重型柴油车实测排放因子和MOBILE6预测值的对比分析

利用车载尾气检测技术(PEMS)可以获得实时的机动车排放数据.笔者利用PEMS实测了重型柴油车的排放数据,在此基础上分析了CO、HC、NOx和PM的排放因子与速度、加速度的关系,同时使用MOBILE6模型,经过模型参数的校正,从而得到相应的预测排放因子,最终对排放因子的实测值、MOBILE6模型预测值以及欧Ⅱ的排放标准估测值进行了对比分析.     

捷达车实测排放因子和MOBILE6预测值的对比分析

OEM是最新的基于车辆实际行驶路况的车载尾气检测系统，文中利用OEM在实际道路上对不同捷达车的实时尾气排放进行测量，得到10天测试车辆每秒的尾气排放数据，并利用数据库统计、排放数据匹配行驶周期等方法，计算出每天的平均尾气排放因子。同时使用了美国的MOBILE6软件，确定相对应的输入参数，得到相应排放因子。最终将两者进行比较分析，探讨MOBILE6在中国的适用性。     

不同排放标准下大型柴油客车实测排放因子与MOBILE6预测值的对比分析

在利用先进的车载尾气检测技术（PEMS）收集了我国大型柴油客车尾气的实时排放数据的基础上,分析了不同排放标准下车辆（国Ⅰ、国Ⅱ、国Ⅲ）的CO、HC、NOx和PM排放因子与速度的关系;使用MOBILE6模型,经过模型参数校正,预测了相应车辆的排放因子,并与不同排放标准下的车辆排放实测值进行对比,从而验证了MOBILE6模型对我国大型柴油客车尾气排放预测的适用性。     

机动车排放模型的研究进展

综述了美国机动车的排放模型，讨论了美国环保局(USEPA)颁布的机动车源排放模型(MOBILE)、加州空气资源局(CARB)认证的排放因子模型(EMFAC)以及由加州大学河边分校和密西根大学主持研究的综合模式排放模型(CMEM)的发展、分类及最新重点模型版本，提出了建立基于我国情况的排放因子模型组的思路。     

MOBILE计算中国机动车CO排放因子时的计算年确定

在使用MOBILE计算机动车排放因子时,一个较为重要的计算参数——计算年,在美国是根据实际年份来确定的,但是由于我国机动车排放发展水平与美国的不同,其值的确定是比较困难的关键问题。文章利用我国的实测机动车排放因子数据,在同等条件下使用MOBILE计算排放因子,并与道路实测数据对比,得到不同测试年份对应的MOBILE计算年,从而回归出使用MOBILE计算机动车排放因子的计算年公式。在今后利用MOBILE计算机动车排放时,可以方便的使用公式得到对应的MOBILE计算年,从而提高计算的精确度。     

中国机动车排放模型的研究与展望

通过介绍美国环保局(USEPA)颁布的机动车源排放模型(MOBILE)的发展、分类及最新模型版本,提出了根据这一思路开发的中国机动车排放模型.重点介绍了机动车类型划分、基本排放因子测试及有关修正因子的确定等.      

应用COPERTⅢ模型计算中国机动车排放因子

介绍了计算机动车污染物排放因子的COPERTⅢ模型,并根据中国机动车实际构成、行驶工况和燃油特征确定了模型所需参数,然后应用该模型计算得到了2002年中国机动车排放CO、NO_x、NMVOC和PM的排放因子.通过比较COPERTⅢ模式、MOBILE模式和台架测试得到的中国机动车排放因子发现,应用COPERTⅢ模型计算获得的排放因子更接近中国机动车实际排放情况.     

机动车排放车载实验及模型模拟研究

研究机动车的排放特征及获得排放因子,是建立机动车排放清单和制定相应控制策略的基础,而路上的机动车排放车载测试被认为是实验室台架测试的一个重要补充.本研究利用AVL DiGas 4000 light五气分析仪,在澳门典型路段上对7辆汽油轿车样本开展了尾气排放车载实验.研究发现安装电喷加三元催化转化系统的车辆(以下称电喷车)在气态污染物排放上比旧的化油器车有显著降低,化油器车HC、CO和NO排放的体积浓度平均值分别为227×10^-6、1.57%和1477×10^-6,而电喷车则分别为33×10^-6、0.21%和131×10^-6,约是前者的1/11～1/7.但电喷车在冷启动阶段会出现高排放;对电喷车的CO和NO排放浓度做算术平均,其绝对值主要由出现频率少的高浓度值所贡献.研究进一步估算了汽油轿车的排放因子,同时利用MOBILE5模型计算了澳门2000年汽油轿车的平均排放因子,模型计算值和实验数据估算结果的比值在59%～139%之间,如果仅比较年平均排放因子,这个比值则在68%～132%之间.结果表明,车辆采用电喷加催化转化系统,对控制污染物排放的作用显著,但催化设备存在冷启动时起燃缓慢的问题;对电喷车的技术改进,减少其在行驶过程中出现高浓度的污染物排放,将能进一步大大降低平均排放水平;应用修正的MOBILE5模型计算澳门地区汽油轿车的排放因子,结果是比较可信的.     

机动车尾气排放模型应用及研究进展

对MOVES、COPERT、MOBILE、IVE、CEME等五种常见的机动车尾气排放模型的应用进行了总结,从地域性、成熟度、不确定性等方面对比评价了这几种模型的优点和适用范围,并基于研究现状提出了未来我国机动车排放因子的研究方向。     

IVE机动车排放模型应用研究

对IVE模型进行了系统分析和介绍,以北京市为研究对象给出了模型的主要输入参数的确定方法和思路,运用IVE模型对北京市不同车型车队的排放进行计算。结果显示：公交车和卡车的排放因子明显较高,特别是颗粒物排放因子,分别为普通轻型车的14和44倍。北京市机动车的CO、VOC、NOx和PM的平均日排放总量分别为2767.4、182.5、353.8和7.1t。对于CO和VOC,普通轻型车的分担率分别为42.0%和34.7%;对于NOx和PM而言,卡车的贡献率最高,分别达到66.3%和83.0%。此外,比较了IVE模型与MOBILE6模型的方法和计算结果,讨论了IVE模型在我国的主要应用优势。     

富康车实测尾气排放数据分析

利用OEM系统收集富康车在实际路况上的实时尾气排放数据,得出3种主要污染物NOx、CO、HC的排放因子及测试车辆的百公里耗油量,并将排放因子同MOBIEM6模型预测的排放因子进行对比,最后对OEM技术在我国的应用进行初步探讨.     

福建省工业CO2排放效率评价研究

运用基于非期望产出、非径向、非角度的SBM-DEA模型,对2005年-2014年福建省工业35个行业CO2排放效率进行评价,然后通过行业效率值动态聚类深入揭示福建省工业行业CO2排放特质,最后提出福建省工业低碳发展的建议.研究表明:福建省工业存在较大的节能减排空间,高效率行业具有技术进步显著的优势,中效率行业效率值受贸易结构影响,低效率行业普遍存在产能过剩的问题.因此,福建省工业低碳转型需要调整能源消费结构、推进低碳技术进步、优化贸易结构、消化过剩产能.     

考虑能源结构和气候因素的电动汽车温室气体影响

电动汽车因在使用过程中近似零排放而被认为是节约能源和减少碳排量的有力工具.但我国的电力结构是以火力发电为主,这会使电力在生产阶段排放大量的二氧化碳.为进一步研究电动汽车的环境友好性,本文构建了一种改进的电动汽车排放指数模型,使用2017年的电网统计数据及气候统计数据,就能源结构和气候这两个关键因素对我国31个省市分区域展开实证研究.结果表明,电动汽车对温室气体产生的影响存在明显的空间变化,且其与能源结构中火力发电占比密切相关.另外,对于全年温度变化范围较宽的省市,气候因素可能是使电动汽车和燃油车的碳排量达到排放平衡点的关键因素.基于此,扩大电力结构中清洁能源使用比例、改善电池性能、完善相关政策体制是促进今后我国电动汽车清洁、低碳发展的重要途径.     

基于能源碳排放预测的中国东部地区达峰策略制定

中国东部的11个省市是中国经济最发达的地区,其碳排放量约占全国碳排放量的1/2.随着气候变化的加剧和国际社会的关注,中国政府制定了区域差异化的达峰目标,因此,预测该地区碳排放对于评估中国能否实现达峰目标具有重要意义.本文基于中国东部11省市1997-2017年的面板数据,采用STIRPAT模型来预测不同情景下的碳排放趋势,并据此分析东部地区整体碳排放达峰的可能性.结果发现,有7个省市碳排放可能在2030年之前达峰,其中,北京、上海将最早出现碳排放峰值,达峰时间可能为2022年;然而,另外4个省市碳排放较难在2030年之前达峰.从东部地区整体来看,该地区碳排放达峰时间在2028-2033年,峰值为5018.03×10⁶~5497.20×10⁶ t.因此,东部地区整体碳排放可以在2030年左右达峰,为较好地实现中国整体碳排放达峰目标奠定了基础;此外,考虑到东部各省市的碳排放达峰情况存在差异,应根据各省市的实际情况制定差异化的达峰目标.     

Modeling and predicting low-speed vehicle emissions as a function of driving kinematics

An instantaneous emission model was developed to model and predict the real driving emissions of the low-speed vehicles. The emission database used in the model was measured by using portable emission measurement system (PEMS) under actual traffic conditions in the rural area, and the characteristics of the emission data were determined in relation to the driving kinematics (speed and acceleration) of the low-speed vehicle. The input of the emission model is driving cycle, and the model requires instantaneous vehicle speed and acceleration levels as input variables and uses them to interpolate the pollutant emission rate maps to calculate the transient pollutant emission rates, which will be accumulated to calculate the total emissions released during the whole driving cycle. And the vehicle fuel consumption was determined through the carbon balance method. The model predicted the emissions and fuel consumption of an in-use low-speed vehicle type model, which agreed well with the measured data.     

HCl emission characteristics and BP neural networks prediction in MSW/coal co-fired fluidized beds

IntroductionWiththedepletionofspaceforlandfillingofmunicipalsolidwasteandtherisingpricesforrawmaterials ,moreandmorefluidizedbedincineratorshavebeenusedtotreatMSWduetotheprimaryadvantagesofhygieniccontrol,volumereductionandenergyrecovery .BecausetheMSWhas…     

四维通量法施工扬尘排放模型的建立与应用

建立了一种与美国环保局推荐的暴露高度浓度剖面法类似、应用实测数据计算施工扬尘排放量的数学模型——四维通量法模型,以及一套与该模型相匹配的施工扬尘排放量监测方案.采用四维通量法计算施工扬尘排放量,更加简洁方便,并且可以较好地消除偶然因素对计算结果的干扰.将北京城近郊区40多个建筑工地的实测数据代入该数学模型所得到的北京市施工扬尘中TSP排放因子为0.492 kg/(m²·30 d),在数值上是美国环保局AP-42文件推荐排放因子的1.83倍.建议采用本研究得出的本地化排放因子来建立北京市施工扬尘排放清单.     

哈长城市群县域碳排放空间溢出效应及影响因素研究——基于NPP-VIIRS夜间灯光数据的实证

基于2012-2016年NPP-VIIRS夜间灯光数据测算哈长城市群共计68个县级单元碳排放数据,采用空间自相关、位序规模法则、空间计量模型以及空间马尔科夫链模型,对县级尺度城市碳排放空间特征、影响因素和动态空间溢出作用进行分析.结果表明：①城市碳排放呈现逐年下降的趋势,空间Moran''s I指数表明研究区城市碳排放存在高度的空间自相关,碳排放的高值集聚性呈降低的趋势.②位序规模法则表明,研究区全部城市的碳排放属于次位型分布,高位次城市的碳排放表现突出;在前十位城市的碳排放规模先减少再增加,由分散向集中演变.③多种空间面板模型对比分析表明,城市经济水平和人口密度因素呈现显著的正相关关系;固定投资和外商投资因素仅在时间固定模型中起到正向影响作用;技术进步以及路网密度因素则起到显著的抑制作用.④空间马尔科夫链分析结果表明,城市碳排放空间溢出效应明显,位于低水平区域与高水平区域的城市在转移过程中保持稳定;位于中低水平区域的城市与高碳排放的城市相邻会降低转移概率,反之则会提升转移概率.     

北京市燃气工业锅炉CO2排放因子及不确定性分析

降低碳排放评估的不确定性对于减排政策选择和成本效益分析十分重要,基于北京市227个天然气锅炉样本检测数据,分析影响CO₂排放因子的关键参数特征,评估北京市天然气锅炉本地化CO₂排放因子,采用蒙特卡洛模型对排放因子的不确定性进行分析,并将其与IPCC、国家清单、城市清单等同类排放因子进行了比较.结果表明:北京市天然气锅炉CO₂排放因子为2.052 kg/m3,90%概率分布范围为1.982~2.086 kg/m3;基于热值的CO₂排放因子推荐值为55.829 kg/GJ,90%概率分布范围为55.788~55.908 kg/GJ,排放因子的不确定范围为-3.59%~1.57%.北京市天然气锅炉CO₂排放因子稍低于IPCC2006国家温室气体清单指南推荐缺省值（0.5%）.天然气低位热值对排放因子的影响最大,其方差贡献率达94%,而单位热值含碳量和氧化率二者的方差贡献率仅占6%.通过北京市本地实测数据和蒙特卡洛模型模拟,给出了天然气锅炉排放因子及概率分布的范围,提高了评估精度,有助于改进北京市温室气体排放清单活动水平的数据收集工作,指导并降低天然气工业锅炉CO₂排放因子不确定性.