室内污染物浓度

2024-10-08

室内污染物浓度（通用9篇）

室内污染物浓度篇1

随着人们物质生活水平的不断提高,室内装修已成为时尚。室内装修在美化了视觉,提供了更为舒适的环境的同时,也对室内的空气质量造成了严重影响,其中主要有害物有甲醛、挥发性有机物(Volatile Organic Compounds,VOC)以及可吸入颗粒物(Particle Matter,PM)等[1,3]。由于这些污染物的浓度往往较低,不易察觉,因为对人体的影响具有多样性、潜在性、综合性、广泛性、累积性的特点。随着人们环保意识的不断增强,越来越认识到室内空气质量的重要性,深入细致地开展室内空气污染物的监测、分析与研究,对于美化生活环境、提高室内空气质量、保护人体健康具有重要意义。在分析了室内污染物主要来源及其危害的基础上,对石家庄地区的室内空气污染物状况进行了连续监测研究,讨论了装修时间对主要污染物浓度的影响。

1 室内污染物来源

室内空气污染物的种类很多,主要包括固体颗粒、微生物和有害气体,其中影响较大的有甲醛、总挥发性有机物和可吸入颗粒物[4,5,6]。

1.1 甲醛

甲醛主要来源于建筑材料、装修材料及生活用品等化工产品,以及化妆品、清洁剂、消毒剂、防腐剂、印刷油漆等。由于甲醛具有较强的粘合性、防腐性,同时还可以加强板材的硬度,因此目前市场上的各种刨花板、中密度纤维板、胶合板等板材中,均使用以甲醛为主要成分的尿醛树脂作为粘合剂。这种粘合剂中所含的游离甲醛,以及降解时分离出来的甲醛都可以释放到空气中,形成主要空气污染物。甲醛是一种强烈刺激性的无色气体,对人体粘膜具有刺激作用,可使蛋白质凝固。吸入甲醛,轻者引起鼻咽喉的不适,重者使皮肤过敏、头痛、心烦、胸闷、呼吸困难等不良反应,长期过量吸入低浓度甲醛,可引发慢性呼吸道疾病,甚至导致相关器官发生癌症。

1.2 总挥发性有机物

挥发性有机物(VOC)可分为烷烃、芳香烃、烯烃、卤烃类、酯类、酮类等,室内装修后的环境中,通常以微量水平存在的有50—300种挥发性有机化合物。这些VOC通常存在于油漆、粘合剂、化妆品、洗涤剂、粘缝胶、泡沫隔热材料、塑料板材、壁纸、地毯、化纤窗帘等物品中。VOC可对人体肝、肾、脑及神经系统产生不同程度危害,甚至致癌。监测中通常采用的是总挥发性有机物(TVOC)的概念,它是指室内空气中挥发性有机化合物总的质量浓度。

1.3 可吸入颗粒物

可吸入颗粒物是一种成分复杂、较长时间悬浮于空气中的主要污染物,现监测的可吸入颗粒物为PM10,是一种直径小于等于10μm的可吸入颗粒物,这类颗粒物可达到人体的末端细支气管。主要来源于室内燃料的燃烧、空调系统的带入、扬尘等。由于这种颗粒物表面吸附了SO2、NO2、HF、CL2等有毒气体以及大量有毒金属化合物,对呼吸道黏膜具有刺激和腐蚀作用,是造成慢性支气管炎、支气管哮喘的主要病因。

2 监测方法

2.1 监测设备

为了对装修后的室内污染物进行监测分析,采用英国产PPM-400S型便携式甲醛分析仪对甲醛进行监测,采用PGM-7240型VOC检测仪对VOC进行监测,采用LD-3C型激光粉尘仪对PM10进行监测。

2.2 监测对象、时长及布点

分别对石家庄市新华区、桥西区、长安区、裕华区等四个地区居民小区40户住宅的室内环境进行监测,所测建筑物周围均无明显的甲醛污染源。监测对象装修竣工时间的长短不一,其中装修不到1个月的为11户,装修时间1—3个月的为21户,装修时间4—6个月的为6户,7—10个月的为2户。这里按月监测,以装修时间最小的为基准,连续监测了15个月,每月的15日读取监测数据。室内测点的选择根据房间的形状和大小而定,选择对角线上或梅花式布点均匀分布。对于规则房间,应采用均分布点的方法,如图1所示。

对于非规则房间,如弧形面房间,则应按照其特有形状布点,如图2所示。

如果房间面积较小(<50 m2),且没有明显的发生源,则仅采用1—3个布点即可,若房间较大(50—100 m2),则采用3—5个布点,若房间面积大于100 m2,则需采用5个以上布点。采点高度为人的平均呼吸带水平(1.5 m)。

2.3 监测步骤

监测前,应提前一天关闭门窗,保证10个小时以上的密闭时间;监测时,应同时记录测量前后的温度、湿度、气流速度。监测设备布点后,应同时在各房间进行甲醛、VOC、PM10的测量,按照每种成分要求的时间间隔进行数据读取记录。测量过程中,应远离仪器,以免引起数据的不稳定。

3 监测结果与分析

图3给出了不同地区装修时间与居民住宅空气中甲醛浓度平均值的关系,从图中可以看出,虽然四个地区的地理条件和气候条件有一定的差异,但甲醛浓度总的变化趋势是一致的,时间越长,室内的甲醛浓度越低。

监测中还发现,使用地板特别是复合地板的住宅甲醛污染要比使用地砖、大理石的房间的甲醛污染高,且个别装修一年以上的房间的甲醛浓度仍然超过国家标准,可见甲醛释放过程相当缓慢,尤其是一些人造板材中的甲醛挥发更慢,释放期更长,因此在装修后相当长的一段时间内都应注意通风换气。

图4给出了装修时间与住宅空气中TVOC浓度平均值的关系,从图中可以看出,在TVOC释放过程起始阶段浓度都很高,随着时间的推移,浓度不断降低,呈迅速下降趋势。

图5给出了装修时间与住宅空气中的PM10浓度平均值的关系,从图中可以看出,装修时间对PM10的影响较小,二者并无必然联系。

监测中发现,由于有的新装修后住宅无人居住,PM10的浓度要低一些,装修后一定时间内,由于人员活动行为,PM10的浓度有所上升。此外临近马路等密集公共场所住宅内的PM10浓度较高。

4 结论

对室内装修后一段时间内的甲醛、TVOC、PM10的质量浓度进行了监测,不同地区、不同时间、不同装修材料条件的监测结果表明,甲醛、TVOC浓度随着时间的推移而不断降低且环保型装饰材料的污染程度要小很多,因此在装修时应选择环保型装修材料和有正规资质的装修公司,装修后,应经常打开窗户、橱柜家具,加快污染物的挥发扩散,同时启动空调过滤、换气装置,加快空气流通,或采用物理吸附剂。对于PM类污染物的防治,则应采取隔断室外污染源、保持室内清洁、室内禁烟、种植具有吸尘作用的大叶面绿色植物等方法进行控制[7]。

参考文献

[1]邹桂香,戴友芝,刘煜竑.某地区室内挥发性有机物污染状况的调查研究.环境科学与技术,2008;31(8):80—832杨士建.室内装修的环境污染及其防治.环境科学与技术,2004;27(2):48—49

[3]李振民,李英,周林.装修后不同时间居室内空气质量调查.环境与健康杂志,2003;20(5):312

[4]王汉玉,邓大跃,赵丹,等.室内环境挥发性有机物排放的分析.河南师范大学学报(自然科学版),2010;38(3):112—114

[5]王俊,张景义,陈双基.室内空气中总挥发性有机物(TVOCs)的污染.北京联合大学学报,2002;(3):34—37

[6]张淑娟,苏志锋,林泽健,等.广东省室内空气污染现状及特征分析.中山大学学报(自然科学版),2011;50(2):139—142

[7]余亚白,陈源,赖呈纯,等.室内空气净化植物的研究与利用现状及应用前景.福建农业学报,2006;21(4):425—429

室内污染物浓度篇2

1、刺激作用：甲醛的主要危害表现为对皮肤黏膜的刺激作用，甲醛是原浆毒物质，能与蛋白质结合、高浓度吸入时出现呼吸道严重的刺激和水肿、眼刺激、头痛。

2、致敏作用：皮肤直接接触甲醛可引起过敏性皮炎、色斑、坏死，吸入高浓度甲醛时可诱发支气管哮喘。

3、致突变作用：高浓度甲醛还是一种基因毒性物质。实验动物在实验室高浓度吸入的情况下，可引起鼻咽肿瘤。

4、突出表现：头痛、头晕、乏力、恶心、呕吐、胸闷、眼痛、嗓子痛、胃纳差、心悸、失眠、体重减轻、记忆力减退以及植物神经紊乱等。孕妇长期吸入可能导致胎儿畸形，甚至死亡;男子长期吸入可导致男子精子畸形、死亡等。

室内甲醛浓度标准

1、中华人民共和国国家标准《居室空气中甲醛的卫生标准》规定：居室空气中甲醛的最高容许浓度为0.08毫克/立方米。

2、中华人民共和国国家标准《实木复合地板》规定：A类实木复合地板甲醛释放量小于和等于9毫克/100克;B类实木复合地板甲醛释放量等于9毫克—40毫克/100克。

3、《国家环境标志产品技术要求——人造木质板材》规定：人造板材中甲醛释放量应小于0.20毫克/立方米;木地板中甲醛释放量应小于0.12毫克/立方米。

室内污染物浓度篇3

2001年11月，住房和城乡建设部和国家质量监督检疫总局联合发布了《民用建筑工程室内环境污染控制规范》。其虽然对装修材料有害物含量、装修材料的选择、施工过程、验收等进行了规定，但装修时即使使用的是符合有害物质限量标准的室内装饰装修材料，如果用量过大也会造成室内有害物超标。本文主要针对在选用有害物含量符合标准的装修材料的前提下，采用计算流体动力学软件FLUENT，来模拟房间中随着装修材料用量的增加室内污染物浓度场的变化情况，为控制室内污染物污染提供研究依据。

目前室内超标的主要有害物是甲醛，主要来自室内装修和装饰材料。用作室内装饰的胶合板、细木工板、中密度纤维板和刨花板等木制人造板材，国家质检总局对多个城市进行了抽查，调查结果表明空气中污染物以甲醛超标最严重。因此本文以污染物甲醛为分析对象，甲醛是最简单、最常见的醛类物质，其理化性质为：无色、具有强烈刺激性气味，沸点-1915℃，比重1106，易溶于水、醇和醚，是一种溶解度很大、挥发性很强的有毒物质[1]。据调查，新装修的公共场所甲醛的超标率达60%～100%。甲醛已成为室内空气污染物的主要成分。甲醛的释放期比较长，一般为3年～15年，故将甲醛作为室内污染的指示污染物[2]。

二、房间的几何模型及边界条件

如图1所示，卧室尺寸为X×Y×Z=3.5×4.2×2.6 (m)，门X×Z=0.9×2 (m) ，窗X×Z=0.9×0.9 (m) ，房间内地面铺强化木地板，房间内家具主要是木质的衣橱X×Y×Z=2.3×0.6×2.4 (m)、梳妆台X×Y×Z=0.4×1×0.7 (m)和床X×Y×Z=1.9×1.8×0.45 (m)。其中床为非释放源。卧室内的温度条件定义为300K。通风时设置窗为速度进口(velocity inlet), 风速设为0.12m/s，门设置为流出风口(outflow)，空气流动采用非稳态的三维层流模型。本文将模拟假设几种工况(如表1)下室内污染物甲醛的浓度分布情况。密闭和通风两种状态的释放强度均为7.2×10-11kg/s[3], 且不随时间变化，其它壁面均无甲醛释放。

三、计算结果与分析

由于卧室主要是人们的休息场所，室内空气品质的优劣直接影响着人们的心身健康，因此选取多个平面Z=0.8m、Z=1.2m和Z=1.6m为监控对象，来综合分析室内污染物浓度分布规律。图2—图4分别为房间在通风情况下三个平面处的流场分布情况。

下面分别比较在房间密闭1小时后通风6分钟时，同一平面处不同工况下的室内甲醛浓度分布，总体上看浓度分布与房间的流场分布状况有很大关系。工况二下最高浓度值0.22 mg/m3要高于工况一下的最高浓度值0.16mg/m3。且工况二平面处各点的浓度值均高于工况一中同一位置平面处的浓度值。

图5与图6分别为在工况一与工况二下Z=0.8m处的甲醛浓度分布。由计算可知在工况一情况下Z=0.8m平面处甲醛平均浓度为0.047mg/m3, 工况二情况下Z=0.8m平面处甲醛平均浓度为0.06mg/m3。

图7与图8分别为在工况一与工况二下Z=1.2m处的甲醛浓度分布。由计算可知在工况一情况下Z=1.2m平面处甲醛平均浓度为0.036mg/m3, 工况二情况下Z=1.2m平面处甲醛平均浓度为0.042mg/m3。

图9与图10分别为在工况一与工况二下Z=1.6m处的甲醛浓度分布。由计算可知在工况一情况下Z=1.6m平面处甲醛平均浓度为0.041mg/m3, 工况二情况下Z=1.6m平面处甲醛平均浓度为0.043mg/m3。

由于受通风效果的影响，在离释放源距离近且离通风口较远的平面两种工况下的甲醛浓度对比较明显，离释放源较远靠近窗口处的平面，通风比较充分对甲醛浓度稀释效果比较好此处两种工况下的甲醛浓度对比不是那么明显。

图11给出了两种工况下房间内平均甲醛浓度随时间的变化情况比较，可以看出在通风初期工况二下的平均甲醛浓度明显高于工况一下，这是由于装修材料用量的多少造成的，但在通风15分钟后，房间得到有效通风，两种工况下的甲醛浓度对比不是很明显。

四、结论

由模拟计算得到房间内随着装修材料用量的增加，房间内甲醛浓度也是相应增加，房间内通风条件好的位置甲醛浓度很快下降，而在一些房间死角随着装修材料用量的增加，这些死角的甲醛浓度逐渐上升。两种工况下室内平均甲醛浓度均未超过我国《民用建筑工程室内环境污染控制规范》GB50325 (2006年版)规定的甲醛的最高室内允许浓度0.08mg/m3。

通过模拟得到的结果可以更加直观的掌握房间内污染物的分布情况，为实验检测房间污染物浓度合理设置采样点提供参考依据。

参考文献

[1]夏元询, 化学物质毒物全书[M].上海:上海科学技术文献出版社, 1991.474

[2]李延红, 苏瑾, 杨滨, 等, 装饰材料中甲醛对居室空气污染和健康危害研究[M].劳动卫生, 2001, 18 (1) .25-27

[3]屈伟.应用数值模拟研究室内污染物浓度场的变化规律.第三届工程计算流体力学会议文集:58-64

[4]GB50325-2001.《民用建筑工程室内环境污染控制规范》[S].

室内污染物浓度篇4

水体有机污染物浓度检测中的紫外光谱分析方法

摘要：水体中的大多数有机污染物在紫外区域有较强的吸收,因此可利用紫外吸光度检测水体中的.有机污染物浓度.在检测过程中,通过平滑、导数、标准正态变量变换等光谱预处理后,采用主元回归、偏最小二乘、支持向量机等方法建立回归模型,并由该模型依据待测样本的紫外光谱数据计算出有机污染物浓度.为了探究不同的预处理方法、建模方法在有机污染物浓度检测中的特点及内在联系,本文对一组来自污水厂进出水的光谱数据采用不同的预处理和建模方法进行实验研究,研究结果表明:当获得的原始数据较好时,可以直接进行建模,进行光谱预处理反而会使模型效果下降;由于本实验中污水的样本数小于光谱数据点数,所以最小二乘支持向量机更适合于本组实验样本. 作者：吴元清杜树新严S Author： WU Yuan-qing DU Shu-xin YAN Yun 作者单位：浙江大学工业控制技术国家重点实验室,浙江大学工业控制研究所,浙江杭州,310027 期刊：光谱学与光谱分析 ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： 2011, 31(1) 分类号： X832 关键词：紫外光谱有机污染物浓度检测预处理建模机标分类号： X83 TG1 机标关键词：水体有机污染物浓度检测紫外光谱光谱分析方法 Organic Pollutants Methods for 有机污染物浓度光谱预处理光谱数据最小二乘支持向量机建模方法实验样本模型效果预处理方法吸光度检测偏最小二乘主元回归原始数据污水数据计算基金项目：国家(863计划)项目

室内污染物浓度篇5

民用建筑工程室内环境污染物浓度的检测, 按《民用建筑工程室内环境污染控制规范》GB 50325-2001 (2006年版) 的要求, 主要测定室内环境空气中五种污染物:甲醛、氨、苯、TOVC和氡。其中甲醛、氨、苯、TOVC四种污染物是在检测现场进行空气样品采集后, 再带回实验室进行分析测量的。现依据JJF1059-1999《测量不确定度评定与表示》的要求, 对室内环境污染物甲醛浓度检测时现场空气样品采样体积的不确定度进行分析。

2 采样方法

采集空气样品作为室内环境污染物浓度检测中重要的一个环节, 对检测结果有着很大的影响, 目前, 我们使用的空气样品采集方法是富集采样法 (又叫浓缩采样) , 即空气污染物在采样器的作用下, 通过富集介质时被吸收在介质中, 进行甲醛空气样品采集的富集介质是酚试剂吸收液。采样过程中甲醛空气样品在采样器的作用下通过吸收液, 在气泡上升过程中, 被富集在酚试剂吸收液中。

3 采样仪器设备

甲醛空气样品采样所用的采样器是KC-6D双气路大气采样器 (青岛产) , 采样流量0.5L/min, 采样时间为20min。

4 不确定度评定结果的使用

当采样方法, 采样仪器都符合上述要求时, 进行甲醛浓度检测采样体积的计算可运用本不确定度评定的结果。

5 甲醛浓度检测采样体积的主要不确定度来源

⑴采样体积的计算公式:

式中,

V0———标准状态下的采样体积, L;

Vt———采样体积, 为采样流量与采样时间乘积;

t———采样点的气温, ℃;

T0———标准状态下的绝对温度273K;

P———采样点的大气压, kPa;

P0———标准状态下的大气压, 101kPa。

⑵从公式可以看出, 采样体积与采样器的流量, 采样器的计时时间, 采样点的温度、大气压有关。其中, 大气采样器的流量误差是最主要的影响因素。综合考虑各影响因素得不确定度来源有:

(1) 大气采样器的测量示值误差, 用A类评定方法进行评定。

(2) 大气采样器的流量稳定性, 用A类评定方法进行评定。

(3) 采样器的计时时间误差, 用B类评定方法进行评定。

(4) 采样用温度计的读数误差, 用B类评定方法进行评定。

(5) 采样用空盒压力表的读数误差, 用B类评定方法进行评定。

6 不确定度评定

⑴大气采样器的测量示值误差, 主要由于采样过程中气流不稳, 造成浮子上下跳动, 给检测人员准确读数造成困难, 检测人员读数的视角不同也会进一步加大不确定度, 这部分不确定度可用大气采样器流量示值重复性来定量。定量方法是将装有5mL酚试剂吸收液的大泡氏管接上采样器, 仔细调节流量至0.5L/min后, 用电子皂膜流量计测流量, 然后关机, 将流量调节阀关闭, 2min后再重新开机, 重新调节, 重新测量其流量。总共进行20次重复测量, 结果如表1。

由于每次测量只调节一次流量, 故大气采样器的示值引起的相对标准不确定度等于相对标准差:

⑵大气采样器的流量稳定性, 与大气采样器本身的质量有很大关系。可通过对一段时间内流量读数的测量, 定量其稳定性。定量方法是将装有5mL酚试剂吸收液的大泡氏管接上采样器, 仔细调节流量至0.5L/min后, 用电子皂膜流量计测流量, 然后每隔1min用电子皂膜流量计测一次流量, 总共测量20min, 得20个流量数据。

从表2可得大气采样器由于流量不稳定引起的相对标准不确定度为:

⑶采样器的计时误差与采样器的计时程序有关, 根据计量检定部门给出的大气采样器的检定证书, 大气采样器的计时误差为0.0%, 故可忽略。

⑷采样温度的测量误差主要由温度计的示值误差引起的, 根据计量检定部门给出的温度计的检定证书, 温度计最大示值误差为1.1℃, 按均匀分布考虑, 其相对标准不确定度为:

⑸采样压力的测量误差主要由用空盒压力表的读数误差引起的, 空盒压力表的最大允许误差为0.25kPa, 按均匀分布考虑, 其相对标准不确定度为:

⑹各类不确定度的合成和扩展不确定度计算

各类不确定度的合成和扩展不确定度结果如表3所示。

7 不确定度报告

室内环境污染物甲醛浓度检测采样体积的扩展不确定度为U=3.36%, 所给出的扩展不确定度是由合成标准不确定度乘以包含因子k=2得到的。

参考文献

[1]GB50325-2001 (2006年版) 《民用建筑工程室内环境污染控制规范》

[2]GB/T18204.26-2000《公共场所空气中甲醛测定方法》

室内燃气泄漏浓度场变化规律研究篇6

室内燃气泄漏会造成严重的燃气安全事故, 而在多数燃气事故中多数事故的发生时由于燃气泄漏的发生。那么怎么样才能够正确判断室内燃气的泄漏情况, 以便及早做出安全预防呢?室内燃气泄漏不仅与室内的空气环境等因素相关, 在不同季节, 不同地点以及不同气象条件下的具体泄漏情况也是不同的。一般情况下, 根据燃气管道内的压力值情况, 可以判断出燃气的泄漏率, 如果燃气管道内的压力值到达用户末端时, 它仅仅比外界大气压要稍微高一点, 这时室内燃气泄漏就处于一个亚临界流状态。燃气管道口气体泄漏率由绝热指数, 气体泄漏系数, 外界标准大气压, 泄漏管道口面积和管道内的压力、管道内的温度等各方面的数据综合控制。当这些数值达到一定极限时, 泄漏率就会出现。

室内自然通风可以分为热压作用自然通风、风压作用下的自然通风以及两种气压共同作用下的自然通风三种情况的自然通风。热压作用自然通风一般发生在室内气压为负压区情况下, 这时候风压对室内的空气流通或者说自然通风情况基本不会产生作用影响, 只有热压对室内的空气流通有一定影响。它们之间的关系可以表现为, 室内外温度对比产生的热压差由室内、外的空气密度, 进排口中心距离和与当地大气压力有关的系数等因素决定。风压作用对于室内通风环境的影响主要表现在一般气体在进行流动时受到一定作用的阻碍时, 就会自动绕流。气体进行绕流时, 扰流速度和压力之间会发生一定的变化, 这个变化是由于风压的作用。处于绕流方向的作用力下, 压力增大, 反之, 压力减少, 这个作用力就是风压作用力。通过以上条件通风量的计算结果就可以得出了。通风量的体积大小有气流出口面积和气流出口面积比值, 风阻大小等因素决定, 但是, 在实际情况中, 自然通风量还受到风向等因素的影响, 那么就可以结合当地实际情况, 计算出风压下的自然通风量结果了。而风压和热压共同作用下的自然通风就是指两者共同作用力的相加, 这在实际中的高层建筑中较常见。一般情况下, 高层在冬天受到热压的作用较大, 低层受到风压作用较大, 而风压作用下的自然通风受到风向影响较大。

2 室内燃气泄漏浓度场变化

影响室内燃气泄漏时浓度场变化的因素有很多, 为方便研究室内燃气泄漏时浓度场的具体变化情况, 我们需要对室内燃气泄漏设立一些发生条件。首先让我们假设室内燃气泄漏时在室内管道穿孔泄漏的流量为常数, 而且燃气发生泄漏瞬间与室内空气完成混合, 燃气泄漏是通过自然风压稀释作用, 并且泄漏燃气在室内的浓度分布均匀。其次我们假设室外空气和燃气开始泄漏前的室内空气中没有燃气含量。那么现在让我们根据假设成立的条件进行对室内燃气泄漏的浓度场变化进行计算研究。首先我们根据时间变化来看一下室内燃气泄漏的浓度场变化情况, 如果现在只有一个很短的时间间隔, 那么就可以根据燃气泄漏到房间内的质量, 以及自然通风状态下从房间带走的燃气的质量两者之间的差, 计算出房间内泄漏燃气质量的具体变化情况;其次如果室内管道发生燃气泄漏, 管道受到泄漏燃气的状态影响, 内部压力几乎没有, 煤气泄漏过程则是一个连续泄漏的过程。在上述关系中进行计算变换就可以得到在一定时间内室内燃气浓度的变化情况, 或者说, 室内燃气的浓度变化达到一定数值时所需要的时间的关系, 由此就可以知道任意时间内室内燃气泄漏的浓度变化情况。那么如果自然通风量数值是零时, 室内泄漏燃气的浓度变化也可以计算得出了。

另一种情况就是室内燃气泄漏受到热压作用影响在不同时间内产生的变化情况。我们首先假设室内是一个负压状态, 那么此时房间的自然通风情况将不受到风压的影响, 但是室内外温差形成的热压会对房间的通风量产生作用。此时, 我们可以根据不同的热压作用力计算出不同时间的燃气浓度变化情况。

风压和热压也可能同时对室内泄漏燃气产生一定的作用影响。这种情况下, 房间一般是一个正压状态, 当室内和室外的温差不同时, 会产生一个室内外压力差, 那么室内燃气会既受到风压的影响也受到热压作用影响。假设此时房间的通风量是零, 那么就可以根据以上关系计算出此种状态下不同时间段的泄漏燃气的浓度变化情况。

假设室内燃气泄漏发生在某一地区, 此地的实际气候条件与季节情况等都已知, 发生泄漏燃气的房间情况也已知, 燃气管道情况与管道压力可以根据当地的相关施工设计规范等也已知。那么我们可以根据当地的某一季节的温差气候以及室内温度等情况, 结合室外空气参数对室内燃气泄漏的浓度场变化情况进行计算。下图1是一定时期内某地室内泄漏燃气在不同作用下的浓度变化情况。

3 室内燃气泄漏浓度场变化规律

根据以上计算研究可以看出, 如果泄漏燃气的房间是一个正压状态, 那么在不同的季节由于不同气候条件等的影响, 室内泄漏燃气浓度会随着时间月份的变化浓度会不断上升, 但是上升过程呈现先急剧后缓慢的状态;如果燃气泄漏的房间通风量为零时, 泄漏燃气的浓度变化会随着月份时间的不同继续呈上升状态;但是如果室内燃气泄漏不受风压影响时即处于一个负压状态, 泄漏燃气的浓度在夏冬季节上升, 春秋季节与通风量为零时变化相同。除此之外, 燃气泄漏管道大小确定时, 泄漏燃气浓度会随着通风情况的变化而变化, 如果室内泄漏燃气受到风压与热压的共同作用影响, 那么室内泄漏燃气的浓度会随着燃气泄漏管道的大小不同浓度变化也不同, 管道孔径越大, 泄漏燃气的浓度上升变化随着时间渐缓上升, 反之, 泄漏燃气浓度变化也完全相反 (如图2) 。

参考文献

室内污染物浓度篇7

煤炭燃烧时排放出大量的烟尘、SO2, NOx, CO等污染物, 由烟囱排入大气。烟囱中排出有害气体的落地浓度与排放高度的平方成反比, 即排放高度越高, 则有害气体的落地浓度越低。因此, 采用提高污染物的排放高度, 可降低污染物的地面浓度, 减轻区域性的大气污染。

1 污染物最大落地浓度与排放高度的关系

从烟囱排出污染物的最大落地浓度与有效排放高度的平方成反比, 即

Cmax= (Q/πeuHundefined) (σz/σy) , (1)

式中, C为地面浓度, mg/m3;Q为源强, mg/s;He为烟囱的有效排放高度, m;u为烟囱出口处的平均风速, m/s;σy为与大气稳定度有关的水平平均风向 (x方向) 扩散参数;σz为与大气稳定度有关的垂直方向 (z方向) 的扩散参数。

由于σz是污染物落地点与排放点间的水平距离x的函数, 所以这一关系表示了最大浓度点的位置与排放高度的关系[1]。

当大气稳定度和风速一定时, 对同一排放源的有效排放高度越高, 最大落地浓度就越低。当其他条件相同而大气稳定度不同时, 对于同一排放高度, 大气越趋于稳定, 最大落地浓度出现距离越远, 浓度值越小。

经统计, 一般污染物最大浓度的位置点, 其排放源距离与排放高度的关系, 对于烟 (粉) 尘而言, 低烟囱时为Xmax=10H0～20H0;高烟囱时为Xmax=20H0～25H0;对于SO2及其他气态污染物而言, Xmax=25H0～35H0。

2 不同的排放高度与地面污染浓度的关系

2.1 高架源在有风有阻挡层情况下的地面浓度模式

高架源在有风有阻挡的情况下, 污染物地面浓度和排放高度的关系, 遵循式 (2) 给出的模式,

C (x, y, H) = (Q/πσyσzu) exp[- (y2/2σ2γ+Hundefined/2σ2x) ]。 (2)

从式 (2) 可以看出, 烟气从烟囱排出后, 其落地浓度由近向远逐渐加大, 到一定距离达到最大值。若排放高度增加, 落地浓度最大值出现的距离变远, 浓度值变小。即高空排放可以使排出的污染物在1个较大空间内被稀释扩散掉[1]。

2.2 地面源在有风有阻挡层情况下的地面浓度模式

地面源在有风有阻挡的情况下, 污染物断面浓度和排放高度的关系, 遵循式 (3) 给出的模式,

C (x, y) = (Q/πuσyσz) exp[- (y2/2σ2y) ]。 (3)

从式 (3) 可以看出, 地面源其排放高度为零时, 高浓度中心位于源头附近, 且随着下风距离和侧向距离的增加而降低[1]。

因此, 排放高度不同在近距离内的影响十分显著, 随着距离增加, 排放高度影响逐渐减少 (见图1) 。

3 模式应用条件和验证结果

3.1 模式应用条件

要彻底搞清污染物的排放高度与最大落地污染浓度之间的关系, 并做了定量计算验证。但计算验证时须注意以下几点。

a) 按照式 (2) 和式 (3) 确定的污染物地面浓度模式, 计算各处的结果仅为估算值, 只能作实际工作参考;b) 应用这种模式时, 风向必须与x方向一致;c) 风速u通常以1 h平均值参与计算;若计算日均浓度则应以逐时平均浓度作为平均值参与计算;d) 在1 h内, 源强应均匀连续排放;e) 扩散过程中, 质量应是守恒的;f) 污染物应在同一稳定度下, 一般距离小于10 km;g) 风速必须大于1 m/s;h) 只适用于气态物质和颗粒物, 颗粒物的粒径必须小于10×10-6 m。

3.2 验证结果

验证结果见表1和图2。

由验证结果可知, 某污染源在不同排放高度下TSP, SO2, NO2三项污染物的浓度值, 随着排放高度的增加, 最大落地污染浓度均逐渐降低, TSP尤为明显[3,4]。

4 结语

尽管污染物的排放高度对大气污染落地浓度的影响是比较明显的, 但却不能减少排入大气中污染物的排放总量, 对减轻大气污染只有局地性或区域性的效益。从长远和宏观观点来看, 要控制大气污染首先要着眼于燃料结构的调整, 采用清洁工艺、使用清洁能源, 从根本上消除或减轻污染程度。

参考文献

室内污染物浓度篇8

目前新标准中对大气质量的监测主要是监测大气中二氧化硫 (SO２) 、二氧化氮 (NO２) 、一氧化碳 (CO) 、臭氧 (O３) 、可吸入颗粒物 (PM１０) 以及细颗粒物 (PM２．５) 等六类基本项目和总悬浮颗粒物 (TSP) 、氮氧化物 (NOｘ) 、铅 (Pb) 、苯并[a]芘 (BaP) 四类其他项目的浓度。研究表明, 城市环境空气质量好坏与气象因素、城市能源消费结构等因素的关系十分密切。气象条件对污染物扩散、稀释和积累有一定作用。在在污染源一定的条件下, 污染物浓度大小主要取决于气象条件［１－２］。Wise等发现气象条件的变化能影响美国西南部40 % ~70 %的臭氧变化和20 % ~50 %的颗粒物变化［３］。王宏等研究了发生突变时气压、风速、温度、湿度等气象条件的变化特征［４］。Buhalqem Mamtimin等利用2000~ 2006年乌鲁木齐市大气污染指标 (PM１０、SO２和NO２) 月浓度值及相对应的气象数据, 探讨了城市空气污染与地面气象要素的关系［５］。周伟东指出PM１０浓度与风速密切相关, 静风时浓度最大, 随着风速增大, PM１０浓度逐步降低。风向对PM１０浓度的影响也非常显著, 近地面吹偏东风时PM１０浓度相对较低［６］。徐莉、李艳红发现API指数与气温、风速、能见度和湿度等气象因素关系密切, API值与气温、能见度和风速呈负相关, 与湿度呈正相关［７］。李林等发现对于能源消耗排放的一次PM１０和SO２, 工业排放对其浓度的贡献率在40%以上;机动车排放对NOｘ浓度的贡献率在65%左右［８］。张菊等研究发现产业结构的变化、重点污染源的整治、能源结构调整能源的清洁使用、机动车尾气排放标准的提高等对保护环境空气质量起到一定作用［９］。寇栓虎、杨荣提出进一步推广使用天然气等清洁型燃料大力开发和推广洁净煤技术, 清洁使用煤炭, 并加强燃煤锅炉排烟的脱硫脱硝脱灰等净化工作, 进一步降低煤烟对大气环境的污染［１０］。

北京市作为我国的首都, 空气质量却频频出现及其糟糕的情况, 不仅损害居民的身体健康, 而且和国际化大都市的形象和地位不符。分析影响空气质量的因子, 找到大气污染物与气象因子的定量关系, 有利于制定科学的防治性措施, 从而为改善空气质量奠定基础。

1数据来源和研究方法

1.1数据来源

污染物数据来自北京市空气质量自动监测站点的监测数据, 气象数据来自中国气象科学数据共享服务网的逐日监测数据, 选取空气污染物指标4个, 分别是Y１ (年日均SO２浓度) 、Y２ (年日均NO２浓度) 、Y３ (年日均可吸入颗粒物PM１０浓度) 、Y４ (年日均CO浓度) , 单位都是mg/m３;相关气象因子指标8个, 分别是X１ (年日均气温, ℃) 、X２ (平均相对湿度, 无量纲) 、X３ (全年日照数, h) 、X４ (全年降水量, mm) 、X５ (平均风速, m/s) 、X６ (平均气压, kPa) 、X７ (大风日数, 单位d) 、X８ (雨日数, d) 。另有部分数据来自《中国环境年鉴》 (2003~2004年) 、《中国气象年鉴》 (2012年) 、《中国环境统计年鉴》 (2005~2012年) 、《北京统计年鉴》 (2012年) 、《北京市环境状况公报》 (http://www.bjepb.gov.cn/portal0/tab181/) 。

1.2研究方法

1.2.1污染物浓度及趋势分析

Spearman秩相关系数法 (又名Daniel趋势检验方法) , 是一个非参数性质 (与分布无关) 的秩统计参数, 可以用于R检验, 在数据的分布使得Pearson线性相关系数不能用来描述或是用来描述导致错误的结论时, 作为变量之间单调联系强弱的度量。《环境质量综合评价分析技术导则》推荐它用于地表水水质、地下水水质、环境空气质量、酸雨频率、近岸海域海水水质等多时段变化趋势和变化程度分析中。

假设原始的数据xｉ, yｉ已经按从大到小的顺序排列, 记x′ｉ, y′ｉ为原xｉ, yｉ在排列后数据所在的位置, 则x′ｉ, y′ｉ称为变量xｉ, yｉ的秩次, 则dｉ=x′ｉ- y′ｉ为xｉ, yｉ的秩次之差。

如果没有相同的秩次, 则rｓ可由式 (1) 计算:

如果有相同的秩次存在, 那么就需要计算秩次之间的Pearson的线性相关系数

rｓ值的正负分别表示污染的增长和下降, 其绝对值的大小表示变化的强度。将rｓ的绝对值同Spearman秩相关系数的临界值Wｐ相比较。如果|rｓ|>Wｐ, 则表明变化趋势有显著意义;如果|rｓ| ≤ Wｐ, 则表明变化趋势没有显著意义, 说明在研究时段里空气质量稳定或变化不大。

根据近10年来北京市大气主要污染物年日均浓度值, 使用Spearman秩相关系数法分析北京市大气污染物的年日均浓度的年际变化趋势及其统计学显著性特征。

1.2.2污染物与气象因子的关联分析

设Y１, Y２, …, Yｓ为系统特征行为数据序列, X１, X２, …, Xｍ为相关因素行为序列。若Y１, Y２, …, Yｓ;X１, X２, …, Xｍ的长度也相同, Yｉｊ (i=1, 2, …, s;j=1, 2, …, m) 为Yｓ与Xｊ的灰色关联度, 则称为灰色关联矩阵。

灰色关联矩阵中第i行元素是系统特征数据序列Yｉ (i=1, 2, …, s) 与相关因素序列X１, X２, …, Xｍ的灰色关联度;第j列元素是系统特征序列Y１, Y２, …, Yｓ与Xｊ (j=1, 2, …, m) 的灰色关联度。

类似的可以定义广义的灰色关联矩阵, 如绝对的灰色关联矩阵A、相对的灰色关联矩阵B和灰色综合关联矩阵C。

利用灰色关联矩阵, 可以对系统特征或相关因素作优势分析。采用广义灰色关联度理论中的优势分析方法, 分别计算大气污染物与气象因子的灰色绝对关联矩阵、灰色相对关联矩阵和灰色综合关联矩阵, 得到表征大气质量状况的最优特征 (污染物类型) , 以及影响空气质量的最优气象因子。

2近十年大气污染物的年际变化趋势

根据2002~2012年北京市空气污染物浓度值, 利用Spearman秩相关系数公式计算各污染物年日均浓度的变化趋势, 结果表明不同的污染物表现出不同的变化轨迹。

近10年来空气年日均SO２浓度、年日均NO２浓度、年均可吸入颗粒物浓度和年日均CO浓度总体呈显著 (p<0.01) 下降趋势, 其中2006年各污染物年日均浓度出现极大值, 2008年各污染物年日均浓度达到最小值 (见图1) 。2008年北京空气质量大幅改善的原因与奥运期间实施一系列改善空气质量的措施密不可分［１１，１２］。

2002~2008年NO２年日均浓度呈显著下降趋势 (p<0.05) , 2008~2012年变化较平稳 (不显著增长) ;2002~2008年CO年日均浓度显著下降 (p< 0.05) , 2008~2012年浓度变化不大 (上升不显著) ; 2002~2006年可吸入颗粒物年日均浓度基本持平 (降低不显著) , 2006~2012年浓度呈显著下降趋势 (p<0.01) 。不同时间段的Spearman秩相关系数检验结果见表1。

3污染物与气象因子的综合关联度

3.1污染物与气象因子的绝对关联度

对主要空气污染物序列Yi (i=1, 2, 3, 4) 和气象因子序列Xj (j=1, 2, 3, 4, 5, 6, 7, 8) 求始点零象化Y0i和Y0j。

对空气污染物序列序列Yｉ (i=1, 2, 3, 4) 和气象因子序列Xｊ (j=1, 2, 3, 4, 5, 6, 7, 8) , 有

得绝对关联矩阵A如下 (表2) 。

从绝对关联矩阵中可以看出, 影响Y１年日均SO２浓度 (绝对关联系数0.988 8) 、Y２年日均NO２浓度 (绝对关联系数0.974 4) 和Y３年日均可吸入颗粒物浓度 (绝对关联系数0.998 4) 的最主要气象因子都是X２平均相对湿度;影响Y４年日均CO浓度最主要气象因子是X３全年日照数 (绝对关联系数0.962 0) 。

由于A中各列元素满足:

εi3>εi2>εi7>εi4;i=1, 2, 3, 4;

εi2>εi5>εi6, i=1, 2, 3, 4。

故有X３> X１> X７> X４, X２> X５> X６, 所以X２ (平均相对湿度) 和X３ (全年日照数) 为影响空气质量的主要气象因子。考虑

所以X２》X３》X５》X１》X７》X８》X４》X６, 即X２ (平均相对湿度) 是影响空气质量的准优因子, X３ (全年日照数) 次之, X６ (年日均气压) 最劣。

各行元素满足, 所以Y3》Y1》Y2》Y4, 即Y3 (年日均可吸入颗粒物PM１０) 是空气污染物的准优特征, Y１ (年日均SO２浓度) 次之, Y４ (年日均CO浓度) 最劣。

3.2污染物与气象因子的相对关联度

表征空气质量状况的主要污染物序列Yｉ (i= 1, 2, 3, 4) 和气象因子序列Xｊ (j=1, 2, 3, 4, 5, 6, 7, 8) 的初值象为Yｉ′和Xｊ′。

诸Yｉ (i=1, 2, 3, 4) 和Xｊ (j=1, 2, 3, 4, 5, 6, 7, 8) 的始点零化象为Yｉ′０和Xｊ′０。

得相对关联矩阵B如表3。

从相对关联矩阵B看, 影响Y１年日均SO２浓度 (相对关联系数0.951 6) 、Y２年日均NO２浓度 (相对关联系数0.993 6) 、Y３年日均可吸入颗粒物浓度 (相对关联系数0.995 6) 和Y４年日均CO浓度 (相对关联系数0.974 5) 的最主要气象因子都是X７大风日数。

B中元素满足:

故有X7> X2> X3> X4> X5> X6, X5> X８, 所以X７ (大风日数) 是影响空气质量的最优因子, X２ (平均相对湿度) 次之。考虑, 因此X６ (平均气压) 最劣。

又, 故Y2》Y３≥Y４≥Y１, 即Y２ (年日均NO２浓度) 是表示空气污染物的准优特征, Y３ (年日均可吸入颗粒物PM１０浓度) 次之, Y１ (年日均SO２浓度) 最劣。

3.3污染物与气象因子的综合关联度

综合关联矩阵C =θA + (1-θ) B =θεｉｊ+ (1-θ) Yｉｊ= (ρｉｊ) , 取θ=0.5, 则C如下 (表4) 。

从综合关联矩阵C看, 影响Y１年日均SO２浓度 (综合关联系数0.948 8) 、Y２年日均NO２浓度 (综合关联系数0.965 4) 和Y３年日均可吸入颗粒物浓度 (综合关联系数0.967 0) 的最主要气象因子都是X２平均相对湿度;影响Y４年日均CO浓度最主要气象因子是X７大风日数 (综合关联系数0.953 2) 。

C中元素满足:

各行元素满足因此Y３》Y２》Y１》Y４, 即Y３ (年日均可吸入颗粒物PM１０浓度) 是空气质量状况的准优特征, Y２ (年日均SO２浓度) 次之, Y４ (年日均CO浓度) 最劣。

三种关联分析的结果之所以不完全一致, 是由于绝对关联序是从绝对量的关系着眼考虑的, 相对关联序是从各年观测数据相对于起始点的变化速率着眼, 而综合关联序则是综合了绝对量的关系和变化速率的关系后考察的。由于空气主要污染物和气象因子序列经过特定的灰关联算子作用后, 因此把绝对关联序的结果作为考察结果, 即X２ (平均相对湿度) 是影响空气质量的最优因子, Y３ (年日均可吸入颗粒物PM１０浓度) 是表征空气质量的最优特征, 两者关联系数达0.9984, 相关关系如下 (见图2) 。

4结论与展望

综合上面的研究, 本文主要有以下几点结论:

(1) 2002~2012年整体来看, 北京市年日均SO２浓度、年日均NO２浓度、年日均可吸入颗粒物浓度和年日均CO浓度呈显著下降趋势, 其中2006年四类污染物年均浓度出现极大值, 2008年年均浓度达到最小值。分时间段来看, 2002~2008年NO２年日均浓度呈显著下降趋势, 2008~2012年变化较平稳;2002~2008年CO年日均浓度显著下降, 2008~ 2012年浓度变化不大;2002~2006年可吸入颗粒物年日均浓度基本持平, 2006~2012年浓度呈显著下降趋势。

(2) 影响年日均SO２浓度、年日均NO２浓度和年日均可吸入颗粒物浓度的最主要气象因子都是平均相对湿度;影响年日均CO浓度最主要气象因子是全年日照数。平均相对湿度是影响空气质量的最优因子, 年日均可吸入颗粒物PM１０浓度是表征空气质量的最优特征, 两者关联程度最大。

本文尚未讨论能源消费结构与大气污染物浓度之间的关系, 相关影响因素需进一步挖掘, 主要大气污染物的来源、形成扩散机理、预报预测、控制对策等的研究也有待探索。

参考文献

[1] 蒋维楣, 曹文俊, 蒋瑞宾.空气污染气象学教程.北京:气象出版社, 1993;74—90

[2] 吴兑, 邓雪娇.环境气象学与特种气象预报.北京:气象出版社, 2001;22—35

[3] Wise E K, Comrie A C.Meteorologically adjusted urban air quality trends in the South western United States.Atmospheric Environment, 2005;39 (16) :2969—2980

[4] 王宏, 林长城, 蔡义勇, 等.福州市PM10突变特征与气象条件的关系研究.热带气象学报, 2008;24 (5) :564—568

[5] Mamtimn B, Meixner F X.Air pollution and meteorological processes in the growing dryland city of Urumqi (Xin-jiang, China) .Science of the Total Environment, 2011;409:1277—1290

[6] 周伟东, 梁萍.风的气候变化对上海地区秋季空气质量的可能影响.资源科学, 2013;35 (5) :1044—1050

[7] 徐莉, 李艳红.乌鲁木齐城市空气质量状况与常规气象条件的关系.农业灾害研究, 2013;01:41—44

[8] 李林, 郝吉明, 胡京南.北京市能源利用对空气质量的影响分析和预测.中国环境科学, 2005;25 (6) :746—750

[9] 张菊, 苗鸿, 欧阳志云, 等.近20年北京市城近郊区环境空气质量变化及其影响因素分析.环境科学学报, 2006;26 (11) :1886—1892

[10] 寇栓虎, 杨荣.能源消费状况对延安市大气环境质量的影响分析.干旱区资源与环境, 2010; (6) :82—86

[11] 曾静, 廖晓兰, 任玉芬, 等.奥运期间北京PM2.5、NOX、CO的动态特征及影响因素.生态学报, 2010;30 (22) :6227—6233

室内污染物浓度篇9

研究[1,2,3]表明,绝大多数人70%～90%的时间是在室内度过的,室内颗粒物污染暴露对人体健康有重要影响。我国于2002年颁布的GB/T 18883—2002《室内空气质量标准》[4]要求室内可吸入颗粒物的日平均质量浓度≤0.15 mg/m3,以控制室内可吸入颗粒物对人体的危害。孟冲等[5]测试北京市集中空调室内PM10浓度均值为0.207 mg/m3;亢燕铭[6]等对上海集中空调房间的实测也表明,每日平均有56%以上的时间室内PM10超过0.15 mg/m3,很难达到现行空气质量标准。因此,对室内颗粒物的量化研究是进行人体健康危险评估与颗粒物污染控制的基础。

研究空调建筑中可吸入颗粒物浓度随时间变化特性以及不同因素对室内颗粒物浓度的影响是控制室内颗粒物和制定合理通风策略的基础。本文在现有模型的基础上,推导出室内可吸入颗粒物在空调开启、关闭时段的瞬时浓度公式,并分析了影响室内颗粒浓度的因素。

1 模型理论基础

图1为一次回风空调系统物理模型。假定室内产尘量恒定,进入室内和室内自生的颗粒物能均匀地在室内扩散,大气颗粒物浓度为常数。

2 数学模型

2.1 空调系统开启时段

建立房间内颗粒物质量平衡方程式:

$\begin{array}{l} [Q_{1} C_{t} (1 - η_{h}) (1 - η_{z}) + Q_{2} C_{w} (1 - η_{x}) (1 - η_{z}) + \\ G V - Κ V C_{t} - Q_{1} C_{t} - Q_{2} C_{t}] = \frac{d C_{t}}{d t} V (1) \end{array}$

式(1)中: V为室内体积,m3;Q1为回风量,m3/h;Q2为新风量,m3/h;Cw为室外颗粒物质量浓度,mg/m3;ηx、ηh、ηz分别为新风过滤器、回风过滤器、主过滤器的计重效率;K为颗粒物沉降率,h-1;G为室内单位体积发尘量,mg/(m3·h);t为时间,h;Ct为室内颗粒物的质量浓度瞬时值,mg/m3;C0为室内颗粒物初始浓度值,mg/m3。

积分得t时刻室内颗粒物浓度:

$\begin{array}{l} C_{t} = \frac{Q_{2} C_{w} (1 - η_{x}) (1 - η_{z}) + G V}{(η_{z} + η_{h} - η_{z} η_{h}) Q_{1} + Q_{2} + Κ V} - [\frac{Q_{2} C_{w} (1 - η_{x}) (1 - η_{z}) + G V}{(η_{z} + η_{h} - η_{z} η_{h}) Q_{1} + Q_{2} + Κ V} - \\ C_{0}] \exp {- \frac{[(η_{z} + η_{h} - η_{z} η_{h}) Q_{1} + Q_{2} + Κ V]}{V} t} (2) \end{array}$

稳定状态下,室内颗粒物浓度值为:

$\begin{array}{l} C_{\infty} = \lim_{t \to \infty} C_{t} = \\ \frac{S C_{w} (1 - η_{x}) (1 - η_{z}) + G / Ν}{(1 - S) (η_{z} + η_{h} - η_{z} η_{h}) + S + Κ / Ν} (3) \end{array}$

式(3)中:S为新风比,N为换气次数,h-1。

则公式(2)可进一步简化为:

$\begin{array}{l} C_{t} = C_{\infty} - (C_{\infty} - C_{0}) \times \\ \exp [- \frac{Q_{1} (η_{z} + η_{h} - η_{z} η_{h}) + Q_{2} + Κ V}{V} t] (4) \end{array}$

2.2 空调系统关闭时段

根据质量平衡方程,空调关闭时段室内PM10浓度瞬时式:

$C_{t} = \frac{Ρ Q_{2} C_{w} + G V}{Q_{2} + Κ V} - (\frac{Ρ Q_{2} C_{w} + G V}{Q_{2} + Κ V} - C_{\infty}) \exp [- (n + Κ) t] (5)$

式(5)中:n为夜间空气渗透风量形成的换气次数,h-1,P为颗粒物穿透效率。

夜间颗粒物稳定浓度值为:

$C_{1} = \lim_{t \to \infty} C_{t} = \frac{Ρ Q_{2} C_{w} + G V}{Q_{2} + Κ V} = \frac{Ρ C_{w} n + G}{n + Κ} (6)$

公式(5)可进一步简化为:

Ct=C1-(C1-C∞)exp[-(n+K)t] (7)

2.3 参数值的确定

2.3.1 初始浓度值

许钟麟[7]给出洁净室初始浓度值确定方法,开机前如果系统停止运行几个小时,则室内颗粒物浓度值就与室外含尘浓度值相当。即可将当地室外PM10浓度值作为空调系统开启时室内PM10初始浓度值。

2.3.2 室内发尘量

空调建筑室内发尘主要是人员、设备和建筑表面产尘,相关文献[8]表明,人的发尘量占主要部分。室内发尘量主要考虑人员发尘以及地面的二次悬浮量,并将地面产尘按照人员发尘折合。

$G = \frac{G_{Ρ}}{V} (\frac{F}{β} + ρ F) (8)$

式(8)中:Gp为人员发尘量,mg/(人·h);F为室内面积,m2;β为室内面积与人员数目的折合系数,取40计算;ρ为人员密度,人/ m2。

夜间室内无明显尘源时,计算时只取二次悬浮量。

3 分析与讨论

3.1 初始浓度对室内PM10浓度影响

由公式(4)可得:

$\begin{array}{l} \frac{\partial C_{t}}{\partial t} = (C_{\infty} - C_{0}) \frac{Q_{1} (η_{z} + η_{h} - η_{z} η_{h}) + Q_{2} + Κ V}{V} \times \\ \exp [- \frac{Q_{1} (η_{z} + η_{h} - η_{z} η_{h}) + Q_{2} + Κ V}{V} t] (9) \end{array}$

当C0>C∞时, $\frac{\partial C_{t}}{\partial t} < 0$ ,即室内PM10浓度值随时间递减,空调开启时段室内PM10变化为稀释过程;当C0<C∞时, $\frac{\partial C_{t}}{\partial t} > 0$ ,颗粒物浓度呈递增趋势,则室内PM10变化呈污染过程。

同样,由公式(7)可得:夜间空调关闭时段室内颗粒物变化出现“相反”趋势。

以某空调房间为例分析,模型中相关参数设定如表1所示。以一天为周期,考虑到初始浓度值的影响,模拟计算两个周期内室内PM10浓度的变化(0时为空调开启时刻)。

模拟计算结果如图2所示,室内PM10浓度在两个周期内的逐时变化曲线。

由图可见,当C0<0.12 mg/m3时,室内PM10浓度呈现“白天高夜间低”的趋势。白天存在明显的颗粒物发生源,在空调系统开启时段,过滤后的风量通过稀释作用减小室内PM10浓度的进一步增加;由于过滤作用,室内PM10浓度稳定在0.12 mg/m3。空调系统关闭时段,夜间室内无明显的颗粒物发生源,由于室外新风的渗透作用以及颗粒物的沉积作用,室内PM10浓度稳定值在0.082 mg/m3。

当C0>0.12 mg/m3时,室内PM10浓度呈现相反趋势,这与前面的理论分析一致。

3.3 室外PM10浓度对C∞的影响

由表1中的参数值,模拟计算室外颗粒物浓度对C∞的影响,如图3所示。

由图可见,在空调系统运行时段,C∞与Cw呈线性关系,室外PM10的浓度介于[0,0.24]之间时,室内PM10变化率仅为10%。

3.3 渗透作用对室内PM10浓度影响

由公式(6)可得:

$\frac{\partial C_{1}}{\partial n} = \frac{Ρ C_{w} Κ - G}{(n + Κ)^{2}} (10)$

当PCwK>G时,增大渗透风量使室内PM10浓度上升;当PCwK=G时,渗透风量不影响室内PM10浓度;当PCwK<G时,增大渗透风量使室内PM10浓度下降。为分析渗透风量对室内PM10浓度的影响,图4分别给出空调系统关闭时段渗透换气次数为0.3、0.71、1 h-1时室内颗粒物浓度逐时变化曲线。

空调开启时段室内保持正压,渗透风量变化不影响室内PM10 浓度变化。空调关闭后,经计算得PCwK>G,n=0.3 h-1时,C1=0.08 mg/m3,n=1 h-1时,C1=0.083 4 mg/m3,可见增大渗透风量使室内PM10浓度上升。

对于过度季节而言,夜间自然通风成为建筑物的主要通风方式。此时,颗粒物对维护结构的穿透率为1,室内外颗粒物浓度将保持一致。

3.4 新风比对C∞的影响

新风比对空调开启时段的影响,由公式(5)可得:

$\frac{\partial C_{\infty}}{\partial S} = \frac{C_{w} (1 - η_{z}) (1 - η_{h}) {\frac{1 - η_{x}}{1 - η_{h}} [1 + \frac{Κ}{Ν} - (1 - η_{z}) (1 - η_{h})] - \frac{G}{Ν C_{w}}}}{[(1 - S) (η_{z} + η_{h} - η_{z} η_{h}) + S + Κ / Ν]^{2}} (11)$

文献[12]给出了室内临界净化效率的定义,即 $η_{c} = \frac{G}{Ν C_{w}}$ 。根据公式(11)可知,结果出现三种情况:

$\frac{1 - η_{x}}{1 - η_{h}} [1 + \frac{Κ}{Ν} - (1 - η_{z}) (1 - η_{h})] > η_{c} (12)$

$\frac{1 - η_{x}}{1 - η_{h}} [1 + \frac{Κ}{Ν} - (1 - η_{z}) (1 - η_{h})] < η_{c} (13)$

$\frac{1 - η_{x}}{1 - η_{h}} [1 + \frac{Κ}{Ν} - (1 - η_{z}) (1 - η_{h})] = η_{c} (14)$

计算结果满足公式(12)时, $\frac{\partial C_{\infty}}{\partial S}$ >0,增大新风比使室内PM10浓度上升;计算结果满足公式(13)时, $\frac{\partial C_{\infty}}{\partial S}$ <0,增大新风比使室内PM10浓度下降;计算结果满足公式(14)时, $\frac{\partial C_{\infty}}{\partial S}$ =0,新风比不影响室内PM10浓度大小。

由表1中相关参数计算,,满足公式公式(13),此时,可以通过增加新风量来降低室内颗粒物浓度。

图5表示空调系统开启时段,不同新风比下室内PM10浓度的变化曲线。

由图可知,在新风比范围内,室内PM10浓度由0.122 mg/m3减小为0.108 mg/m3,降低了 10%。可见,增大新风量不仅增加了初投资及运行费用,而且对控制室内颗粒物浓度是有限的。

对于各级过滤器配置满足公式(12)的空调系统,增加新风量,C∞的值反而会升高。

3.5 过滤器效率对室内PM10浓度影响

3.5.1 ηx对C∞的影响

由公式(5)对新风过滤器ηx求导可得:

$\frac{\partial C_{\infty}}{\partial η_{x}} = - \frac{S C_{w} (1 - η_{x})}{[(1 - S) (η_{z} + η_{h} - η_{z} η_{h}) + S + Κ / Ν]} (15)$

由于∂C∞/∂ηx<0,C∞随新风过滤器ηx的增大而减小。

3.5.2 ηh对C∞的影响

由公式(5)对回风过滤器ηh求导可得:

$\frac{\partial C_{\infty}}{\partial η_{h}} = - \frac{S C_{w} (1 - η_{z}) (1 - S) [S C_{w} (1 - η_{x}) 1 - η_{z}) + \frac{G}{Ν}]}{[(1 - S) (η_{z} + η_{h} - η_{z} η_{h}) + S + Κ / Ν]^{2}} (16)$

由于∂C∞/∂ηh<0,C∞随回风过滤器ηh的增大而减小。

增加新风过滤器、回风过滤器的过滤器效率都可以减小室内颗粒物浓度,以下分析ηx、ηh对C∞的影响权重。

$\begin{array}{l} γ = \frac{\partial C_{\infty}}{\partial η_{x}} / \frac{\partial C_{\infty}}{\partial η_{h}} = \\ \frac{S C_{w} (1 - S) [(η_{z} + η_{h} - η_{z} η_{h}) + S + Κ / Ν]}{(1 - S) [S C_{w} (1 - η_{x}) 1 - η_{z}) + \frac{G}{Ν}]} = \\ \frac{S C_{w}}{(1 - S) C_{\infty}} (17) \end{array}$

由公式(17)可见,当γ>1时,调整ηx对C∞的影响大于调整ηh对C∞的影响;当γ<1时,调整ηx对C∞的影响小于调整ηh对C∞的影响;γ=1时,调整ηx对C∞的影响与调整ηh对C∞的影响相同。

将表1中的参数带入公式(17)计算可得:γ<1,针对该空调系统,相对于增加新风过滤器效率而言,增加回风过滤器效率对降低C∞更为显著。

3.5.3 ηz对C∞的影响

由公式(5)对主过滤器效率求导可得:

$\frac{\partial C_{\infty}}{\partial η_{z}} = - \frac{S C_{w} (1 - η_{x}) (1 + \frac{Κ}{Ν}) + \frac{G}{Ν} (1 - S) (1 - η_{h})}{[(1 - S) (η_{z} + η_{h} - η_{z} η_{h}) + S + Κ / Ν]^{2}} (18)$

增加主过滤器效率ηz同样可减小C∞,为分析ηz对C∞的影响,图6模拟计算出主过滤器效率变化±10%时室内PM10浓度的变化曲线。

由图6可见,在主过滤器效率ηz由54%增加到60%时,C∞由0.127 mg/m3降低至0.12 mg/m3,颗粒物浓度减少5.5%。可见调整主过滤器效率对C∞有显著影响。对于通风过滤空调系统,增加新风比控制室内颗粒物浓度是有限的,因此可以通过提高各级过滤器效率控制室内颗粒物浓度。

4 结论

(1) 对于机械通风房间,当室内PM10初始浓度小于空调开启时段的稳定浓度值时,室内PM10浓度呈现“白天高夜间低”的现象;当室内PM10初始浓度大于稳定浓度值时,室内PM10浓度呈相反趋势;当二者相等时,室内PM10浓度保持在初始浓度值不变。

(2) 空调系统运行时段,当室外PM10浓度介于[0,0.24]之间时,室内PM10浓度的最大变化率仅为10%。

(3) 仅靠增加新风量稀释室内颗粒物污染是有限的,提高空气过滤器各级过滤效率可有效控制室内颗粒污染物。

参考文献

[1] Kreiss K.The epidemiology of building-related complaints and ill-ness.Medicine:State of the Art Reviews,1989;4:575—592

[2] Jones A P.Indoor air quality and health.Atmos.Environ.,1999;33(28):4535—4564

[3] Harrison P T C.Health impacts of indoor air pollution.Chem Ind,1997;17:677—681

[4]中华人民共和国卫生部,国家环境保护总局.GB/T 18883—2002室内空气质量标准.北京:中国标准出版社,2002

[5]孟冲,赵乃妮,于丹.我国南北方典型城市公共建筑集中空调系统污染状况调查与分析.暖通空调,2011,41(10):54—57

[6]亢燕铭,钟珂,柴士君.上海地区空调房间夏季室内外颗粒物浓度变化特征.过程工程学报,2006;6(2):46—50

[7]许钟麟.空气洁净技术原理.上海:同济大学出版社,1998:398—

[4018]司鹏飞,樊越胜,李安桂,等.公共建筑集中空调系统过滤器选型方法优化.暖通空调,2011,41,63—66

[9]赵彬,陈玖玖,陈曦.室内颗粒浓度影响因素的集总模型分析.清华大学学报(自然科学版),2005;45(12):1589—1591

[10] Thatcher T L,Layton D W.Deposition,resuspension,and penetrationof particles within a residence.Atmospheric Environment,1995,29(13):1487—1497

[11] Yamamoto N,Shendell D G,Winer A M,et al.Residential air ex-change rates in three major US metropolitan areas:results from therelationship among indoor,outdoor,and personal air study 1999—2001.Inddor Air,2010;20(1):85—90

【室内污染物浓度】推荐阅读：

室内甲醛污染06-18