基于企业用电数据的大气污染防治工作研究进展_陈建华.pdf

基于企业用电数据的大气污染防治工作研究进展陈建华，李政*，刘翰青，高健，杨艳，竹双中国环境科学研究院摘要当前，我国处于“十四五”的关键发展时期，对于污染防治工作提出了“精准治污、科学治污、依法治污”的新要求。电力能源是企业的战略资源和核心生产要素，企业用电数据能够反映企业的经济运行、产业运转情况，具有非常大的数据挖掘价值，在大气污染防治领域的应用前景广阔。综述了目前国内外基于企业用电数据的企业污染排放模型构建、“散乱污”与“偷排漏排”企业识别监管、特别管控期间污染排放监管与评估及精细化大气污染源排放清单构建等方面的研究现状。结果表明：运用企业用电数据，能够实现对企业（尤其是小、微企业）污染物排放的精准监管，一定程度上弥补了环保监管在这方面的不足，极大提高了工作效率。总结了电力大数据在大气污染防治应用中需要注意的问题，并对后续电力数据在大气污染防治领域的深层次应用提出了建议。关键词企业用电数据；数学模型；“散乱污”企业；污染排放监管；高时间分辨率源清单中图分类号：X51文章编号：1674-991X（2023）02-0510-07doi：10.12153/j.issn.1674-991X.20220272Research progress of air pollution prevention and control based on enterpriseelectricity consumption dataCHENJianhua,LIZheng*,LIUHanqing,GAOJian,YANGYan,ZHUShuangChineseResearchAcademyofEnvironmentalSciencesAbstractAtpresent,Chinaisinthecriticaldevelopmentperiodofthe14thFive-YearPlan,andnewrequirementsforPrecisePollutionControl,ScientificPollutionControlandLawfulPollutionControlisrequiredforpollutionprevention and control.Electric power is a strategic resource and core production factor of an enterprise.Theelectricityconsumptiondataofanenterprisecanreflecttheeconomicoperationandindustrialoperationoftheenterprise,whichhasgreatdataminingvalueandbroadapplicationprospectsinthefieldofairpollutionpreventionandcontrol.Thecurrentdomesticandforeignresearchwasreviewedontheconstructionofenterprisepollutionemission models based on enterprise electricity consumption data,the identification and supervision of smallunlicensedandpollutingenterprisesandstealthyandleakageemissionenterprises,thesupervisionandevaluationofpollutantemissionsduringspecialcontrolperiods,andtheconstructionoffineairpollutionsourceemissioninventory.Theanalysisshowedthattheuseofenterpriseelectricityconsumptiondatacouldrealizetheprecisesupervisionofpollutantdischargeofenterprises(especiallysmallandmicroenterprises),whichcouldmakeupforthedeficienciesofenvironmentalprotectionsupervisiontoacertainextentandgreatlyimproveworkefficiency.Several issues that needed to be paid attention to in the application of power consumption big data weresummarized,andsuggestionsforthefurtherapplicationofpowerdatainthefieldofairpollutionpreventionandcontrolwereputforward.Key wordsenterprisepowerconsumptiondata;mathematicalmodel;smallunlicensedandpollutingenterprises;pollutantemissionssupervision;high-temporalresolutionsourceinventory近年来，随着大气污染防治计划打赢蓝天保卫战三年行动计划等一系列污染防治计划的顺利收官，大气污染物浓度持续下降，我国空气质量得到明显改善1-3。2021 年，我国进入“十四五”开局之年，大气污染防治工作进入新阶段，提出了“精准治污、科学治污、依法治污”的新要求，其首要步骤在收稿日期：2022-03-25基金项目：国家重点研发计划项目(2022YFC3703400)；潍坊市大气污染成因与治理“一市一策”跟踪研究项目作者简介：陈建华（1970），女，研究员，博士，主要从事大气环境化学研究，*通信作者：李政（1996），男，硕士研究生，主要从事大气科学研究，Vol.13，No.2环境工程技术学报第13卷，第2期Mar.，2023JournalofEnvironmentalEngineeringTechnology2023年3月陈建华，李政，刘翰青，等.基于企业用电数据的大气污染防治工作研究进展 J.环境工程技术学报，2023，13（2）：510-516.CHENJH,LIZ,LIUHQ,etal.ResearchprogressofairpollutionpreventionandcontrolbasedonenterpriseelectricityconsumptiondataJ.JournalofEnvironmentalEngineeringTechnology，2023，13（2）：510-516.于识别污染源的排污特性，精确定位污染源；其次是发现排污异常污染源，针对性地降低污染排放4。但目前随着我国经济的飞速发展，工业企业规模不断扩大，伴随而来的是在污染防治方面出现了一些新问题。一是排污企业点多且面广，仅依靠对部分重点企业安装污染物排放在线监测系统，难以做到对研究区域内污染源污染物排放量变化的全面了解；二是部分被监管企业在非监管时间关闭治污设施，偷排污染物，现有环境监管手段对“偷排漏排”的精准识别还有所欠缺；三是污染源识别还存在更新频率低、现场排查盲目性等问题，排污企业监测也面临成本高、覆盖面不广等问题5-7。如何对排污企业（尤其是小、微企业）进行实时有效的环保监管，将是未来大气污染防治工作亟须解决的问题。物联网、人工智能、机器学习、互联网+、大数据共享等信息技术的飞速发展，带来了新一代的产业、技术变革。2013 年 3 月，中国电机工程学会发布了中国电力大数据发展白皮书，掀起了电力大数据应用的热潮，电力大数据应用的广度和深度不断拓展8。已有学者运用企业用电数据在经济发展预测9-11、房地产景气指数分析12、企业运营风险预警模型构建13、碳排放分析14-15及新型冠状病毒感染期间企业复工复产程度分析16-18等方面展开应用研究，并取得了良好效果。电力是企业生产活动必不可缺的生产能源，能够精确实时反映企业的生产状况，这也为未来的大气污染防治工作提供了新思路。将企业的生产设备、治污设施与智能电网相结合，运用统计学、机器学习等分析方法实现电力大数据与环保工作的深度融合，构建重点区域、重点行业、重点关注污染源、特别管控期受管控企业污染排放分析监测模型，实现企业生产运行用电实时跟踪分析，通过用电数据实现对企业大气污染物排放量的实时预测，助力我国大气污染防治攻坚。目前，国内外对于电力大数据在大气污染防治中的应用研究主要集中在工业企业用电量与空气污染关系探究、“散乱污”与“偷排漏排”企业识别监管、特别管控期污染物排放监管与评估及大气污染源排放清单精细化动态更新等几个方面，笔者对其进行讨论和总结，指出目前国内外工业企业用电数据在大气污染防治中的应用现状及存在的问题，为未来企业用电数据与污染排放数据的深层次融合应用提供思路。1工业企业用电量与空气污染关系探究电力是经济发展的“温度计”“晴雨表”，企业用电数据能够反映企业的真实生产状态与运行状况19-20。因此，将工业企业用电数据与污染物排放在线监测数据、企业生产数据相结合，探究企业用电量和污染物排放量之间的关系，开发大气污染物排放和预测模型，将对实现工业源企业大气污染物排放实时监管起到重要作用。1.1企业用电量与污染物排放量之间的数学关系部分学者21-22采用行业污染排放系数估算法，通过行业污染物排放系数建立企业用电量与污染物排放量的数学关系，进一步搭建企业污染物排放监测机制。利用此估算方法，可在实时的智能电网大数据基础上估算工业企业实时污染物排放量，服务于环境空气质量模拟预警。另有部分学者采用统计学与机器学习算法探究企业用电量与污染物排放量之间的数学关系。杨文涛等23通过等频离散法，利用地理探测器，从国家尺度上分析了 2011 年、2013 年、2015 年及 2017 年工业粉尘排放量、工业用电量等因子对 PM2.5年均浓度空间分异的影响程度，结果显示工业用电量的贡献度在 6%9%，通过工业用电量表明了工业源排放对各地区 PM2.5浓度的影响。Marchetti 等24研究表明，工业企业生产活动水平与用电量之间高度非线性相关，并采用平滑过渡回归模型获得了企业用电量与生产活动水平之间较精准的拟合结果。马春玲等25基于企业历史用电负荷特征，采用 LSTM 算法构建短期用电负荷预测模型与用电-环保指数关联映射，预测某化肥企业某时段内 SO2排放量，与实际排放量进行对比，结果表明预测准确率达 97.67%。1.2工业企业用电量对空气质量的影响孙开宁等26采用面板固定效应回归方法分析了某省会城市 2020 年工业企业用电量对其周边环境空气质量指数（AQI）的影响，结果表明企业用电量与其周边环境监测站点 AQI 呈现显著的正相关关系，企业用电量每增加 1%，AQI 平均增加 1.87。具体模型设定如下：AQI=0ELE+1tra+2tem+3tem2+4hum+5rain+6ws+7wd+8wswd+9lc+10lp+11Mon+i+wit（1）0,1,11i式中：ELE 为用电量的对数值；控制变量包括交通因素（tra）、温度(tem)、温度的二次项(tem2)、湿度(hum)、降水量(rain)、风速(ws)、风向(wd)、风速和风向的交互项(wswd)、因 2020 年新型冠状病毒感染期间采取的 封省(lp)和 封市(lc)政策；Mon为月份固定效应；为回归系数；为第 i 个影响因素的固定效应残差；wit 为第 i 个影响因素在第2期陈建华等：基于企业用电数据的大气污染防治工作研究进展511”“t 时间点的时间效应残差。李俊楠等27基于企业用电数据与环保数据，