一种新型的地区机动车排放因子计算方法与流程

本发明属于信号与信息处理技术领域，具体涉及一种新型的地区机动车排放因子计算方法。

背景技术

利用我国机动车环保检测体系及数据库，提出了一种无需环境参数修正且能反映地区机动车尾气排放特点的新型地区机动车排放因子计算模型，可有效减少由修正参数引入的模型不确定度。对该模型的模型原理、模型结构和排放因子计算流程进行了详细阐述，证明该模型除需对机动车具体使用状态参数进行补偿外，无需对环境参数进行补偿，并对平均速度修正参数的计算进行了理论分析。以沈阳市机动车环保检测数据为基础，利用地区机动车排放因子计算模型对沈阳市小型轿车和小型客车的日均排放因子进行了计算，并通过比较发现沈阳市小型轿车整车尾气排放因子小于小型客车整车尾气排放因子，但在满载状态下小型客车的人均尾气排放因子低于小型轿车人均尾气排放因子。

由于机动车为人们出行带来的方便，城市居民对机动车的依赖性逐渐提高，机动车已成为当今城市的主要交通工具之一，但随着机动车保有量的日渐增加，机动车尾气污染物排放已成为城市空气污染的重要来源之一，据研究表明，机动车尾气对城市雾霾的贡献率达到约30％左右，因此对机动车尾气排放量的监测与控制已刻不容缓，相关研究已成为环境保护及能源计量研究领域的重点研究方向之一。

对城市机动车尾气宏观排放量进行监测和评估的关键在于得到各类型机动车的各尾气污染物排放因子，并结合各类机动车的数量及使用情况得到机动车尾气污染物排放总量，因此得到更加客观、准确的机动车尾气污染物排放因子是提高尾气排放量监测和评估准确性的关键。目前，对地区宏观机动车尾气排放因子的分析方式主要为三种。

方式：一是模型计算，二是抽样测试，三是遥感测试。基于模型计算的方法是以国外有关机构在标准工况下机动车尾气排放因子为基准，通过输入地区温度、气压等实际环境参数，对原基准排放因子进行修正，以修正后的排放因子作为地区机动车的平均排放因子，其优点在于使用灵活方便，适用于各种机动车尾气研究，目前广泛使用的模型包括mobile模型、ive模型和copert模型。但是，目前的排放因子计算模型的基准排放因子及修正系数都是国外研究机构在国外环境工况下实验得到，数据结果不一定符合我国的实际情况，此外，为修正由于实际环境与实验工况下的环境差异对排放因子造成的影响，需要引入大量的修正因子，致使模型的不确定度大为提高，反而降低了模型的准确性。基于抽样测试的方法是通过便携式机动车尾气分析装置测量样本机动车尾气污染物的排放因子，并对样本数据进行统计分析，以统计结果作为地区机动车尾气排放因子。该方法可以有效测量样本机动车在各行驶路段及路况下实际使用中的排放因子，不需要进行温度、气压等环境因素修正，数据的实用性较强，但是在具体实施过程中，受尾气检测装置数量等条件所限，样本机动车数量只能为百量级以下，而城市机动车保有量约为百万量级，因此受样本数量制约，分析结果作为宏观排放因子的代表性不足。基于遥感测试的方法是通过遥感尾气测试设备在采样路段实时测量通过机动车的排放因子，并将记录数据进行统计分析，分析结果作为地区机动车尾气排放因子。相比较于抽样测试方法，该方法的样本数量相对有所增加，但是还远达不到应有的量级，并且所记录的机动车类型只局限于在采样路段行驶的机动车，机动车类型的覆盖面不够，此外，所记录的数据中也只有机动车在瞬时速度下的尾气排放因子，数据记录内容缺乏多样性。

当前，为加强对机动车尾气排放的控制，我国机动车实行尾气排放情况年检制度，除非营运轿车6年内的免予上线检测，其它车辆每年至少进行一次尾气的环保检测，由每个城市设立的机动车环保检测站实施具体检测过程，并将检测报告上传到地方环保局。机动车环保检测站根据各类型机动车检测标准，对机动车在低速、中速、高速、加速、减速等情况下的尾气排放情况进行综合评价，分别给出一氧化碳、碳氢化物和氮氧化物的排放指标，并作为判定机动车尾气排放是否超标的法律依据，因此其检测数据兼具准确性、客观性和多样性，并且，由于是在实际使用环境下实施的尾气检测，所得到的排放因子无需进行温度、气压等环境参数修正，并且机动车在检测过程中使用油品为国内实际使用油品，也不需要进行油品参数修正，减少由修正引入的模型不确定度。此外，由于机动车环保检测站的数据库几乎涵盖了所在城市内所有机动车尾气的排放检测数据，因此，具有大量的数据基础作为保障。

技术实现要素：

本发明的目的是为克服当前国际通用排放因子计算模型与我国实际国情符合性不足，修正参数过多导致模型不确定度过高的缺点，结合实验测试方法获得排放因子减少环境因素补偿的优点，并结合我国现行机动车环保检测体系的大数据和信息化特点，提出一种新型的地区机动车排放因子计算方法。

本发明的技术方案：

一种新型的地区机动车排放因子计算方法，步骤如下：

第一步，数据筛选

地区机动车排放因子计算方法以机动车环保检测站和环保局的机动车检测数据库为基础，机动车环保检测站及环保局的数据库中存储着在环保检测站进行检测的机动车的一氧化碳、氮氧化物和碳氧化物检测过程数据，还记录机动车车牌号、发动机型号及环保标准、排量、基准质量、最大总质量和机动车类型机动车基本信息。根据所要分析的机动车类型参数形成数据库筛选条件，并从数据库中提取出需要的机动车尾气排放因子检测数据。

第二步，计算基准排放因子

2.1经筛选得到的机动车尾气排放因子数据中的异常数据进行判断和消除。

采用拉依达准则进行异常值判断，其判断数据为异常值的条件为：

式中，为机动车尾气数据平均值；s为实验室标准偏差，其表达式为：

2.2为确保基准排放因子具备宏观代表性，对异常值判断后的机动车尾气排放因子检测数据进行概率分布特性分析，并以概率加权平均值计算结果作为该数据库筛选条件下的基准排放因子，其表达式为：

式中，ee表示筛选条件下的基准排放因子；ei表示筛选后的机动车尾气排放因子检测数据；pi为经筛选后的各机动车尾气排放因子数据值的在概率分布曲线函数中所对应的概率值；n为筛选后的机动车尾气排放因子检测数据个数。

第三步，计算实际排放因子

虽然环保检测站的机动车排放因子检测数据已引入环境和油品影响，不需要温度和气压等环境因素以及燃油品质补偿，但是对平均行驶速度等机动车使用状态参数与检测工况中的参数不同引起的偏差依然需要补偿。

经补偿后的实际排放因子表达式为：

式中，ep表示实际排放因子；ζi为不同影响参数引入的修正系数；m为修正系数的种类数，不同分析内容所涉及修正系数的种类及数量不同。

当机动车在环保检测站和实际使用过程中的平均速度不同时，具体步骤如下：确定平均速度修正系数ζu。

平均速度修正系数ζu是为了修正基准排放因子和实际排放因子间由于机动车在环保检测站和实际使用过程中的平均速度不同而产生的偏差。

根据排放因子的定义，即单位行使距离下排放的污染物质量，则机动车排放污染物的体积表达式为：

式中，vx表示机动车排放污染物的体积；mx表示机动车排放污染物的质量；ρ表示机动车排放污染物的密度；ex表示机动车污染物的排放因子；l表示机动车行驶距离。

根据机动车发动机排气机理，可以得到机动车排出气体总体积表达式为：

式中，v为机动车排出气体总体积；v机动车发动机排量；r表示发动机一次有效做功所需曲轴转动圈数；k表示变速箱档位；ξ(u,k)发动机转速与变速箱挡位和机动车速度的关系函数。

根据污染物气体浓度cx的表达式：

可以得到污染物排放因子的表达式为：

则平均速度修正系数ζu的表达式为：

式中，ep和ee分别表示实际排放因子和基准排放因子；up和ue分别表示实际平均行驶速度和机动车环保检测站检测过程中平均行驶速度；cp和ce分别表示实际污染物排放浓度和机动车环保检测站检测检测过程中的污染物排放浓度；ξp(up,kp)和ξe(ue,ke)分别表示机动车实际使用时的发动机平均转速和在机动车环保检测站检测过程中的发动机平均转速。

本发明的有益效果是：本发明提出的排放因子计算模型理念和结构对我国城市机动车尾气监测、分析、控制及城市能源计量研究具有重要推进作用。

附图说明

图1为本发明的rvem模型原理图。

图2为本发明的rvem模型流程图。

图3(a)为1084组样本的小型轿车排放因子分布图。

图3(b)为1084组样本的小型客车排放因子分布图。

图3(c)为1084组样本的1.6l排量的小型轿车排放因子分布图。

图4(a)为1084组样本的小型轿车排放概率分布图。

图4(b)为1084组样本的小型客车排放概率分布图。

图5(a)为各排量机动车排放因子分布概率图。

图5(b)为各排量机动车排放因子概率图。

图6(a)为机动车环保检测站进行环保检测时机动车的行驶状态时序图。

图6(b)为某一辆机动车检测过程中一氧化碳排放浓度时序图。

图7(a)为1084组样本的小型轿车在实际平均行驶速度下机动车的污染物排放浓度的数据分布图。

图7(b)为1084组样本的小型客车在实际平均行驶速度下机动车的污染物排放浓度的数据分布图。

具体实施方式

以沈阳市机动车环保检测站及环保局数据库数据为基础，利用本发明提出的rvem模型，对沈阳市小型轿车、小型客车的日排放因子进行计算。

对沈阳市各机动车环保检测站前一天检测的小型轿车和小型客车的排放因子检测数据进行汇总，总计收集到1084条。虽然由于权限和数据库信息载体限制，没能收集到全部机动车检测数据，但是，根据沈阳市近180万的机动车保有量估计，全市各机动车环保检测站日均机动车检测总量约5000辆，抽样概率达到20％，采集样本具备代表性。

第一步，计算基准排放因子

对所采集到的1084组样本的检测报告中排放因子数据进行异常值筛查和统计计算，得到1084组样本的排放因子分布图，如图3，由于样本间自身差异及随机因素的影响，相同机动车参数下的排放因子计算结果呈现离散分布状态。

依据各排量及排放标准样本数量进行统计分析，计算得到各排量及排放标准的小型轿车和小型客车概率分布，如图4所示。

根据公式(3)，计算得到各排量下的小型轿车和小型客车的一氧化碳、氮氧化物和碳氧化物排放因子，如图5所示。

根据图4和图5可以基本发现沈阳市机动车中，小型机动车以1.6l排量机动车数量较多，小型客车以1.0l排量机动车数量较多。

以图5数据为基础，根据公式(3)计算得到沈阳市小型轿车和小型客车的筛选条件下的基准排放因子，如表1所示。

表1沈阳市小型轿车和小型客车基准排放因子

第二步，计算实际排放因子

如图6(a)所示为机动车环保检测站进行环保检测时机动车的行驶状态时序图。可以看到，在检测过程中，机动车处于三次加速和减速过程。对图6(a)所示机动车在环保检测站检测过程中行驶速度的时序图进行积分计算，得出机动车在环保检测站检测过程中行驶总距离为1013m，根据检测用时195s，计算得出机动车在检测过程中的平均行驶速度为19km/h。

图6(b)为某一辆机动车检测过程中一氧化碳排放浓度时序图。一氧化碳的排放浓度随机动车行驶速度的增加而增大。通过计算检测全过程的排放物浓度的平均值，即可得到机动车环保检测站检测过程中的污染物排放浓度ce。

目前中国城市内机动车平均行驶速度为20km/h-25km/h。由于沈阳城市规模相比较于北京、上海等一线城市较小，机动车密度相对较低，因此本发明采用25km/h作为沈阳市机动车平均行驶速度。由于up和ue大小相近，因此机动车在两种状态下的平均档位情况相同，即kp＝ke。由于在相同档位状况下，机动车行驶速度与发动机转速成正比，即因此公式(9)可化简为：

根据公式(10)，在已知沈阳市机动车平均速度的情况下，为了确定平均速度修正因子，需要确定在机动车实际平均行驶速度下机动车的污染物排放浓度。

对图6(a)所示机动车检测过程行驶速度时序图第二次加速及减速过程，即50s到100s区间，机动车平均行驶速度进行计算，其平均速度值为24.9km/h，与沈阳市平均速度参考值非常接近，因此，将机动车实际检测数据中第二次加速及减速过程的尾气浓度检测数据统计结果作为机动车实际平均行驶速度下机动车的污染物排放浓度cp。

如图7所示为1084组样本在实际平均行驶速度下机动车的污染物排放浓度的数据分布图。

根据图7计算得到沈阳市小型轿车和小型客车在实际平均行驶速度下机动车的污染物排放浓度值，如表2所示。

表2沈阳市小型轿车和小型客车污染物排放浓度

根据公式(10)计算得到修正值及修正结果如表3所示。

表3沈阳市小型轿车和小型客车实际排放因子

4结果与讨论

表3所示，沈阳市小型客车的碳氢化合物和氮氧化合物的排放因子略高于小型轿车的碳氢化合物和氮氧化物排放因子，一氧化碳排放因子明显高于小型轿车的一氧化碳排放因子，但小型客车的载人量可以达到9人，而小型轿车的载人量最多为5人，在最大载人量情况下，单辆车的人均排放因子如表4所示。

表4沈阳市小型轿车和小型客车人均排放因子

根据表4所示，在满载情况下，小型客车的一氧化碳、碳氢化化合物和氮氧化合物的人均排放因子明显低于小型轿车的一氧化碳、碳氢化合物和氮氧化合物的排放因子。因此，从更为客观的人均尾气排放量比较，小型客车的环保性能优于小型轿车。