基于智能電網大數據的工業企業大氣污染排放特征研究

吳力波*，周陽，陳海波，楊增輝（. 復旦大學，上海 0004；. 國網上海市電力公司，上海 00090；. 國網上海市電力公司電力科學研究院，上海 00090）

基于智能電網大數據的工業企業大氣污染排放特征研究

吳力波1*，周陽1，陳海波2，楊增輝3
（1. 復旦大學，上海 200043；2. 國網上海市電力公司，上海 200090；3. 國網上海市電力公司電力科學研究院，上海 200090）

本文嘗試構建基于智能電網大數據的工業企業污染排放預測方法。通過分析上海大中型工業企業用電量與工業總產出、工業總產出與主要污染物直接排放量之間的關聯關系，本文建立了工業企業基于用電量的直接污染排放清單估算方法。利用此估算方法，可在實時的智能電網大數據基礎上估算工業企業直接污染排放量，服務于大氣污染的實時預警和預測。本文研究表明，這種清單估算方法可直接應用于工業企業污染的實時防控，既可服務于政府大氣污染監測、應急機制啟動時防控對象的選擇，也可服務于未來的污染物排放權實時交易市場的供需分析等，是大數據在污染防治領域應用的可行路徑。

智能電網；大數據；工業企業；大氣污染

引言

隨著工業化、城市化進程的深化，人類社會經濟活動所產生的能源消費、污染物和溫室氣體排放等持續增加。城市是能源集中消費、污染物集中排放區域，環境污染問題尤為突出。很多大型城市人群高度聚集、污染物擴散條件差，一旦出現特殊天氣條件，很容易引發大氣環境公害事件。上海市作為全國的經濟金融中心，環境質量受到公眾高度關注，如何實現更為高效的公共環境治理，是上海市政府和企業所面臨的共同挑戰。近年來上海頻發霧霾天氣，個別日空氣質量指數飆升至400以上。這對于上海市居民的生活環境及健康狀況都造成了嚴重的影響。為有效應對嚴重空氣污染，上海市政府出臺了《上海市空氣重污染專項應急預案》，提出了多項應急措施。這些應急措施多基于監測數據，需要依賴歷史監測數據、結合氣候氣象條件做出一定的預測。這樣的技術路徑盡管能夠達到總體預警效果，但是并不能夠及時對應于污染源排放情況，有可能存在應急措施針對性不強，無法直接調動排放主體的防控積極性的缺陷，同時也無法根據工業企業生產活動的變動調整防控對象，實現環境效益與經濟效益兼顧的環境治理。

為了深入研究上海市工業企業生產行為及其排放行為，我們需要高頻的生產數據進行支撐，然而產量數據的獲得幾乎是不可能的，而工業企業的用電數據是與其生產直接相關的。電力數據可以反映出一個企業的生產狀況。大數據時代技術的進步為電力的高頻數據的獲得帶來了可能性。隨著我國智能電網建設的大規模推進，上海市已經實現了工商業智能電表數據采集的全覆蓋，重點用能企業已經覆蓋至主要設備、大型樓宇，并實現了分項計量，智能電網大數據已經能夠提供全方位的高頻用電數據。這些數據可以有效監測工業企業的生產經營狀況，進而推斷污染物排放狀況。這種從生產側對大氣污染情況的預測預警在環境管理領域還較為薄弱，而本文正是從這個角度入手，對上海市的大氣污染狀況的生產性成因進行研究。通過與上海市電力公司進行合作，本研究獲得了上海市工業企業用電高頻數據，對上海市典型工業企業的生產進行了分析研究，這對于上海市環境狀況的監控及預警有著十分重要的意義。

1　污染的生產性因素

1.1大氣污染的工業污染源

使用鍋爐的大中型工業企業是污染物排放的點源，霧霾天氣產生的主要原因是固定點源和流動源污染氣體的排放，其中熱電、化工、鋼鐵等工業企業排放的廢氣是固態大氣污染的主要來源。工業點源排放的特點在于短時間內排放集中、排放數量大，因而控制污染企業生產對于在短期內快速減少污染排放、提高空氣質量有重要意義，然而點源排放也會受到氣象因素的影響。康娜［1］曾針對北京的空氣污染建立氣象模型進行研究，得出北京污染與周邊工業污染相關的結論。

工業能源消耗產生的污染排放主要分成兩類，分別為直接排放和間接排放。其中，直接排放是指工業企業生產過程中消耗的化石燃料所產生的污染排放，而間接排放是指企業消耗電能所產生的污染排放。田賀忠［2，3］基于燃料消耗的排放因子法，按照經濟部門、燃料類型、燃料方式等信息，根據不同省市區的消耗能源類型，分別建立了燃煤大氣砷以及銻排放清單。而各類工業行業中，電力行業比較特殊，直接排放是指發電過程中消耗的化石燃料所產生的污染排放，間接排放指企業自身運營消耗的電能產生的污染排放。電力行業的排放是所有工業行業間接排放的源頭，因而在討論工業污染排放時將電力行業與其他行業分開討論可以使問題更加明晰。圖1的下半部分展示了工業企業直接排放與間接排放的關系圖。在本研究中選取上海非電力行業的工業企業為研究對象，旨在通過調控直接污染排放量較大的企業的生產情況，保證上海市實時空氣質量。

1.2大氣污染的主要組成

工業企業大氣污染物排放類型可分為氣態無機污染物和氣態有機污染物。氣態無機污染物，包括二氧化硫（SO2）、氮氧化物（NOx）、一氧化碳（CO）等；氣態有機污染物包括非甲烷揮發性有機物（Non-methane Volatile Organic Compounds）、多環芳香烴（Polycyclic Aromatic Hydrocarbon）、總懸浮顆粒物（Total Suspended Particulate）等。本研究中考慮到數據可得性、研究合理性，選擇無機污染物二氧化硫（SO2）、氮氧化物（NOx），有機污染物，PM2.5、PM10，以及包括這兩者的總懸浮顆粒物（TSP）作為研究對象，建立工業企業污染物排放監測與反饋系統。

1.3大氣污染的空間因素

計算企業的污染物排放量還要考慮空間分布因素。工業企業的直接污染物排放影響企業所在地空氣質量，而間接排放的影響范圍則與企業用電的來源有關，例如，企業使用的本地發電則造成對本地的空氣質量影響，企業使用的外省市發電則影響外省市空氣質量，企業使用清潔能源自發電則不會造成空氣污染。圖1的上半部分給出了企業用電來源路徑，表明了間接排放影響區域與電能來源有關。工業企業在某地區的直接污染物排放可根據該企業在該地區化石燃料使用量計算獲得，也可通過實際檢測獲得；而企業在某地區造成的間接污染排放的計算則要依據企業的用電量和用電來源中本地發電的比重，后者較前者復雜。在本研究中通過建立非電力工業企業直接污染排放量與用電量的關系，構建企業實時大氣污染物排放檢測機制，因而只考慮工業企業的直接排放，不計算間接排放部分。

圖1　電力輸送、直接排放與間接排放

2　研究方法與數據

2.1污染物排放估算方法綜述

估算點源大氣污染物排放的方法有多種，在一定情形下應根據數據的可得性、估算結果的科學性選擇合適的方法。通過梳理和比較，以往研究中有四種計算工業企業污染物排放量的方法，分別為行業污染排放系數估算法、分工序估算法、歷史數據估算法和流量監測法。前三種估算方法均以排放系數為依據，而最后一種方法不以排放系數為依據。

2.1.1行業污染排放系數估算法

值得注意的是，各行業生產工序、使用燃料的種類和結構、尾氣處理技術都有差別，因而各行業每單位燃料消耗的污染物排放系數均有差異。因而首先需要測算出各行業的單位產出污染排放系數，再結合企業燃料使用量和尾氣處理能力，計算出各企業污染物排放量。根據吳曉璐［5］測算的長三角地區各行業不同燃料的污染物排放系數，結合污染物普查數據庫提供的寶鋼燃料使用量，我們可以估算出寶鋼各類大氣污染物年排放量。

2.1.2分工序估算法

第二種方法是分工序估算法，這種方法適合在掌握各個企業生產流程詳細信息的情況下使用。鄭軍［6］為了獲得砂型鑄造工藝過程各個工序的碳排放情況，有針對性地開展節能減排措施，分析了砂型鑄造生產過程的特點，提出了基于工序碳源的鑄造工藝過程碳排放建模方法。通過分析鑄造生產中的各個環節，用工序特征要素描述砂型鑄造工序基本狀態。建立了五類基礎工序碳源，利用基礎工序碳源表示并計算各個工序的碳排放量。結合某農用車箱體鑄件生產過程進行驗證，估算了該鑄件的工序碳排放量。

根據《工業污染物產生和排放系數手冊》給出的各工業行業每單位產量各道工序的污染物排放系數，結合企業年產量數據，也可以計算出各個企業污染物排放的年度數量。《工業污染物產生和排放系數手冊》提供了燃燒單位質量/體積的煤、油、燃料氣的一氧化碳、碳氫化合物、氮氧化合物、二氧化硫、煙塵等的排放量，也提供了冶金工業、煤炭工業、化學工業、輕工業、制革工業、纖維板制造業、建材工業、機械工業、電力工業、鄉鎮工業等幾個工業分類下的子工業各道工序的相關污染物排放系數。例如鋼鐵行業的主要排污工序可分為煉焦、燒結、煉鐵、煉鋼（轉爐）、煉鋼（平爐）、煉鋼（電爐）和連鑄幾道工序，結合手冊提供的每單位產出在各個工序中各類污染物排放量，以及鋼鐵企業的產量，便可計算出生產這一產量過程中的污染排放量。徐洪波，盧曉軍［7］對沈陽市人造板制作工業進行調研，對生產工序中排放的廢氣污染物進行監測。確定人造板工業產、排污特點，分析行業的特征廢氣污染因子；對板材單位產品產生的廢氣污染物定量進行研究，得出各類板材生產過程中甲醛、氨氣、粉塵排放強度，估算了人造板工業產生的排污負荷。針對沈陽市人造板企業生產及污染物排放實際情況提出污染控制方法。

2.1.3歷史數據估算法

第三種方法根據歷史產量和污染物排放數據估算排放系數，結合目前產量估算污染物排放。適合在無法獲得行業生產流程信息、企業生產工序燃料使用量等明細數據的情況下使用。SO2和NOx的排放量直接采用全國污染源普查、企業環境影響回顧性評價報告和排污申報的數據。其中全國污染源普查數據庫以企業為單位記錄全年各大氣污染物的排放量，適用于排放口少的工業中小點源和生活點源。 排污申報數據按照工藝類型分別給出污染物排放量，環境影響回顧性評價報告采用物料平衡法估算不同工藝的排放量，適用于多排放口的大型工業企業。TSP 排放量同樣來自以上三個數據庫，取粉塵與煙塵排放量之和。同時，根據燃煤源顆粒物中 PM10、PM2.5的粒徑比例計算PM10與 PM2.5的排放量，具體計算數值可參考張強等［8］的研究成果。對于 CO、VOCs 和NH3排放量的估算，由于在全國污染源普查數據庫中沒有直接可用的數據，因此對于工業中小點源和生活點源采用排放系數法計算，可應用方法一中提供的基本公式。

2.1.4流量監測法

第四種方法在污染源（電站鍋爐、工業鍋爐、工業窯爐等燃燒設施）排污口直接實時監測污染物排放濃度，結合排放流量數據，計算一定時間內的總排放量。這種方法對資本設備要求較高，在實際中可行度較低，但測算污染物排放量數據最為精確。

根據工業企業用電量與產量之間的數量關系、產量與污染物排放的數量關系，可以建立工業企業污染物排放監測與反饋機制。在這一機制下，根據工業企業實時用電量數據，可以估算出該企業實時大氣污染物排放量，對于污染物排放量超過一定標準的企業給予警示，甚至通過行政手段限制其生產行為，將上海市大氣污染物排放量控制在一定范圍內，保證市內空氣質量。

2.2本文研究方法

本研究采用行業污染排放系數估算法，計算各個工業企業的污染物排放量。該技術在亞洲地區應用還比較少，David G.Streets［9］等根據美國航空航天局（NASA）的Trace-P項目研制了2000年亞洲地區的排放清單。胡堯［10］也曾基于中國的投入產出表進行了中國能源消費的碳排放估算，但是其側重于碳排放研究，很少涉及污染物的排放。

首先，根據企業用電量和產量的歷史數據，建立二者之間的數量關系。然后，通過行業污染物排放系數建立起企業產量與污染物排放之間的數量關系。從而，可以進一步建立企業用電量與污染物排放的數量關系。在此基礎之上，建立污染物排放監測機制，根據智能電表觀測到的企業實時用電量計算企業實時污染排放量，通過電力供給控制、錯峰填谷等手段調節企業用電量，利用行政手段引導工業企業改變生產計劃，從而達到上海市工業企業整體單位時間內用電量、污染排放量保持基本穩定的目標。通過污染物排放反饋機制得到調整后的各企業污染物排放量，進一步利用電力供給控制、錯峰填谷措施進行調整。工業企業實時污染物排放量的測算根據以下三個步驟進行。

（1）獲取工業企業一段時期內的一次能源投入量數據，根據各行業燃煤排放系數、燃油排放系數，計算在這一段時間內該企業的各類大氣污染物排放量。

（2）根據企業在一段時間內的污染物排放和同一段時間的用電數據，計算單位用電量的各類污染物排放，獲得污染系數。

（3）得到單位用電量的各類污染物排放數據后，結合智能電表監測到的企業15分鐘用電量的高頻數據，計算得到高頻的大氣污染排放物曲線。

2.3數據來源

本研究中工業部門污染物排放量的數據來源于第一次全國污染源普查數據，數據的時間跨度為2006年到2009年。從范圍來看，污染源普查包括工業源、農業源、生活源和集中式污染治理設施四大部分。從對象來看，全國總的普查對象為592.6萬個，其中工業源157.6萬個，農業源289.9萬個，生活源144.6萬個，集中式污染治理設施4790個。用電數據方面，本研究獲取上海市工業企業每日96點用電數據（每15分鐘一個數據）用于替代上海市工業生產產量數據，作為上海市工業企業生產的直接變量。

3　分析結果及應用

根據計算所得的企業15分鐘內的電力消耗水平，結合污染物排放系數可以得出各類污染物排放量，及時對污染排放嚴重的企業給予警示，甚至使用行政手段控制其生產活動，以保證空氣質量維持在一定水平之上。

以寶鋼集團上海五鋼有限公司為例。該公司屬于其他金屬制品制造行業，大工業用電交流電壓為10kV，位于同濟路305號，電表編號為H00271。2008年表號H00271全年用電量：9 237 924kWh，在2008年全年煤炭投入量為100Wt的情況下，可計算出單位用電量的污染物排放系數：

PSO2= 12.48C/Q = 1.350 952 876

PNOx= 10.31C/Q = 1.116 051 615

ECO= 28.56C/Q = 3.091 603 698

PPM2.5= 0.203C/Q = 0.021 974 634

PPM2.5-10= 0.075 3C/Q = 0.008 151 182

PPM10+= 0.046 3C/Q = 0.005 011 949

結合電表提供的每十五分鐘用電量數據，可畫出該企業一天之內每十五分鐘的污染物排放量曲線。圖2展示了根據以上算法得到的上海五鋼2009年9月1日的PM2.5排放量隨時間變化的曲線。

本文選擇了上海9家代表性工業企業作為樣本，計算其單位用電量的污染物排放系數。表1展示了上海市若干工業企業每千瓦時用電量各類污染物排放量的計算結果。觀察表中數據，可以發現不同企業單位用電量污染物排放量差異很大，不同企業的各類污染物排放比重也不相同。工業企業的單位用電量污染物排放量、污染物排放構成與企業的生產內容、生產過程、生產方式、生產技術等緊密聯系。例如，電機制造業、煉焦業和紙制品制造業二氧化硫、氮氧化合物的排放量比較大，而電子和電工機械專用設備制造業則會排放大量可懸浮顆粒物，是導致霧霾的重要源頭。鋼鐵行業、氯堿行業雖然能源消耗量很大，但伴隨單位用電量的各類污染物排放卻比較小，這與上海的經濟結構是有關系的，上海地區的大型鋼鐵、氯堿企業往往采用很先進的節能減排技術，因而這些大型工業企業并不一定是造成上海市空氣污染的主要原因。

圖2　上海五鋼PM2.5排放日數據（2009.9.1）

表1　上海市若干工業企業大氣污染物排放系數單位：g/kWh

通過上傳工業用戶每15分鐘采集的用電量數據與污染物排放數據，建立工業企業污染物排放實時監測熱力圖應用于上海市工業企業污染物排放監測。當上海市日空氣污染指數超標，或天氣污染嚴重時，即可通過熱力圖追蹤重點污染點源，建議相關企業調整生產計劃，通過對企業自身的排放行為進行調整，達到督促企業節能減排，指導企業節能降耗的效果。

根據前一部分的污染物排放系數計算方法和高頻企業污染物排放量數據的計算方法，可以建立污染物排放的監測機制。企業污染物排放的高頻數據可以以兩種形式展示。一種形式是各類污染物排放量隨時間變化的折線圖，可以反映同一企業污染物排放量在一天當中的變化，便于識別企業在一天中的生產、能源使用高峰期和低谷，體現出企業在一天當中的生產活動特征。另一種形式是熱力圖，本研究在估算各個企業污染排放系數的同時，也搜集了企業的經度、緯度信息，從而可以制作企業各類污染物排放量的熱力圖。在地圖上標注調研范圍內的工業企業的位置，用色彩顯示出企業污染物排放量的差異。熱力圖可以將不同企業的同種污染物排放量展示在同一張地圖上，便于比較出同一時間點上各企業對某種大氣污染物的排放量大小（圖3、圖4）。結合實時空氣質量監測，可以尋找濃度偏高的污染物源頭，從污染源開始尋求解決方案并采取措施。

4　結論及政策建議

本研究建立了上海市工業企業用電量與大氣污染物排放量之間的數量關系，大氣污染物排放量的降低可以從降低企業用電量著手。一方面，可以切斷對污染物排放量過大的企業的電力供給。衡量企業污染物排放量過大的標準制定應有科學性、合理性。本研究給出了針對這種措施的三個可能的方案。

方案一：選擇導致當前最嚴重空氣質量問題的污染物作為控制對象，通過行政手段停止或減少前一日PM2.5排放量最高企業的電力供給。例如，秋冬季節空氣流動不暢，加之人們出于取暖的目的對能源消費量增加，空氣中PM2.5濃度升高，造成嚴重霧霾現象，在很大程度上影響了人們的戶外活動和生活質量。因而秋冬季節應該關注企業PM2.5排放量，從工業企業方面降低可懸浮顆粒物排放。

方案二：根據空氣中各類污染物濃度的加權求和數據，建立基于二氧化硫、氮氧化合物、可懸浮顆粒物濃度的空氣污染貢獻指數。計算各企業空氣污染貢獻指數的高頻數據，控制連續6小時該指數在一定數值以上企業的電力供給。

方案三：采取雙重指標監控機制，即選取前一天濃度超過國家限制范圍百分比最高的兩種污染物作為研究對象，需要采取電力供給限制的企業應滿足一天中連續6小時以上兩種污染物排放量在工業行業歷史平均水平以上。在實際情境中，還應該考慮到操作的復雜性及方案的可行性，需要進行一段時間的測試。

另一方面，可以將電力的錯峰填谷措施與污染物排放量控制相結合，錯峰填谷相對于直接切斷/減少企業電力供給是一種更加溫和的措施，但實際操作的復雜程度更高、難度更大。企業污染物排放系數在一定時期內基本穩定，那么企業污染物排放量的大小反映企業用電量和產量的信息。錯峰填谷措施要求通過企業調整用電時間，減少上海市一天中的高峰用電量，而增加一天中的低谷用電量，從而避免出現高峰時期的電力供給不足，以及低谷時期的供電設備閑置和電能棄置。

圖3　工業污染排放實時監測熱力圖*

圖4　工業污染排放實時監測熱力圖*

根據污染監測機制的觀測結果，停止對實時污染排放超標企業的電力供給，或強制要求企業將用電高峰時間段的生產轉移到低谷時間段。雖然可以達到污染排放控制的目標，但卻使得企業偏離了利潤最大化的目標。激勵手段指通過稅收、補貼、勸導等方式鼓勵企業改變生產行為的方式，這種措施實現污染排放控制的效果難以預測，政策制定流程復雜，但企業以利潤最大化為目標的生產經營活動將不會受到干預。

在監測機制的基礎上，需要進一步建立污染物排放反饋機制，監測污染物排放量在采取改善措施后的變化，進一步采取新的措施，再次保證污染物排放量總體水平在一定范圍內，從而實現動態調控。污染物排放反饋機制的數據可以不斷更新，這確保通過控制企業用電量可以有效控制大氣污染物排放量。本研究中計算污染物排放系數的數據來自于第一次全國污染源普查數據庫，以及《工業污染物產生和排放系數手冊》。污普數據庫的數據更新、系統發展為本研究提供了保障。在長期內企業的生產內容、生產方式、生產技術都會發生變化，污染物排放系數也會發生相應變化，數據更新是保證本研究有現實意義的重要條件。本研究中上海市工業企業用電量的數據來自于上海電力公司，為電表讀出的每15分鐘企業高頻用電數據。這一重要數據來源也是建立污染物排放反饋機制的保障。建立污染物排放反饋機制有著關鍵作用，一方面，反饋機制監測電力供給控制、錯峰填谷等措施對企業污染物控制的效果，是必不可少的環節；另一方面，反饋機制也給出調整措施效應強度的經驗數據，可供進一步研究、完善污染物排放監測與反饋機制，甚至可以將在上海地區的成功經驗推廣到全國。

［1］ 康娜， 高慶先， 周鎖銓， 等. 區域大氣污染數值模擬方法研究［J］. 環境科學研究， 2006， 19（6）: 20-26.

［2］ 田賀忠， 曲益萍. 2005年中國燃煤大氣砷排放清單［J］. 環境科學， 2009， 30（4）: 956-962.

［3］ 田賀忠， 趙丹， 何孟常， 等. 2005年中國燃煤大氣銻排放清單［J］. 中國環境科學， 2010， 30（11）: 1550-1557.

［4］ 唐飛， 陳文抗， 石琴. 基于LEAP模型的城市客運交通能耗和污染物排放預測［J］. 交通節能與環保， 2015， 11（6）: 31-36. ［5］ 吳曉璐. 長三角地區大氣污染物排放清單研究［D］. 上海:復旦大學， 2009.

［6］ 鄭軍， 唐任仲， 胡羅克. 基于工序碳源的砂型鑄造過程碳排放建模方法［J］. 計算機集成制造系統， 2014， 20（4）: 898-908.

［7］ 徐洪波， 盧曉軍. 沈陽市人造板行業廢氣污染物排放狀況及控制方法［J］. 黑龍江科技信息， 2010（29）: 47-48.

［8］ 張強， KLIMONT Z， STREETS D G， 等. 中國人為源顆粒物排放模型及2001年排放清單估算［J］. 自然科學進展，2006， 16（2）: 223-231.

［9］ STREETS D G， BOND T C， CARMICHAEL G R， et al. An inventory of gaseous and primary aerosol emissions in Asia in the year 2000［J］. Journal of geophysical research， 2003，108（21）: 8809-8822.

［10］ 胡堯， 饒光明.中國能源消費行業碳排放研究——基于“碳排”投入產出表的編制［J］. 重慶工商大學學報（社會科學版）， 2015， 32（4）: 17-26.

［11］ 陳希. 我國天然氣發展問題與對策思考［J］. 生態經濟，2011（2）: 123-126， 140-140.

［12］ 吳紅梅. 長三角地區能耗特點與節能對策研究［J］.中國能源， 2007， 29（8）: 22-25.

［13］ 國家環境保護總局. 2007年中國環境狀況公報［EB/OL］. （2008-06-04）. http://jcs.mep.gov.cn/hjzl/ zkgb/2007zkgb/200811/t20081117_131309.shtml.

［14］ 李莉， 陳長虹， 黃成， 等. 長江三角洲地區大氣O3和PM10的區域污染特征模擬［J］. 環境科學， 2008， 29（1）: 237-245.

［15］ 劉俊伶， 王克， 鄒驥. 基于MRIO模型的全球貿易內涵碳流向分析［J］. 世界經濟研究， 2014（6）: 43-48.

［16］ NASA Research Announcement. Experimental and theoretical studies of transport and chemical evolution over the Pacific （TRACE-P）. 2000-01-28.

*圖3、圖4彩圖見文后彩插，編者注。

Emission Characteristics of lndustrial Air Pollution by Using Smart-Grid Big Data

WU Libo1*， ZHOU Yang1， CHEN Haibo2， YANG Zenghui3
（1. Fudan University， Shanghai 200043； 2. State Grid Shanghai Municipal Electric power Company， Shanghai 200090； 3. State Grid Shanghai Municipal Electric power Company， Electric Power Research Institute， Shanghai 200090）

This paper tries to develop a new method to forecast the industrial pollutant emission based on smart-grid big data. By analyzing the correlation between electricity use， industrial output and main environmental pollutants， this paper built up an accounting method for estimating the direct pollutants emission. This method can support the estimation of industrial direct pollutant emission basd on real-time smart-grid big data and serve the precautionary management and pollution forecast. The study indicates that such method can be applied to manage the real-time industrial pollution by filtering the regulated targets in extremely polluted days. It can also support the real-time trading of pollution rights in future cap and trading markets. This method proved that energy big data can be utilized in air pollution control effectively.

smart-grid； big data； industrial enterprise； air pollution

X51；TM76

1674-6252（2016）04-0037-06

A

10.16868/j.cnki.1674-6252.2016.04.037

本研究受到國家863項目“智能配用電大數據應用關鍵技術”（2015AA0203）資助。

*責任作者： 吳力波（1974—），女，復旦大學大數據學院、經濟學院教授、博導，主要研究方向為能源經濟、能源大數據分析，E-mail：wulibo@fudan.edu.cn。