城市高密集人群区域机动车污染物时空分布及健康影响

为了研究城市高密集人群所处环境中SO_2,NO_2及CO的污染水平及暴露风险,以高校校区为例,采用微型监测仪Cairpol对高校4个监测点(门口、公交站、交叉口及附近餐馆)在早高峰、非高峰、晚高峰3个时期的SO_2,NO_2及CO气体浓度进行了2周取样。利用统计学方法结合SPSS软件对4个监测点在同一时期的质量浓度变化、同一地点在3个时期的浓度变化及工作日与周末的浓度变化进行污染物时空分析。利用健康风险模型分析SO_2,NO_2及CO气体质量浓度可能对附近人群产生的健康风险。结果表明,所研究高校校区周边污染状况如下:CO质量浓度最低为0.27mg/m^3,最高为3.54mg/m^3。NO_2质量浓度最低为3.44μg/m^3,最高为210μg/m^3。SO_2质量浓度最低为19.63μg/m^3,最高为290μg/m^3。公交站、交叉口、餐馆处3处NO_2的最高浓度在非工作日晚高峰期超过国家浓度限值,有可能对周边人群产生健康影响。

考虑多种污染物时空分布的电力系统高维多目标优化调度策略

提出了一种全新的考虑多种污染物时空分布的电力系统高维多目标优化调度策略.首先,构建出一种真正适用于电力调度的火电厂污染物时空分布模型,首次将大气边界层的日变化考虑在内,充分体现了火电厂的污染物扩散特征,提升了结果的准确性;然后,结合各类污染物的时空分布特点及环境容量,建立同时减少发电成本、碳排放及PM_(2.5),SO_2,NO_2空气质量影响的高维多目标优化调度模型;最后,借助具有代表性的高维多目标优化算法获得近似的帕累托最优解集,并提出一种考虑目标特征与环境容量的多目标决策方法筛选折中解.采用自建的模拟城市案例以及广东省案例进行仿真,结果表明:所述调度方法不仅可以有效改善空气质量,还可根据环境容量的时空变化做出相应的调整,真正意义上实现经济、环保的电力调度.