《Atmospheric Pollution Research》：Application of Power Data to Optimize Time Allocation Coefficient of Emission Inventory in Industrial Sector
编辑推荐：
通过电力数据优化工业部门时间分配系数，提升高分辨率排放清单精度。以唐山钢铁、水泥等七大行业为研究对象，基于WRF-CMAQ模型对比基准与优化情景下PM2.5等污染物时空分布，发现优化后相关系数平均提升2.68%，其中PM2.5、PM10、SO2分别提升3.29%、2.85%、1.43%。空间分析表明污染物相对变化月际差异显著，方法为精准化工业排放清单提供新思路。
作者：张如婷、梁振明、陈传民、严慧晓、贾莉、郑月、史振天
中国电力工程咨询集团华北电力工程有限公司，北京，100120，中国
摘要
为了提高高分辨率工业部门排放清单的准确性，本文提出了一种利用电力数据优化工业部门时间分配系数的方法。以中国河北省唐山市为例进行了案例研究。选取钢铁、水泥、玻璃、焦化、陶瓷、铸造和砖业作为工业部门的关键行业进行研究。基于WRF-CMAQ空气质量模型，设置了基准情景和优化情景，以模拟唐山市PM2.5及其他大气污染物的时空变化分布。通过比较模拟结果与观测值，验证了该优化方法的有效性。该方法分别使PM2.5、PM10、SO2、NO2、CO和O3的模拟浓度与观测浓度之间的相关系数提高了3.29%、2.85%、1.43%、-0.10%、2.03%和0.19%。此外，优化月度分布系数平均对这四种污染物在四个模拟月份内的总环境浓度贡献了0.06%、0.22%、0.11%、0.11%、1.49%和-0.20%。空间分析显示，1月份唐山市PM2.5、PM10、SO2、NO2和CO的相对变化最为显著，分别达到了46.62%、65.88%、71.90%、33.12%和36.07%；而O3的最大相对变化出现在10月份，为7.23%。利用电力数据优化工业部门时间分配系数的方法为高分辨率大气污染物排放清单的编制提供了可行的途径。
引言
2020年，京津冀地区SO2、NOx和颗粒物的排放量分别占全国总量的5%、8%和6%。作为京津冀地区污染物排放强度较高的城市，唐山市2020年的年均PM2.5浓度为49 μg/m3，超过了二级年均限值（35 μg/m3）（环保部，2021年；杨等，2019年）。2020年，唐山市钢铁行业的生铁、粗钢和钢材产量分别为1329.98 Gg、144.70 Gg和1676.88 Gg。快速的经济发展也带来了巨大的环境污染负担（王等，2019年；华等，2016年）。尽管唐山市工业部门的SO2排放量逐年下降，但其占比仍然很高。近年来，工业部门的NOx排放量几乎占据了唐山市NOx总排放量的全部（国家环保局，2020年；国家环保局，2021年；国家环保局，2022年）。2017年1月，北京市工业源PM2.5的排放量占总浓度的63.87%，其中唐山市贡献了24.78%（邵等，2021年）。工业源对环境污染的贡献不可忽视（吴等，2017年；胡等，2018年）。因此，准确计算工业部门的空气污染物排放量对于空气质量模型的模拟和污染防控政策的制定至关重要。
目前，许多学者研究了工业部门的污染物排放情况，并建立了钢铁、水泥、焦化、玻璃、陶瓷和砖业等主要工业行业的污染物排放清单（唐等，2020年；王等，2008年；唐等，2020年；郑等，2020年；钟等，2018年；刘等，2023年）。近年来，中国关于空气污染防治的工作对细颗粒物排放清单提出了更高的要求（刘等，2018年）。建立高时空分辨率的工业空气污染物排放清单对于区域空气质量模拟是不可或缺的（马等，2018年）。为了优化工业部门的空气污染物排放清单，Bo等（2014年；2015年；2017年）基于连续排放监测系统（CEMS）的数据，建立了全国钢铁和水泥行业的空气污染物排放清单管理系统。何等（2017年）建立了四川省2008年至2014年水泥行业的高分辨率网格化空气污染物排放清单。网格化排放清单需要时间分配，以满足空气质量模型的要求，这需要将年度污染物排放量分配到更细的时间尺度——具体来说就是月度、日度和小时级分辨率（刘等，2022年）。标准方法采用分层程序：首先使用月度变化系数将排放量分配到月度尺度，然后使用日度分布系数分配到日度尺度，最后使用小时度分布系数分配到小时级尺度（毛等，2017年）。在中国多分辨率排放清单（MEIC）中，基于工业生产统计数据和产品产量数据，在第三级源分类级别（行业/燃料/技术）建立了月度变化系数（李等，2017年）。然而，这种方法依赖于历史生产模式的统计推断，虽然适用于国家级清单，但可能无法捕捉到个别设施的实时运行变化，且等比例分配方法未能反映实际的工业部门排放情况，从而引入了一定的误差（杨等，2013年）。电力数据对于大气环境污染的防控至关重要，因为它可以反映电力行业的实际生产状况（陈等，2023年；奚等，2022年；李等，2022年；吴等，2022年）。特别是在以电力为主要生产能源的水泥、铸造等行业（张等，2014年；张等，2020年）。罗等（2020年）基于大数据构建了热电厂的智能环保平台，并研究了电厂深度挖掘数据的使用价值。张等（2015年）基于2012年江苏省电力企业的在线监测系统和大气验证核算表，分析了大型固定燃煤源的主要污染物总排放量和月度变化特征。胡等（2020年）通过分析城市内重点行业和企业的日用电量和上一年的总用电量及污染物排放数据，估算了企业的实时污染物排放量。上述学者们开展了利用电力数据改进工业部门污染物排放清单精细化的相关研究，但关于利用电力数据优化工业部门空气污染物排放清单的时间分配系数以提高排放清单时间分辨率的报道较少。
本研究选择河北省唐山市作为研究区域。创新性地应用企业级电力数据来优化多个工业部门的月度时间分配系数，解决了统计时间分配系数与实际运行模式之间的关键差距。基于2019年唐山市各行业的用电量和各种污染物的排放情况，选取了具有代表性的关键行业进行研究。选择了电力数据质量较好的企业，获取了2019年的月度用电量数据，并将标准化后的月度用电量数据定义为优化的月度分布系数。以2019年为基准年，使用WRF-CMAQ空气质量模型设置了基准情景和优化情景，模拟了唐山市PM2.5等大气污染物的时空变化分布。通过将模拟结果与观测值进行比较，验证了该优化的有效性。这种方法为精确控制和预防大气环境提供了重要的科学依据。
部分内容摘录
时间分配优化
根据2019年唐山市的空气污染物排放清单和中国国家电网公司提供的工业企业用电数据，选取了主要污染物（颗粒物、SO2、NOx、VOCs）排放量和用电量较大的行业作为工业部门的关键研究对象。污染物时间分配是指在特定时间段内污染物排放的分布情况
工业部门的关键行业
《城市空气污染物排放清单技术手册》（TMUAPSEI，2018）将10种主要污染源分为四个级别。其中，包括80个一级排放源、331个二级排放源、92个三级排放源和58个四级排放源。如图3所示，唐山市的工业部门分别占全市颗粒物总排放量的12.73%、46.89%、40.35%和77.56%
结论
优化后的月度排放数据显示，钢铁、水泥、玻璃、焦化、陶瓷、铸造和砖业的最高月度分布系数分别出现在1月（10.78%）、4月（10.36%）、12月（11.54%）、8月（13.20%）、1月（12.59%）、12月（14.01%）和5月（11.46%）。钢铁、水泥、玻璃、焦化和陶瓷行业的月度生产百分比与优化后的月度排放分布有一定的相关性，反映了
作者贡献声明
张如婷：撰写——审稿与编辑、撰写——初稿、验证、调查、数据分析、概念化。梁振明：监督、项目管理、方法论。陈传民：资源获取、方法论、调查。严慧晓：验证、数据整理。贾莉：方法论、数据分析。郑月：数据分析、数据整理。史振天：数据分析、数据整理
未引用参考文献
何等，2017年；李等，2022年；中国环境保护部，2021年；Mlawer等，1997年；唐等，2020年；唐等，2020年；唐山市统计局；清华大学；吴等，2022年；钟等，2018年。
同意发表
所有作者均已阅读并批准了本手稿的内容，并对其负责。参与者同意将手稿提交给期刊。
参与同意
已从所有包含个人信息的参与者处获得了额外的知情同意。
利益冲突
作者没有需要披露的相关财务或非财务利益。
数据可用性
本研究使用和/或分析的数据集可向相应作者提出合理请求后获取。
伦理批准
作者声明没有已知的财务利益或个人关系可能影响本文的研究工作。
资助
作者声明在准备本手稿过程中未收到任何资金、资助或其他支持。
利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文的研究工作。
致谢
作者声明在准备本手稿过程中未收到任何资金、资助或其他支持。
