淺析城區餐飲業VOCs和PM2.5排放量研究及應對策略

侯文莉

安科瑞電氣股份有限公司 上海嘉定 201801

摘要：以北京市餐飲企業(ye) 分布密度較大的西城區為(wei) 案例區,通過對研究區域內(nei) 餐飲企業(ye) 進行實地汙染物檢測及排放活動水平調查,計算得到基於(yu) 就餐人數、就餐時間、烹飪油用量和灶頭數4種核算基準的餐飲業(ye) VOCs和PM2.5排放因子,並利用排放因子法分別估算該區域在餐飲廢氣淨化設備升級改造前後餐飲企業(ye) VOCs和PM2.5年排放量。結果表明:本研究區域餐飲業(ye) 廢氣淨化設備升級改造前VOCs排放量範圍為(wei) 319.03~506.38t/a,改造後為(wei) 92.14~109.89t/a；改造前PM2.5排放量範圍為(wei) 166.55~211.09t/a,改造後為(wei) 30.22~36.05t/a,排放量明顯減少。餐飲業(ye) 廢氣淨化設備改造後VOCs和PM2.5減排率分別為(wei) 71%~82%和80%~86%,餐飲業(ye) 廢氣淨化設備升級改造減排效果良好。計算得到以街道為(wei) 單元的餐飲源VOCs和PM2.5排放強度範圍分別為(wei) 1.45~4.32t/km2和0.47~1.42t/km2。通過PM2.5實測濃度(小時值)數據分析,餐飲業(ye) 廢氣淨化設備升級改造前、後PM2.5濃度平均減少了28.9%,接近於(yu) 用油量為(wei) 核算基準的排放因子降低比例。

關(guan) 鍵詞：北京典型城區；餐飲業(ye) ；VOCs；PM2.5；排放因子；排放量；餐飲油煙監測雲(yun) 平台；安科瑞

0.引言

為(wei) 應對嚴(yan) 重的大氣汙染,北京市自1998年開始連續實施大氣汙染綜合治理,空氣質量明顯變化。但是,2017年PM2.5年均濃度仍超過國家空氣質量標準66%。此外,揮發性物(VOCs)是大氣環境中二次細顆粒物和O3的重要前體(ti) 物,科學管控VOCs的排放對協同防控PM2.5和O3有重要作用。目前,北京大氣汙染已進入綜合治理階段,以能源結構調整和工業(ye) 減排措施為(wei) 主的治理效果逐步減弱,生活源大氣汙染物排放的貢獻逐漸引起重視。近年來北京市餐飲業(ye) 發展迅猛,對大氣環境中VOCs和顆粒物等有重要的貢獻,對城市局部大氣質量及人體(ti) 健康產(chan) 生不利影響。

餐飲行業(ye) 是重要的大氣汙染源,但人們(men) 對其實際存在狀況、活動水平及排放量的了解有限。餐飲業(ye) 大氣汙染物排放因子及排放量核算是控製餐飲業(ye) 大氣汙染的重要依據。準確可靠的排放因子的獲取尤為(wei) 重要,但存在較大的困難。近年來,北京市域內(nei) 餐飲業(ye) 大氣汙染物排放特征研究陸續湧現,但針對城區特定區域的餐飲業(ye) 大氣汙染物排放情況研究聚焦較少,且尚未建立涵蓋不同規模、不同核算基準的排放因子。因餐飲行業(ye) 類型眾(zhong) 多,排放汙染物組分複雜,活動水平信息的獲取也存在一定局限性,大部分餐飲業(ye) 活動水平數據來自統計年鑒,部分數據僅(jin) 有數據或無數據,因此排放量估算存在較大的誤差。

本文基於(yu) 北京市典型城區餐飲行業(ye) 調查和實測數據,開展餐飲業(ye) 廢氣中VOCs和PM2.5排放因子和排放量核算實證研究,建立北京市城區餐飲業(ye) 廢氣中VOCs和PM2.5本地化排放因子並估算排放量。

1. 方法與(yu) 數據

1.1 監測數據

選擇北京市西城區為(wei) 研究區域.研究區域總麵積50.70km2,下轄15個(ge) 街道,共計261個(ge) 社區,常住人口117.9萬(wan) 人。該區域餐飲企業(ye) 分布密集,平均密度約100家/km2,2018年營業(ye) 額高達90.6億(yi) 元。

2019年北京市推進餐飲業(ye) 大氣汙染控製工程,各餐飲服務單位陸續開展廢氣淨化設備升級改造。本研究在2019年先後檢測2組餐飲企業(ye) 廢氣樣本,其中包括未進行廢氣淨化設備升級改造(廢氣淨化設備升級改造前)餐飲企業(ye) 42家(小型餐飲8家、中型20家、大型14家)和完成廢氣淨化設備升級改造(廢氣淨化設備升級改造後)餐飲企業(ye) 33家(11家、中型14家、大型8家)。升級改造前、後餐飲樣本選擇同類型廢氣淨化設備進行采樣。每組樣本中燒烤(含燃氣燒烤、電燒烤、炭火燒烤)類、烤鴨類(含果木烤鴨、電烤鴨)、川湘菜、本幫江浙菜、家常菜、快餐(含中式、西式)、食堂餐飲占比均勻,檢測樣本類別的選取具有區域代表性。同時采集樣本餐飲企業(ye) 標態幹廢氣流量(m3/h)和折算後實際使用灶頭數(個(ge) )等相關(guan) 指標。

為(wei) 構建本地化排放因子庫,對研究區域內(nei) 上述餐飲企業(ye) 進行抽樣檢測,實地檢測餐飲業(ye) 廢氣中顆粒物和非甲烷總烴(NMHC)汙染物濃度。參考北京市地方標準DB11/1488-2018,使用“非甲烷總烴(NMHC)"作為(wei) VOCs的綜合控製指標.樣品采集選擇在餐飲廢氣排放單位作業(ye) (炒菜、食品加工或其他產(chan) 生油煙的操作)高峰期進行,選擇了在午餐高峰時段11:00~13:00,和晚餐高峰時段18:00~20:00進行采樣。采樣位置優(you) 先選擇垂直管段,且避開煙道彎頭和斷麵急劇變化部位。

1.2 采樣方法

使用TH-880F微電腦煙塵平行采樣儀(yi) (武漢市天虹儀(yi) 表有限責任公司)進行顆粒物采樣,采樣管由S型皮托管、熱電偶或鉑電阻溫度計和采樣頭組成。使用從(cong) 天津華翼科技有限公司采購的A型濾芯,其外殼材質為(wei) 聚丙烯,內(nei) 置雙層濾膜,一層濾膜為(wei) 聚丙烯纖維濾膜,孔徑1~3μm,二層為(wei) 超細玻璃纖維濾膜。此類型濾芯對於(yu) 0.3μm標準粒子的截留效率≥99.95%。濾芯使用前經過101A-1E型電熱鼓風幹燥箱(上海實驗儀(yi) 器廠有限公司)幹燥2h,幹燥溫度為(wei) (60±1)℃,自然冷卻後,放入玻璃幹燥器內(nei) ,室溫下幹燥12h。將濾芯用來自梅特勒-托利多國際貿易(上海)有限公司的XS205型電子天平稱量至恒重。采樣前,將組合采樣管放入煙道內(nei) 測得排氣靜壓、測點動壓、溫度等參數,使用濕度儀(yi) 測得煙氣水分含量,計算出采樣嘴的內(nei) 徑。選擇對應采樣嘴內(nei) 徑的濾芯(濾芯采樣嘴內(nei) 徑一般為(wei) 6,8,10和12mm)進行采樣,采樣步驟按照DB11/T1485-2017進行。

采用氣袋法采集非甲烷總烴樣品,采樣時將采樣管加熱並保持在(120±5)℃,10L的氣袋用樣品氣清洗3次,連續采集3個(ge) 樣品,每個(ge) 樣品采集時間宜不少於(yu) 20min,采氣量均不小於(yu) 10L。結束采樣後樣品應立即放入樣品保存箱內(nei) 保存,直至樣品分析時取出,采樣步驟按照《固定汙染源廢氣揮發性物的采樣氣袋法》(HJ732-2014)進行。

1.3 分析方法

顆粒物的分析方法采用手工稱重法.根據DB11/T1485-2017[9],采用煙道內(nei) 過濾的方式,按照顆粒物等速采樣原理,使用濾芯采集餐飲廢氣中的顆粒物,通過101A-1E型電熱鼓風幹燥箱(上海實驗儀(yi) 器廠有限公司)除去水分後,由采樣前後濾芯的質量差除以標幹采樣體(ti) 積,計算出顆粒物的質量濃度。采樣時間均不少於(yu) 15min,每次平行采集3個(ge) 樣品。采樣後濾芯運回實驗室後,從(cong) 密封袋中取出並放入玻璃幹燥器內(nei) ,在室溫下幹燥12h後,還用XS205型分析天平稱量至恒重。

采用氣相色譜法對非甲烷總烴進行檢測。根據HJ38-2017[11],將氣體(ti) 樣品直接注入具備氫火焰離子化檢測器的7820A型氣相色譜儀(yi) (安捷倫(lun) 科技(中國)有限公司),分別在總烴柱和甲烷柱上測定總烴和甲烷的含量,兩(liang) 者之差即為(wei) 非甲烷總烴的含量。同時以除烴空氣代替樣品,測定氧在總烴柱上的響應值,以扣除樣品中的氧對總烴測定的幹擾。實驗中色譜分析條件為(wei) :空氣流速400mL/min;進樣口溫度120℃；柱箱溫80℃；檢測器溫度200.℃購買(mai) 5個(ge) 濃度梯度的甲烷標準氣體(ti) 分別繪製總烴、甲烷的校準曲線,進樣量1.0mL。再取1.0mL待測樣品測定樣品中總烴和甲烷的峰麵積,總烴峰麵積應扣除氧峰麵積後參與(yu) 計算。

1.4 餐飲業(ye) 活動水平調查數據

餐飲業(ye) 活動水平數據是汙染物排放量計算的重要參數。本文中餐飲業(ye) 主要的活動水平數據綜合以下來源獲得:①環境部門2019年對餐飲源汙染物產(chan) 生的普查數據；②相關(guan) 行政管理部門、行業(ye) 協會(hui) 等公布的信息與(yu) 資料。

2019年北京市開展了《餐飲業(ye) 大氣汙染排放標準》(DB11/1488-2018)發布後的對餐飲源汙染物產(chan) 生的普查,實現全區域餐飲服務單位清查。由於(yu) 研究區域餐飲企業(ye) 數量密度較大,普查工作製定了清查建庫、入戶調查、數據審核、質量抽查及匯總上報等一係列工作任務。建立的台賬包括單位名稱、詳細地址、統一社會(hui) 信用代碼、經營麵積(m2)、經營天數(d)、年度日均經營時間(h)、固定灶頭數(個(ge) )、烹飪油使用量(kg/a)、客流量(人/a)、年營業(ye) 額(當年價(jia) 格,萬(wan) 元)等指標。此次調查中的餐飲服務單位包括獨立經營的餐飲服務機構,賓館、酒店、度假村等場所內(nei) 經營性餐飲部門,設於(yu) 機關(guan) 、事業(ye) 單位、社會(hui) 團體(ti) 、民辦非企業(ye) 單位、企業(ye) 等供應內(nei) 部職工、學生等集中就餐的單位食堂和廚房等集體(ti) 用餐加工服務機構,覆蓋研究區域內(nei) 所有產(chan) 生餐飲大氣汙染物的服務單位。

企業(ye) 規模是影響餐飲企業(ye) PM2.5排放因子的重要因素。根據北京市《餐飲業(ye) 大氣汙染物排放標準》(DB11/1488-2018)中餐飲服務單位規模劃分標準,選取其中較易獲得的劃分指標對所調查的餐飲服務企業(ye) 進行規模劃分(表1)。其中,不同方式判斷規模不一致的,餐飲服務單位的規模類別以大者計。

表1餐飲服務單位規模劃分

研究區域共有餐飲企業(ye) 3400餘(yu) 家,按照表2劃分餐飲業(ye) 規模的標準,本研究區域有小型餐飲企業(ye) 1300餘(yu) 家、中型餐飲企業(ye) 1300餘(yu) 家、大型餐飲700餘(yu) 家。

根據檢測數據和餐飲服務單位普查數據,獲取不同規模餐飲業(ye) 的基礎數據參數。本研究對樣本數據進行了Shapiro-Wilk正態分布檢驗,隨機變量服從(cong) 對數正態分布則取幾何平均值,不服從(cong) 對數正態分布的則取中位數。抽樣餐飲企業(ye) 基本數據參數見表2和表3。

表2廢氣淨化設備升級改造前餐飲企業(ye) 基本數據參數

表3廢氣淨化設備升級改造後餐飲企業(ye) 基本數據參數

1.5 餐飲業(ye) 大氣汙染物年排放總量估算方法

根據《城市大氣汙染物排放清單編製技術手冊(ce) 》[13],餐飲油煙源排放清單汙染物有PM10、PM2.5、BC、OC和VOCs。本文主要對PM2.5和VOCs排放總量進行估算.采用的核算方法為(wei) 排放因子法。根據餐飲業(ye) 行業(ye) 特點,通常選取就餐人數、就餐時間、食用油用量和灶頭數4項便於(yu) 統計的指標為(wei) 核算基準來計算相對應大氣汙染物排放因子。結合煙氣排放量、汙染物排放濃度以及餐飲企業(ye) 的數量等進行汙染物排放量估算。不同核算基準存在一定的不確定性,吳雪偉(wei) 等認為(wei) 以用油量為(wei) 基準的不確定性小,如PM2.5和VOCS的不確定性分別為(wei) 31%和61%。吳芳穀等對餐飲油煙研究發現,油煙中排出的顆粒物主要為(wei) 細粒子,PM2.5占餐飲廢氣顆粒物的76.91%。

餐飲企業(ye) i以第j種核算基準的排放量Eij計算采用下麵的公式:

式中:Ai為(wei) 餐飲企業(ye) i活動水平,針對不同核算基準的排放因子取相對應的Ai值；EFj為(wei) 第j種核算基準對應的排放因子,(g/kg)、(g/人)、(g/h)、[g/(h.個(ge) )]。本研究中,排放因子EFj以不同核算基準分別計算獲得。

第j種核算基準對應的排放因子EFj計算公式如下:

式中:cj為(wei) 第j種汙染物實測濃度,mg/m3；U為(wei) 實測餐飲企業(ye) 廢氣排放量,m3/h；Y為(wei) 實測餐飲企業(ye) 食用油年使用量,t；T為(wei) 實測用餐時間,h；Z為(wei) 實測餐飲企業(ye) 基準灶頭數,個(ge) ；R為(wei) 實測餐飲企業(ye) 用餐人數,人次。

本研究中不同餐飲企業(ye) 活動水平A按餐飲規模計算統計得出,見表4。計算∑A時,∑A(用餐時間)、∑A(用油量)和∑A(用餐人數)均需考量年均經營時間(h)範圍。

表4不同餐飲規模餐飲企業(ye) 活動水平

1. 結果與(yu) 討論

2.1 餐飲業(ye) 廢氣中VOCs和PM2.5排放因子

通過(2)~(5)式計算得到分別以用油量、灶頭數、用餐人數和用餐時間為(wei) 核算基準的餐飲業(ye) 廢氣VOCs和PM2.5排放因子,如表5所示。表6是按照不同規模餐飲企業(ye) 核算的排放因子。可見,不同核算基準的排放因子差異較大。升級改造前,基於(yu) 用餐時間的VOCs和PM2.5排放因子分別為(wei) 42.35和17.66g/h,明顯大於(yu) 基於(yu) 用餐人數的VOCs和PM2.5排放因子1.22和0.51g/人。因此,排放因子的參考基準不同影響了排放因子的值,且參考基準的實際情況因地域而異,需要獲得不同核算基準下的本地化排放因子。本研究得到升級改造後以用油量為(wei) 核算基準的VOCs排放因子11.62g/kg與(yu) 秦之湄等獲得的成都市的值13.8g/kg接近,但顯著高於(yu) 王秀豔等獲得的沈陽市的值5.03g/kg。因此,需獲取本地化、易於(yu) 計算並符合實際的排放因子,才能準確掌握餐飲企業(ye) 排放對環境空氣質量直接或潛在的影響。

表5基於(yu) 不同核算基準的餐飲業(ye) 汙染物排放因子

表6不同規模餐飲業(ye) 不同核算基準的排放因子

從(cong) 表5可見,不論以何種核算基準計算得出的排放因子,廢氣淨化設備升級改造後的餐飲業(ye) VOCs和PM2.5排放因子均比改造前明顯減小,分別降低了67.3%~82.2%和74.3%~86.0%但是,不同規模餐飲企業(ye) 油煙汙染治理效果存在一定差異,如表6所示。調查數據表明,大型餐飲企業(ye) 均已全部安裝有油煙淨化設施,汙染物排放因子下降明顯。中型餐飲企業(ye) VOCs和PM2.5排放因子下降幅度相對較小。中型餐飲企業(ye) 數量占比和客流量較大,但存在未按要求啟用淨化設備,未定期清洗油煙淨化設備,和未及時更換炭及分子篩等吸附材料等現象。穆桂珍等研究也表明目前餐飲企業(ye) 油煙淨化設施“重安裝,輕維護"的現象依然十分普遍。部分小型餐飲企業(ye) 油煙淨化裝置缺乏及時的維護,排風量與(yu) 灶頭數量不匹配也導致靜電油煙淨化器處理效果大打折扣。

1.2   餐飲業(ye) 廢氣VOCs和PM2.5排放量

根據式(1)以及表5中的排放因子,核算出本研究區域全部餐飲企業(ye) 2019年VOCs和PM2.5的排放量(表7)。

表7餐飲廢氣淨化設備升級改造前、後VOCs和PM2.5排放量(t/a)

本研究區域在餐飲業(ye) 廢氣淨化設備升級改造前,不同核算基準得到VOCs排放量較大值為(wei) 506.38t/a,較小值為(wei) 319.03t/a;PM2.5排放量較大值為(wei) 211.09t/a,較小值為(wei) 166.55t/a。其中,VOCs和PM2.5排放量較大值均是以就餐時間為(wei) 核算基準計算獲得的,但較小值分別是以用油量和就餐人次為(wei) 核算基準計算獲得。假定區域內(nei) 餐飲業(ye) 廢氣淨化設備全部進行升級改造,則升級改造後,VOCs和PM2.5排放量範圍分別為(wei) 92.14~109.89/a和30.22~36.05t/a.這時,較大值均是以灶頭數為(wei) 核算基準計算獲得,較小值均是以就餐時間為(wei) 核算基準計算獲得。這表明淨化設備改造後就餐時間不再是影響排放量主要的約束因素。在實際監督管理過程中,應督促餐飲企業(ye) 及時進行餐飲廢氣淨化設備升級改造,進行餐飲業(ye) 用油量、灶頭數量和就餐人次的管控。根據以上結果,餐飲廢氣淨化設備升級改造後,餐飲源VOCs減排率為(wei) 71%~82%,PM2.5減排率達到80%~86%。

以街道為(wei) 單元,對VOCs和PM2.5排放量貢獻占比較大的街道為(wei) 展覽路街道(17.46%),月壇街道(12.68%),金融街街道(12.44%),德勝街道(8.73%)。通過餐飲企業(ye) 的位置、數量、排放量及地區占地麵積,獲得不同街道餐飲業(ye) VOCs和PM2.5年度排放強度分別為(wei) 1.45~4.32t/km2和0.47~1.42t/km2。其中VOCs排放強度較大的5個(ge) 街道分別為(wei) 陶然亭街道(4.32t/km2)、大柵欄街道(4.23t/km2)、新街口街道(4.03t/km2)、月壇街道(3.90t/km2)和金融街街道(3.08t/km2).餐飲源PM2.5排放強度較小的街道為(wei) 廣安門外街(0.47t/km2),排放強度較大為(wei) 陶然亭街道(1.42t/km2)。

為(wei) 驗證廢氣淨化設備升級改造前後對大氣中PM2.5含量的影響效果,選擇在7月(升級改造前)和10月(升級改造後)兩(liang) 個(ge) 時間段,對研究區域中餐飲企業(ye) 分布密集社區進行了PM2.5監測。鑒於(yu) 大氣汙染物存在明顯的季節變化,把實測值減去當月的平均值得到差值(PM2.5)進行對比(圖1)。從(cong) 圖1可看出,改造後PM2.5比改造前明顯降低,尤其在早餐(05:30~08:30)、午餐(10:30~13:30)和晚餐(16:00~19:00)時段。此外,由於(yu) 兩(liang) 次測值是在不同年段完成的,除排放外,大氣汙染物還會(hui) 受到天氣以及輸送變化的影響,導致個(ge) 別改造後的測值大於(yu) 改造前的。將對應的改造前後早午晚餐時段PM2.5進行了差異性檢驗,兩(liang) 獨立樣本非參數檢驗結果顯示各抽樣社區PM2.5濃度實測值在淨化設備改造前後變化呈現顯著性差異(P<0.05),即區域PM2.5排放濃度經過餐飲廢氣淨化設備升級改造後有明顯的降低。

通過實測值計算,在月壇街道鐵二二社區,牛街街道東(dong) 裏社區,金融街街道豐(feng) 匯園社區和大柵欄街道煤市街東(dong) 社區早中晚餐時段PM2.5分別減少了26.9%,25.1%,32.9%和30.8%.4個(ge) 社區平均減少了28.9%,較接近於(yu) 以用油量為(wei) 核算基準的排放因子降低比例。

圖1餐飲企業(ye) 分布密集社區廢氣改造設備升級前後實測PM2.5濃度比較

3.安科瑞AcrelCloud3500餐飲油煙監測雲(yun) 平台

為(wei) 了彌補現存餐飲行業(ye) 在煙油監測上的漏洞，同時便利監管部門的監察，安科瑞油煙監測雲(yun) 平台應運而生。油煙監測模塊通過2G/4G與(yu) 雲(yun) 端平台進行通信和數據交互，係統能夠對企業(ye) 餐飲設備的開機狀態、運行狀態進行監控；實現開機率監測，淨化效率監測，設施停運

告警，待清洗告警，異常告警等功能；對采集數據進行統計分析、排名等統計功能；較之傳(chuan) 統的靜電監測方案，更具實效性。平台預留與(yu) 其他應用係統、設備交互對接接口，具有很好的擴展性。

3.1平台結構

平台GIS地圖采集餐飲油煙處理設備運行狀態和油煙排放的濃度數據，自動對超標排放及異常企業(ye) 進行提示預警，監管部門可迅速進行處理，督促餐飲企業(ye) 整改設備，並定期清洗、維護，實現減排環保，不擾民等目的。現場安裝監測終端，持續監測油煙淨化器的工作狀態，包括設備運行的電流、電壓、功率、耗電量等等，同時結合排煙口的揮發性物質、顆粒物濃度等進行對比分析，一旦排放超標，係統會(hui) 發出異常信號。

■油煙監測設備用來監測油煙、顆粒物、NmHc等數據

■淨化器和風機配合對油煙進行淨化處理，同時對淨化設備的電流、電壓進行監測

■設備通過4G網絡將采集的數據上傳(chuan) 至遠程雲(yun) 端服務器

3.2平台主要功能

（1）在線監測

對油煙排汙數據的監測，包括油煙排放濃度，顆粒物，NmHc等數值采集監測；同時對監控風機和淨化器的啟停狀態、運行數據進行監測。

(2)告警數據監測

係統根據采集的油煙數值大小，產(chan) 生對應的排放超標告警；對淨化器的運行數據分析，上傳(chuan) 淨化設備對應的運行、停機、故障等告警事件。

(3)數據分析

運行時長分析，離線分析；告警占比、排名分析；曆史數據統計等。

(4)隱患管理

係統對采集的告警數據分析，產(chan) 生對應的隱患記錄，派發、處理隱患，及時處理告警，形成閉環。

(5)統計分析

包括時長分析、超標分析、曆史數據、分析報告等模塊。

(6)基礎數據維護

個(ge) 人信息、權限維護，企業(ye) 信息錄入，對應測點信息錄入等。

(7)數據服務

數據采集，短信提醒，數據存儲(chu) 和解析。

3.3油煙監測主機

油煙監控主機是現場的管理設備，實時采集油煙濃度探測器和工況傳(chuan) 感器的信號，進行數據處理，通過有線或無線網絡通訊將數據傳(chuan) 輸到服務器平台。同時，對本地數據進行存儲(chu) ，監控現場設備狀態，提供人機操作界麵。

具體(ti) 技術參數如下：

4.結語

1）通過對研究區域內(nei) 餐飲企業(ye) 進行實地檢測數據及活動水平調查,分別得到了基於(yu) 就餐人數、就餐時間、食用油用量和灶頭數4項核算基準的餐飲業(ye) VOCs和PM2.5排放因子,但4種核算基準的排放因子差異較大,需要進一步本地化檢驗。

2）本研究區域餐飲業(ye) 廢氣淨化設備升級改造前,VOCs排放量範圍為(wei) 319.03~506.38t/a,改造後為(wei) 92.14~109.89t/a；PM2.5排放量範圍改造前為(wei) 166.55~211.09t/a,改造後為(wei) 30.22~36.05t/a,經過餐飲業(ye) 廢氣淨化設備升級改造後VOCs及PM2.5排放量分別減少了71%~82%和80%~86%。

3）計算得到以街道為(wei) 單元的餐飲業(ye) VOCs及PM2.5排放強度,VOCs排放強度範圍1.45~4.32t/km2,PM2.5排放強度範圍0.47~1.42t/km2。通過餐飲源VOCs和PM2.5排放強度情況的定量計算,便於(yu) 有針對性的開展相應區域餐飲源大氣汙染物治理工作。

4）通過對典型社區PM2.5濃度(小時值)抽樣檢測餐飲廢氣淨化設備升級改造前、後PM2.5濃度平均減少比例為(wei) 28.9%,較接近於(yu) 用油量為(wei) 核算基準的排放因子降低比例。進一步說明餐飲業(ye) 廢氣淨化設備升級改造對於(yu) PM2.5減排。

【參考文獻】

[1]鄭君瑜,王水勝,黃誌烔,等.區域高分辨率大氣排放源清單建立的技術方法與(yu) 應用[M].北京:科學出版社,2014:124-161.

[2]張洋,支國瑞,薛誌剛,等.餐飲行業(ye) 活動水平調查及大氣汙染物排放清單編製研究[J].環境科學研究,2019,32(6):929-937.

[3]孫成一,白畫畫,陳雪,等.北京市餐飲業(ye) 大氣汙染物排放特征[J].環境科學,2020,41(6):2596-2601.

[4]馬殊瓊,林偉(wei) 立,夏建新.北京市典型城區餐飲業(ye) VOCs和PM2.5排放量估算[J].中國環境科學2021,41（5）：2090-2096

[5]安科瑞AcrelCloud-3500餐飲油煙監測雲(yun) 平台.2020.05版.

作者簡介：

侯文莉，女，現任安科瑞電氣股份有限公司，主要從(cong) 事餐飲油煙監測的研發與(yu) 應用。