不同航班季节下民航飞机LTO循环颗粒物排放特性—以北京首都国际机场为例

曲春刚, 匡家骏, 晏嘉伟. 不同航班季节下民航飞机LTO循环颗粒物排放特性—以北京首都国际机场为例[J]. 环境工程学报, 2022, 16(8): 2640-2652. doi: 10.12030/j.cjee.202112212
引用本文: 曲春刚, 匡家骏, 晏嘉伟. 不同航班季节下民航飞机LTO循环颗粒物排放特性—以北京首都国际机场为例[J]. 环境工程学报, 2022, 16(8): 2640-2652. doi: 10.12030/j.cjee.202112212
QU Chungang, KUANG Jiajun, YAN Jiawei. Studies on LTO cyclic particulate emission characteristics of civil aircraft in different flight seasons-A case study of Beijing Capital International Airport[J]. Chinese Journal of Environmental Engineering, 2022, 16(8): 2640-2652. doi: 10.12030/j.cjee.202112212
Citation: QU Chungang, KUANG Jiajun, YAN Jiawei. Studies on LTO cyclic particulate emission characteristics of civil aircraft in different flight seasons-A case study of Beijing Capital International Airport[J]. Chinese Journal of Environmental Engineering, 2022, 16(8): 2640-2652. doi: 10.12030/j.cjee.202112212

不同航班季节下民航飞机LTO循环颗粒物排放特性—以北京首都国际机场为例

    作者简介: 曲春刚(1979—),男,硕士,副教授,pqbird@sina.com
    通讯作者: 曲春刚(1979—),男,硕士,副教授,pqbird@sina.com
  • 基金项目:
    中央高校基本科研业务费项目(2020YJS003);中国民航大学开放基金资助项目(000031020102)
  • 中图分类号: X513;V235

Studies on LTO cyclic particulate emission characteristics of civil aircraft in different flight seasons-A case study of Beijing Capital International Airport

    Corresponding author: QU Chungang, pqbird@sina.com
  • 摘要: 飞机的颗粒物排放会造成环境影响。为评估不同航班季节下颗粒污染物排放水平,采用基于黑碳形成氧化法(FOX)的改进计算方法对非挥发性颗粒物(PMnvol)排放指数进行了估算。使用B777、A320、A321、A330、B738机型历史QAR数据中空气流量、燃油流量等发动机参数,计算不同航班季节下多个LTO循环颗粒污染物排放指数及排放量。结果表明:在北方夏季气温较冬季大幅上升时,尽管PMnvol排放指数呈下降趋势,但受燃油消耗率增加的影响,A320、A321、B738等主要机型颗粒物排放量显著升高,夏秋航季单次LTO循环较冬春航季分别升高了15.3、13.8、13.4 g,其涨幅为18.6%、21.3%、17.7%;B777等推力较大机型在夏秋季及冬春季燃油消耗率变化不大,夏秋航季单次LTO循环颗粒物排放量较冬春航季略低,降幅仅3%,约4.1 g;以北京首都国际机场实际起降数据为例,以上主要机型夏秋航季较冬春航季颗粒物总排放量分别增加了0.5、1.6、1.7、1.6、3.7 t。本研究表明,各机型不同航季下颗粒污染物排放差异显著,其影响不可忽视。以上飞机颗粒物排放特性分析结果可为民航业建立完整排放清单,实现航空发动机污染的精确管控提供参考。
  • 在饮用水处理过程中,氯因其持久氧化性及经济性是目前最为常用的氧化剂和消毒剂。然而,氯与有机物反应会生成多种具有致畸性、致癌性消毒副产物(disinfection by-products,DBPs)。我国《生活饮用水卫生标准》(GB 5749-2022)对三卤甲烷(trihalomethanes,THMs)和卤乙酸(haloacetic acid,HAAs)进行了明确管控。除了已知的包括THMs、HAAs、卤代苯酚、亚硝铵等多种DBPs之外,饮用水中还存在着大量具有较高潜在毒性风险的未知DBPs。

    活性炭(activated carbon,AC)作为一种高效、经济的吸附剂广泛应用于饮用水厂和家用净水过滤系统中[1]。在预处理阶段,粉末活性炭常用于解决突发性微量污染物问题[2]。在净水过滤器中,AC可以作为其吸附剂的主要组分[3]。因此,在预处理阶段或者家用净水器端,AC不可避免的会与氯接触。之前的研究发现[4],AC本身也可与氯反应生成毒性更强的DBPs。且由于AC的催化作用,其可催化次氯酸产生氯自由基(Cl·),导致不同的氯化产物。BULMAN等[5]发现,氯光解过程中形成的多种活性氧化剂会诱导形成新兴的氯化DBPs。VOUDRIAS等[6]也发现AC会促进游离氯氧化酚类物质形成新的副产物。此外,AC作为优良的吸附剂既可以吸附溶解性天然有机物(dissolved organic matter,DOM),也可以吸附生成的DBPs,导致其对DOM氯化过程中DBPs的生成具有复杂的影响效应。因此,深入探究AC对DOM氯化过程中产生DBPs释放风险的影响具有重要意义。

    傅立叶变换离子回旋共振质谱(fourier transform ion cyclotron resonance mass spectrometry,FTICR-MS)是一种高分辨率质谱仪器。为了分析的精确性,其采用较长的采集时间和上百次的谱图叠加[7],用于检测DOM中的分子结构,也可鉴定高分子质量的有机化合物[8-9]。FTICR-MS可通过分子式的元素比率和芳香度信息来分析DOM的组分特征,从而研究DOM与生物、自然介质之间的关系[10]。ZHANG等[11]通过FTICR-MS对不同分子质量DOM馏分的光学和分子特征进行了研究,发现高度不饱和的芳香族物质富含电子,其与次氯酸表现出高反应性。AC氯化后会生成分子质量为1 000~10 000 Da的副产物,但具体的种类及AC对DOM氯化的影响机制还尚未明确。

    因此,本研究通过以是否在氯化过程中投加AC为变量,达到以下目的:1)研究AC对DOM氯化过程中产生已知DBPs的影响,并评价其出水产物毒性;2)通过FTICR-MS技术识别并明确AC对DOM氯化过程中产生的氯化产物种类的影响;3)通过FTICR-MS技术阐明AC对氯化过程中DOM特性转化的影响。

    本研究中使用的DBPs标准品为色谱纯,购自Accu Standard公司(美国);甲基叔丁基醚(methyl tert-butyl ether,MTBE)为色谱纯,购自北京百灵威科技有限公司;无水硫酸钠(Na2SO4)、碳酸氢钠(NaHCO3)、浓硫酸(H2SO4)、硫代硫酸钠(NaS2O3)和次氯酸钠(NaClO)均为分析纯,购自国药集团化学试剂有限公司;AC购自宁夏光华活性炭有限公司,选取椰壳炭的物理性质包括碘值1 030 mg·g−1,比表面积1 114 m2·g−1,平均孔径3.61 nm,总孔隙体积0.78 m2·g−1,微孔和介孔体积分别为0.3 m2·g−1和0.46 m2·g−1;其表面官能团结构包括碱性、酸性、酚醛、羧基和内酯基团的含量为0.58、0.50、0.11、0.38和0.02 mmoL·g−1。AC均用去离子水洗涤至滤液pH呈中性,在115 ℃下干燥12 h后,将其制备成1 g·L−1的悬浊液。原水(raw water,RW)取自中国北京京密引水渠,本研究所用的实验水样参数:pH=8.27,浊度为1.28 NTU,以CaCO3计的碱度和硬度分别为83.38 mg·L−1和111.00 mg·L−1,UV254为0.023 cm−1,溶解性有机碳(dissolved organic carbon,DOC)为2.21 mg·L−1

    将AC悬浊液超声后加入到1 L 0.1 mmol·L−1 NaClO的超纯水和RW中,AC质量浓度为10 mg·L−1,使用10 mmol·L−1磷酸盐缓冲液将溶液的pH调整为7.5,同时设计另一组实验,先使用AC对RW中的DOM进行吸附,再加氯进行反应。磁力搅拌24 h,检测反应0.5、1、2、24 h后水样中THMs和HAAs的浓度,同时对反应24 h的样品进行FTICR-MS分析,使用Na2S2O3淬灭余氯并利用0.45 μm的膜过滤去除AC,滤后水中加入5 g无水Na2SO4,使用MTBE作为萃取剂提取水样,HAAs还需甲醇酸化处理,使其衍化为卤乙酸甲酯,测定DBPs以及其他指标。

    THMs和HAAs的测定参考美国环境保护署标准方法(USEPA Standard Methods 551.1和552.3),THMs和HAAs的回归曲线如图1所示。测定的4种DBPs(TCM、CAA、DCAA、TCAA)采用配备电子捕获检测器(Agilent Technologies,Santa Clara,CA,USA)的气相色谱仪(Agilent 7 890,Santa Clara,USA)进行分析[12]。气相色谱柱为HP-5型的熔融石英毛细管柱(30 mm×0.25 mm内径,薄膜厚度为0.25 mm)。氯化反应开始前的溶液使用pH计(HACHHQ 40 d,Loveland Colorado,USA)校准成中性。余氯使用N,N-二乙基对苯二胺(DPD)方法进行测定,结果以mg·L−1的Cl2表示(HACH Pocket ColorimeterII,Loveland Colorado,USA)。总有机碳分析仪(total organic carbon,TOC,Elementar公司,德国)测定AC滤后水中DOC的浓度。溶液中的有机物含量使用紫外分光光度计(UV-6 100型,中国上海)进行测定。在5,5-二甲基-1-吡咯啉-N-氧化物(DMPO)作为捕获剂的条件下,采用电子自旋共振波谱仪(electron spin resonance,ESR,A300-10/12型Bruker公司,德国)检测自由基。

    图 1  THMs和HAAs的回归曲线
    Figure 1.  Regression curves for THMs and HAAs

    仪器参数与操作步骤使用配备有15.0 T超导磁体和电喷雾电离源的FTICR-MS(Bruker Solari X型)对样品的分子组成进行分析。样品在负离子模式下进行测试,进样方式为连续进样,进样速度为150 μL·h−1,毛细管入口电压为4 kV,离子累积时间为0.08 s,相对分子质量采集范围为100~1 000 Da,采样点数为4 ppm,时域信号叠加300次以提高信噪比.上机测试前用10 mmol·L−1甲酸钠对仪器进行校正,样品检测完成后用可溶性有机质(已知分子式)进行内标校正。经过校正后,检测的质量误差均小于1 ppm。样品检测时取原水样品200 μL,过0.22 μm滤膜以去除颗粒物等杂质,然后用甲酸酸化水样,逐滴加入甲酸直至水样pH调节至2。然后对水样中的DOM进行SPE固相萃取(萃取柱型号为Agilent Bond Elut PPL(1.0 g,6 mL)。H/Cw、O/Cw和碳归一化双键当量(DBE/Cw)等分子式参数根据每个样品中指定分子式的相对强度加权平均值计算得出[13]。数据采用DOM中已知的CHO类化合物进行内标校准,如对应多个分子式,采用同系物规则和最小杂原子个数规则进行正确分子式筛选。

    图2所示,比较了AC是否存在和不同氯化方式对RW氯化过程中DBPs的释放情况。图2(a)所示为测定的DBPs浓度随时间变化规律,可以看到无论是否在RW中加入AC,DBPs浓度均随时间的延长升高,DBPs的总浓度在反应初始时可忽略不计。AC存在与不存在时DBPs的浓度分别从0.5 h的51.29 μg·L−1和103.19 μg·L−1上升至24 h的59.34 μg·L−1和137.87 μg·L−1,并且在2 h时达到较高水平,说明AC与0.1 mmol·L−1 NaClO在开始的2 h内剧烈反应生成大量DBPs。但加入AC的水样随着反应时间的增加,DBPs的变化并不明显,可能是由于部分DBPs及其前体物被AC快速吸附以及自由氯被大量消耗后导致反应速率下降。此外,进一步对比了在RW氯化过程中不同活性炭加入方式对DBPs生成释放的影响,结果如图2(a)所示。发现过滤掉AC后氯化方式产生的DBPs与AC一直存在的结果基本一致,说明AC在此过程中虽然可以吸附THMs、HAAs及其前体物,并且可以催化氯产生自由基,但对释放到水中THMs及HAAs影响较小。如图2(b)所示,在AC存在时,氯的衰减率明显增加,但释放到水体的目标DBPs浓度较未加入AC时更低。AC存在时余氯衰减快,测得DBPs较少。一方面是由于生成的DBPs被AC吸附,另一方面具有较强还原性的AC本身也会快速消耗自由氯。如图2(a)所示,单独在24 h时测定AC吸附的DBPs,发现即使将吸附反应后的AC经有机溶剂丙酮浸泡,并超声处理释放DBPs,测定的4种TCM、CAA、DCAA、TCAA的质量浓度分别为19.85、16.29、12.08、12.50 μg·L−1,可以发现加入AC组的DBPs总质量浓度(120.05 μg·L−1)仍低于不加入AC组(147.87 μg·L−1)。此外,如图3所示,还测定了在纯水中AC与过量氯反应产生的DBPs。发现THMs及HAAs的浓度先下降后上升。这是由于AC前期吸附性较强,后期吸附能力下降,生成的DBPs逐渐释放到水中。同时对水中的DOC进行测定,前2 h的DOC浓度均为先下降后上升,但随着反应时间的继续增加,加入AC组的DOC浓度继续上升,而未加入AC组却呈现下降趋势。这一现象说明AC影响了DOM的氯化过程,导致其结构被破坏且生成了其他副产物。VOUDRIAS等[14]发现AC会导致一系列自由基连锁反应的发生。HUANG等[4]研究了THMs和HAAs在AC存在下的含量变化,但没有研究其单独氯化DOM的情况,而且AC存在时溶液的细胞毒性也有所增强。因此,还需进一步探究AC存在时的氯化副产物的变化。

    图 2  RW氯化过程中,对比是否存在AC、后氯化和24 h AC吸附的目标DBPs浓度和余氯、DOC变化
    Figure 2.  Comparison of target DBPs concentrations and changes in residual chlorine and DOC during RW chlorination in the presence or absence of AC, post-chlorination and 24-hour AC adsorption
    图 3  纯水中AC与过量氯测定的目标DBPs浓度
    Figure 3.  Concentration of target DBPs determined by AC with excess chlorine in pure water

    图4所示,通过FTICR-MS探究了AC对氯化副产物的影响。由图4(a)可以看到,在RW氯化过程中,其产物匹配了302个氯化分子式,而AC存在时的氯化产物中,可对应220个氯化分子式。进一步分析302种氯化产物,其中163种分子式与AC存在时相同,因此AC存在时的氯化会导致部分氯化产物减少,但也生成了新的氯化产物包括57种在内的独特分子式,其中CHOCl、CHONCl、CHOSCl、CHNSCl、CHNOSCl分子式各生成了42、5、5、2、3种。如图4(b)所示,在有AC存在的氯化过程中,氯化副产物产生的含有2个和3个氯原子的DBPs相对较少。在AC存在的氯化水样中,生成含有2个和3个Cl原子的分子式分别为90个和19个;而在RW氯化过程中,生成含有2个和3个Cl原子的分子式为125个和25个。此外,如表1所示,经对比发现,AC存在时,CHOCl、CHONCl、CHONSCl分子式的数量减少,而CHOSCl的分子式增加,并且CHOCl、CHONCl以及CHOSCl和CHONSCl分子式的H/Cw值均低于RW的氯化过程,相反的是O/Cw均高于RW氯化。有研究[15]表明,与传统的暗氯化生成副产物的生成机制不同,活性氯物种(reactive chlorine species,RCS)与有机物的主要反应机理是氯加成、单电子转移和氢抽取反应。BEN等[16]和SUN等[17]发现氯可以通过自由基链式反应发生降解,从而减少自身与其他物质的接触时间。RCS和DOM结合也会影响靶向DBPs的生成,诱导形成新型的DBPs[5],这可能是AC存在时有Cl·的生成,从而发生的后续自由基反应导致H/Cw值较低、O/Cw较高。

    图 4  AC在RW氯化过程后形成氯化副产物的范克雷维伦图和该过程中形成的含氯副产物的计数
    Figure 4.  Van Krevelen diagram of the formation of chlorination by-products of AC after the RW chlorination process and the counting of chlorine-containing by-products neutral to the process
    表 1  RW氯化过程中的氯化产物分子式分子指数的强度加权平均值
    Table 1.  Intensity-weighted average of molecular indices of molecular formulae for chlorination products during the RW chlorination process
    分子式 水样 H/CW O/CW DBEW AImod,w 总强度 相对丰度/%
    CHOCl 不含AC 1.29 0.50 6.98 0.22 4.60×109 93.77
    含AC 1.23 0.54 7.24 0.25 2.8×109 94.38
    CHONCl 不含AC 1.42 0.28 8.84 0.17 1.48×108 3.41
    含AC 1.33 0.33 9.22 0.24 7.52×107 2.54
    CHOSCl 不含AC 1.68 0.21 7.28 0.03 6.8×107 1.37
    含AC 1.67 0.51 3.69 -0.31 6.15×107 2.07
    CHONSCl 不含AC 1.6 0.30 7.02 -0.14 7.2×107 1.45
    含AC 0.49 0.13 0.65 -0.12 4.02×107 1.01
     | Show Table
    DownLoad: CSV

    DOM的成分也会影响AC对氯的反应特性。因此,探究了AC存在时RW氯化过程中DOM的转化情况。基于修正后的芳香指数和H/C将溶解性有机质分为5类[18]:稠环多环芳烃(AImod>0.66)、多酚类物质(0.5<AImod≤0.66)、高度不饱和酚类物质(AImod≤0.5且H/C≤1.5)、脂肪类物质(AImod≤0.5和1.5<H/C≤2)和饱和类物质(H/C>2)[19]。如图5(a)和图5(b)所示,绝大部分有机物属于脂肪类物质、高度不饱和酚类物质和多酚类物质。此外,SUVA254(即UV254/DOC)可用来比较不同样品中的芳香族化合物的含量(即芳香度)[20]。芳香度与反应性有关,有机物的反应性反映了通过凝聚去除该有机物的难易程度,以及有机物与氯反应产生DBPs的可能性。如图6所示,对比了氯化后RW中是否存在AC时SUVA254的变化,THMs和HAAs的浓度随SUVA254的增加而增加[21]图5显示AC存在时的SUVA254低于不含AC的水样,与上述结果保持一致。含AC和不含AC的RW中DOC在氯化前后仅有轻微变化,这表明DOM未发生矿化作用。SUVA254还可以表征有机物中不饱和键数量(芳香特征),氯化后的RW中,加入AC组后的SUVA254较低,因此其芳香性低,DOM转化的较多。在两种氯化过程后,SUVA254均有所下降,尤其是AC存在时,BULMAN等[5]的研究也得到了类似的结果,这表明SUVA254的大幅下降可能是由于含有芳香族DOM分子,富含芳香族结构的化合物可以提供更强的疏水作用、离子相互作用和键合作用。

    图 5  RW氯化24 h后分子式的范克雷维伦图
    Figure 5.  van Krevelen plot of the molecular formula of RW after 24 h of chlorination
    图 6  RW氯化过程中SUVA254的变化
    Figure 6.  Changes in SUVA254 during chlorination of raw water

    利用FTICR-MS对有无AC存在的2种情况下的无氯分子式进行比较。如图5(c)所示,2种条件下,相同分子式的比例(约70%)显著高于氯化分子式的比例。如表2所示,CHO、CHON、CHOS和CHONS分子式的H/Cw和O/Cw相似。不含AC氯化条件下CHO、CHON、CHOS和CHONS分子式的DBEw均大于AC存在时氯化条件下的DBEw。较低的DBEw表明产生的DOM平均脂肪族含量更高,与SUVA254结果相一致。有研究[15, 22]表明,AC可与氧气反应生成过氧自由基,过氧自由基经过双分子衰变或单分子衰变生成醇或醛。因此,较低的DBEw可能是由于过氧自由基在AC和氧的活化下产生了部分醇。

    表 2  RW氯化过程后的非氯化产物分子式分子指数的强度加权平均值
    Table 2.  Intensity-weighted average of molecular indices of molecular formulae for non-chlorinated products after the RW chlorination process
    分子式 水样 H/CW O/CW DBEW AImod,w 总强度 相对丰度/%
    CHO 不含AC 1.23 0.52 9.54 0.24 1.79×1011 80.56
    含AC 1.23 0.52 9.35 0.23 1.79×1011 78.06
    CHON 不含AC 1.20 0.52 9.99 0.23 3.21×1010 14.45
    含AC 1.20 0.52 9.88 0.23 3.11×1010 13.56
    CHOS 不含AC 1.40 0.49 6.45 0.07 8.5×109 3.83
    含AC 1.42 0.53 6.40 0.03 1.54×1010 6.71
    CHONS 不含AC 1.51 0.55 7.81 -0.14 2.58×109 1.16
    含AC 1.55 0.60 7.12 -0.22 3.82×109 1.67
     | Show Table
    DownLoad: CSV

    采用ESR技术对AC氯化前后产生的自由基进行检测分析。如图7所示,在只含AC时,可检测到活性炭表面的持久性自由基。在AC氯化后发现了多重峰的存在,DMPO-H2O体系中的七重峰对应·Cl/DMPO加合物,表明在此过程中产生了Cl·[23],Cl·是一种对有机化合物具有较强选择性的自由基,易发生取代反应。由于Cl·具有很强的活性,因此,能够促进DBPs的生成,诱导某些有毒副产物的形成。ESR的结果表明,AC表面持久性自由基可催化次氯酸产生Cl·,在自由基的作用下,DOM与RCS之间会产生氯化副产物,尤其是亲核反应在其中发挥着很大作用,并且DOM的芳香性变强也有助于总有机氯的形成[24]。因此,氯化过程中AC会促进自由基的产生进而诱导其他类型DBPs的生成。

    图 7  AC氯化前后的ESR光谱对比
    Figure 7.  Comparison of ESR spectra before and after AC chlorination

    AC作为一种优良吸附剂被广泛应用于水处理工艺和终端净水过滤;同时,氯也是一种常见的预氧化剂和消毒剂。本文阐述了AC对RW氯化过程DBPs生成及DOM转化的影响,主要结果如下。

    1)虽然AC存在时余氯下降较为迅速,但生成的THMs及HAAs较少,这是由于AC优良的吸附性能以及还原性AC快速消耗氯生成其他DBPs,DOC的变化也可说明了这一变化趋势。

    2) FTICR-MS检测结果表明,AC存在时含氯物质的数量减少,Cl-DBPs的种类由302种减少到220种,其中有57种特异性氯代产物,CHOSCl化合物生成较多,其他CHOCl、CHONCl、CHONSCl化合物的数量减少。

    3) FTICR-MS的结果显示,AC存在时可鉴定的化合物数量呈下降趋势,其是否存在的两种情况,生成的化合物有较大区别,但大部分化合物均属于脂肪类物质、高度不饱和类及酚类物质和多酚类物质。AC存在时,SUVA254的大幅降低表明含有芳香性的DOM被转化,而未加入AC组没有发生矿化反应。

    4) AC表面持久性自由基催化次氯酸产生Cl·,Cl·引发的自由基反应是造成氯化产物及有机物形态改变的主要原因。

  • 图 1  不同航季下颗粒物排放特征趋势估算流程

    Figure 1.  Estimation process of particulate emission characteristics trend in different sailing seasons

    图 2  标准LTO循环过程图

    Figure 2.  Standard LTO cycle diagram

    图 3  GE90型发动机不同航季下LTO循环PMnvol排放指数

    Figure 3.  PMnvol emission indexs of LTO cycle of GE90 engine in different seasons

    图 4  不同航季下典型机型主发动机LTO循环PMnvol排放指数

    Figure 4.  Typical aircraft PMnvol emission index of LTO cycle in different seasons

    图 5  不同航季下各机型LTO循环PMnvol平均排放指数

    Figure 5.  Typical aircraft average emission index of PMnvol in LTO cycle in different sailing seasons

    图 6  不同航季下LTO循环单次航班颗粒污染物排放量

    Figure 6.  LTO cycle single flight particle pollutant emission under different seasons

    图 7  首都机场机型占比

    Figure 7.  Proportion of types in Beijing Capital Airport

    图 8  首都国际机场不同航季PM总排放量及日均排放量

    Figure 8.  Total PM emissions and daily emissions in different seasons of Beijing Capital International Airport

    表 1  PMvol-FSC与PMvol-FuelOrganics排放指数

    Table 1.  PMvol-FSC and PMvol-FuelOrganics emission index

    发动机型号工作状态推力设置HC排放指数PMvol-FuelOrganics排放指数PMvol-FSC
    GE90慢车7%4.2426.1648.96
    GE90进近30%0.063.37548.96
    GE90爬升85%0.032.2848.96
    GE90起飞100%0.044.648.96
    V2500慢车7%0.110.6848.96
    V2500进近30%0.063.37548.96
    V2500爬升85%0.043.0448.96
    V2500起飞100%0.044.648.96
    CFM-56慢车7%3.7623.248.96
    CFM-56进近30%0.084.548.96
    CFM-56爬升85%0.032.2848.96
    CFM-56起飞100%0.033.4548.96
    V2522慢车7%0.140.8648.96
    V2522进近30%0.073.9448.96
    V2522爬升85%0.043.0448.96
    V2522起飞100%0.033.4548.96
    PW4000慢车7%4.6628.7548.96
    PW4000进近30%0.073.9448.96
    PW4000爬升85%0.043.0448.96
    PW4000起飞100%0.033.4548.96
    发动机型号工作状态推力设置HC排放指数PMvol-FuelOrganics排放指数PMvol-FSC
    GE90慢车7%4.2426.1648.96
    GE90进近30%0.063.37548.96
    GE90爬升85%0.032.2848.96
    GE90起飞100%0.044.648.96
    V2500慢车7%0.110.6848.96
    V2500进近30%0.063.37548.96
    V2500爬升85%0.043.0448.96
    V2500起飞100%0.044.648.96
    CFM-56慢车7%3.7623.248.96
    CFM-56进近30%0.084.548.96
    CFM-56爬升85%0.032.2848.96
    CFM-56起飞100%0.033.4548.96
    V2522慢车7%0.140.8648.96
    V2522进近30%0.073.9448.96
    V2522爬升85%0.043.0448.96
    V2522起飞100%0.033.4548.96
    PW4000慢车7%4.6628.7548.96
    PW4000进近30%0.073.9448.96
    PW4000爬升85%0.043.0448.96
    PW4000起飞100%0.033.4548.96
    下载: 导出CSV
  • [1] Airbus. Global market forecast 2017−2036, 2017[EB/OL]. https://afngrupo.com/en/global-market-forecast-2017-2036/
    [2] 曹惠玲, 汤鑫豪, 苗佳禾. 基于QAR数据的发动机LTO阶段氮氧化物排放量计算与分析[J]. 环境科学学报, 2018, 38(10): 3900-3904. doi: 10.13671/j.hjkxxb.2018.0198
    [3] US EPA. The Benefits and Costs of the Clean Air Act: 1990 to 2020, Final report of US Environmental Protection Agency Office of Air and Radiation[EB/OL]. 2011. https://www.epa.gov/clean-air-act-overview/benefits-and-costs-clean-air-act-1990-2020-second-prospective-study.
    [4] WHO. Health Risks of Particulate Matter from Long-range Transboundary Air Pollution[EB/OL]. (2006-01-01). 2006. https://www.who.int/publications/i/item/E88189
    [5] 中国民用航空局. 关于对《航空涡轮发动机及航空器排放规定》修订草案征求意见的通知[EB/OL]. (2020-11-16). http://www.caac.gov.cn/HDJL/YJZJ/202011/t20201116_205252.html
    [6] ICAO. Airport Air Quality Manual [R] Montreal: International Civil Aviation Organization, 2020.
    [7] 闫国华, 周利敏, 张青. 基于LTO循环的航空发动机颗粒物排放计算方法及应用[J]. 安全与环境学报, 2016, 16(2): 246-249. doi: 10.13637/j.issn.1009-6094.2016.02.048
    [8] 魏志强, 王超. 航班飞行各阶段污染物排放量估算方法[J]. 交通运输工程学报, 2010, 10(6): 48-52. doi: 10.3969/j.issn.1671-1637.2010.06.008
    [9] 孙见忠, 左洪福, 刘鹏鹏, 等. 航空发动机污染物排放量估算方法[J]. 交通运输工程学报, 2012, 12(2): 53-61. doi: 10.3969/j.issn.1671-1637.2012.02.009
    [10] 韩博, 何真, 张铎, 等. 粤港澳大湾区飞机LTO污染排放因子及排放清单[J]. 中国环境科学, 2020, 40(12): 5182-5190. doi: 10.19674/j.cnki.issn1000-6923.2020.0570
    [11] YANG X W, CHENG S Y, LANG J L, et al. Characterization of aircraft emissions and air quality impacts of an international airport[J]. Journal of Environmental Sciences, 2018, 72(10): 198-207.
    [12] WINTHER M, KOUSGAARD U, ELLERMANN T, et al. Emissions of NOx, particle mass and particle numbers from aircraft main engines, APU's and handling equipment at Copenhagen Airport[J]. Atmospheric Environment, 2015, 100: 218-229. doi: 10.1016/j.atmosenv.2014.10.045
    [13] STETTLER M, EASTHAM S, BARRETT S. Air quality and public health impacts of UK airports. Part I: Emissions[J]. Atmospheric Environment, 2011, 45(31): 5415-5424. doi: 10.1016/j.atmosenv.2011.07.012
    [14] STETTLER M, BOIES A M, PETZOLD A, et al. Global civil aviation black carbon emissions[J]. Environmental Science & Technology, 2013, 47(18): 10397-10404.
    [15] 曹惠玲, 李玉铭, 汤鑫豪. 基于QAR数据的飞机全航段黑碳排放量计算与分析[J]. 环境科学学报, 2020, 40(6): 1951-1957. doi: 10.13671/j.hjkxxb.2020.0047
    [16] 曹惠玲, 晏嘉伟, 李玉铭. 结合QAR数据的全航段排放估算及其对飞行成本的影响研究[J]. 环境科学学报, 2021, 41(11): 4439-4448. doi: 10.13671/j.hjkxxb.2021.0261
    [17] 孙志杰. 航空发动机燃烧室设计与优化方法研究[D]. 南京: 南京航空航天大学, 2020. DOI:10.27239/d.cnki.gnhhu.2020.001604.
    [18] 中国民用航空总局. 民用航空预先飞行计划管理办法[EB/OL]. (2006-04-03). http://www.gov.cn/gongbao/content/2007/content_621251.htm.
    [19] 杜方舟, 孙有朝, 郭媛媛, 等. 基于数据的航空发动机排气温度裕度及剩余寿命计算方法[J]. 航空动力学报, 2020, 35(11): 2456-2464. doi: 10.13224/j.cnki.jasp.2020.11.023
    [20] ICAO. Engine Exhaust Emission Data Bank[EB/OL]. https://www.easa.europa.eu/domains/environment/icao-aircraft-engine-emissions-databank.
    [21] 韩博, 王立婕, 赵芸婷, 等. 郑州新郑国际机场本地化排放因子与排放清单[J/OL]. 环境科学学报: 1-11[2022-08-15]. DOI: 10.13671/j.hjkxxb.2022.0054.
    [22] 王瑞鹏, 周颖, 程水源, 等. 华北地区典型机场清单建立及空气质量影响[J]. 中国环境科学, 2020, 40(4): 1468-1476. doi: 10.19674/j.cnki.issn1000-6923.2020.0164
    [23] 曹惠玲, 苗佳禾, 苗凌云, 等. 基于实际飞行数据的首都机场飞机发动机日排放清单估算方法研究[J]. 环境科学学报, 2019, 39(8): 2699-2707. doi: 10.13671/j.hjkxxb.2019.0048
    [24] 韩博, 孔魏凯, 姚婷玮, 等. 京津冀机场群飞机LTO大气污染物排放清单[J]. 环境科学, 2020, 41(3): 1143-1150. doi: 10.13227/j.hjkx.201908199
  • 加载中
    Created with Highcharts 5.0.7访问量Chart context menu近一年内文章摘要浏览量、全文浏览量、PDF下载量统计信息摘要浏览量全文浏览量PDF下载量2024-052024-062024-072024-082024-092024-102024-112024-122025-012025-022025-032025-0400.250.50.7511.25Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问类别分布DOWNLOAD: 15.7 %DOWNLOAD: 15.7 %HTML全文: 70.1 %HTML全文: 70.1 %摘要: 14.2 %摘要: 14.2 %DOWNLOADHTML全文摘要Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问地区分布其他: 99.6 %其他: 99.6 %XX: 0.3 %XX: 0.3 %张家口: 0.1 %张家口: 0.1 %其他XX张家口Highcharts.com
图( 8) 表( 1)
计量
  • 文章访问数:  5523
  • HTML全文浏览数:  5523
  • PDF下载数:  97
  • 施引文献:  0
出版历程
  • 收稿日期:  2021-12-30
  • 录用日期:  2022-06-10
  • 刊出日期:  2022-08-31
曲春刚, 匡家骏, 晏嘉伟. 不同航班季节下民航飞机LTO循环颗粒物排放特性—以北京首都国际机场为例[J]. 环境工程学报, 2022, 16(8): 2640-2652. doi: 10.12030/j.cjee.202112212
引用本文: 曲春刚, 匡家骏, 晏嘉伟. 不同航班季节下民航飞机LTO循环颗粒物排放特性—以北京首都国际机场为例[J]. 环境工程学报, 2022, 16(8): 2640-2652. doi: 10.12030/j.cjee.202112212
QU Chungang, KUANG Jiajun, YAN Jiawei. Studies on LTO cyclic particulate emission characteristics of civil aircraft in different flight seasons-A case study of Beijing Capital International Airport[J]. Chinese Journal of Environmental Engineering, 2022, 16(8): 2640-2652. doi: 10.12030/j.cjee.202112212
Citation: QU Chungang, KUANG Jiajun, YAN Jiawei. Studies on LTO cyclic particulate emission characteristics of civil aircraft in different flight seasons-A case study of Beijing Capital International Airport[J]. Chinese Journal of Environmental Engineering, 2022, 16(8): 2640-2652. doi: 10.12030/j.cjee.202112212

不同航班季节下民航飞机LTO循环颗粒物排放特性—以北京首都国际机场为例

    通讯作者: 曲春刚(1979—),男,硕士,副教授,pqbird@sina.com
    作者简介: 曲春刚(1979—),男,硕士,副教授,pqbird@sina.com
  • 中国民航大学航空工程学院,天津 300300
基金项目:
中央高校基本科研业务费项目(2020YJS003);中国民航大学开放基金资助项目(000031020102)

摘要: 飞机的颗粒物排放会造成环境影响。为评估不同航班季节下颗粒污染物排放水平,采用基于黑碳形成氧化法(FOX)的改进计算方法对非挥发性颗粒物(PMnvol)排放指数进行了估算。使用B777、A320、A321、A330、B738机型历史QAR数据中空气流量、燃油流量等发动机参数,计算不同航班季节下多个LTO循环颗粒污染物排放指数及排放量。结果表明:在北方夏季气温较冬季大幅上升时,尽管PMnvol排放指数呈下降趋势,但受燃油消耗率增加的影响,A320、A321、B738等主要机型颗粒物排放量显著升高,夏秋航季单次LTO循环较冬春航季分别升高了15.3、13.8、13.4 g,其涨幅为18.6%、21.3%、17.7%;B777等推力较大机型在夏秋季及冬春季燃油消耗率变化不大,夏秋航季单次LTO循环颗粒物排放量较冬春航季略低,降幅仅3%,约4.1 g;以北京首都国际机场实际起降数据为例,以上主要机型夏秋航季较冬春航季颗粒物总排放量分别增加了0.5、1.6、1.7、1.6、3.7 t。本研究表明,各机型不同航季下颗粒污染物排放差异显著,其影响不可忽视。以上飞机颗粒物排放特性分析结果可为民航业建立完整排放清单,实现航空发动机污染的精确管控提供参考。

English Abstract

  • 预计至2036年,全球商业航空活动会比2020年增加两倍[1]。随着机场数量、航班数量的增加,航空发动机排放造成的大气污染愈发严重。航空发动机排放污染物主要包括氮氧化物(NOx)、一氧化碳(CO)、未燃碳氢化合物(UHC)、二氧化硫(SO2)与颗粒污染物(PM)等[2]。颗粒物被认为是引起全球气候变化的重要成分,其中细颗粒物(PM2.5)易被人体吸入,在肺内沉积并诱发很多呼吸疾病[3-4]。为对颗粒物排放进行限制及监测,我国民航局于2020年11月决定对《涡轮发动机飞机燃油排泄和排气排出物规定》(CCAR-34)进行修订[5]。国际民航组织(International Civil Aviation Organization,ICAO)也在2020年发布了最新《机场空气质量手册》,建议各地空气质量监管部门应建立完整的排放清单,包括不同时间下的污染物排放情况,以评估当前或未来的污染物浓度,并为减排规划提供基础[6]

    由于在一个航季年中,夏秋、冬春航季的环境气温存在明显差异,这直接影响了航空发动机的燃烧效率,进而会对颗粒物中的非挥发性颗粒物(主要为黑碳)的产生造成影响。因此,评估不同航班季节、不同环境气温下的颗粒物排放对制定完整的排放清单,以及研究发动机排放特性具有重要意义。针对航空发动机颗粒物排放,国际民航组织提出了一阶近似方法(first order approximation,FOA)对其质量进行估算。根据该方法,闫国华等[7]计算了民航飞机在一个完整的起飞和降落阶段(landing and take-off cycle,LTO循环)的颗粒物排放,定量地分析了航空发动机颗粒物排放对机场周边空气质量的影响。魏志强等[8]根据ICAO排放数据库数据,在考虑实际大气环境与飞行参数的基础上,结合一阶近似方法给出了颗粒物的排放指数修正模型,并基于实际飞行参数对污染物排放量进行了估算。孙见忠等[9]根据发动机性能模型,结合实际飞行参数及ICAO排放数据研究了发动机性能退化对于污染物排放的影响,并提出了排放量估算方法;同时指出,飞机巡航速度、飞行高度与发动机的老化等都会对飞机尾气污染物排放量产生影响。通过对实际滑行时间和大气混合层高度修正,韩博等[10]估算了粤港澳大湾区机场群2018—2019年的颗粒物排放量,建立了机场排放清单。YANG等[11]考虑真实航班运行数据、混合层高度等因素,基于该方法建立了2015年北京首都国际机场航空发动机、地面设备等的颗粒物排放清单,估算出颗粒物年排放量约为149 t。WINTHER等[12]建立了丹麦哥本哈根国际机场单日颗粒物排放清单,结果表明慢车和起飞阶段的排放占比分别为40%、20%左右。STETTLER等[13]建立了基于该方法的英国机场颗粒物排放清单,所得计算值与实验测量值偏差大于40%。该方法首先规定了飞机在不同飞行阶段下推力的大小(进近、滑行、起飞、爬升阶段的推力分别为30%、7%、100%、85%),然后在试车台上测量这4个推力下的烟度值(smoke number,SN),最后根据烟度值拟合得出黑碳浓度(CBC)及排放指数。

    然而,飞机在实际运行过程中的推力大小并不是根据飞行阶段就能简单区分开的稳定值,即使是在飞机滑行阶段,发动机推力仍会发生变化,而且目前大多数飞机起飞时,均采用减退力起飞,此时若也采用FOA方法中100%推力烟度值,则可能产生较大误差。另外,航空发动机烟度值与黑碳质量之间也存在较大的不确定性[14]。对此,曹惠玲等[15]基于快速存取记录器的数据(Quick Access Recorder,简称QAR数据),从黑碳形成和氧化过程出发,采用基于黑碳形成和氧化过程的形成氧化法(formation oxidation process,FOX),对全航段中黑碳排放指数进行了计算和分析。然而,该方法在计算发动机主燃区温度时,是通过结合燃烧反应物和产物的绝对焓值进行线性拟合而来,而燃料的燃烧并不完全,故该方法可能过高估算了主燃区温度,进而低估了颗粒物的排放量。另外,制定更加精细化的飞机发动机污染物排放清单也需要对不同机型在不同环境气温下的排放特性进行研究。

    本研究采用B777、A320、A321、A330、B738飞机实际飞行过程中的QAR数据,从燃烧能量平衡过程出发,计算航空发动机主燃区温度,对形成氧化方法进行改进,根据改进方法对飞机颗粒物排放指数及排放量进行计算,从而定量分析不同机型在不同航季下LTO循环颗粒物排放变化,并对北京首都国际机场主要机型在不同航季下的LTO循环颗粒物排放量进行计算,以期为更精细化的飞机发动机污染物排放清单的制定提供参考。

    • 颗粒污染物主要由非挥发性颗粒物(PMnvol),挥发性硫酸盐颗粒物(PMvol-FSC),挥发性有机颗粒物(PMvol-FuelOrganics)和挥发性滑油生成有机颗粒物(PMvol-oil)组成,而非挥发性颗粒物的主要组分是黑碳气溶胶[16]。由于尚未开展挥发性滑油生成有机颗粒物排放量的计算研究,故主要针对其他3种颗粒物进行估算。当航空发动机随环境气温变化时,其性能参数也会发生改变,尤其是对发动机燃烧室主燃区温度的影响,进而影响燃烧。本研究在形成氧化法的基础上,从能量平衡的角度对发动机主燃区温度Tfl进行计算,对形成氧化方法进行改进。利用改进方法,评估航空发动机在各个航班季节下的LTO循环颗粒物排放特征趋势,其计算流程如图1所示。

    • 非挥发性颗粒物的主要成分是黑碳气溶胶。根据ICAO推荐的一阶近似方法,基于排放指数数据库中4个飞行阶段的烟度值来计算黑碳浓度。然而,在实际运行中,由于航班延误、空中管制等诸多因素影响,各飞行阶段的时间往往与排放数据库推荐值不符,不同时刻的推力值是实时变化的,与排放数据库推荐的按不同飞行阶段固定推力的估算方法有较大区别,因而会对整个LTO循环中颗粒物排放估算造成较大影响。本研究采用基于黑碳形成和氧化过程的形成氧化方法。在此方法的基础上从能量平衡过程对主燃区温度进行计算,并提出改进的形成氧化方法。该方法在满足适航规章要求的前提下,充分考虑了环境温度、压力等参数,以及燃油燃烧程度对黑碳排放的影响。

      黑碳排放指数EIBC(单位mg·kg−1)是由黑碳质量浓度CBC(单位mg·m−3)与涡扇发动机每千克航空煤油的废气容积流量QMixed(单位m3·kg−1)相乘所得到的,具体计算方法及公式参考文献[15]。该计算方法中,实时黑碳浓度会受到燃油流量mf(单位kg·s−1)、空气燃油比(air fuel ratio,AFR,后简称“空燃比”)及主燃区温度Tfl(单位K)的影响。其中,燃油流量mf及空燃比可通过QAR数据直接获取,但主燃区温度Tfl目前受材料限制,无法直接得到。原方法为将燃烧反应物和产物的绝对焓值进行线性拟合得到式(1),即可计算主燃区温度。

      然而,在航空发动机实际运行过程中,燃油的燃烧效率约为96%[17],无法完全燃烧,故该方法可能过高估算了主燃区温度,进而低估了颗粒物的排放量。主燃区温度Tfl与燃料种类、燃烧方法、燃烧室入口总温、传热条件等诸多因素有关,主要取决于燃烧过程的热平衡。从航空煤油燃烧过程出发,该过程是位于燃烧室内进行的定压加热过程,不发生高温热分解现象,由能量平衡关系可得到主燃区温度Tfl的关系式(式(2))。

      式中:Q1为燃料的化学能,J;Q2为空气带入的物理热,J;Q3为燃料带入的物理热,J。具体计算见式(3)~式(5)。

      式中:mair为空气流量,kg;T3为燃烧室入口气温,K;Tf为航空煤油温度,K;Cp1Cp2,J·(kg·K)−1,分别为空气和航空煤油的定压比热容。改进的形成氧化方法可根据能量平衡方程对发动机主燃区温度进行计算,并考虑飞机实际运行中参与燃烧的因素,包括空气温度、燃油温度、航空煤油的热值等。环境气温直接影响了燃烧过程中空气、燃油的物理热,进而影响了主燃区温度,对黑碳的形成造成了直接影响。改进方法考虑了参与燃烧的物质的物理热,物理热中涵盖了环境气温参数,能更准确地计算非挥发性颗粒物排放指数EIBC,且适用于目前所有使用传统燃料的航空发动机。

    • 挥发性硫酸盐颗粒物主要由燃料硫转化而成。SO2通过氧化作用变成SO3,随后在火焰羽流中发生水合作用变为硫酸盐颗粒物,其排放指数不随功率设定值变化而变化,而是由燃料含硫量(fuel sulfur content,FSC)及SO2到SO3的转换率(ε)计算得到。具体计算过程参见文献[6],计算公式见式(6)。

      式中:MWout=96,MWSulphur=32,FSC=0.068%,ε=2.4%。燃料含硫量FSC、SO2向SO3的转换率ε可能存在差异。据最新测量值,ICAO建议将FSC、ε分别设为0.068%、2.4%。

    • 挥发性有机颗粒物排放指数是将ICAO发动机排放数据库所列的发动机碳氢化合物排放指数与其比率值(δ)相乘得到(式(7)。

      式中:δ为按不同飞行阶段的恒定比率数值。对应状态下的数值为慢车6.17 mg·g−1、起飞115 mg·g−1、爬升76 mg·g−1、进近56.25 mg·g−1

      根据ICAO推荐方法计算挥发性硫酸盐颗粒物和挥发性有机颗粒物排放指数,再结合QAR数据中燃油流量及运行时间计算排放总量。

    • 颗粒污染物排放量主要由燃油流量、不同阶段飞行时间以及排放指数的乘积决定。航空器LTO循环包括:滑行/地面慢车(Taxi)、起飞(Take-off)、爬升(Climb)和进近(Approach) 4个阶段。定义为从地面到大气层边界面3 000英尺高度内的空间。在该高度下,发动机颗粒污染物的排放与扩散会直接影响机场周边空气质量。一个标准的起降循环如图2所示。

      LTO循环Emi由各个飞行阶段的不同时刻下燃油流量Qfmi及排放指数EIBC相乘之后累加得到,如式(8)所示。

      式中:Emi为各阶段不同种类颗粒物的排放总量;n为各阶段的时间帧数;QfiTi分别为各时间帧的燃油流量和工作时间。在计算时,各个飞行阶段的排放指数计算方法不同,故要对飞行阶段进行划分,为确定各个飞行阶段的不同运行时间,需对QAR数据按不同的时间帧进行飞行阶段划分。本研究结合QAR数据中的低压转子转速(N1)、高压转子转速(N2)、飞行高度(H)、油门杆解算器角度(TRA)等参数对LTO阶段中慢车、起飞、爬升、进近4个阶段进行准确划分,各时间帧数下的飞行参数值都可在QAR数据中得到。

    • 为验证本研究所建立的改进主燃区温度计算的形成氧化计算模型可实时准确地计算航空发动机LTO循环颗粒物排放,选取B777、A320、 A321、A330、B738(装配GE90、V2500、V2522、PW4000、CFM56发动机)飞机左发、右发(左发、右发是搭载于飞机两侧的航空发动机)的大量QAR数据,计算不同机型冬春航季及夏秋航季LTO循环各阶段的颗粒物排放指数,从而定量分析不同航季下不同型号航空器颗粒污染物排放量变化。

    • 目前,我国民航系统每年都要进行2次航班计划调整。每年3月最后1个完整周的星期日至10月最后1个完整周的星期六,执行夏秋季航班计划;10月最后1个完整周的星期日至第二年3月最后1个完整周的星期六,执行冬春季航班计划[18]。本研究基准年为2017—2018航季年,共计369 d。其中,包括夏秋航季共计216 d,冬春航季共计153 d。一方面,这是考虑到旅游业的淡旺季、人群出行的周期性。根据航季的不同,各航空公司将参照执行的航班收益情况,在新航季里对现有航班进行调整。另一方面,根据我国实际情况,春夏和秋冬之间全国天气、气压均有较大差异,飞行标准亦有不同。在此基础上,根据QAR数据中的飞行日期,把该年中QAR数据分为夏秋季航班QAR数据以及春冬季航班QAR数据,以对不同航季下民航飞机颗粒物排放变化进行定量分析。

    • 选取交付后稳定飞行的发动机历史QAR数据。根据该数据,发现少数时刻由于监测探头损伤,数据记录错误等因素影响,会造成监测数据出现异常值。为保证计算精度,需要对原始数据进行异常值筛选。选取拉依达准则法(3δ准则)判别法对异常值进行处理。拉依达准则法是一种剔除异常值的方法。该方法利用标准偏差按一定概率确定一个区间,并认为凡超过这个区间的误差,就不属于随机误差而是粗大误差,含有该误差的数据应予以剔除。根据全航段的QAR数据,按QAR中的低压转子转速N1、飞行高度H等飞行参数,划分为滑行、起飞、爬升、进近4个阶段。分别对4个阶段进行等精度测量,独立得到X1X2......,XnX为算术平均值,若某个测量值Xb的剩余误差Vb(1<=b<=n),满足式(9),则认为Xb是含有粗大误差值的坏值,应予剔除。

      式中:σ为标准偏差。由于滑行阶段飞行状态较平稳,故对滑行阶段选取数据值在(μ-σ)~(μ+σ)的数据;而起飞、爬升、进近阶段飞行参数变化较大,选取数据值于(μ-3σ)~(μ+3σ)内的数据。

      另外,影响单次航班LTO循环颗粒物排放指数的因素较多,直接相关的有起飞重量、发动机性能衰退、减退力起飞等。为定量分析不同航季下颗粒污染物的排放变化,还需对QAR数据进行筛选。本研究选取了起飞重量相近,以全推力起飞的QAR数据,同时选取飞行航段内发动机EGTM较高且发动机出厂日期较新的发动机数据。这是由于此时发动机的性能状态较好[19],可忽略性能衰退对颗粒污染物排放造成的影响。

    • 首先,以目前推力最大、燃油消耗率较高的GE90型发动机为例,该发动机搭载于B777飞机上,选取其2017—2018年多个不同架次航班的QAR数据来计算颗粒物排放指数。所选取QAR数据中,平均环境气温最低为−10℃,最高为38.4℃,基本满足我国北方地区一年内气候的温度变化区间,计算结果见图3

      在滑行阶段,飞机的飞行状态平稳,发动机各性能参数稳定。故单架次中,PMnvol排放指数相对稳定,同一温度下不同滑行时间的PMnvol排放指数波动幅度不大,偶有起伏。但随着该年内环境气温不断变化,PMnvol排放指数从约40 mg·kg−1降至33 mg·kg−1,可明显发现不同环境气温下,PMnvol排放指数差异显著。冬春季航班PMnvol排放指数较高、夏秋季航班PMnvol排放指数较低,相差约17.5%。

      在起飞与爬升阶段,夏秋季较冬春季的PMnvol也分别下降了41.18%、22.2%。在起飞阶段PMnvol排放指数从221 mg·kg−1左右下降到130 mg·kg−1。爬升阶段则是从约81 mg·kg−1降至63 g·kg−1。就单次航班而言,在起飞时PMnvol排放指数相较滑行阶段升高了5倍,但持续时间较短;在爬升过程中受发动机推力增加、燃油流量增大的影响,故PMnvol排放指数增大。

      同样,在进近阶段,夏秋季较冬春季PMnvol排放指数下降了23.08%,从约78 mg·kg−1降至60 mg·kg−1。值得注意的是,单次航班中进近过程的PMnvol排放指数先是缓慢下降,在到达一定高度后,排放指数会突然增大。这可能是受飞机控制系统的影响,由于此时飞机仍未落地,但受到了较大空气阻力,从而增加燃油流量以提供更大的推力,从而使PMnvol排放指数升高。

      为充分反映民航飞机在不同航季下颗粒物排放特性,以A320、A330、A321、B738这 4种主流机型的QAR数据,计算其夏秋、冬春航季内颗粒物排放指数。由于部分机型在进近阶段的排放指数差异略小,为更直观分析其排放水平,根据排放指数做进近阶段趋势线(见图4)。其中,35~17 ℃的数据为夏秋航季内PMnvol排放指数变化,13~(-6 ℃)的数据为冬春航季内PMnvol排放指数变化。

      目前,主流机型PMnvol排放指数均呈现出冬春季高、夏秋季低的趋势,但各机型间排放指数及变化幅度存在差异。其中,对于功率相近的A320飞机与B738飞机而言,以冬季时滑行阶段为例,虽然其额定推力、燃油消耗率相近,但两种飞机的PMnvol排放指数却分别为95.4、40.2 mg·kg−1,相差了约2倍,起飞阶段甚至相差3~4倍; A330飞机PMnvol排放指数较搭载GE90的B777飞机排放指数略小,但变化趋势相近;进近阶段发动机燃油流量、空气流量波动大,使A330、B738飞机PMnvol排放指数变化幅度也增大。为得出其在不同航季下排放指数水平,做进近阶段各机型PMnvol排放指数趋势线,根据此趋势线及各机型LTO循环的PMnvol排放指数线,可发现主流机型在冬春季PMnvol排放指数较高,而夏秋季PMnvol排放指数较低。为得到各机型在不同航季下整个LTO循环的PMnvol排放指数变化情况,本研究按不同航班季节划分后取PMnvol平均排放指数¯EI,结果见图5。PMnvol平均排放指数从高到低依次为冬季、春季、秋季、夏季航班。各机型间排放指数不同,呈下降趋势。

      对于5种机型LTO循环各阶段平均排放指数,除A321飞机在进近阶段有所差异外,其余均呈现夏季高、冬季低的航季变化趋势。其中,起飞和爬升阶段变化最为显著,滑行及进近阶段略缓。A320机型起飞阶段PMnvol排放指数下降最大,从381 mg·kg−1降至268 mg·kg−1,降幅为29.7%。B738机型在在滑行阶段降幅最小,仅下降了5 mg·kg−1。结合PMnvol形成和氧化过程分析其原因,其生成是由燃烧不完全所致,当外界气温升高,参与燃烧的空气、燃油的物理热也提高,使燃烧更完全,进而使PMnvol排放指数降低。然而,PMnvol排放指数的降低并不意味着颗粒物排放量的减少,还需考虑航空发动机的燃油消耗率。

    • 根据ICAO给定模型计算挥发性硫酸盐颗粒物PMvol-FSC排放指数。挥发性有机颗粒物PMvol-FuelOrganics同样是燃料未完全燃烧的产物,故采用ICAO针对各型号发动机的推荐测量参数[20](见表1)。

    • 前文对现行航班季节进行了划分,根据1.2节中PMnvol排放指数改进计算方法,及1.3、1.4节中ICAO推荐的PMvol-FSC与PMvol-FuelOrganics排放指数计算方法,在此基础上结合QAR数据中燃油流量,对各机型LTO循环总颗粒污染物排放量进行计算,得出颗粒物排放总量,结果如图6所示。

      对于A320、A321、B738等常见机型,单次航班LTO循环颗粒物排放量随着气温的升高而增大,分别增加了15.3、13.8、13.4 g,涨幅为18.6%、21.3%、17.7%。这种变化与2.3节中PMnvol排放指数的变化相反。这是由于颗粒物排放量由排放指数、燃油流量、运行时间3个因素决定(式(8))。对非挥发性颗粒物PMnvol而言,排放指数在气温升高时下降,但航空发动机燃油流量却会增大。这是受到航空发动机共同工作原理影响,当气温升高时需增加燃油流量以保证发动机推力;另外,燃油流量的增加也会使得硫酸盐颗粒物PMvol-FSC及有机颗粒物PMvol-FuelOrganics排放量升高。综上所述,A320、A321、B738几种机型的飞机夏季单次LTO循环颗粒物排放量较高。

      而对于推力较大的B777及A330飞机,在不同航季下单次LTO循环颗粒物排放差异相对略小,总体趋势与A320等常见机型相反,呈现出冬季高,夏季略低的趋势,分别降低了4.1、6.2 g。这类航空发动机的冬季及夏季燃油消耗率差异较小,对非挥发性颗粒物PMnvol而言,虽然其夏季排放指数较冬季降幅较大,约为22%,但由于燃油消耗率差异不大,使得总排放量仅下降了约3.8%。上述变化趋势与文献[21-22]中,新郑国际机场及华北地区典型机场制定的排放清单关于A320、A321、B738等主要机型的颗粒物排放时间分布趋势相近。

    • 不同季节下,我国南北方气温差异较大,东西部地区气温差异性也较大,因而民航飞机LTO循环颗粒污染物排放的动态特征也可能会呈现很大差别。本研究以北京首都国际机场一典型日起降航班为研究对象,该日共起降航班1 690架次[23],接近机场日起降平均值,各机型占比如见图7

      根据机型占比情况,结合本研究针对PMnvol改进形成氧化方法及ICAO对PMvol-FSC与PMvol-FuelOrganics推荐计算方法,计算主要机型(占比80%以上)夏秋季航班及冬春季航班颗粒污染物排放总量,并对日均排放量进行对比,结果见图8

      在不同航季,民航飞机的LTO循环颗粒污染物排放差异显著。主要机型(如A320、A321、B738)在夏秋航季单次LTO循环颗粒物排量高。另外,由于夏秋航季持续时间也较长,导致其夏秋航季比冬春航季总排放量分别增加了1.6、1.7、3.7 t;对于B777、A330等大推力机型而言,虽然其在不同航季下单次LTO循环颗粒物排量差异不大,但夏秋航季运行时间较长,也使得该类机型在夏秋季总排放量高于冬春航季,约为0.5、1.6 t。这些主要机型夏秋航季、冬春航季总排放量分别为26.7、17.4 t。这与韩博等[24]对京津冀机场群排放清单的研究结果相近,这也从计算结果方面验证了本研究对PMnvol改进计算方法的准确性。

      为进一步研究不同航季民航飞机颗粒物排放的差异,计算了夏秋航季、冬春航季颗粒物日均排放量,主要机型A320、A321、B738的日均排放量差异显著,分别增加了3.1、3.8、9.7 kg。根据日均排放量及PMnvol排放指数变化趋势,尽管PMnvol排放指数存在冬春季高、夏秋季低的趋势,但夏秋航季环境气温较高,航空发动机为保持推力则需增加燃油流量,燃油流量的增加不仅影响了PMnvol排放量,更直接导致PMvol-FSC与PMvol-FuelOrganics总排放量显著上升;对B777、A330等大推力机型则略有差异。这类机型在不同航季下的燃油流量差异较小,而由于冬春季的PMnvol排放指数略高,使得这类机型在冬春航季的日均排放量较夏秋航季及单次LTO循环排放量略高。

    • 本研究中的不确定因素主要来自3个方面:一是在计算核心机黑碳浓度CBC时,假定燃烧室内燃烧过程无传热损失且为定压过程,而实际传热效率为96%~98%,从而使得计算得到的主燃区温度比实际温度偏高,黑碳浓度CBC略低;二是在对废气容积流量计算时,涵道比BRP选取的是ICAO排放数据库推荐值,与飞机运行中的实时值有差距,因而存在一定误差;三是挥发性硫酸盐颗粒物及挥发性有机颗粒物的排放指数来自ICAO推荐的标准值,该标准值为固定实验条件的数据,而实际运行中会随发动机实际推力、老化等其他条件影响而改变。

    • 1)结合飞机实际飞行数据,提出并利用改进的形成氧化方法,可更准确地估算核心机黑碳浓度CBC,从而改进民航飞机LTO循环颗粒污染物排放计算模型。针对飞机LTO循环阶段,定量分析了B777、A320、A321、A330、B738飞机不同航季颗粒污染物排放指数及排放量变化趋势,建立的模型较好地呈现了不同航季下颗粒污染物排放变化趋势。

      2)航空发动机在不同航季下LTO循环颗粒污染物排放量不同。对于A320、A321、B738等主流机型,在飞机发动机性能不发生退化、且起飞时采用全推力起飞的前提下,PMvol-FSC与PMvol-FuelOrganics排放指数不发生变化,冬春航季PMnvol排放指数较夏秋航季升高。这是因为夏秋航季气温高,在燃烧时空气、燃油的物理热较高,燃烧更完全,从而降低了PMnvol排放指数,从生成机理上减少了PMnvol的产生。但由于夏秋航季飞机燃油消耗率较高,最终导致夏秋航季单次LTO循环颗粒物排放量较冬春航季分别升高了18.6%、21.3%、17.7%。对于B777、A330等推力较大机型而言,不同航季燃油消耗率变化较小,冬春航季PMnvol排放指数略高,夏秋航季、冬春航季单次LTO循环颗粒物排放量差异不大,降幅仅为约3%。

      3)以北京首都国际机场为例,B777、A320、A321、A330、B738飞机夏秋航季较冬春航季排放量增加了0.5、1.6、1.7、1.6、3.7 t。其中,B738在不同航季下的日均排放差异最显著,约为9.7 kg。对实际运行条件下航空发动机颗粒污染物排放量的计算可真实有效地评估不同航季颗粒污染物排放的变化,为后续航空发动机实际运行过程中颗粒污染物排放监测提供参考。

    参考文献 (24)

返回顶部

目录

/

返回文章
返回