张星

安科瑞电气股份有限公司 上海嘉定 201801

摘要：以北京市餐饮企业分布密度较大的西城区为案例区,通过对研究区域内餐饮企业进行实地污染物检测及排放活动水平调查,计算得到基于就餐人数、就餐时间、烹饪油用量和灶头数4种核算基准的餐饮业VOCs和PM2.5排放因子,并利用排放因子法分别估算该区域在餐饮废气净化设备升级改造前后餐饮企业VOCs和PM2.5年排放量。

关键词：北京典型城区；餐饮业；VOCs；PM2.5；排放因子；排放量；餐饮油烟监测云平台；安科瑞

0.引言

为应对严重的大气污染,北京市自1998年开始连续实施大气污染综合治理,空气质量明显变化。但是,2017年PM2.5年均浓度仍超过国家空气质量标准66%。此外,挥发性物(VOCs)是大气环境中二次细颗粒物和O3的重要前体物,科学管控VOCs的排放对协同防控PM2.5和O3有重要作用。目前,北京大气污染已进入综合治理阶段,以能源结构调整和工业减排措施为主的治理效果逐步减弱,生活源大气污染物排放的贡献逐渐引起重视。近年来北京市餐饮业发展迅猛,对大气环境中VOCs和颗粒物等有重要的贡献,对城市局部大气质量及人体健康产生不利影响。

本文基于北京市典型城区餐饮行业调查和实测数据,开展餐饮业废气中VOCs和PM2.5排放因子和排放量核算实证研究,建立北京市城区餐饮业废气中VOCs和PM2.5本地化排放因子并估算排放量。 

1. 方法与数据

1.1 监测数据

选择北京市西城区为研究区域.研究区域总面积50.70km2,下辖15个街道,共计261个社区,常住人口117.9万人。该区域餐饮企业分布密集,平均密度约100家/km2,2018年营业额高达90.6亿元。

1.2 采样方法

使用TH-880F微电脑烟尘平行采样仪(武汉市天虹仪表有限责任公司)进行颗粒物采样,采样管由S型皮托管、热电偶或铂电阻温度计和采样头组成。使用从天津华翼科技有限公司采购的A型滤芯,其外壳材质为聚丙烯,内置双层滤膜,一层滤膜为聚丙烯纤维滤膜,孔径1~3μm,二层为超细玻璃纤维滤膜。此类型滤芯对于0.3μm标准粒子的截留效率≥99.95%。

采用气袋法采集非甲烷总烃样品,采样时将采样管加热并保持在(120±5)℃,10L的气袋用样品气清洗3次,连续采集3个样品,每个样品采集时间宜不少于20min,采气量均不小于10L。结束采样后样品应立即放入样品保存箱内保存,直至样品分析时取出,采样步骤按照《固定污染源废气挥发性物的采样气袋法》(HJ732-2014)进行。

1.3 分析方法

颗粒物的分析方法采用手工称重法.根据DB11/T1485-2017[9],采用烟道内过滤的方式,按照颗粒物等速采样原理,使用滤芯采集餐饮废气中的颗粒物,通过101A-1E型电热鼓风干燥箱(上海实验仪器厂有限公司)除去水分后,由采样前后滤芯的质量差除以标干采样体积,计算出颗粒物的质量浓度。采样时间均不少于15min,每次平行采集3个样品。采样后滤芯运回实验室后,从密封袋中取出并放入玻璃干燥器内,在室温下干燥12h后,还用XS205型分析天平称量至恒重。

采用气相色谱法对非甲烷总烃进行检测。根据HJ38-2017[11],将气体样品直接注入具备氢火焰离子化检测器的7820A型气相色谱仪(安捷伦科技(中国)有限公司),分别在总烃柱和甲烷柱上测定总烃和甲烷的含量,两者之差即为非甲烷总烃的含量。同时以除烃空气代替样品,测定氧在总烃柱上的响应值,以扣除样品中的氧对总烃测定的干扰。实验中色谱分析条件为:空气流速400mL/min;进样口温度120℃；柱箱温80℃；检测器温度200.℃购买5个浓度梯度的甲烷标准气体分别绘制总烃、甲烷的校准曲线,进样量1.0mL。再取1.0mL待测样品测定样品中总烃和甲烷的峰面积,总烃峰面积应扣除氧峰面积后参与计算。

2.1 餐饮业废气中VOCs和PM2.5排放因子

通过(2)~(5)式计算得到分别以用油量、灶头数、用餐人数和用餐时间为核算基准的餐饮业废气VOCs和PM2.5排放因子,如表5所示。表6是按照不同规模餐饮企业核算的排放因子。可见,不同核算基准的排放因子差异较大。升级改造前,基于用餐时间的VOCs和PM2.5排放因子分别为42.35和17.66g/h,明显大于基于用餐人数的VOCs和PM2.5排放因子1.22和0.51g/人。因此,排放因子的参考基准不同影响了排放因子的值,且参考基准的实际情况因地域而异,需要获得不同核算基准下的本地化排放因子。本研究得到升级改造后以用油量为核算基准的VOCs排放因子11.62g/kg与秦之湄等获得的成都市的值13.8g/kg接近,但显著高于王秀艳等获得的沈阳市的值5.03g/kg。因此,需获取本地化、易于计算并符合实际的排放因子,才能准确掌握餐饮企业排放对环境空气质量直接或潜在的影响。 

表5基于不同核算基准的餐饮业污染物排放因子

表6不同规模餐饮业不同核算基准的排放因子

1.2   餐饮业废气VOCs和PM2.5排放量

根据式(1)以及表5中的排放因子,核算出本研究区域全部餐饮企业2019年VOCs和PM2.5的排放量(表7)。

表7餐饮废气净化设备升级改造前、后VOCs和PM2.5排放量(t/a)

本研究区域在餐饮业废气净化设备升级改造前,不同核算基准得到VOCs排放量较大值为506.38t/a,较小值为319.03t/a;PM2.5排放量较大值为211.09t/a,较小值为166.55t/a。其中,VOCs和PM2.5排放量较大值均是以就餐时间为核算基准计算获得的,但较小值分别是以用油量和就餐人次为核算基准计算获得。假定区域内餐饮业废气净化设备全部进行升级改造,则升级改造后,VOCs和PM2.5排放量范围分别为92.14~109.89/a和30.22~36.05t/a.这时,较大值均是以灶头数为核算基准计算获得,较小值均是以就餐时间为核算基准计算获得。这表明净化设备改造后就餐时间不再是影响排放量主要的约束因素。在实际监督管理过程中,应督促餐饮企业及时进行餐饮废气净化设备升级改造,进行餐饮业用油量、灶头数量和就餐人次的管控。根据以上结果,餐饮废气净化设备升级改造后,餐饮源VOCs减排率为71%~82%,PM2.5减排率达到80%~86%。

3.安科瑞AcrelCloud3500餐饮油烟监测云平台

为了弥补现存餐饮行业在烟油监测上的漏洞，同时便利监管部门的监察，安科瑞油烟监测云平台应运而生。油烟监测模块通过2G/4G与云端平台进行通信和数据交互，系统能够对企业餐饮设备的开机状态、运行状态进行监控；实现开机率监测，净化效率监测，设施停运

告警，待清洗告警，异常告警等功能；对采集数据进行统计分析、排名等统计功能；较之传统的静电监测方案，更具实效性。平台预留与其他应用系统、设备交互对接接口，具有很好的扩展性。

3.1平台结构

平台GIS地图采集餐饮油烟处理设备运行状态和油烟排放的浓度数据，自动对超标排放及异常企业进行提示预警，监管部门可迅速进行处理，督促餐饮企业整改设备，并定期清洗、维护，实现减排环保，不扰民等目的。现场安装监测终端，持续监测油烟净化器的工作状态，包括设备运行的电流、电压、功率、耗电量等等，同时结合排烟口的挥发性物质、颗粒物浓度等进行对比分析，一旦排放超标，系统会发出异常信号。

■油烟监测设备用来监测油烟、颗粒物、NmHc等数据

■净化器和风机配合对油烟进行净化处理，同时对净化设备的电流、电压进行监测

■设备通过4G网络将采集的数据上传至远程云端服务器

3.2平台主要功能

（1）在线监测 

对油烟排污数据的监测，包括油烟排放浓度，颗粒物，NmHc等数值采集监测；同时对监控风机和净化器的启停状态、运行数据进行监测。
    (2)告警数据监测

系统根据采集的油烟数值大小，产生对应的排放超标告警；对净化器的运行数据分析，上传净化设备对应的运行、停机、故障等告警事件。

(3)数据分析

运行时长分析，离线分析；告警占比、排名分析；历史数据统计等。(4)隐患管理

系统对采集的告警数据分析，产生对应的隐患记录，派发、处理隐患，及时处理告警，形成闭环。

(5)统计分析

包括时长分析、超标分析、历史数据、分析报告等模块。

(6)基础数据维护

个人信息、权限维护，企业信息录入，对应测点信息录入等。

(7)数据服务

数据采集，短信提醒，数据存储和解析。

3.3油烟监测主机 

油烟监控主机是现场的管理设备，实时采集油烟浓度探测器和工况传感器的信号，进行数据处理，通过有线或无线网络通讯将数据传输到服务器平台。同时，对本地数据进行存储，监控现场设备状态，提供人机操作界面。

具体技术参数如下：

4.结语

通过对研究区域内餐饮企业进行实地检测数据及活动水平调查,分别得到了基于就餐人数、就餐时间、食用油用量和灶头数4项核算基准的餐饮业VOCs和PM2.5排放因子,但4种核算基准的排放因子差异较大,需要进一步本地化检验。

作者简介：

张星，女，现任安科瑞电气股份有限公司，主要从事餐饮油烟监测的研发与应用。