, 黄成2
, 任洪娟1, 王坤3, 王瑞宁1, 徐冲1, 徐为标1, 韩雷11. 上海工程技术大学, 机械与汽车工程学院, 上海 201620;
2. 上海市环境科学研究院, 国家环境保护城市大气复合污染成因与防治重点实验室, 上海 200233;
3. 浙江多普勒环保科技有限公司, 宁波 315600
收稿日期: 2020-03-24; 修回日期: 2020-05-25; 录用日期: 2020-05-25
基金项目: 国家重点研发计划（No.2017YFC0212106）；国家自然科学基金（No.21777101）
作者简介: 王孟昊(1994-), 男, E-mail:wmh941023@qq.com
通讯作者（责任作者）: 黄成, E-mail:huangc@saes.sh.cn
摘要：采用遥感尾气测试系统实测了柴油车在实际道路工况下的CO、HC和NO排放特征，修正了排放因子的计算方法，并与车载排放测试系统（PEMS）实测结果进行了验证，获得了实测车辆的CO、HC和NO排放因子.测试结果显示，在各种遥感监测的工况下柴油车尾气中均含有较高浓度的氧气，未考虑氧气影响的燃烧方程反演获得的各污染物体积浓度计算值与PEMS实测值的偏差较大，且氧气浓度越大，偏差越大.经过氧气修正的燃烧方程反演计算的尾气浓度与PEMS实测值吻合度大幅提升，适用于实际工况下遥感检测车辆尾气的反演计算.修正算法得到CO、HC和NO的排放因子离散性较小，精确度较高，可以为量化柴油车尾气排放贡献提供科学依据.
关键词：柴油车排放遥感尾气测试排放因子燃烧方程
Determination of gaseous pollutant emission factors from diesel vehicles based on remote sensing exhaust gas monitoring
WANG Menghao1
, HUANG Cheng2, REN Hongjuan1, WANG Kun3, WANG Ruining1, XU Chong1, XU Weibiao1, HAN Lei11. Automotive Engineering College, Shanghai University of Engineering Science, Shanghai 201620;
2. State Environment Protection Key Laboratory of Formation and Prevention of the Urban Air Complex, Shanghai Academy of Environmental Sciences, Shanghai 200233;
3. Zhejiang Doppler Environmental Protection Technology Co., Ltd, Ningbo 315600
Received 24 March 2020; received in revised from 25 May 2020; accepted 25 May 2020
Abstract: We applied a remote sensing exhaust gas test system to measure the CO, HC, and NO emissions from diesel vehicles in real-world conditions, and then modified the calculation method to determine the emission factors. A Portable Emission Measurement System (PEMS) was used to validate the emission factors after correction. The results show that the exhaust gas from diesel vehicles under different driving conditions contains high concentrations of oxygen. The inverted concentration of each pollutant in the exhaust by a combustion equation inversion model without oxygen concentration has large deviation with the PEMS result. The deviation is larger when oxygen concentration is higher. After corrected by oxygen, the consistency of inverted concentration in the exhaust with PEMS result is greatly improved. The corrected emission factors have less dispersion and higher accuracy, which can provide an important support for quantifying the contribution of diesel vehicle emissions.
Keywords: diesel vehicle emissionsremote sensing exhaust gas testemission factorcombustion equation
1 引言(Introduction)机动车尾气中的HC、NOx、CO和颗粒物等对人体健康有巨大威胁, 同时对环境也存在巨大影响(Liati et al., 2018; Kelp et al., 2019).柴油车数量占机动车总体的9.1%, 但氮氧化物(NOx)的贡献率超过80%(Anenberg et al., 2017; Suarez-Bertoa et al., 2018), 因此, 控制柴油车尾气排放对于控制机动车尾气排放和改善大气状况有重要意义(Andreae et al., 1997; Corley et al., 2003).加强对在用车辆尾气排放状况的监控, 及时发现道路上行驶的高排放车辆并采取措施, 是控制机动车尾气排放的重要工作(Bishop et al., 1996; 王小霞等, 2012).确定机动车排放因子是量化机动车尾气污染贡献的重要基础, 已有研究表明, 机动车排放因子与排放控制水平、车辆老旧情况、运行工况和油品质量等因素密切相关(Faiz et al., 1996; Chiara et al., 2011).
现有排放因子确定方法主要有底盘测功机测试法、隧道测试法、车载测试法和遥感尾气检测法(简称遥测法)等(傅立新等, 2000).其中, 底盘测功机和车载排放测试系统(PEMS)最为精确, 但效率低下(蔡皓等, 2012; Kousoulidou et al., 2013)；隧道测试法无法确定单车排放因子(王伯光等, 2000)；遥测法可以监测大样本量, 检测效率较高(Burgard et al., 2006).Bishop等(1990)最早开发出针对机动车尾气检测的遥感监测技术, 此后在各地得到广泛应用；董刚等(2003)利用线性回归分析法, 估算出汽柴油车各污染物排放浓度.此后, Pokharel等(2002)利用碳平衡法开展对遥感法排放因子的研究(Pokharel et al., 2002)；Zhang等(2017)利用加权偏最小二乘法修正了氮氧化物的浓度反演算法.现有基于遥测的排放因子定量方法均假设尾气污染物在最佳空燃比条件下生成, 未考虑尾气中残余氧气对测量的影响.尾气中的氧气来源于气缸中的过剩氧气, 以及外界空气中的氧气.柴油车采用过氧燃烧的方式, 过量空气系数在1.5~10甚至更大范围内变化(贺泓等, 2007; Yasui et al., 2013), 尾气中氧气浓度随负荷不断变化(Labeckas et al., 2014; Wang et al., 2018), 导致排放因子估算结果偏差较大.
本文通过考虑残余氧气对燃烧方程的影响, 对发动机燃烧方程进行修正, 修正后采用碳平衡方法对排放因子进行估算.同时, 通过车载排放测试系统(PEMS)实测结果对该方法进行校验, 并将得到的排放因子与现有研究进行比较.以期为机动车尾气排放精准化定量提供依据.
2 材料与方法(Materials and methods)2.1 测试设备本研究采用多普勒环保公司生产的遥感尾气测试系统, 开展柴油车实际道路排放测试.测试系统规格型号为多普勒DPL7000, 主要由光源发射/接收装置、反射镜、车牌摄像仪、速度/加速度检测装置、控制系统、气象站及软件系统组成, 技术参数如表 1所示.
表 1(Table 1)
| 表 1 多普勒DPL7000遥感尾气测试系统主要参数 Table 1 Main parameters of Doppler DPL7000 remote sensing exhaust gas testing system | |||||||||||||||||||||||||||||||||||||||||
表 1 多普勒DPL7000遥感尾气测试系统主要参数 Table 1 Main parameters of Doppler DPL7000 remote sensing exhaust gas testing system
| |||||||||||||||||||||||||||||||||||||||||
 | |||||||||||||||||||||||||||||||||||||||||
该测试系统采用近红外光谱(NIR)测量CO、CO2和O2, 采用中红外光谱(MIR)测量HC和NO；气象站提供环境温度与湿度数据.仪器使用前或设备光路变动时, 利用标准气体进行校准.采用美国Sensor公司生产的SEMTECH-D车载排放测试仪对修正方法进行校验.
2.2 测试方法遥测法主要是利用光学原理远距离感应, 光源发生器发出紫外光光束或红外光光束, 并通过反光镜将其反射回检测设备, 由Lambert Beer定律可知, 排放的尾气中CO2、CO、NOx、HC(以丙烷或者是1, 3-丁二烯为代表物)对光线有吸收作用, 检测设备接收的反射光强会发生减弱, 通过分析接收反射光线的光谱的变化情况, 反演出尾气中污染物的成分和浓度(Hongyan et al., 2007).检测过程中, 摄像仪抓拍车头或车尾的图像, 得到车辆号牌信息, 用于从车管所获得车辆信息(Organ et al., 2019).同时, 利用测速装置得到车辆的速度与加速度.关于车辆的信息与测量得到的各项污染物浓度存储在电脑里, 整个过程约1~2 s.其工作原理如图 1所示.
图 1(Fig. 1)
 |
| 图 1 遥感监测系统工作原理 Fig. 1Operation principle of remote sensing monitoring system |
本研究于2019年2月在上海市浦东新区两港大道和东海大桥交汇处进行测试, 采用上述方法对2894辆机动车进行尾气检测, 共获得柴油车样本1939辆, 其中有效样本1871辆, 车辆构成如表 2所示.
表 2(Table 2)
| 表 2 测试车辆构成 Table 2 Test vehicle composition | |||||||||||||||||||||||||||||||||||||||||
表 2 测试车辆构成 Table 2 Test vehicle composition
| |||||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||||
2.3 计算方法研究表明, 尾气排放至空气中会立即扩散, 并且因为稀释导致浓度下降(Park et al., 2011).针对一个既定的烟羽, 以CO2为参照气体, 分别用QCO、QHC、QNO表示CO、HC、NO与CO2浓度的比值, 即QCO=CO/CO2, QHC=HC/CO2, QNO=NO/CO2.Bishop等(2014)的研究表明, 对于某个特定的机动车尾气烟羽, QCO、QHC、QNO在尾气管及空气中扩散的初期阶段(持续约1 s)是保持不变的, 从而可反演计算出尾气中各污染物的体积浓度(Bishop et al., 2014).
假设发动机空燃比为m, 没有过剩空气, 发动机进气中氮气和氧气所占比例分别为79%和21%, 同时假设燃料碳氢比固定.通常情况下柴油化学组成可视为C12H23, 碳氢比非常接近1:2, 假设柴油以CH2当量计, 燃烧方程为：
 | (1) |
 | (2) |
 | (3) |
 | (4) |
 | (5) |
假设的方法对机动车工况适用性较为单一.车辆实际行驶中, 空燃比随着行驶工况的不同不断变化, 且发动机燃烧效率不断变化, 尾气剩余氧气浓度也不断变化, 假设没有过剩氧气的燃烧方程适用性较差, 因此, 需要对上述燃烧方程进行修正.修正后的燃烧方程为：
 | (6) |
通过式(2)~(5)的推导方法, 得到修正后的尾气中各组分的干基体积浓度, 如式(7)~(10)所示.
 | (7) |
 | (8) |
 | (9) |
 | (10) |
可以看出, 当尾气中氧气浓度较低时, 对排放污染物浓度计算的影响很小, 可以视为未修正的燃烧方程.当氧气浓度较高时, 氧气对尾气中各组分的浓度影响较大.
遥感尾气监测的目的是提高尾气检测效率, 筛选出高排放车辆, 根据多组车载尾气检测设备(PEMS)对柴油车的测试结果, 氧气浓度取经验值16%.
根据上述修正后尾气中各组分的浓度和各组分的分子量(其中, HC以丙烷代表, HC计算时需要考虑测试时NDIR对某些碳氢化合物的吸收, 计算时取2作为修正系数), 可以得到基于燃油的各气态污染物的排放因子(Bishop et al., 2013; 2014), 如式(11)~(13)所示.
 | (11) |
 | (12) |
 | (13) |
 | (14) |
 | (15) |
 | (16) |
使用PEMS对北京某重型柴油车尾气浓度实时监测, 时间分辨率为1 s, 全部行驶工况下采集到8590个数据.实验参数与结果如表 3所示.
表 3(Table 3)
| 表 3 PEMS实验参数与结果 Table 3 PEMS experimental parameters and results | |||||||||||||||||||||||||||||||||||
表 3 PEMS实验参数与结果 Table 3 PEMS experimental parameters and results
| |||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||
根据PEMS实测的CO2、CO、HC、NO浓度对每种气体利用经氧气修正前后的燃烧方程公式分别计算各组分浓度的理论值, 并对每种遥感燃烧方程计算值与PEMS实测值进行分析, 结果如图 2所示.可见柴油车全部行驶工况下, 尾气中均含有氧气.氧气浓度较低时, 未修正的燃烧方程的计算值与PEMS实测值拟合程度较好.氧气浓度越高, 计算值偏离理论值越大, 说明氧气对尾气中的污染物浓度计算有巨大影响, 尾气中残余氧气浓度较高时, 未修正的燃烧方程适用性和可靠性较差.修正后的燃烧方程计算得到的理论值与PEMS实测值拟合程度较好, 可决系数远高于未修正计算值, 尤其在氧气浓度较高的条件下, 修正效果较好, 计算值可靠性较高, 因此, 可适用于柴油车的各种行驶工况, 具有实际意义.
图 2(Fig. 2)
 |
| 图 2 遥感燃烧方程计算值与PEMS实测值对比 Fig. 2Comparison between calculated values of remote sensing combustion equation and measured values of PEMS |
图 3为修正前后不同排放标准测试车辆CO、HC和NO的排放因子(数据误差来自于每日尾气监测均值).结果显示, 修正前3种气体排放因子标准偏差较大, 说明测试数据的离散性较大, 修正后3种气体排放因子离散性明显小于修正前, 这说明修正算法可以减小测试结果的离散性, 提高测量的精确度.修正后不同排放标准的CO、HC和NO排放因子均明显小于修正前.国四标准HC和NO的排放因子反而高于国三标准, 这是由于在用柴油车的排放标准确定主要是根据车辆铭牌信息, 实际许多国四车辆存在SCR系统不工作, 或者故意损坏尾气后处理系统的现象, 导致实际排放状况没有达到国四标准的限值, 而且机内净化技术导致NO的排放量增大.
图 3(Fig. 3)
 |
| 图 3 修正前后不同排放标准的排放因子 Fig. 3Emission factors for different emission standards before and after correction |
4 结论(Conclusions)1) 柴油车全部行驶工况的尾气中均含有不同浓度的氧气, 未考虑氧气影响的燃烧方程反演计算尾气中各组分的体积浓度计算值与PEMS实测值的偏差较大, 且氧气浓度越大, 偏差越大.
2) 经过氧气修正的燃烧方程反演计算尾气中各组分的体积浓度计算值与PEMS实测值的偏差较小, 适用于实际工况下遥感检测车辆尾气状况的反演计算.
3) 修正前后排放因子差异性较大, 修正后的排放因子远小于修正前.
4) 修正算法得到CO、HC和NO的排放因子离散性较小, 精确度较高, 可为筛选高排放柴油机车、量化柴油车尾气排放贡献提供依据.
参考文献
| Andreae M O, Crutzen P J. 1997. Atmospheric aerosols:Biogeochemical sources and role in atmospheric chemistry[J]. Science, 276(5315): 1052-1058. DOI:10.1126/science.276.5315.1052 |
| Anenberg S C, Miller J, Minjares R, et al. 2017. Impacts and mitigation of excess diesel-related NOx emissions in 11 major vehicle markets[J]. Nature, 545(7655): 467-471. DOI:10.1038/nature22086 |
| Bishop G A, Stedman D H. 1990. On-road carbon monoxide emission measurement comparisons for the 1988-1989 Colorado oxy-fuels program[J]. Environmental Science & Technology, 24(6): 843-847. |
| Bishop G A, Stedman D H. 1996. Measuring the emissions of passing cars[J]. Accounts of Chemical Research, 29(10): 489-495. DOI:10.1021/ar950240x |
| Bishop G A, Schuchmann B G, Stedman D H. 2013. Heavy-duty truck emissions in the South Coast Air Basin of California[J]. Environmental science & technology, 47(16): 9523-9529. |
| Burgard D A, Bishop G A, Stedman D H, et al. 2006. Remote sensing of in-use heavy-duty diesel trucks[J]. Environmental Science & Technology, 40(22): 6938-6942. |
| 蔡皓, 谢绍东. 2010. 中国不同排放标准机动车排放因子的确定[J]. 北京大学学报(自然科学版), 46(3): 319-326. |
| Chiara F, Wang J, Patil C B, et al. 2011. Development and experimental validation of a control-oriented Diesel engine model for fuel consumption and brake torque predictions[J]. Mathematical and Computer Modelling of Dynamical Systems, 17(3): 261-277. DOI:10.1080/13873954.2011.562902 |
| Corley E A, DeHart-Davis L, Lindner J, et al. 2003. Inspection/Maintenance program evaluation:Replicating the Denver step method for an Atlanta fleet[J]. Environmental Science & Technology, 37(12): 2801-2806. |
| 董刚, 陈达良, 张镇顺, 等. 2003. 机动车行驶中尾气排放的遥感测量及排放因子的估算[J]. 内燃机学报, 21(2): 115-119. |
| Faiz A, Weaver C S, Walsh M P.1996.Air Pollution from Motor Vehicles: Standards and Technologies for Controlling Emissions[M].Washington D.C.: The World Bank |
| 傅立新, 郝吉明, 何东全, 等. 2000. 北京市机动车污染物排放特征[J]. 环境科学, 21(3): 68-70. |
| Hongyan C, CHENG M.2007.The Research on Gas Sensor for Vehicle Emissions Based on the NDIR Method[C]//International Conference on Mechanical Engineering and Mechanics 2007.Wuxi: 775-778 |
| 贺泓, 翁端, 资新运. 2007. 柴油车尾气排放污染控制技术综述[J]. 环境科学, 28(6): 1169-1177. |
| Kelp M, Gould T, Austin E, et al. 2019. Sensitivity analysis of area-wide, mobile source emission factors to high-emitter vehicles in Los Angeles[J]. Atmospheric Environment, 223: 117212. |
| Kousoulidou M, Fontaras G, Ntziachristos L, et al. 2013. Use of portable emissions measurement system (PEMS) for the development and validation of passenger car emission factors[J]. Atmospheric Environment, 64: 329-338. DOI:10.1016/j.atmosenv.2012.09.062 |
| Labeckas G, Slavinskas S, Ma?eika M. 2014. The effect of ethanol-diesel-biodiesel blends on combustion, performance and emissions of a direct injection diesel engine[J]. Energy Conversion and Management, 79: 698-720. DOI:10.1016/j.enconman.2013.12.064 |
| Liati A, Schreiber D, Dasilva Y A R, et al. 2018. Ultrafine particle emissions from modern Gasoline and Diesel vehicles:An electron microscopic perspective[J]. Environmental Pollution, 239: 661-669. DOI:10.1016/j.envpol.2018.04.081 |
| Organ B, Huang Y, Zhou J L, et al. 2019. A remote sensing emissions monitoring programme reduces emissions of gasoline and LPG vehicles[J]. Environmental Research, 177: 108614. DOI:10.1016/j.envres.2019.108614 |
| Park S S, Kozawa K, Fruin S, et al. 2011. Emission factors for high-emitting vehicles based on on-road measurements of individual vehicle exhaust with a mobile measurement platform[J]. Journal of the Air & Waste Management Association, 61(10): 1046-1056. |
| Pokharel S S, Bishop G A, Stedman D H. 2002. An on-road motor vehicle emissions inventory for Denver:an efficient alternative to modeling[J]. Atmospheric Environment, 36(33): 5177-5184. DOI:10.1016/S1352-2310(02)00651-9 |
| Suarez-Bertoa R, Astorga C. 2018. Impact of cold temperature on Euro 6 passenger car emissions[J]. Environmental Pollution, 234: 318-329. DOI:10.1016/j.envpol.2017.10.096 |
| 王伯光, 张远航, 祝昌健, 等. 2001. 城市机动车排放因子隧道试验研究[J]. 环境科学, 22(2): 55-59. |
| 王小霞.2012.道路机动车尾气污染物排放量的预测与控制措施研究[D].西安: 长安大学 |
| Wang H, Ge Y, Hao L, et al. 2018. The real driving emission characteristics of light-duty diesel vehicle at various altitudes[J]. Atmospheric Environment, 191: 126-131. DOI:10.1016/j.atmosenv.2018.07.060 |
| Yasui Y, Matsunaga H, Otsu H, et al. 2013. Accurate air-fuel ratio control for super clean diesel vehicle[J]. IFAC Proceedings Volumes, 46(21): 7-8. DOI:10.3182/20130904-4-JP-2042.00102 |
| Zhang K, Zhang Y, You K, et al. 2017. Study on the concentration inversion of NO & NO2 gas from the vehicle exhaust based on weighted PLS[J]. Optics and Photonics Journal, 7(8): 106. DOI:10.4236/opj.2017.78B015 |
