IVE模型中區(qū)間劃分方法對排放因子估算的影響

周 華,趙宏偉,吳蒙蒙,李菁元,王計廣,馮 謙,龍子昂,余雙雨,彭 皓,汪行健,金陶勝*

?

IVE模型中區(qū)間劃分方法對排放因子估算的影響

周 華1,2,趙宏偉1,吳蒙蒙3,李菁元2,王計廣2,馮 謙2,龍子昂3,余雙雨3,彭 皓3,汪行健3,金陶勝3*

(1.吉林大學機械科學與工程學院,吉林 長春 130022；2.中國汽車技術研究中心有限公司,天津 300300；3.南開大學環(huán)境科學與工程學院,天津 300350)

利用便攜式排放測試系統(tǒng)(Portable Emission Measurement System,簡稱PEMS)和GPS系統(tǒng)(Global Position System,簡稱GPS)選取多輛天津市機動車進行了道路測試,并對其排放及行駛數據進行了研究,分析了在IVE(International Vehicle Emissions,簡稱IVE)模型中不同區(qū)間的劃分方法下,機動車比功率(Vehicle Specific Power,簡稱VSP)與排放相關系數的差異.CO、CO2、NO排放與VSP相關系數在Paps(Preaverage Power Stress,前平均比功率負載,簡稱Paps)方案下進行劃分時的平均值從原有的引擎負載(Engine Stress,簡稱ES)方案下的0.1以下上升到0.4以上;但是HC排放與VSP相關系數在ES方案下的均值為0.0370,在Paps方案下卻為-0.0766.分別計算污染物實測排放因子與IVE模型改進前和改進后的污染物排放因子的比值,發(fā)現采用Paps區(qū)間劃分方法計算得出的排放因子數據比ES區(qū)間劃分方法得出的數據顯著接近于實測排放因子,顯示Paps區(qū)間劃分方法有助于改善機動車排放估算的準確度.

IVE模型；引擎負載；比功率；相關性分析；區(qū)間劃分

據《中國機動車環(huán)境管理年報(2018)》[1]統(tǒng)計,我國機動車保有量呈快速增長態(tài)勢,2017年,全國機動車保有量達到3.10億量,同比增長5.1%;其中,汽車保有量達到2.17億輛,同比增長11.8%.隨著汽車保有量逐漸增加,對于汽車排放污染的估算越來越受到人們關注.

排放估算大多采用模型化方法,如基于平均速度的COPERT(Computer Program To Calculate Emissions Form Road Transport)模型[2-3],基于道路類型和交通狀況的HBEFA(Handbook Emission Factors for Road Transport)模型[4-5],基于“速度修正因子”方法的MOBILE模型[6],對基本排放因子進行溫度、車速、駕駛行為等因素的修正并與MOBILE模型原理基本相同的經驗模型EMFAC模型[7],以大量車型的瞬時排放數據為研究基礎,反應實時排放特點的綜合典型排放模型CMEM(Comprehensive Modal Emission Model)模型[8-9]以及基于VSP (Vehicle Specific Power)參數[10-12]的模型,如MOVES(Motor Vehicle Emission Simulator)模型[13-14]、IVE (International Vehicle Emissions)模型[15-16].

在眾多模型中,基于VSP的IVE模型近年來因其科學的建模和開放的參數環(huán)境可以很方便地在發(fā)展中國家本地化[17].但是受多方面因素影響,IVE模型的估算結果仍會產生一些誤差[18],其中一部分誤差是因為本地化測量實驗的不足;另一部分誤差來自IVE模型估算模塊運算規(guī)則.為了適應其它的行駛過程,IVE模型使用排放單元,即BIN[19-20],來連接排放率和行駛狀況.具體來講,一輛車以任意行駛過程走過一條路的總排放,等于它在每個BIN的運行時間乘以這個BIN對應的排放率的總和[21].BIN的劃分依據不僅是發(fā)動機本時刻的工況,還結合了歷史工況對本時刻發(fā)動機工況的影響.BIN對IVE模型的估算非常重要,目前減少IVE模型估算誤差的方法有兩種:一是再測量本地車輛在各個BIN中的排放率,并通過實際道路實驗測量各個本地化參數;二是改變IVE中BIN的劃分方法,這是一個新的研究方向.

已有一些研究人員對不同的VSP劃分方法進行了相關研究,但目前國內的研究普遍集中在比功率上,對引擎負載(Engine Stress,簡稱ES)和前平均比功率(Pap)這兩個參數關注較少.Zhai等[22]提出了將vsp值分散成8種模式的VSP模態(tài)法以及平均鏈路速度法,并進行了兩種方法的比較,即測試其預測七輛選定巴士的個體排放量和車隊排放量能力.結果表明,兩種方法都可以合理預測車隊水平上的排放量并且差別不大,對于巴士個體排放量的預測都存在很大的變異性.上述提到的VSP模態(tài)法是依據污染物平均排放率的差異來劃分區(qū)間,并沒有明確的參數.而胥耀方等[23]在劃分VSP區(qū)間時引入了具體的參數ES,通過比較VSP、VSP-速度、VSP-ES 3種區(qū)間劃分方式對北京市二環(huán)內不同等級道路的CO2排放的預測結果,發(fā)現VSP-速度和VSP-ES的區(qū)間劃分方法能更準確地反映CO2排放狀況,并且兩者誤差相差不大.該區(qū)間劃分方法雖然引用了明確的參數ES,并證明了其良好的預測性,但并沒有更進一步利用該參數研究更有效的區(qū)間劃分方法.本文則進一步對參數ES進行探究,著重研究了引擎負載作為工況點的排布維度的作用,以VSP和排放相關程度的比較為手段,利用GPS、OBS-2200采集了天津市的小轎車道路測試數據,進行不同引擎負載區(qū)間劃分方法對VSP與排放物相關系數的影響分析;在此基礎上分別計算了污染物實測排放因子與IVE模型改進前和改進后的污染物排放因子的比值,探討了不同區(qū)間劃分方法對IVE模型排放因子估算精確度的影響.

1 研究方法

1.1 數據來源

首先利用實驗汽車在天津市區(qū)設計道路內的行駛而得到數據,實驗汽車的基本參數如表1所示.其中通過GPS系統(tǒng)測量得到瞬時速度數據,通過OBS-2200系統(tǒng)測量得到瞬時氣態(tài)排放物數據,并以此為基礎進行不同引擎負載劃分方法對相關系數的影響分析.

然后利用MQW機動車尾氣分析儀對檢測車站年檢車輛進行排放測試,獲得共150余輛汽油車和柴油車分不同車型及不同排放標準的污染物當量排放值,車型、燃油類型以及排放標準通過年檢站系統(tǒng)界面獲取,結合不同類型機動車的年均行駛里程,可獲得實測的排放因子,進而與IVE模型改進后的污染物排放因子進行比較.

表1 汽車的基本參數

1.2 分析方法介紹

Bin的劃分有兩個重要參數,一個是比功率(VSP),另一個是引擎負載(ES).目前的IVE模型劃分bin的方法是首先對研究對象分類,對一類車輛的行駛數據先根據公式計算VSP,然后按4kW/t的增量映射到-44 ~30kW/t的區(qū)間上,超出部分分配到邊界BIN內.這樣一共分配了20個BIN,同時按照引擎負載從-1.6到12.6等分為高、中、低三檔,即形成60個BIN.

其中,比功率的計算公式[14]:

式中:為參考時刻的瞬時速度,m/s;為參考時刻加速度,m/s2;為坡度,定義為參考時刻海拔高度與前一秒海拔高度之差與參考時刻速度的比值.

引擎負載的計算公式(Lents J,2002):

式中:0.08t/kW為經驗系數;Pap(preaveragepower)為參考時刻前20秒的VSP的平均值; RPM為發(fā)動機轉速指數,它是速度和速度因子的比值,其中速度因子是一個經驗系數,單位是m/s,它的數值確定是經過對排氣數據的統(tǒng)計和擬合得出的[19].

采用了兩套BIN的劃分方案,第一套采用IVE預設的方案,即符合式(2)的引擎負載計算方法,此方法計算出來的引擎負載我們稱之為ES方案.第二套引擎負載的計算方案中,由于發(fā)動機轉速指數RAP是瞬時速度和速度因子的比值,即瞬態(tài)參數,為了探究歷史工況對瞬態(tài)排放相關系數的影響,我們對公式(2)進行了修改,省略了其后面的發(fā)動機轉速指數,稱之為Paps方案,其表達式如下:

2 不同引擎負載劃分方法對相關系數的影響分析

圖1 ES和Paps兩種方法下CO排放與VSP相關系數的比較分析

Fig.1 Correlation coefficient of CO emission and VSP in the method of ES and Paps

兩個劃分方案的基礎是完全不同的劃分參數.同時基于時間分析序列里AR(Auto Regressive)模型[24]的應用,本實驗在確立了Paps或ES為劃分參數的基礎上,分別采用了23個維度劃分水平.具體來講,就是在固定了所統(tǒng)計區(qū)間段兩端取值范圍后,將既有的維度平分為3份、4份……一直到25份,通常將這種把劃分因子(Paps或ES)劃分到不同尺度的規(guī)則稱為劃分水平.在每種劃分水平下,進行如下操作:

1.以8輛實驗汽車數據為基礎分別計算每個BIN內VSP與其所對應的排放的相關系數.

2.排除數據量過少的BIN.

3.將劃分水平和求得總體相關系數作圖.

圖2 ES和Paps兩種方法下CO2排放與VSP相關系數的比較分析

圖3 ES和Paps兩種方法下HC排放與VSP相關系數的比較分析

從圖1到圖4中可非常直觀地看到是,ES方案下相關系數水平極低,排放與所對應VSP幾乎不相關,而Paps方案下除HC排放與VSP相關系數外都保持了一個較高水平.使用Paps方案對CO2、NO和CO三種氣體進行預測時,得到的排量與工況的相關系數遠高于IVE模型給出的ES方案,這說明了由IVE模型給出的引擎負載計算式中存在對預測結果的擾亂因素.對比式(2)和式(3)可發(fā)現其差異在于對RPMi,即發(fā)動機轉速指數的處理,我們的實驗數據分析結果同時揭示了當使用引擎負載劃分BIN時,對于工況與排放相關系數的比較,Paps方案獲得的相關度優(yōu)于ES方案.

圖4 ES和Paps兩種方法下NOx排放與VSP相關系數的比較分析

3 兩種區(qū)間劃分方法得出的排放因子比較分析

以150余輛汽油車和柴油車數據為基礎,在對IVE模型進行改進時,首先在IVE模型的工況界面輸入相應的信息,在行駛特征模塊按照Paps區(qū)間劃分方法填寫每個bin的VSP分布百分數.然后進入車隊信息界面填寫車隊技術類別(相關信息參考統(tǒng)計年鑒和指南),最后進入基礎排放因子校正界面,將模型固有的基礎排放因子與實測排放因子作比較,計算基礎排放因子的修正系數,進而將修正系數輸入界面中,最后得到修正后的機動車排放因子.

然后分別計算實測排放因子與IVE模型改進后的污染物排放因子的比值,用Ke(ES區(qū)間劃分方法)和Kp(aps區(qū)間劃分方法)表示,結果顯示采用Paps區(qū)間劃分方法計算得出的排放因子數據比ES區(qū)間劃分方法得出的數據更接近于實測排放因子.表2顯示了NO排放因子的對比情況,汽油車和柴油車(分為<1和>1兩種情況)的Ke和Kp均有顯著性差異(<0.05).由此可以推斷,采用Paps區(qū)間劃分方法的IVE模型計算得出的污染物排放量比采用ES區(qū)間劃分方法的IVE模型計算得出的污染物排放量更接近于實際排放量,這對于提高IVE模型預測污染物排放量的準確度具有重要參考價值.

表2 實測與不同區(qū)間劃分方法下NOx排放因子比值對比

4 結論

4.1 在CO2、NO、CO三種排放中,采用Paps方法得到的排放與VSP相關系數平均值分別為0.4412、0.4883、0.5875,但ES方案下對應的相關系數僅為0.0464、0.0173、0.0743,這反映了針對我們的實驗車輛進行排放預測時,由IVE提供的ES方案的預測效果可能不及Paps方案的預測效果,這種差異主要來自發(fā)動機轉速指數.

4.2 通過IVE模型應用不同區(qū)間劃分方法改進后的NO和CO排放因子分別與實測排放因子對比,結果顯示采用Paps區(qū)間劃分方法計算得出的排放因子數據比ES區(qū)間劃分方法得出的數據更接近于實測排放因子且有顯著性差異(<0.05).

4.3 本文結果揭示出,通過比較選取更適合的區(qū)間劃分方法,有助于減小IVE模型的預測誤差,提高模型預測的可靠性,使之準確地計算出機動車的污染物排放量,為城市機動車污染控制對策的建立提供科學依據.當然,目前國內外對此方面的相關研究較少,還需要積累更多的研究數據來深入探討相關規(guī)律.

[1] 中華人民共和國環(huán)境保護部.中國機動車環(huán)境管理年報 [EB/OL]. (2017-06-05). http://www.zhb.gov.cn/gkml/hbb/qt/201706/W020170 605537942778925.pdf. Ministry of environmental protection of the People's Republic of China.China vehicle environmental management annual report [EB/OL]. (2017-06-05). http://www.zhb.gov.cn/gkml/hbb/qt/201706/ W020170605537942778925.pdf.

[2] 孫世達,姜 巍,高衛(wèi)東.青島市機動車排放清單與空間分布特征 [J]. 中國環(huán)境科學, 2017,37(1):49-59. Sun S D, Jiang W, Gao W D. Vehicle emission inventory and spatial distribution in Qingdao [J]. China Environmental Science, 2017,37(1): 49-59.

[3] Gkatzoflias D, Kouridis C, Ntziachristos L, et al. COPERT 4, computer programme to calculate emissions from road transport methodology and emission factors [R]. Copenhagen, Denmark: European Environment Agency, 2007:5-20.

[4] 周溪溪,宋國華,于 雷.面向排放量化的低速區(qū)間機動車比功率分布特性與模型 [J]. 環(huán)境科學學報, 2014,34(2):336-344. Zhou X X, Song G H, Yu L. Distribution characteristics and model of low-speed vehicle specific power for emission quantification [J]. Acta Scientiae Circumstantiae, 2014,34(2):336-344.

[5] Keller M. Handbook of Emission Factors for Road Transport (HBEFA) 3.1 [R].Quick reference. Technical report, INFRAS. 2010.

[6] National Research Council. Modeling mobile-source emissions. [J]. Washington D.C: National Academy PRESS. 2000.

[7] Fujita E M, Campbell D E, Zielinska B, et al. Comparison of the MOVES2010a, MOBILE6.2, and EMFAC2007 mobile source emission models with on-road traffic tunnel and remote sensing measurements. [J]. Journal of the Air & Waste Management Association, 2012,62(10):1134-1149.

[8] 戴 璞,陳長虹,黃 成,等.不同行駛工況下輕型柴油車瞬時排放的CMEM模擬研究 [J]. 環(huán)境科學, 2009,30(5):1520-1527. Dai P, Chen C H, Huang C, et al. Instantaneous emission simulation for light-duty diesel vehicle with different driving cycles by CMEM model [J]. Environmental Science, 2009,30(5):1520-1527.

[9] 王 焱.機動車排放控制應用模型初探 [J]. 環(huán)境與可持續(xù)發(fā)展, 2014,39(3):59-61. Wang Y. Motor vehicle emission control in the application model [J]. Environment and Sustainable Development, 2014,39(3):59-61.

[10] Liu J, Ge Y, Wang X, et al. On-board measurement of particle numbers and their size distribution from a light-duty diesel vehicle: Influences of VSP and altitude [J]. J. Environ. Sci., 2017,57(7):238- 248.

[11] 胥耀方,于 雷,宋國華.基于遺傳算法的運行模式分布模型及排放測算 [J]. 中國環(huán)境科學, 2016,36(12):3548-3559. Xu Y F, Yu L, Song G H. GA-based approach to modeling operating mode distributions and estimating emissions [J]. China Environmental Science, 2016,36(12):3548-3559.

[12] Wang A S, Ge Y S, Tan J W, et al. On-road pollutant emission and fuel consumption characteristics of buses in Beijing [J]. Journal of Environmental Sciences, 2011,23(3):419-426.

[13] Simulator M V E. 2009. MOVES 2010 User Guide [R]. Report EPA-420-B-09-041. Office of Transportation and Air Quality, US Environmental Protection Agency.

[14] Jiménez-Palacios J. Understanding and quantifying motor vehicle emissions with vehicle specific power and tildas remote sensing [D]. Cambridge: Massachusetts Institute of Technology, 1999.

[15] Wang H K, Chen C H, Huang C, et al. On-road vehicle emission inventory and its uncertainty analysis for Shanghai, China [J]. Science of the Total Environment, 2008,398:60-67.

[16] Guo H, Zhang Q Y, Shi Y, et al. Evaluation of the International Vehicle Emission (IVE) model with on-road remote sensing measurements [J]. Journal of environmental sciences, 2007,19(7):818- 826.

[17] 郝艷召,王宏圖,宋國華,等.中觀機動車尾氣模型在中國的適用性 [J]. 長安大學學報(自然科學版), 2016,36(1):112-119. Hao Y Z, Wang H T, Song G H, et al. Suitability of meso-level vehicle emission model in China [J]. Journal of Chang’an University (Natural Science Edition), 2016,36(1):112-119.

[18] 郝艷召,宋國華,邱兆文,等.基于浮動車數據的機動車排放實時測算模型 [J]. 中國環(huán)境科學, 2015,35(2):396-402. Hao Y Z, Song G H, Qiu Z W, et al. Real-time calculation model for vehicle emissions based on floating car data [J]. China Environmental Science, 2015,35(2):396-402.

[19] Frey H C, Unal A, Chen J, et al. Methodology for developing modal emission rates for EPA’s multi-scale motor vehicle and equipment emission estimation system [R]. Prepared by North Carolina State University for the Office of Transportation and Air Quality, U.S. Environmental Protection Agency, Ann Arbor, (EPA420-R-02-027). 2002.

[20] Choi H, Frey H C. Light duty gasoline vehicle emission factors at high transient and constant speeds for short road segments [J]. Transportation Research Part D: Transport and Environment, 2009, 14(8):610-614.

[21] International suburban sustainable research center (ISSRC). IVE Model Users Manual Version2.0 [M]. La Habra. 2008.

[22] Zhai H, Frey H C, Rouphail N M. A vehicle-specific power approach to speed- and facility-specific emissions estimates for diesel transit buses. Environ. Sci. Technol, 2008,42:7985-7991.

[23] 胥耀方,于 雷,宋國華,等.針對二氧化碳的輕型汽油車VSP區(qū)間劃分 [J]. 環(huán)境科學學報, 2010,30(7):1358-1365. Xu Y F, Yu L, Song G H, et al. VSP-Bin division for light-duty vehicles oriented to carbon dioxide [J]. Acta Scientiae Circumstantiae, 2010,30(7):1358-1365.

[24] 莫增文.基于時間序列分析技術的預測模型設計與應用 [D]. 北京:中國科學院大學, 2014. Mo Z W. Design and application of prediction model based ont time series analysis technique [D]. Beijing: University of Chinese Academy of Sciences, 2014.

Influence of different bin-grouping methods on the estimation of emission factors in model IVE.

ZHOU Hua1,2, ZHAO Hong-wei1, WU Meng-meng3, LI Jing-yuan2, WANG Ji-guang2, FENG Qian2, LONG Zi-ang3, YU Shuang-yu3, PENG Hao3, WANG Xing-jian3, JIN Tao-sheng3*

(1.College of Mechanical Science and Technology, Jilin University, Changchun 130022, Jilin, P. R. China；2.China Automotive Research and Technology Center Co. Ltd, Tianjin 300162, China；3.College of Environmental Science and Engineering, Nankai University, Tianjin 300350, China)., 2019,39(2)：560~564

Many vehicles were tested on road by Portable Emission Measurement System and Global Position System in Tianjin, China. Emission data and GPS data were collected to analyze the differences of the correlation coefficient of VSP and emission when being classified by different bins in IVE model. The correlation coefficients of CO, CO2, NOand VSP increased from below 0.1 at the scheme of Engine Stress (ES) to above 0.4 at the scheme of Preaverage Power Stress (Paps), but the correlation coefficients of HC emission and VSP were from 0.0370 at ES to -0.0766 at Paps. The ratios of the measured emission factors of pollutants to the pollutant emission factors before and after the improvement of the IVE model were calculated separately. It was found that the data obtained by the Paps bin-grouping method were closer to the measured emission factors than the data obtained by the ES bin-grouping methods. The results showed that the Paps bin-grouping method could be helpful to improve the accuracy of the vehicle emissions estimation.

international vehicle emission；engine stress；vehicle specific power；correlation analysis；bin-grouping

X51

A

1000-6923(2019)02-0560-05

周 華(1974-),男,河北滄州人,高級工程師,碩士,主要從事機動車排放檢測技術研究.發(fā)表論文20余篇.

2018-07-29

國家重點研發(fā)計劃專項項目(2017YFC0212100);國家自然科學基金資助項目(21477057)

* 責任作者, 副研究員, jints@nankai.edu.cn