火电CO_(2)排放连续监测的国际经验分析及启示

为了推动我国火电CO_(2)排放连续监测技术的发展应用、助力我国碳排放统计核算体系建设,本文在文献调研、专家研讨、技术剖析的基础上,以美国、欧盟等为重点,从应用机组类型、实施标准制定、失效应对措施、监测技术选型、关键技术研发、支撑火电低碳化发展、监测报告核查、测量准确度评价等8个方面,对国际火电CO_(2)排放连续监测的发展经验进行了分析。借鉴国际有益经验,结合我国火电CO_(2)排放连续监测的发展现状,提出发展建议:充分考虑技术应用特点和我国火电实际情况,研究制定配套政策法规;加快完善技术实施标准规范,增强标准的引领和支撑作用;强化对已有烟气流量计测量情况的统计分析,为相关工作开展提供参考;加强火电烟气流量测量研究工作,提升CO_(2)排放连续监测技术水平;推进数字化技术在监测报告核查中的应用,支撑CO_(2)排放连续监测的闭环管理;健全连续排放监测系统测量准确度评价标准体系,提升我国碳排放数据的国际认可度。

电炉炼钢中CO_(2)排放量监测及控制研究

传统电炉炼钢过程中,CO_(2)排放量监测及控制方法仅对CO_(2)排放量进行监测和控制,未对CO_(2)排放特征进行分析,导致传统方法控制效率较低。因此提出对电炉炼钢中CO_(2)排放量监测及控制研究。该研究对电炉炼钢过程中CO_(2)排放特征进行了分析。并根据分析结果,对CO_(2)排放总量进行监测,进而更快速的对CO_(2)排放量进行控制。实验结果表明,该研究方法具有更高的控制效率,具有实际应用价值。

云南省建筑业CO_(2)排放峰值及达峰时间预测

建筑业减碳是助力我国实现碳达峰、碳中和目标的重要抓手。运用决策试行与评价实验室(DEMATEL)方法从直接碳排放、间接碳排放、运行碳排放和环境代价四个维度对云南省建筑业CO_(2)排放影响因素予以了系统分析。在此基础上采用系统动力学构建出云南省建筑业CO_(2)排放系统仿真模型,从而揭示预测出不同情境下云南省建筑业CO_(2)排放的预期峰值和时间。模拟结果表明:在高碳情景下,云南省建筑业将于2038年实现碳达峰,峰值为1091.33百万吨;而在低碳情景和基准情景下,云南省建筑业将于2035年实现碳达峰,其峰值分别为455.91百万吨、942.04百万吨。最后,给出促进云南省建筑业低碳发展的对策建议。

面向地质封存及其泄漏风险评价的CO_(2)物联网在线监测

CO_(2)地质封存可以在控制CO_(2)排放的同时兼顾社会经济发展,已成为实现双碳战略目标必不可少的技术途径。然而,在CO_(2)地质封存过程中,由于封存的CO_(2)存在向封存区外泄漏或渗漏的风险,这可能对环境以及周围生物造成严重影响。因此,CO_(2)地质封存的安全性和有效性风险需要得到持续的监测,对于潜在泄漏的监测与识别是碳封存系统安全保障的关键环节。物联网在线监测技术具有的大范围、连续监测和智能分析等特征,较好地契合了地质封存场地的监测需求,但目前还没有在封存监测领域进行大规模应用。为了建立面向地质封存场地的物联网在线监测系统,首先介绍了传感器选择和传感器节点部署的依据,并提出了底层传感技术的设计思路,展示了已完成的碳排放在线监测系统。在传感器选择方面,采用红外CO_(2)传感器为主、激光CO_(2)传感器为辅、FT-IR巡逻监测的设计思路。在传感器节点部署方面,采用随机部署与固定部署结合,可移动部署实时优化的设计思路。在网络拓扑结构设计方面,在高泄漏风险的重点区域采用簇状拓扑和网状拓扑混合的方式,在边缘区域则采用星状拓扑、树状拓扑结构与主体区域相连的设计思路。未来伴随着传感器批量化和微型化生产的不断推进,传感器节点的分布组网将逐渐形成规模,物联网在线监测技术将在CO_(2)地质封存场地的监测领域发挥更为重要的作用。

陆地生态系统土壤CO_(2)排放对模拟增温的响应特征及影响因素

全球变暖已经成为不争的事实,陆地生态系统碳循环的研究受到了各界广泛关注,是当前全球变化研究中的重点。土壤CO_(2)排放是陆地生态系统与大气间二氧化碳交换的最大通量之一,当前陆地生态系统中土壤CO_(2)排放如何响应全球气候变暖及其影响因素仍不清楚,限制了对土壤碳循环过程及影响机制的深入认识。旨在明确全球变暖背景下陆地生态系统中土壤CO_(2)排放格局及影响因素。基于Web of Science、PubMed和中国知网等中英文期刊数据库,充分收集全球范围内的相关野外试验文献81篇,提取出65个研究位置和213组相关研究数据,采用Meta分析方法探讨陆地生态系统土壤CO_(2)排放对增温的响应特征,分析其与海拔、气候、土壤含水量、容重(BD)、pH、全氮(TN)和土壤有机碳(SOC)的相关关系。结果表明:陆地生态系统中土壤CO_(2)排放对增温整体有显著的正向响应,在农、林、草生态系统中,增温使土壤CO_(2)排放分别显著增加13.1%、18.0%、5.9%(P<0.05),森林生态系统对增温响应的正效应最强烈;增温能在短时期内促进土壤呼吸,但随着增温持续时间增加,土壤呼吸对温度的敏感性会降低,对温度变化产生适应性,从而使其对增温的响应能力减弱;响应特征受到环境因子、土壤特性以及其他试验条件等的影响,绝大多数条件下对增温表现出显著的正响应特征,不同影响因子之间共同作用、相互影响。增温通常能够改变植物生物量、土壤养分含量及微生物数量和活性,从而影响到植被根际呼吸和土壤呼吸速率。相关分析表明,海拔对土壤CO_(2)排放有显著负向影响,而年均气温、年均降水量、土壤含水量和仪器嵌入土壤深度则对土壤CO_(2)排放产生显著正向影响。这些结果对于理解全球土壤CO_(2)排放的时空变化格局有重要意义,也为准确评价全球变暖背景下土壤碳汇功能及其持续性提供理论依据。

秸秆还田配施氮肥对黑土玉米田土壤CO_(2)排放与碳平衡的影响

为探寻不同秸秆还田方式配施氮肥对黑土玉米田土壤CO_(2)排放与碳平衡的影响,于2023年开展大田试验,设置秸秆离田(S0,对照)、秸秆覆盖还田(S1)、秸秆旋耕还田(S2)3种秸秆还田方式,同时设置常规施加氮肥(N,250kg/hm^(2))与不施加氮肥(W,0kg/hm^(2),对照)2种施氮模式,共计6个处理。测定不同处理下玉米生育期土壤CO_(2)排放通量以及玉米收获后土壤有机碳(SOC)、可溶性有机碳(DOC)、微生物量碳(MBC)含量,探究土壤CO_(2)累积排放量与SOC、DOC、MBC含量的关系,并分析黑土玉米田生态系统碳平衡状况。结果表明:各处理中土壤CO_(2)累积排放量从大到小依次为S2N、S1N、S0N、S2W、S1W、S0W,其中S2N处理土壤CO_(2)累积排放量较S0W处理显著增加70.31%(P<0.05)。在相同施氮模式下,秸秆还田能够有效增加SOC、DOC、MBC含量,且土壤CO_(2)累积排放量与SOC、DOC、MBC含量呈正相关关系。不同秸秆还田方式配施氮肥下,S1N处理玉米产量最高,为13534.4kg/hm^(2),作物碳排放速率最低,为0.122kg/kg。不同秸秆还田方式配施氮肥下黑土玉米田生态系统碳平衡值均为正值,表现为较强的碳“汇”,其中S1N处理碳平衡值和土壤固碳潜力最大,较其他处理分别增加13.12%~94.05%、3.49%~25.32%。综上所述,在本试验条件下,秸秆覆盖还田+常规施氮(S1N处理)可以实现黑土玉米田土壤固碳减排和作物增产目的。

动态省级电力CO_(2)排放因子对区域碳达峰路径的影响

电力CO_(2)排放因子是精准核算消费端间接排放的重要参数,也是准确量化消费端CO_(2)排放路径的核心指标。本文首次探究了2020—2035年省级电力CO_(2)排放因子的时空特征并与官方来源因子进行对比,全面整合了历史直接排放数据以及精准量化电力消费间接排放的重要性,详细预测了不同情景下2020—2035年省级电力消费间接排放及各省排放路径并量化不同时空精度电力CO_(2)排放因子对各省排放路径的影响。研究表明:(1)2020—2035年,各省电力CO_(2)排放因子呈现持续下降趋势,而现有公开的电力CO_(2)排放因子与本研究省级水平相比存在差异;(2)2010—2020年,电力净调入省份的电力消费间接排放及其占比逐渐增加,北京、上海、浙江等省份占比最高;(3)在情景1和情景3(全国、省级维度因子固定不变情景)下,各省的电力消费间接排放和总排放显著高于情景2和情景4(全国、省级维度因子动态变化情景)的估算结果;情景1和情景2(全国维度因子固定不变、动态变化情景)与情景3和情景4(省级维度因子固定不变、动态变化情景)中的估算结果差异较大;对于如北京、上海、广东等电力消费间接排放占比较大的省份,选取不同空间精度的电力CO_(2)排放因子对其排放总量影响较为明显,进一步导致相关达峰年的偏移。研究结论对支撑各省碳达峰路径规划、降低电力消费间接排放预测的不确定性具有参考价值。

基于VECTO软件的重型车CO_(2)排放敏感性分析

为了研究重型车特性参数对CO_(2)排放的影响,以中国厢式货车、不同运行工况下的欧洲C2级货车和欧洲城际客车为例,采用VECTO软件测算车辆的滚阻系数、风阻系数、轮胎动力学半径、附件最大总功率、主减速器和变速箱机械效率及转矩损失等参数对CO_(2)排放的影响,分析不同参数变化对CO_(2)排放测算结果变动的敏感性。结果表明,滚阻系数、风阻系数、附件总功率、主减速器和变速箱各挡位转矩损失参数变动幅度与车辆CO_(2)比排放变动幅度基本呈正线性相关,各参数20%的变动幅度最大将引起4.4%、7.2%、1.9%、1.2%和1.4%的CO_(2)比排放变动幅度;轮胎动力学半径变动幅度对CO_(2)的影响为非线性关系,负的轮胎动力学半径变动幅度引起的CO_(2)排放变动幅度要高于正的变动幅度,−20%的轮胎动力学半径变动幅度最大将引起7.1%左右的CO_(2)比排放变动幅度;主减速器和变速箱各挡位的机械效率变动幅度与CO_(2)比排放变动幅度呈负线性相关,−2.8%左右的机械效率偏差引起2.3%左右的CO_(2)比排放变动幅度。研究结果可为重型车节能降碳改进设计提供参考。

大气CO_(2)浓度升高背景下优化施氮对淹水稻田CH4排放的影响

为探讨未来气候变化条件下,合理管理氮肥以充分协调水稻产量与温室气体排放量之间的矛盾,实现低碳排放并保持水稻产量,本研究探讨了大气CO_(2)浓度升高120μmol·mol^(-1)与氮肥减施40%对淹水稻田水稻生产及CH4排放的影响及机理。利用开顶式气室(OTC)组成的CO_(2)浓度自动调控平台设置4个处理,即环境CO_(2)浓度+施氮250 kg·hm^(-2)(CK)、大气CO_(2)浓度升高120μmol·mol^(-1)+施氮250 kg·hm^(-2)(C+)、环境CO_(2)浓度+施氮150 kg·hm^(-2)(N-)、大气CO_(2)浓度升高120μmol·mol^(-1)+施氮150 kg·hm^(-2)(C+N-),分析了稻田CH4累积排放量(CAC)、水稻生物量及产量、土壤理化性质及酶活性等指标。结果表明:与CK处理相比,C+处理使CAC/产量显著提高了16.93%,N-处理使CAC/产量显著降低了13.33%,C+N-处理使CAC/产量降低了7.89%,但不显著;N-处理在一定程度上削弱了C+处理对CAC、CAC/产量、水稻生物量、土壤可溶性有机碳含量的促进作用;逐步回归分析表明,基于可溶性有机碳和硝态氮含量及土壤脲酶活性的线性模型,可解释稻田CH4累积排放64%的变异。综上,在大气CO_(2)浓度升高条件下,氮肥减施可通过影响土壤碳、氮基质及土壤脲酶活性来调节稻田CH4排放。

大气CO_(2)浓度缓增、骤增和不同施氮水平对稻田CH4排放的影响

为探究大气CO_(2)浓度缓增、骤增和不同施氮水平对稻田CH_(4)排放的影响,基于CO_(2)浓度自动调控平台开展水稻试验,以“南粳9108”为试验品种,采用静态箱-气相色谱法测定CH_(4)通量。在背景大气CO_(2)浓度(CK)的基础上,设置CO_(2)浓度缓增(C_(1)处理,从2016年开始逐年增加40μmol·mol^(-1),至2018年增加120μmol·mol^(-1))和骤增(C_(2)处理,CO_(2)浓度每年均增加200μmol·mol^(-1))处理;在常规施氮量(N 1处理,25 g·m^(-2))的基础上设置氮肥减施处理(N_(2)处理,15 g·m^(-2))。结果表明,CO_(2)浓度缓增、骤增和不同施氮量均没有改变稻田CH_(4)通量的季节变化规律,总体上呈现先增加后减小的趋势。在整个生育期,CO_(2)浓度缓增、骤增对稻田单位产量CH_(4)排放量无显著影响。在C_(2)条件下,与N 1处理相比,N_(2)处理水稻产量显著降低45.2%(P=0.037),同时稻田单位产量CH_(4)排放量显著增加63.3%(P=0.008)。综上所述,随着CO_(2)浓度升高,氮肥减施至15 g·m^(-2)会减少水稻产量,同时增加稻田单位产量CH_(4)排放。

中国钢铁行业CO_(2)排放特征和减排路径研究——基于ARIMA-LEAP模型

为了消除对于未来粗钢、钢材以及生铁产量预测主观性,基于时间序列中的ARIMA模型,对未来相关产量进行客观预测,构建了中国钢铁行业ARIMA-LEAP模型,并以2020年为基准年,每5a为时间节点,研究了2020~2030年中国钢铁行业不同情景下全流程及各工序的CO_(2)排放情况.在技术进步中考虑了氢还原炼铁技术,在能源结构调整中考虑了发电方式调整,在此基础上分别设置了4种单一情景和4种组合情景来研究其减排潜力.结果表明,4种组合情景下的含有规模减排的3种组合情景CO_(2)减排潜力均高于单一情景.其中SUR+TER､SUR+STR和综合减排情景可以在2030年实现达峰,达峰年均为2021年,达峰时CO_(2)排放量分别为13.225亿t､13.359亿t和13.289亿t.单一情景中相较于基准情景CO_(2)减排量由高到低依次为:规模减排情景(SUR)、结构减排情景(STR)、技术减排情景(TAR),在2030年相对于基准情景的减排量分别为493.1Mt、247.8Mt以及105.1Mt.借助LEAP模型的能源核算以及CO_(2)排放核算功能,研究了综合减排情景下2020~2030年不同工序,不同能源的CO_(2)排量,其中CO_(2)排放较多的3个工序为炼铁､轧钢以及烧结工序,产生CO_(2)较多的4种能源为洗精煤、喷煤粉、电力以及焦炭,其中洗精煤CO_(2)排放量更是达到10Bt级,而其余3种能源也达到Bt级.确定了中国钢铁行业CO_(2)排放特征.对技术减排以及结构减排成本进行简单比较,制定中国钢铁行业CO_(2)减排路径.

基于卫星遥感的中国人为CO_(2)与大气污染物排放协同关系

基于多源卫星遥感数据和大气输送模型研究我国人为CO_(2)与大气污染物(NO_(2)和CO)排放协同关系以及新冠疫情管控期间污碳排放变化特征.结果表明:高人为CO_(2)排放对应高浓度的NO_(2)和CO排放,以省级行政区为单位的2018~2020年非生长季XCO_(2)异常与XNO_(2)的相关性(r=0.79)高于与XCO的相关性(r=0.61),且高人为CO_(2)排放地区燃烧排放效率更高;2020年2月(疫情管控期)我国XCO_(2)异常、XNO_(2)、XCO下降的区域范围为2019年2月(疫情同比期)面积的50%、70%和49%,2020年2月XCO_(2)异常与XNO_(2)的相关性(r=0.71,P<0.01)高于2019年2月(r=0.59,P<0.01),而XCO_(2)异常与XCO的相关性(r=0.44,P<0.01)低于2019年2月(r=0.68,P<0.01);受大气输送的影响,2020年2月京津冀受西南方向人为排放地区输送的影响高于2019年2月,而长三角受北部长距离输送的影响降低,珠三角受大气输送的影响最小.研究结果表明卫星遥感可有效用于区域污碳协同排放时空变化特征监测.

CO_(2)浓度缓增对冬小麦田N_(2)O排放的影响

为研究CO_(2)浓度缓增对冬小麦田N_(2)O排放的影响,利用由开顶式气室(OTC)组成的CO_(2)浓度自动调控平台,扬麦22号为供试材料开展田间试验。将大气CO_(2)浓度作为对照(CK),设置CO_(2)浓度缓增处理C_(80)(CO_(2)浓度缓慢增加80μmol/mol)和C_(120)(CO_(2)浓度缓慢增加120μmol/mol)。结果表明,CO_(2)浓度缓增处理没有改变小麦田N_(2)O排放通量的季节性变化特征。在2017-2018年冬小麦生长季,CK、C_(80)处理土壤N_(2)O累积排放量分别为(25.49±3.33) mg/m^(2)、(26.83±3.21) mg/m^(2);2018-2019年冬小麦生长季,CK、C_(120)处理土壤N_(2)O累积排放量分别为(113.06±2.66) mg/m^(2)、(121.20±9.28) mg/m^(2)。在2017-2018年冬小麦生长季,CK、C_(80)处理土壤-冬小麦系统N_(2)O累积排放量分别为(25.99±1.39) mg/m^(2)、(29.83±4.20) mg/m^(2)。各生育期土壤N_(2)O累积排放量与冬小麦地上部分生物量呈极显著正相关(P<0.01),土壤-冬小麦系统N_(2)O累积排放量与冬小麦地上部分生物量呈极显著正相关(P<0.01)。

徐州市不同行业CO_(2)排放量测算及减排措施

在城市发展过程中,准确计算城市碳排放量对优化和指导CO_(2)减排路径至关重要。通过收集26年的徐州统计年鉴,运用碳排放因子法计算了徐州市化石能源、家庭燃气、水泥、钢铁、化工、电力和交通运输的CO_(2)排放量。结果发现徐州市1995—2020年各行业CO_(2)排放量情况为:化石能源消费CO_(2)排放量为2.765 18×10^(7)~1.335 63×108t,家庭燃气CO_(2)排放量为0.931×10^(5)~5.275×10^(5)t,水泥行业CO_(2)排放量为1.050 185×10^(7)~3.894 500×10^(7)t,钢铁行业CO_(2)排放量为0.565 9×10^(6)~8.195 7×10^(6)t,化工行业CO_(2)排放量为0.722 8×10^(6)~4.411 4×10^(6)t,电力行业CO_(2)排放量为0.690 87×10^(7)~3.339 01×10^(7)t,交通运输CO_(2)排放量为0.658 0×10^(6)~7.340 3×10^(6)t。徐州市政府应根据各行业CO_(2)排放特点,从加大政策扶持、加强碳汇利用、倡导低碳发展和研发清洁能源等角度合理制定减碳措施。

电力行业CO_(2)排放量预测及减排路径——以徐州市为例

基于1996—2022年《徐州统计年鉴》数据,分析徐州市电力行业CO_(2)排放特征,参考宾婵佳等的方法测算徐州市电力行业CO_(2)排放量,运用BP神经网络模型对2022—2030年徐州市电力行业CO_(2)排放量进行预测.结果表明:1995—2021年徐州市电力行业CO_(2)排放量为1002.684~4462.032万t;单位煤耗CO_(2)排放系数从1995年的1.027 t/MWh上升到1998年的1.043 t/MWh,再下降到2021年的0.820 t/MWh.不同情景下,徐州市电力行业CO_(2)排放量的预测值与实际值的独立样本t检验结果表明,运用BP神经网络模型预测电力行业CO_(2)排放量是可行的.预测结果显示,到2030年,徐州市电力行业CO_(2)排放量在基准情景下为5382.358万t,低碳情景下为4481.523万t,强化低碳情景下为4077.167万t.提出了徐州市电力行业可从发电端、电网端和消费端实施碳减排措施.

施氮对陇中黄土高原旱作麦田N_(2)O和CO_(2)排放的影响

【目的】探究陇中黄土高原半干旱区旱作麦田土壤N_(2)O和CO_(2)排放对不同施氮量的响应,阐明旱作麦田N_(2)O和CO_(2)排放特征及其主要影响因素,以期为该地区旱作麦田温室气体减排和氮肥管理提供依据。【方法】以陇中黄土高原旱作麦田为研究对象,采用大田定位试验和室内指标测定相结合的方法,布设CK(不施肥)、LN(低量氮肥)、MN(中量氮肥)和HN(高量氮肥)共4个施氮梯度,分析不同施氮量对旱作麦田土壤硝态氮(NO_(3)^(-)-N)、铵态氮(NH_(4)^(+)-N)、有机碳(SOC)、土壤温度、含水量及土壤N_(2)O和CO_(2)排放的影响。【结果】0~10 cm土层土壤中,HN、MN、LN较CK处理,NO_(3)^(-)-N平均含量增幅为21.55%、26.06%和34.11%;NH_(4)^(+)-N平均含量增幅为21.77%、31.42%和39.20%;SOC平均含量增幅为20.43%、25.80%和35.9%。HN、MN、LN较CK处理,N_(2)O累计排放量增幅为78.63%、130.47%、217.51%;CO_(2)累计排放量增幅为5.73%、10.63%、21.75%。皮尔逊相关关系表明,不同施氮处理中,麦田0~10 cm土层土壤中NO_(3)^(-)-N、NH_(4)^(+)-N和SOC平均含量与N_(2)O、CO_(2)累计排放量呈极显著正相关关系(P<0.001),土壤温度与N_(2)O和CO_(2)累计排放量呈显著正相关关系(P<0.05),土壤含水量与N_(2)O累计排放量呈显著的负相关关系(P<0.05),与CO_(2)累计排放量相关关系不显著。【结论】施氮可以增加黄土高原旱作麦田表层土壤中NO_(3)^(-)-N、NH_(4)^(+)-N和SOC含量,进而增加了N_(2)O和CO_(2)累计排放量,是该地区麦田N_(2)O和CO_(2)排放的主要驱动因子,表层土温和土壤含水量也一定程度上影响着N_(2)O和CO_(2)的排放。

工业烟气CO_(2)的排放特征、测试及捕集技术研究

CO_(2)是主要的温室气体,减排CO_(2)应对气候变化已成为国际共识,工业烟气是重要的人为CO_(2)排放源。对工业烟气CO_(2)的排放特征、主要测试及治理技术进行了系统的分析和研究:电力、钢铁、水泥等工业行业排放烟气中CO_(2)浓度分别在9.7%~15%、2%~28%、11%~29%;CO_(2)测试技术主要有非分散红外吸收法、气相色谱法、光谱法、化学吸收法等,其中,非分散红外吸收法在国内外应用最为成熟,是目前主流的固定源CO_(2)测试技术;CO_(2)捕集技术主要有吸收法、吸附法、膜分离法、深冷法等,其中,化学吸收法广泛用于低浓度CO_(2)烟气(体积浓度≤30%)捕集。研究结果可为后续工业大幅降碳提供借鉴。

基于远程监测的北京市柴油车实际道路NO_(x)与CO_(2)排放特征

采用远程在线监测技术对北京市典型柴油车的实际道路运行参数进行监测,并基于标准PEMS测试设备与远程在线监测同步对比测试,分析远程在线监测技术的数据一致性,研究建立适用于北京市柴油车的微观运行模态划分方法,并基于微观运行模态分析典型柴油车的NO_(x)和CO_(2)排放特征.研究结果表明:1)远程在线监测的柴油车NO_(x)和CO_(2)排放率与PEMS测试数据的线性拟合R^(2)均高于0.99;2)基于建立的北京市柴油车的微观运行模态划分方法,北京市柴油车的微观运行模态划分结果符合正态分布,实现将车辆微观运行工况进行均匀划分的目的;3)在不同车速范围内,不同类型车辆的NO_(x)和CO_(2)排放因子呈现出不同的变化趋势,国六排放车辆的NO_(x)排放因子普遍低于国五排放,NO_(x)综合排放因子最高的为国五重型柴油车(7.63±0.57)g/km;随着吨位增加,柴油车CO_(2)排放因子会呈不同程度的增加且国六重型柴油车CO_(2)相对较高,主要原因可能是国六车相对复杂的后处理系统增加了燃油的消耗.

延长油田CO_(2)大气扩散数值模拟研究及监测点位优化

由于陕北地区局部气象环境复杂,造成CO_(2)浓度扩散方向的不确定性,同时,延长油田地处黄土塬,地貌沟壑纵横高低起伏,导致布置CO_(2)大气监测点位困难。本文基于Fluent软件模拟了不同泄漏情景下CO_(2)驱油与封存泄漏后在大气中的扩散规律,优化监测点位布局,并开展了监测实践。研究结果表明:随着风速的不断增加,CO_(2)云的浓度在纵向上呈现出一直缩小的趋势,但是CO_(2)云的浓度在横向上的扩散距离呈现出先增大后缩小的趋势;当风速为2.0 m/s时,CO_(2)云的扩散距离最远为47 m,浓度最大的CO_(2)云扩散距离为15 m;随着泄漏速度的增大,近地表处CO_(2)云的浓度无论是在纵向上还是在横向上都在不断增大;当泄漏速度小于0.4 m/s时,随着泄漏速度的增加,CO_(2)云的扩散距离增加得较快;当泄漏速度大于0.4 m/s时,随着泄漏速度的增加,CO_(2)云的扩散距离增加速率变缓。结合模拟结果、陕北地区气象环境、裂缝发育方向、“注气”优势方向和近地表植被高度,确定监测点位布局:方向上为北东—南西向;平面上为距离井口下风向15 m;纵向上为采样高度50 cm。CO_(2)浓度大气监测点的监测结果表明并未发生泄漏。

中国省级能源消耗CO_(2)排放状况及未来趋势分析

制定“碳减排”措施需要信息支持,为获得必要的辅助信息,首先用动态时间规整聚类方法将中国30个省份按CO_(2)排放的相似性划分为4种类型,再对每种排放类型用LASSO回归模型识别出总CO_(2)排放量的关键排放源,最后用长短期记忆和门控循环单元神经网络模型预测了4种场景下的排放量,并探索“碳达峰”路径。结果显示:类型1和2的关键排放源是交通运输业的柴油、发电供热行业的原煤和非金属矿物产品部门的生产过程(水泥);类型3的关键排放源是发电供热行业的原煤和钢铁行业的焦炭,类型4的关键排放源是交通运输业的汽油、发电供热行业的原煤以及非金属矿物产品部门的生产过程(水泥)。针对当前的“碳达峰”目标,在基准场景下所有类型都不能按时达峰;在达峰任务方面,类型3的省份比其它各类型的省份任务更为艰巨。