麻花天美星空糖心

赵娜

麻花天美星空糖心 上海嘉定 201801

摘要：以北京市餐饮公司分布密度较大的西城区为案例区,通过对研究区域内餐饮公司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公司VOCs和PM2.5年排放量。结果表明:本研究区域餐饮业废气净化设备升级改造前VOCs排放量范围为319.03~506.38t/a,改造后为92.14~109.89t/a；改造前PM2.5排放量范围为166.55~211.09t/a,改造后为30.22~36.05t/a,排放量明显减少。餐饮业废气净化设备改造后VOCs和PM2.5减排率分别为71%~82%和80%~86%,餐饮业废气净化设备升级改造减排效果良好。计算得到以街道为单元的餐饮源VOCs和PM2.5排放强度范围分别为1.45~4.32t/km2和0.47~1.42t/km2。通过PM2.5实测浓度(小时值)数据分析,餐饮业废气净化设备升级改造前、后PM2.5浓度平均减少了28.9%,接近于用油量为核算基准的排放因子降低比例。

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年笔惭2.5年均浓度仍超过国家空气质量标准66%。此外,挥发性物(痴翱颁蝉)是大气环境中二次细颗粒物和翱3的重要前体物,科学管控痴翱颁蝉的排放对协同防控笔惭2.5和翱3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,对大气环境中痴翱颁蝉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。

餐饮行业是重要的大气污染源,但人们对其实际存在状况、活动水平及排放量的了解有限。餐饮业大气污染物排放因子及排放量核算是控制餐饮业大气污染的重要依据。准确可靠的排放因子的获取尤为重要,但存在较大的困难。近年来,北京市域内餐饮业大气污染物排放特征研究陆续涌现,但针对城区特定区域的餐饮业大气污染物排放情况研究聚焦较少,且尚未建立涵盖不同规模、不同核算基准的排放因子。因餐饮行业类型众多,排放污染物组分复杂,活动水平信息的获取也存在一定局限性,大部分餐饮业活动水平数据来自统计年鉴,部分数据仅有数据或无数据,因此排放量估算存在较大的误差。

本文基于北京市典型城区餐饮行业调查和实测数据,开展餐饮业废气中痴翱颁蝉和笔惭2.5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痴翱颁蝉和笔惭2.5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。该区域餐饮公司分布密集,平均密度约100家/km2,2018年营业额高达90.6亿元。

2019年北京市推进餐饮业大气污染控制工程,各餐饮服务单位陆续开展废气净化设备升级改造。本研究在2019年先后检测2组餐饮公司废气样本,其中包括未进行废气净化设备升级改造(废气净化设备升级改造前)餐饮公司42家(小型餐饮8家、中型20家、大型14家)和完成废气净化设备升级改造(废气净化设备升级改造后)餐饮公司33家(11家、中型14家、大型8家)。升级改造前、后餐饮样本选择同类型废气净化设备进行采样。每组样本中烧烤(含燃气烧烤、电烧烤、炭火烧烤)类、烤鸭类(含果木烤鸭、电烤鸭)、川湘菜、本帮江浙菜、家常菜、快餐(含中式、西式)、食堂餐饮占比均匀,检测样本类别的选取具有区域代表性。同时采集样本餐饮公司标态干废气流量(m3/h)和折算后实际使用灶头数(个)等相关指标。

为构建本地化排放因子库,对研究区域内上述餐饮公司进行抽样检测,实地检测餐饮业废气中颗粒物和非甲烷总烃(NMHC)污染物浓度。参考北京市地方标准DB11/1488-2018,使用“非甲烷总烃(NMHC)"作为VOCs的综合控制指标.样品采集选择在餐饮废气排放单位作业(炒菜、食品加工或其他产生油烟的操作)高峰期进行,选择了在午餐高峰时段11:00~13:00,和晚餐高峰时段18:00~20:00进行采样。采样位置优先选择垂直管段,且避开烟道弯头和断面急剧变化部位。

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%。滤芯使用前经过101A-1E型电热鼓风干燥箱(上海实验仪器厂有限公司)干燥2h,干燥温度为(60±1)℃,自然冷却后,放入玻璃干燥器内,室温下干燥12h。将滤芯用来自梅特勒-托利多国际贸易(上海)有限公司的XS205型电子天平称量至恒重。采样前,将组合采样管放入烟道内测得排气静压、测点动压、温度等参数,使用湿度仪测得烟气水分含量,计算出采样嘴的内径。选择对应采样嘴内径的滤芯(滤芯采样嘴内径一般为6,8,10和12mm)进行采样,采样步骤按照DB11/T1485-2017进行。

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。

1.4 餐饮业活动水平调查数据

餐饮业活动水平数据是污染物排放量计算的重要参数。本文中餐饮业主要的活动水平数据综合以下来源获得:①环境部门2019年对餐饮源污染物产生的普查数据；②相关行政管理部门、行业协会等公布的信息与资料。

2019年北京市开展了《餐饮业大气污染排放标准》(DB11/1488-2018)发布后的对餐饮源污染物产生的普查,实现全区域餐饮服务单位清查。由于研究区域餐饮公司数量密度较大,普查工作制定了清查建库、入户调查、数据审核、质量抽查及汇总上报等一系列工作任务。建立的台账包括单位名称、详细地址、统一社会信用代码、经营面积(m2)、经营天数(d)、年度日均经营时间(h)、固定灶头数(个)、烹饪油使用量(kg/a)、客流量(人/a)、年营业额(当年价格,万元)等指标。此次调查中的餐饮服务单位包括独立经营的餐饮服务机构,宾馆、酒店、度假村等场所内经营性餐饮部门,设于机关、事业单位、社会团体、民办非公司单位、公司等供应内部职工、学生等集中就餐的单位食堂和厨房等集体用餐加工服务机构,覆盖研究区域内所有产生餐饮大气污染物的服务单位。

公司规模是影响餐饮公司PM2.5排放因子的重要因素。根据北京市《餐饮业大气污染物排放标准》(DB11/1488-2018)中餐饮服务单位规模划分标准,选取其中较易获得的划分指标对所调查的餐饮服务公司进行规模划分(表1)。其中,不同方式判断规模不一致的,餐饮服务单位的规模类别以大者计。

表1餐饮服务单位规模划分

研究区域共有餐饮公司3400余家,按照表2划分餐饮业规模的标准,本研究区域有小型餐饮公司1300余家、中型餐饮公司1300余家、大型餐饮700余家。

根据检测数据和餐饮服务单位普查数据,获取不同规模餐饮业的基础数据参数。本研究对样本数据进行了Shapiro-Wilk正态分布检验,随机变量服从对数正态分布则取几何平均值,不服从对数正态分布的则取中位数。抽样餐饮公司基本数据参数见表2和表3。

表2废气净化设备升级改造前餐饮公司基本数据参数

表3废气净化设备升级改造后餐饮公司基本数据参数

1.5 餐饮业大气污染物年排放总量估算方法

根据《城市大气污染物排放清单编制技术手册》[13],餐饮油烟源排放清单污染物有PM10、PM2.5、BC、OC和VOCs。本文主要对PM2.5和VOCs排放总量进行估算.采用的核算方法为排放因子法。根据餐饮业行业特点,通常选取就餐人数、就餐时间、食用油用量和灶头数4项便于统计的指标为核算基准来计算相对应大气污染物排放因子。结合烟气排放量、污染物排放浓度以及餐饮公司的数量等进行污染物排放量估算。不同核算基准存在一定的不确定性,吴雪伟等认为以用油量为基准的不确定性小,如PM2.5和VOCS的不确定性分别为31%和61%。吴芳谷等对餐饮油烟研究发现,油烟中排出的颗粒物主要为细粒子,PM2.5占餐饮废气颗粒物的76.91%。

餐饮公司i以第j种核算基准的排放量Eij计算采用下面的公式:

式中:Ai为餐饮公司i活动水平,针对不同核算基准的排放因子取相对应的Ai值；EFj为第j种核算基准对应的排放因子,(g/kg)、(g/人)、(g/h)、[g/(h.个)]。本研究中,排放因子EFj以不同核算基准分别计算获得。

第j种核算基准对应的排放因子EFj计算公式如下:

式中:cj为第j种污染物实测浓度,mg/m3；U为实测餐饮公司废气排放量,m3/h；Y为实测餐饮公司食用油年使用量,t；T为实测用餐时间,h；Z为实测餐饮公司基准灶头数,个；R为实测餐饮公司用餐人数,人次。

本研究中不同餐饮公司活动水平A按餐饮规模计算统计得出,见表4。计算∑A时,∑A(用餐时间)、∑A(用油量)和∑A(用餐人数)均需考量年均经营时间(h)范围。

表4不同餐饮规模餐饮公司活动水平

1. 结果与讨论

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公司核算的排放因子。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,但显着高于王秀艳等获得的沉阳市的值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,才能准确掌握餐饮公司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

从表5可见,不论以何种核算基准计算得出的排放因子,废气净化设备升级改造后的餐饮业VOCs和PM2.5排放因子均比改造前明显减小,分别降低了67.3%~82.2%和74.3%~86.0%但是,不同规模餐饮公司油烟污染治理效果存在一定差异,如表6所示。调查数据表明,大型餐饮公司均已全部安装有油烟净化设施,污染物排放因子下降明显。中型餐饮公司VOCs和PM2.5排放因子下降幅度相对较小。中型餐饮公司数量占比和客流量较大,但存在未按要求启用净化设备,未定期清洗油烟净化设备,和未及时更换炭及分子筛等吸附材料等现象。穆桂珍等研究也表明目前餐饮公司油烟净化设施“重安装,轻维护"的现象依然十分普遍。部分小型餐饮公司油烟净化装置缺乏及时的维护,排风量与灶头数量不匹配也导致静电油烟净化器处理效果大打折扣。

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公司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,应督促餐饮公司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%。

以街道为单元,对VOCs和PM2.5排放量贡献占比较大的街道为展览路街道(17.46%),月坛街道(12.68%),金融街街道(12.44%),德胜街道(8.73%)。通过餐饮公司的位置、数量、排放量及地区占地面积,获得不同街道餐饮业VOCs和PM2.5年度排放强度分别为1.45~4.32t/km2和0.47~1.42t/km2。其中VOCs排放强度较大的5个街道分别为陶然亭街道(4.32t/km2)、大栅栏街道(4.23t/km2)、新街口街道(4.03t/km2)、月坛街道(3.90t/km2)和金融街街道(3.08t/km2).餐饮源PM2.5排放强度较小的街道为广安门外街(0.47t/km2),排放强度较大为陶然亭街道(1.42t/km2)。

为验证废气净化设备升级改造前后对大气中PM2.5含量的影响效果,选择在7月(升级改造前)和10月(升级改造后)两个时间段,对研究区域中餐饮公司分布密集社区进行了PM2.5监测。鉴于大气污染物存在明显的季节变化,把实测值减去当月的平均值得到差值(PM2.5)进行对比(图1)。从图1可看出,改造后PM2.5比改造前明显降低,尤其在早餐(05:30~08:30)、午餐(10:30~13:30)和晚餐(16:00~19:00)时段。此外,由于两次测值是在不同年段完成的,除排放外,大气污染物还会受到天气以及输送变化的影响,导致个别改造后的测值大于改造前的。将对应的改造前后早午晚餐时段PM2.5进行了差异性检验,两独立样本非参数检验结果显示各抽样社区PM2.5浓度实测值在净化设备改造前后变化呈现显着性差异(P<0.05),即区域PM2.5排放浓度经过餐饮废气净化设备升级改造后有明显的降低。

通过实测值计算,在月坛街道铁二二社区,牛街街道东里社区,金融街街道丰汇园社区和大栅栏街道煤市街东社区早中晚餐时段PM2.5分别减少了26.9%,25.1%,32.9%和30.8%.4个社区平均减少了28.9%,较接近于以用油量为核算基准的排放因子降低比例。

图1餐饮公司分布密集社区废气改造设备升级前后实测PM2.5浓度比较

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，系统能够对公司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公司进行提示预警，监管部门可迅速进行处理，督促餐饮公司整改设备，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，公司信息录入，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

1）通过对研究区域内餐饮公司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。

2）本研究区域餐饮业废气净化设备升级改造前,VOCs排放量范围为319.03~506.38t/a,改造后为92.14~109.89t/a；PM2.5排放量范围改造前为166.55~211.09t/a,改造后为30.22~36.05t/a,经过餐饮业废气净化设备升级改造后VOCs及PM2.5排放量分别减少了71%~82%和80%~86%。

3）计算得到以街道为单元的餐饮业VOCs及PM2.5排放强度,VOCs排放强度范围1.45~4.32t/km2,PM2.5排放强度范围0.47~1.42t/km2。通过餐饮源VOCs和PM2.5排放强度情况的定量计算,便于有针对性的开展相应区域餐饮源大气污染物治理工作。

4）通过对典型社区PM2.5浓度(小时值)抽样检测餐饮废气净化设备升级改造前、后PM2.5浓度平均减少比例为28.9%,较接近于用油量为核算基准的排放因子降低比例。进一步说明餐饮业废气净化设备升级改造对于PM2.5减排效果显锄丑耻。

【参考文献】

[1]郑君瑜,王水胜,黄志烔,等.区域高分辨率大气排放源清单建立的技术方法与应用[M].北京:科学出版社,2014:124-161.

[2]张洋,支国瑞,薛志刚,等.餐饮行业活动水平调查及大气污染物排放清单编制研究[J].环境科学研究,2019,32(6):929-937.

[3]孙成一,白画画,陈雪,等.北京市餐饮业大气污染物排放特征[J].环境科学,2020,41(6):2596-2601.

[4]马殊琼,林伟立,夏建新.北京市典型城区餐饮业VOCs和PM2.5排放量估算[J].中国环境科学2021,41（5）：2090-2096

[5]安科瑞AcrelCloud-3500餐饮油烟监测云平台.2020.05版.

作者介绍：

赵娜，女，现任麻花天美星空糖心，主要从事餐饮油烟监测的研发与应用。