刘细凤
安科瑞电气股份有限公司 上海嘉定 201801
摘 要：餐饮业是中国大型城市大气环境污染源之一。为了解餐饮业大气污染物的产生能力，本研究以北京为研究对象，选取41家不同菜系的餐饮企业，现场实地检测了净化设备前端的油烟、颗粒物和非甲烷总烃( NMHC) 的产生浓度水平。结果表明，净化前油烟、颗粒物和 NMHC的初始平均浓度约为1.93、6.6 和10.9 mg·m-3。 提出了一种基于工作日与非工作日的估算污染物排放总量的计算方法。并基于北京市餐饮企业数量和本研究测得的排放因子，初步估算了2019年全市餐饮源主要污染物的初始产生总量，油烟、颗粒物和NMHC的年排放总量分别5512、18849和6169 t。川湘菜、烧烤、烤鸭与家常菜产生的油烟与颗粒物浓度的 Pearson系数均 ＞ 0. 6，具有强相关性；其中川湘菜和烤鸭排放的Pearson系数均 ＞ 0. 8，呈现很强相关性。
关键词：餐饮业；油烟；颗粒物； 非甲烷总烃( NMHC)；餐饮油烟监测云平台；安科瑞
0.前言
餐饮业排放的主要污染物为食物加工过程中产生的油烟、颗粒物、非甲烷总烃( NMHC) 以及烹饪使用的煤、天气的燃烧产物。餐饮业废气对环境空气质量有一定影响，主要表现在液态油烟与空气中水分结合形成气凝胶，气凝胶在大气中长时间悬浮，会导致大气PM2.5含量增加，部分挥发性VOCs在大气中经过复杂地反应会生成可以长时间悬浮的二次颗粒物，进一步增加大气PM2.5含量。有研究表明，餐饮业排放以PM2.5为主，其排放的颗粒物约占北京大气PM2.5浓度的7.5%～21.2%，是北京城区大气污染的来源之一。且随着经济平稳增长，北京市人口增长，餐饮业消费大大提升。北京市商务局统计数据显示，截至 2018年12月，北京地区共有餐饮企业5.95万户，同比增长7.7%，尤其在城区，高密度分布的餐饮企业油烟排放，是造成局部空气污染的一大原因。餐饮业排放的油烟成分复杂，并对人体呼吸道产生不利影响，大量吸入后有致癌风险。
近年来，为了解餐饮业污染现状，学者们开展了众多研究。施巍等给出了一种餐饮业无组织排放的核算方法。Wang等基于Kuznets Curve对中国 各省市地区餐饮业VOCs的排放进行了估算。林立等测算了上海典型餐饮业的油烟、颗粒物以及VOCs的排放，确定餐饮业排放是上海地区细颗粒物PM2.5的主要来源之一。温梦婷等研究了烹饪产生的PM2.5对北京冬季空气污染的贡献，结果表明 研究目标排放的PM2.5浓度为当日大气环境PM2.5质量浓度的8～35倍之多。但是仍缺少北京地区餐饮源直接产生的污染总量的估算。本研究于2019年在北京市内选取了川湘菜、烤鸭、烧烤和家常菜这4种典型菜系，共41家餐饮企业，对各餐饮企业排放的油烟、颗粒物和非甲烷总烃进行现场采样、分析并估算年排放总量，旨在通过此研究，探明北京市餐饮业大气污染物初始产生总量，考察餐饮业排放的大气污染物对大型城市空气质量的影响程度。
1. 料材与方法
1.1 设备与材料
设备: QC-2大气采样仪；大气烟尘气采样仪；OIL-460型红外测油仪；GC8600 型气相色谱；甲烷柱为以GDX-502高分子多孔微球为填料的色谱柱，长3m，内径3 mm；总烃柱为以硅烷化玻璃微珠为填料的色谱柱，柱长1m，内径 3mm。系统载气为氮气( ＞ 99.999% ) ，氢气由氢气发生器提供；电子天平。
材料: 聚四氟乙烯杯；不锈钢油烟滤筒；特氟龙气袋；颗粒物滤膜；四氯化碳。
1.2 样品采集与分析
根据城市居民外出就餐习惯，选午间11: 30～13: 30和晚间17: 30～19: 30(冬季晚餐高峰时间延后1h) 的用餐高峰时段对选取的41家餐饮企业进行样品采集，其中川湘菜9家、烤鸭10家、烧烤5家和家常菜17家。
样品采集参考《饮食业油烟排放标准试行》 (GB18483-2001) 、《餐饮业颗粒物的测定手工称重法》( DB11T1485-2017) 和《固定污染源废气挥发性气体的采样气袋法》( HJ732-2014) 规定的标准方法。采集断面位于油烟净化设备前端的平直烟道。油烟每组5个样品，每个样品采集10min，颗粒物每组1个样品，采集时间45min，非甲烷总烃每组1个样品，采集时间30min。
样品在规定期内进行分析，分析方法参考 《饮食业油烟排放标准试行》(GB 18483-2001) 、《餐饮业颗粒物的测定手工称重法》(DB11T 1485-2017) 和《固定污染源总烃、甲烷和非甲烷的测定气相色谱法》( HJ38-2017)。本研究采用《固定污染源总烃、甲烷和非甲烷的测定气相色谱法》(HJ38- 2017) 对烟气中VOCs浓度进行分析，故VOCs浓度以NMHC计。
1.3 污染物年排放总量计算方法
不安装油烟净化设备情况下餐饮企业的污染物年排放总量计算见公式( 1)。
W = y × h × k × 10 －3 (1)
式中，W为年排放总量( kg·a － 1 ) ；y为全年营业天数 ( d) ； h为每天营业小时数 ( h ) ；k为排放系数 ( g·h － 1 ) 。
排放系数 k 计算见公式( 2) :
k = V0 × E × n (2)
式中，V0 为平均标况风量( m3 ·h － 1 ) ；E 为基准平均排放浓度，( mg·m － 3 ) ； n 为平均折算灶头数( 个) 。
由于工作日与非工作日餐饮企业工作强度有差异，所以在进行全年总量计算时将工作日与非工作日分别计算，日排放总量Wd计算公式为:
Wd = k × h × N (3)
式中，N 为北京市餐饮企业总数。
全年污染物排放总量计算公式为:
Wy = Wd，g × 250 + Wd，j × 115 (4)
式中，Wy 为全年排放总量( t) ；Wd，g为工作日排放总 量( t·d － 1 ) ； Wd，j为非工作日排放总量( t·d － 1 )。
2. 结果与讨论
2.1 油烟与颗粒物排放情况
41家餐饮企业的净化前油烟与颗粒物排放情况见图 1(a) ，油烟基准排放浓度范围为0.14 ～ 6.25 mg·m－ 3 ，平均排放浓度1.93 mg·m－ 3 。从中可知，油烟基准排放浓度＜ 1. 0 mg·m－ 3 ，即满足《餐饮业大气污染物排放标准》( DB11/1488-2018)油烟排放限值要求的有13家企业，占比31.71%，这些企业不需加装净化设备即可满足达标排放；油烟基准排放浓度 ≥1.0 mg·m－ 3的餐饮企业共28家，占比68.29%，其中油烟基准排放浓度≥2.0 mg·m － 3 ，即超标2倍的企业有16家，占调查总量的39.02%。由此可见，大部分餐饮企业需通过加装净化设备以油烟污染，满足达标排放。DB11 /1488-201的编制说明中对100家餐饮企业的油烟测试结果为1.77 mg·m－ 3 ，与本研究的结果相近。而林立等的研究发现上海市餐饮企业平均油烟排放浓度为1.28 mg·m－ 3 ，朱春等发现湖南菜和广东菜的油烟密度分别1.51mg·m－ 3 和 1.72 mg·m－ 3 ，均低于本研究结果，原因在于不同菜系之间的烹饪方式烹饪过程以及使用食用油种类和食材不同，可能造成油烟排放差异。
颗粒物排放情况见图 1( b) ，颗粒物基准排放浓度范围为 ＜ 0. 1 ～ 19.3 mg·m － 3 ，平均排放浓度为6.6 mg·m － 3 。从中可知，颗粒物浓度 ＜ 5 mg·m － 3 ，即满足DB11 /1488-2018油烟排放限值要求的有21家企业，占比51.22%，这些企业无需安装净化设备即可满足排放标准； 颗粒物基准浓度≥5 mg·m － 3 的餐饮企业共20家，占比48.78%，其中颗粒物基准浓度≥10 mg·m － 3 有8家，占比19.51%.DB11 /1488- 2018的编制说明中对100家餐饮企业的测试结果为7.50 mg·m－ 3 ，与本研究结果相近。林立等测得上海市餐饮企业颗粒物排放浓度为0.14 ～1.67 mg·m － 3 之间，温梦婷等测得北京地区川菜、杭州菜以及烧烤等餐饮企业颗粒物排放浓度为1.38 ～ 1.81 mg·m－ 3 ，低于本研究结果.原因在于样品会受采集断面、净化设备、采样工况和餐饮企业菜系等因素影响，导致颗粒物排放浓度存在较大差异。
2.2 颗粒物与油烟排放浓度相关性分析
研究发现油烟与颗粒物的排放浓度具有一定相关性，分析结果见图 2，统计结果见表 1。
本研究分别对全部餐饮企业与不同菜系间餐饮企业的油烟与颗粒物浓度进行相关性分析，结果表明油烟与颗粒物之间存在强相关性，且不同菜系间存在差异；家常菜和烧烤排放的油烟与颗粒物表现为强相关性，而烤鸭和川湘菜的Pearson系数分别为0.8和0.9，表现出了很强的相关性，与孙鹏等对河南省郑州市具有代表性餐饮企业排放油烟和颗粒物之间具有很高线性关系的研究结论相符。但是，有研究表明烤鸭排放的油烟与颗粒物之间相关性不好，与本研究的结论不同，可能由于本研究样本中烤鸭均为电烤炉烹饪，与传统果木烤鸭的油烟和颗粒物排放水平不同、样品受采集条件和餐饮企业工况等因素影响。
2.3 NMHC排放情况
NMHC排放情况见图 3，NAMC 的基准排放浓度范围1.67 ～ 37.4 mg·m－ 3 ，平均排放浓度为10. 8 mg·m－ 3 。NMAC 排放浓度 ＜ 10 mg·m－ 3 ，满足 DB 11 /1488-2018油烟排放限值要求的有22家企业，占比52. 63%； NMAC初始浓度≥10 mg·m－ 3 的餐饮企业共17家，占比42.5%，其中颗粒物基准浓度 ≥20 mg·m－ 3 有6家，占比15% 。DB11 /1488-2018 的编制说明中对100家餐饮企业的测试结果为7.50 mg·m － 3 ，与本研究的结果相近。55%的餐饮企业NMHC的初始排放浓度符合标准，无需进一步治理，约有一半的企业需要安装VOCs治理设施，其中约有15%的餐饮企业需要安装净化效率高于60% 的VOC治理设施。是否推广普及针对VOCs的净设备有待商榷。
将本研究所得NMH数据与上海市餐饮企业VOCs排放浓度( 0. 87 ～ 7. 31 mg·m － 3 ) 进行对比，差异较大，原因可能是: ①净化设备对VOCs有良好的净化效果。本研究采集的为净化前的样品，而上海市的研究可能包含了净化后的样品；②样本所覆盖餐饮企业数量和菜系不同；③采样时工况不同。
2.4 污染物排放总量估算
分别统计了41家餐饮企业的标况排放风量与平均基准灶头数。如图4所示，各餐饮企业在不同标况风量的区间内和不同折算灶头数量下呈正态分布趋势，标况风量平均值10 000 m3 ·h－ 1，折算灶头数量平均值为5个。
经实地调查发现，工作日( 250 d·a－ 1 ) 餐饮企业作业时间集中12: 00 ～13: 00与18: 00 ～19: 00，主营项目为外卖；非工作日( 115 d·a－ 1 ) 堂食顾客较多，兼具大量外卖，作业时间主要集中在11: 30～13: 30与17: 30～19: 30，即工作日日均作业时长约2 h，非工作日约4h。按商务部统计的2018年北京市餐饮业市场主体5. 95万户，估算2019年工作日与非工作日北京市餐饮源油烟、颗粒物和NMHC的排放总量，并计算2019年全年排放总量分别为5512、18849和6169t． 结果见表 2。
2012年广州市餐饮企业油烟全年排放15.6 t，与本研究估算的5512t相差较大。原因可能是广州和北京的餐饮企业类型不同，并且调查中粤菜占比60%，粤菜以蒸、煲烹饪为主，油烟排放能力远低于以煎、炸、烹、炒和烤为主的各大菜系。
上海市2014年餐饮源颗粒物排放总量为681～946 t，广州市2011年餐饮源细颗粒物排放总量为2807.93t，均与本研究估18848t相差大，原因可能在于: ①本研究中采样位置位于净化设备前端，未考虑净化设备对颗粒物的净化效率；②本研究受颗粒物样品采集方法所限，无法区分细 颗粒物与粗颗粒物，大量粗颗粒物的存在使得测算结果高于其它研究；③不同城市的主要餐饮类型占比不同。本研究估算颗粒物排放总量远高于北京市2005年餐饮源细颗粒物排放总量( 2100 t)，除以上原因外，自2005年( 4.1万家) 至2018年( 5. 95万家) ，北京市餐饮企业数量增长30%。生活水平提高，外出就餐人数增加，同时外卖行业兴起，导致餐饮源排放总量显著增长。本文基于餐饮企业数量估算201年北VOC年排放总量为6169t，与上海2014年VOCs年排放总量相近( 4124.33 ～ 7818.04 t·a－ 1 ) 。作为特大城市，北京与上海的餐饮业VOCs排放强度相似。本研究估算的北京市VOCs排放总量高于广州市2011年餐饮源VOCs排放总量1091.91t，该差异源自地区菜系差别． 本文与 Wang等基于上海市人口估算2018年北京的VOCs年排放总量( 1608.18 t·a－ 1 ) 相差近4倍，但是其基于餐饮企业数量与其基于上海市人口估算的2018年上海市VOCs年排放量相差也近4倍，产生这种差距的原因可能是两种算法的统计学误差。本研究估算的VOCs产生总量低于北京市2003年餐饮业VOCs排放总量10559t，可能是受样品采集和检测方法、采样时工况、餐饮企业建筑结构和净化设备等影响导致。
3.安科瑞AcrelCloud3500餐饮油烟监测云平台
为了弥补现存餐饮行业在烟油监测上的漏洞，同时便利监管部门的监察，安科瑞油烟监测云平台应运而生。油烟监测模块通过2G/4G与云端平台进行通信和数据交互，系统能够对企业餐饮设备的开机状态、运行状态进行监控；实现开机率监测，净化效率监测，设施停运
告警，待清洗告警，异常告警等功能；对采集数据进行统计分析、排名等统计功能；较之传统的静电监测方案，更具实效性。平台预留与其他应用系统、设备交互对接接口，具有很好的扩展性。
3.1 平台结构
平台GIS地图采集餐饮油烟处理设备运行状态和油烟排放的浓度数据，自动对超标排放及异常企业进行提示预警，监管部门可迅速进行处理，督促餐饮企业整改设备，并定期清洗、维护，实现减排环保，不扰民等目的。现场安装监测终端，持续监测油烟净化器的工作状态，包括设备运行的电流、电压、功率、耗电量等等，同时结合排烟口的挥发性物质、颗粒物浓度等进行对比分析，一旦排放超标，系统会发出异常信号。
■ 油烟监测设备用来监测油烟、颗粒物、NmHc等数据
■ 净化器和风机配合对油烟进行净化处理，同时对净化设备的电流、电压进行监测
■ 设备通过4G网络将采集的数据上传至远程云端服务器
3.2平台主要功能
（1）在线监测
对油烟排污数据的监测，包括油烟排放浓度，颗粒物，NmHc等数值采集监测；同时对监控风机和净化器的启停状态、运行数据进行监测。
(2)告警数据监测
系统根据采集的油烟数值大小，产生对应的排放超标告警；对净化器的运行数据分析，上传净化设备对应的运行、停机、故障等告警事件。
(3)数据分析
运行时长分析，离线分析；告警占比、排名分析；历史数据统计等。
(4)隐患管理
系统对采集的告警数据分析，产生对应的隐患记录，派发、处理隐患，及时处理告警，形成闭环。
(5)统计分析
包括时长分析、超标分析、历史数据、分析报告等模块。
(6)基础数据维护
个人信息、权限维护，企业信息录入，对应测点信息录入等。
(7)数据服务
数据采集，短信提醒，数据存储和解析。
3.3 油烟监测主机
油烟监控主机是现场的管理设备，实时采集油烟浓度探测器和工况传感器的信号，进行数据处理，通过有线或无线网络通讯将数据传输到服务器平台。同时，对本地数据进行存储，监控现场设备状态，提供人机操作界面。
3.4设备选型方案
4.结论
(1) 选取的41家餐饮企业涵盖了4种典型菜系，具有一定的代表性。北京市餐饮源产生污染物能力较强，油烟，颗粒物和非甲烷总烃的基准平均浓度分别为1.93、6.6与10.9 mg·m－ 3 ，均超过了北京市对餐饮企业排放的地方标准，对餐饮企业加装净化器十分有必要。
(2) 餐饮源产生的油烟与颗粒物之间存在较强的相关性，在对餐饮源排放污染物的监督管理过程中可以只对其中一项污染物进行检测，用于评估此餐饮企业的排放能力，从而节省检测费用。
(3) 估算了北京市2019年餐饮业油烟，颗粒物和NMHC的年产生总量，分别为5512、18849 和6169t，略高于实际排放数值。原因是本文选取的菜系排放水平稍高于其他菜系，且样品均采集自净化设备前端，未考虑净化效率对实际排放总量的影响。
(4) 本研究为《餐饮业大气污染排放标准》 ( DB11 /1488-2018) 发布后的在北京市范围内对餐饮源污染物产生的普查。随着近年来餐饮业的飞速发展，该行业产生的污染物总量呈现上升趋势。本文提供了以北京为例的中国特大城市餐饮企业排放强度的估算数据与估算方法，为政府了解餐饮企业的排放强度提供了基础数据，为治理特大城市餐饮企业污染提供数据支持，并提出了需要治理的对象
【参考文献】
［1］刘芃岩，马傲娟，邱鹏，等．保定市餐饮源排放 PM2.5中污染物特征及来源分析［J］．环境化学，2019，38( 4) : 770- 776.
［2］刘欣然．北京大气气溶胶中烃类污染物的特征研究［D］．北京: 中国科学院研究 生院 (大气物理研究所)，2008．
［3］蒋燕，尹元畅，王波，等．成都市川菜烹饪油烟中VOCs排放特征及其对大气环境的影响［J］．环境化学，2014，33( 11) : 2005-2006．
［4］孙成一，白画画，陈雪，翟翼飞，高启天，何万清，聂磊，石爱军，李国傲.北京餐饮业大气污染物排放特征.［J］环境科学.2020.
［5］安科瑞AcrelCloud-3500餐饮油烟监测云平台.2020.05版.
作者简介：
刘细凤，女，本科 安科瑞电气股份有限公司，主要研究方向为智能电网供配电
Email: 2880157866@qq.com手机：18702111750QQ:2880157866/2881392119
公司简介：
安科瑞电子商务（上海）有限公司是安科瑞电气股份有限公司的全资子公司，安科瑞电气股份有限公司[股票代码:300286.SZ]是一家集研发、生产、销售和服务于一体的高新技术企业，致力于为用户端提供能效管理和用电安全的系统解决方案。公司能效管理系统包括变电所运维云平台、安全用电管理云平台、分表计电、环保用电监管云平台、预付费管理（系统）云平台、泛在电力物联网云平台、智能变配电监控系统、电能质量治理系统、建筑能耗管理系统、工业企业能源管控平台、电气火灾监控系统、消防设备电源监控系统、防火门监控系统、消防应急照明和疏散指示系统、充电桩收费管理云平台、数据中心动环监控系统、电能管理系统、无线测温系统、智慧管廊综合监控和报警系统、智能照明控制系统、IT配电绝缘监测等系统及相关产品。目前已有8000多套各类系统解决方案在全国各地运行，帮助用户实现能源的可视化管理，提供能源数据服务，为用户高效和安全用能保驾护航。