jing1, XU Wenshuai2, YAN Xiao1, SUN Xuesong1, SONG Guangwu1, ZHANG Rui1, WEI Chunwang3, WU Tongran1, LUO Zhiyun11. Beijing Municipa Research Institute of Environmental Protection, Beijing 100037;
2. Hainan Environmental Monitoring Center, Haikou 571000;
3. Da long Estates Co., Ltd, Beijing 101300
Received 2 December 2019; received in revised from 7 January 2020; accepted 7 January 2020
Abstract: Based on the continuous on-line monitoring data and measured results of "ultra-low emission" unit in Haikou Coal-fired Power Plant, the emission characteristic of particulate matter, SO2 and NOx was studied, and the particle size distribution and source profile were analyzed. The results showed that the mean emission mass concentrations of particulate matter, SO2 and NOx of the ultra-low emission unit were (1.57±0.81), (15.15±6.23) and (40.10±3.63) mg·m-3, respectively, which meet the requirements of ultra-low emission limits. The average emission factors of TSP, PM10, PM2.5, PM1, SO2, NOx were 0.0099, 0.0098, 0.0092, 0.0065, 0.1131 and 0.2882 kg·t-1, respectively. The emission factors were concentrated in a very narrow range, showing a normal or partial normal distribution. Compared with the results of no ultra-low modification, the emission factors reduced by 1~2 orders of magnitude; the particle size distribution of the number concentration showed double peak distribution, the peak particle size was 0.027 μm and 0.641 μm; the mass concentration showed Unimodal distribution, the peak particle size of the mass concentration was 1.100 μm. The difference of source profile in PM10, PM2.5 and PM1 was very small. The main components of PM10, PM2.5 and PM1 were SO42-, Ca, NH4+, NO3-, OC, accounting for 29.41%±0.94%, 12.09%±1.95%, 9.49%±2.35%, 6.96%±0.49%, 4.93%±0.57% of the total mass in PM10, for 29.18%±1.58%, 12.72%±1.77%, 9.21%±2.01%, 5.31%±0.13%, 4.33%±0.72% in PM2.5, 29.04%±3.15%, 17.99%±3.61%, 8.42%±1.50%, 4.44%±0.08%, 5.07%±0.07% in PM1, respectively.
Keywords: coal-fired power plantsultra-low emissionemission characteristicssize distributionsource profile
1 引言(Introduction)我国“富煤、贫油、少气”的能源结构特征决定了相当长的一段时期内我国的能源消耗仍将以煤炭为主(Dong et al., 2017；He et al., 2018).2017年, 我国能源消费总量为44.9×108吨标准煤, 其中煤炭消耗量占60.4%(中国统计年鉴, 2018).火电行业是主要的耗煤大户, 截至2017年年底, 火电行业发电量45513×108 kWh, 同比增长5.2%, 消耗了全国约50%的煤炭(中国环境保护产业协会组织脱硫脱硝委员会, 2018).因此, 火电行业污染物排放造成的环境影响不容忽视.
为控制火电行业大气污染物排放, 我国相继制定并修订了火电厂大气污染物排放标准.随着环境治理压力增大, 火电排放标准在逐步加严.2014年国家发展改革委、环境保护部、国家能源局发布了《煤电节能减排升级与改造行动计划(2014—2020年)》, 要求燃煤发电机组接近或达到《火电厂大气污染物排放标准》(GB13223—2011)中燃气轮机发电机组烟气污染物排放浓度限值(即在标准氧含量6%条件下, 颗粒物、SO2、NOx排放浓度分别不高于10、35、50 mg·m-3), 全国有条件的新建燃煤发电机组达到超低排放水平(国家发展改革委、环境保护部、国家能源局, 2014；Zhao et al., 2017；Su et al., 2018；Zhang et al., 2019).截至2017年底, 全国71%的燃煤机组完成了超低排放改造, 颗粒物、SO2、NOx排放水平完全达到了国际上最严环保标准的要求(Kuklinska et al., 2015；赵雪等, 2018).目前国内关于火电行业“超低排放”的研究多集中于技术层面, 杨家军等(2018)研究了通过对单塔单循环烟气脱硫处理工艺升级来完成超低改造, 王树民等(2015)探讨了燃煤电厂大气污染物高效脱除与协同控制路线, 孙雪丽等(2018)基于燃煤电厂超低排放技术应用现状统计分析, 提出颗粒物超低排放技术路线选择的技术方法.相对而言, 关于超低排放改造后污染物排放特征研究较少, 仅涉及超低改造后颗粒物、SO2、NOx和汞等污染物排放浓度方面的研究(帅伟等, 2015；张朋等, 2018；Chen et al., 2019), 颗粒物化学组分、粒径分布鲜有报道.
研究基于华能海南发电股份有限公司海口电厂(以下简称海口电厂)典型超低改造机组污染物在线监测和实测数据, 分析气态污染物SO2、NOx和颗粒物排放水平, 研究超低排放条件下燃煤电厂不同粒径颗粒物化学组分及粒径分布特征, 从而为环境管理部门研究制定科学合理的污染物排放控制政策提供数据支撑.
2 材料与方法(Materials and methods)2.1 机组概况以海口电厂8#机组为研究对象, 其于2017年1月完成了超低排放改造, 改造前后机组的基本信息见表 1, 改造前后NOx脱除技术均为低氮+SCR, 但在原基础上增加1层催化剂层, 除尘技术由原来四电场电除尘改造为电袋复合式除尘, 进一步提高脱硝和除尘效率；改造前后脱硫技术均为石灰石-石膏法脱硫, 但反应器结构由液柱塔改为三层高效雾化喷淋塔+均流托盘的组合形式, 以此增大反应接触面积, 增加脱硫效率(陈奎续, 2018).机组超低改造技术单元和采样点位见图 1, 采样口位于脱硫出口的烟道内.颗粒物、SO2和NOx数据来源于2017年海口电厂在线监测小时数据, 除去停机技改造、运行维护、检修等情况, 共得到有效在线监测数据15344条.
表 1(Table 1)
| 表 1 8#机组基本信息 Table 1 Basic information of 8# units | |||||||||||||||||||||
表 1 8#机组基本信息 Table 1 Basic information of 8# units
| |||||||||||||||||||||
 |
图 1(Fig. 1)
 |
| 图 1 超低排放改造污染控制单元及采样点位 Fig. 1Pollution control unit and monitoring point for ultra-low retrofit |
2.2 样品采集和分析2.2.1 样品采集采集系统见图 2, 采用烟道稀释混合湍流分级采样器(FPS, Dekati)采集颗粒物, 通入洁净空气将高温烟气稀释冷却至大气环境温度后, 用双通道颗粒物撞击器(Dekati)将不同粒径的颗粒物采集到滤膜上；分别用石英膜(25 mm、47 mm, WHATMAN)和特氟龙膜(25 mm、47 mm, WHATMAN)同时采集2个通道的颗粒物样品, 每个通道分四级, 分级粒径分别为>10、10~2.5、2.5~1、< 1 μm.在进行滤膜采样的同时, 利用静电低压撞击器(ELPI+, 芬兰, Dekati)对稀释后的烟气进行采样, 获得颗粒物实时的粒径分布和质量浓度, ELPI+可将10 μm以下颗粒物切割成14级, 各粒径段范围分别为0.006~0.017、0.017~0.028、0.028~0.056、0.056~0.094、0.094~0.156、0.156~0.261、0.261~0.382、0.382~0.613、0.613~0.948、0.948~1.600、1.600~2.390、2.390~3.990、3.990~6.680、6.680~9.910 μm.
图 2(Fig. 2)
 |
| 图 2 烟气采样系统 Fig. 2Flue gas sampling system |
2.2.2 样品分析采样后的石英膜经超纯水超声提取后, 待颗粒物中的水溶性组分充分溶解后分别采用离子色谱仪(ICS 2000A、ICS 90A, 美国戴安公司)测量水溶性阴离子与阳离子；特氟龙膜通过微波消解后, 采用电感耦合等离子体质谱(ICP-MS, 7500a, 安捷伦)和电感耦合等离子体原子发射光谱仪(ICP-AES, New SPECTRO ARCOS, 斯派克)分析无机元素.使用OC/EC分析仪(DRI2001A, AtmoslyticInc公司)测定石英滤膜样品中有机碳(OC)和元素碳(EC).
2.2.3 质量保证和质量控制采样前, 石英膜在450 ℃马弗炉中烘烤2 h, 去除有机物本底值.2种滤膜各采集3组平行样和1组全程序空白样, 取3组样品平均值作为结果.采样后, 滤膜置于锡箔纸内于4 ℃冷藏避光保存待分析.特氟龙膜在采样前后, 均在恒温(20±1) ℃恒湿50%±5%条件下进行称量, 最终分析结果以除去每组空白膜结果的数据为准.
2.3 排放因子计算以燃料消耗量为基本单元建立TSP、SO2、NOx的排放因子, 表示机组平均消耗1 t煤的排污量(戴佩虹等, 2016；Chen et al., 2019), 其公式见式(1):
 | (1) |
PM10、PM2.5、PM1的排放因子根据TSP排放因子采用系数折算得到, 即基于现场实测得到PM10、PM2.5、PM1在TSP中质量占比(折算系数), 其公式见式(2):
 | (2) |
3 结果与讨论(Results and discussion)3.1 污染物排放特征3.1.1 排放浓度表 2列出了海口电厂超低排放改造8#机组在2017-01—2017-12颗粒物、SO2和NOx排放浓度在线监测小时数据的各个统计值.5~95置信区间内, 颗粒物排放浓度为0.81~3.45 mg·m-3, 均值为(1.57±0.81) mg·m-3, 其中颗粒物排放浓度在0~2 mg·m-3的时数占比为82.66%；5~95置信区间内, SO2排放浓度为2.62~23.63 mg·m-3, 均值为(15.15±6.23) mg·m-3, SO2排放浓度在10~25 mg·m-3的时数占比为78.92%；5~95置信区间内, NOx排放浓度为33.53~44.76 mg·m-3, 均值为(40.10±3.63) mg·m-3, NOx排放浓度在30~45 mg·m-3的时数占比为94.79%.比较表 2中各污染物的小时均值标准偏差可看到, 颗粒物排放浓度波动程度小于SO2和NOx的波动.究其原因可能是颗粒物采用物理性质的高效电袋除尘设施脱除, 与依靠化学机理脱除的SO2和NOx相比, 后者更易受到控制参数(脱硝反应温度、接触时间、化学药剂用量等)的影响.
表 2(Table 2)
| 表 2 颗粒物排放浓度指标统计 Table 2 Statistics of particulate matter emission concentration indicators | ||||||||||||||||||||||||||||
表 2 颗粒物排放浓度指标统计 Table 2 Statistics of particulate matter emission concentration indicators
| ||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||
从图 3可以看到, 经超低改造后8#机组颗粒物、SO2和NOx排放浓度均满足超低排放限值要求的10 mg·m-3(颗粒物)、35 mg·m-3(SO2)、50 mg·m-3(NOx).王树民等(2015)基于采用高频电源电除尘和湿式电除尘联用的超低改造燃煤机组得到颗粒物排放浓度为0.69~0.77 mg·m-3, Li等(2018)基于四电场电除尘和湿式电除尘组合的超低改造机组得出颗粒物排放浓度均值为2.9 mg·m-3, 宋畅等(2017)基于三相高效电源静电除尘器加高效除雾器组合的超低技术将颗粒物控制在3.43~4.52 mg·m-3, 与本研究测得颗粒物超低排放浓度水平相近.与SO2和NOx相比, 超低改造后颗粒物排放小时浓度全部在5 mg·m-3以下, 远低于超低限值.
图 3(Fig. 3)
 |
| 图 3 超低排放机组污染物排放浓度小时均值分布 Fig. 3Hourly average concentration of pollutant in ultra-low retrofitted units |
3.1.2 排放因子表 3为实施超低排放改造后烟气处理设施出口污染物排放因子的相关统计量.不同粒径颗粒物中, TSP、PM10、PM2.5、PM1的排放因子均值分别为0.0099、0.0098、0.0092、0.0065 kg·t-1, P5~P95分位数分别为(0.0054, 0.0160)、(0.0053, 0.0155)、(0.0051, 0.0147)、(0.0036, 0.0103)kg·t-1, 颗粒物均值和中位数相差较大, 呈偏态分布(图 4).SO2排放因子均值为0.1131 kg·t-1, P5~P95分位数为(0.0359, 0.1634) kg·t-1；NOx排放因子均值为0.288 2kg·t-1, P5~P95分位数为(0.2236, 0.3644)kg·t-1.与颗粒物相比, SO2、NOx排放因子均值和中位数相差很小, 接近正态分布, NOx表现尤为明显.污染物排放因子均集中分布在很窄的区间范围内, 呈较小波动性, 表明超低改造技术的运行稳定性及可靠性较高, 污染物的排放水平持续稳定地处于较低水平.
表 3(Table 3)
| 表 3 燃煤机组大气污染物排放因子 Table 3 Pollutant emission factors of coal-fired units ? | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
表 3 燃煤机组大气污染物排放因子 Table 3 Pollutant emission factors of coal-fired units ?
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
图 4(Fig. 4)
 |
| 图 4 超低排放机组大气污染物排放因子分布 Fig. 4Distribution of pollutants emission factor for ultra-low emission units |
李小龙等(2018)探究了典型超低改造技术条件下燃煤电厂300 MW以上机组颗粒物排放特征, 发现TSP、PM10、PM2.5、PM1排放因子分别为0.0062~0.019、0.0059~0.017、0.0054~0.016、0.0042~0.013 kg·t-1, 与本研究所测机组颗粒物排放因子水平较为接近, 表明不同改造技术下颗粒物排放因子差别不大.相关研究表明, 300 MW以上机组TSP、PM10、PM2.5、SO2和NOx排放因子分别为0.51、0.150、0.076、0.85和3.13 kg·t-1(Zhao et al., 2010；王圣等, 2011；戴佩虹等, 2016), 本研究中, 颗粒物、SO2和NOx排放因子与以上超低改造前相比, 降低了1~2个数量级. 2017年海南省燃煤电厂煤耗量为416.81×104 t(海南省统计年鉴, 2018), 采用文献未进行超低改造排放因子, 计算海南省燃煤电厂颗粒物、SO2和NOx排放量分别为680.57、3540.29、13040.62 t；实施超低排放改造后, 颗粒物、SO2和NOx排放量分别为40.13、470.14、1170.54 t, 减排比例分别为94.0%、86.7%、91.0%.可见, 超低改造技术可有效降低燃煤电厂污染物排放, 可通过加严电厂污染物排放标准限值减少各类污染物排放, 推进环境空气质量改善.
3.1.3 颗粒物粒径分布有研究表明电厂燃煤锅炉脱硫出口排放颗粒物数浓度呈双峰或三峰分布, 且主要集中在积聚模态, 颗粒物质量浓度主要呈双峰或单峰分布(Saarnio et al., 2014；胡月琪等, 2016；武亚凤等, 2017).图 5为海口电厂8#超低改造机组脱硫出口排放颗粒物数浓度和质量浓度随粒径变化的分布的ELPI+结果.由图 5a可见, 超低机组排放的颗粒物数浓度主要集中在PM1.0内的超细粒子, 并随粒径变化呈明显的双峰分布, 颗粒物排放数浓度在0.006~0.382 μm之间有一个明显峰值, 其次在0.382~1.099 μm之间有一个较小峰值, 峰值粒径分别为0.027和0.641 μm, 说明脱硫出口颗粒物数浓度以气化凝结机理形成的亚微米模态颗粒物粒子为主要成分.从图 5b看到, 颗粒物质量浓度粒径呈现单峰分布, 峰值粒径出现在0.379~2.758 μm之间, 峰值粒径为1.100 μm.质量浓度粒径分布呈积聚模态颗粒物增长的现象.这可能是颗粒物从除尘器进入脱硫塔中时, 烟温降低, 烟气体积减小, 脱硫塔中反应生成的硫酸雾滴等纳米级颗粒物存在凝结增长, 致使积聚模态颗粒物质量浓度增长.
图 5(Fig. 5)
 |
| 图 5 脱硫烟气出口颗粒物粒径谱 Fig. 5Particle size spectrum of desulfurized flue gas outlet |
表 4为实测超低排放机组排放的TSP中不同粒径颗粒物质量分数, 从TSP中不同粒径颗粒物质量浓度来看, PM10占TSP的99.0%, PM2.5占PM10的94.5%, PM1.0占PM2.5的70.4%.可见, 电厂排放颗粒物质量浓度主要取决于细粒子, 尤其是粒径小于1 μm的粒子.与以上ELPI+测试结果中数浓度和质量浓度粒径分布情况一致.
表 4(Table 4)
| 表 4 测试机组各粒径段颗粒物的质量比例 Table 4 The mass ratio of particulate matter in each particle size section of the test unit | ||||||||||||
表 4 测试机组各粒径段颗粒物的质量比例 Table 4 The mass ratio of particulate matter in each particle size section of the test unit
| ||||||||||||
|
3.1.4 颗粒物成分谱对8#机组经过烟气处理设施最终的脱硫出口采集的PM10、PM2.5和PM1样品进行组分分析, 归一化处理后取均值作为结果, 得到各粒径段颗粒物的化学成分谱, 如图 6所示.在PM10、PM2.5和PM1中组分含量分别为79.83%~83.41%、75.72%~82.24%、81.78%~82.23%, 组分解释量较高(>60%), 不同化学组分在PM10、PM2.5和PM1中质量占比差异较小.其中水溶性离子主要为SO42-、NH4+和NO3-、Ca2+, 无机元素主要组分为Ca, 碳质组分主要以OC为主.各组分在PM10中的质量分数分别为29.41%±0.94%、9.49%±2.35%、6.96%±0.49%、2.99%±0.21%、12.09%±1.95%、4.93%±0.57%；在PM2.5中的质量分数分别为29.18%±1.58%、9.21%±2.01%、5.31%±0.13%、3.07%±0.19%、12.72±1.77%、4.33%±0.72%；在PM1中的质量分数分别为29.04%±3.15%、8.42%±1.50%、4.44%±0.08%、3.35%±0.21%、17.99%±3.61%、5.07%±0.07%.
图 6(Fig. 6)
 |
| 图 6 PM10、PM2.5、PM1的化学成分谱 Fig. 6Chemical composition spectra of PM10, PM2.5 and PM1 |
表 5将海口电厂测试机组PM2.5化学成分谱和其他地区成分谱进行了比较, 发现各地PM2.5源谱中主要化学组分及质量占比有所差异, 这与建立源成分谱时采用的采样、分析方法有关, 也与使用的煤种、炉型及除尘方式等相关.海口电厂源谱中SO42-含量相对偏高, 主要由于测试电厂燃煤含硫率较高所致.冯小琼等(2019)研究表明, 使用高含硫率的燃煤会产生较高SO42-.海口电厂燃煤含硫率平均为1.14%, 低于四川省含硫率(3.38%), 而远高于北京市含硫率(0.69%).此外, 以上研究测试机组均采用石灰石-石膏法脱硫, 其原理是将燃煤烟气绝热增湿, 以促进Ca(OH)2与SO2反应, SO2溶于水后生成H2SO3后与其他阳离子生成稳定的盐, 或氧化成不易挥发的H2SO4.此过程中, 反应条件如烟气湿度、温度、pH等会影响SO2的溶解度, 推测海口电厂脱硫产物可溶性较高, 被烟气带入大气, 经干燥、凝结、聚合和吸附等物理过程, 形成无机盐类细颗粒物.因此脱硫出口测出PM2.5中含较高SO42-.海口电厂PM2.5中Ca含量与阳泉电厂相当而显著高于其他城市, 推测与燃煤种类有关.海口电厂使用煤种属于劣质煤, 有研究表明, 劣质煤燃烧排放的PM2.5中Ca含量高于优质煤(王毓秀等, 2016).海口电厂PM2.5中NH4+和NO3-含量高的原因有两方面:一是在自脱硝环节中, 采用液氨作脱硝还原剂, 含NOx的烟气进入脱硝反应器, 当温度在290~400 ℃时, NH3会将NOx还原成N2, 当SCR反应的温度过低时, NH3与NO2反应形成NH4NO3(Zhu et al., 2017；Zhao et al., 2017；Li et al., 2017).二是在最终的脱硫环节产生的硫酸也会与NH3反应生成NH4HSO4或(NH4)2SO4等.另外, NH4+含量比其他地区高, 可能与喷氨过程中氨逃逸有关(冯小琼等, 2019).
表 5(Table 5)
| 表 5 不同地区燃煤电厂PM2.5中主要化学组分 Table 5 Main chemical components in PM2.5 of coal-fired power plants in different areas | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
表 5 不同地区燃煤电厂PM2.5中主要化学组分 Table 5 Main chemical components in PM2.5 of coal-fired power plants in different areas
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
4 结论(Conclusions)1) 超低排放改造机组颗粒物、SO2和NOx排放浓度均值为(1.57±0.81)、(15.15±6.23)和(40.10±3.63) mg·m-3, 均满足超低排放限值要求, 且颗粒物排放均值远低于超低排放限值10 mg·m-3.
2) 超低改造机组TSP、PM10、PM2.5、PM1、SO2和NOx的排放因子均值分别是0.0099、0.0098、0.0092、0.0065、0.1131和0.2882 kg·t-1, 与国内超低排放改造之前同等级的燃煤电厂相比, 排放因子减小了1~2个数量级.
3) 颗粒物数浓度呈双峰分布, 峰值粒径为0.027 μm和0.641 μm, 主要集中在PM1内的超细粒子范围；质量浓度呈单峰分布, 峰值粒径为1.100 μm.质量浓度呈现积聚模态颗粒物增长的现象.
4) 超低排放改造后电厂PM10、PM2.5、PM1成分谱差异较小, SO42-、Ca、OC、NH4+和NO3-等组分贡献较大, 其质量分数分别为29.04%~29.41%、12.09%~17.99%、8.42%~9.49%、4.44%~6.96%和4.33%~5.07%.
参考文献
| 陈奎续. 2018. 电袋复合除尘+湿法脱硫工艺脱除多污染物的效果研究[J]. 环境污染与防治, 40(4): 398-403. |
| Chen X J, L iu, Q Z, Sheng T, et al. 2019. A high temporal-spatial emission inventory and updated emission factors for coal-fired power plants in Shanghai, China[J]. Science of the Total Environment, 6: 94-102. |
| Chen X J, Liu Q Z, Yuan C, et al. 2019. Emission characteristics of fine particulate matter from ultra-low emission power plants[J]. Environmental Pollution, 255(1): 113-157. |
| 戴佩虹. 2016.基于CEMS数据的火电厂SO2和NOx排放因子建立与不确定性分析[D].广州: 华南理工大学 http://cdmd.cnki.com.cn/Article/CDMD-10561-1017805920.htm |
| Dongk Y, Sun R J, Li H, et al. 2017. A review of China's energy consumption structure and outlook based on along-range energy alternatives modeling tool[J]. Petroleum Science, 14(1): 214-227. DOI:10.1007/s12182-016-0136-z |
| 冯小琼, 陈军辉, 熊文朋, 等. 2019. 四川省典型工业行业PM2.5成分谱分析[J]. 环境科学, 40(3): 1043-1051. DOI:10.3969/j.issn.1000-6923.2019.03.018 |
| 国家发展改革委、环境保护部、国家能源局.2014.煤电节能减排升级与改造行动计划(2014-2020年)[EB/OL].http://www.gov.cn/gongbao/content/2015/content_2818468.htm |
| 海南省统计局. 2019. 2018年海南省统计年鉴[M]. 海南: 海南省统计出版社. |
| He Y D, Lin B Q. 2018. Forecasting China's total energy demand and its structure using ADL-MIDAS model[J]. Energy, 151: 420-429. DOI:10.1016/j.energy.2018.03.067 |
| 胡月琪, 邬晓东, 王琛, 等. 2016. 北京市典型燃烧源颗粒物排放水平与特征测试[J]. 环境科学, 37(5): 1653-1661. |
| Kuklinska K, Wolska L, Namiesnik J. 2015. Air quality policy in the U.S. and the EU-a review[J]. Atmospheric Pollution Research, 6(1): 129-137. DOI:10.5094/APR.2015.015 |
| Li B, Song Y Q, Zhang Q L, et al. 2018. Emission Characteristics of an Ultra-low Coal-fired Power Unit[J]. IOP Conference Series:Earth and Environmental Science, 159(1): 12-18. |
| Li Z, Jiang J, Ma Z, et al. 2017. Influence of flue gas desulfurization (FGD) installations on emission characteristics of PM2.5 from coal-fired power plants equipped with selective catalytic reduction (SCR)[J]. Environmental Pollution, 103(6): 655-662. |
| 马召辉, 梁云平, 张健, 等. 2015. 北京市典型排放源PM2.5成分谱研究[J]. 环境科学学报, 35(12): 4043-4052. |
| 齐堃, 戴春岭, 冯媛, 等. 2015. 石家庄市PM2.5工业源成分谱的建立及分析[J]. 河北工业科技, 32(1): 78-84. |
| 王圣, 朱法华, 王慧敏, 等. 2011. 基于实测的燃煤电厂细颗粒物排放特性分析与研究[J]. 环境科学学报, 31(3): 630-635. |
| 王树民, 宋畅, 陈寅彪, 等. 2015. 燃煤电厂大气污染物"近零排放"技术研究及工程应用[J]. 环境科学研究, 28(4): 487-494. |
| 王毓秀, 彭林, 王燕, 等. 2016. 电厂燃煤烟尘PM2.5中化学组分特征[J]. 环境科学, 37(1): 60-65. DOI:10.3969/j.issn.1673-288X.2016.01.017 |
| 武亚凤, 陈建华, 蒋靖坤, 等. 2017. 燃煤电厂细颗粒物排放粒径分布特征[J]. 环境科学研究, 30(8): 1174-1183. |
| 杨家军, 章志远. 2018. 电厂高硫煤超低排放中单塔单循环高效先进工艺路线的优化[J]. 安全与环境工程, 25(5): 103-109. |
| 张朋, 谭厚章, 许鑫玮, 等. 2018. 燃煤工业锅炉超低排放改造后微细颗粒物排放特征研究[J]. 节能与环保, (9): 71-73. DOI:10.3969/j.issn.1009-539X.2018.09.027 |
| Zhang Y, Bo X, Zhao Y, et al. 2019. Benefits of current and future policies on emissions of China's coal-fired power sector indicated by continuous emission monitoring[J]. Environmental Pollution, 21(5): 415-424. |
| Zhao S L, Duan Y F, Li C F, et al. 2017. Partitioning and emission of hazardous trace elements in a 100 MW Coal-Fired power plant equipped with selective catalytic reduction, electrostatic precipitator, and wet flue gas desulfurization[J]. Energy & Fuels, 31(11): 12383-12389. |
| Zhao S L, Duan Y F, Yao T, et al. 2017. Study on the mercury emission and transformation in an ultra-low emission coal-fired power plant[J]. Fuel, 38(3): 653-661. |
| 赵雪, 程茜, 侯俊先. 2018. 脱硫脱硝行业2017年发展综述[J]. 中国环保产业, (7): 10-24. DOI:10.3969/j.issn.1006-5377.2018.07.002 |
| Zhao Y, Wang S X, Nielsen C P, et al. 2010. Establishment of a database of emission factors for atmospheric pollutants from Chinese coal-fired power plants[J]. Atmospheric Environment, 44(12): 1515-1523. DOI:10.1016/j.atmosenv.2010.01.017 |
| 郑玫, 张延君, 闫才青, 等. 2013. 上海PM2.5工业源谱的建立[J]. 中国环境科学, 33(8): 1354-1359. |
| 中国国家统计局. 2018. 中国统计年鉴[M]. 北京: 中国统计出版社. |
| 中国环境保护产业协会组织脱硫脱硝委员会.2018.2017年度燃煤烟气脱硫脱硝产业信息北京[EB/OL].北京, 中国环境保护产业协会组织脱硫脱硝委员会, http://www.chinatpg.com/home/news/pages/n_id//71367.html |
| Zhu M, Lai J K, Tumuluri U, et al. 2017. Pathways and kinetics for selective catalytic reduction (SCR) of acidic NOx emissions from power plants with NH3[J]. ACS Catalysis, 7(12): 8358-8361. DOI:10.1021/acscatal.7b03149 |
