重型汽车尾气污染物排放因子实时获取方法与流程

本发明涉及一种重型汽车排放尾气污染物的排放因子实时获取方法。

背景技术：

中国机动车高速增长、高频使用和高度聚集的综合特征对区域和城市空气质量造成了严重影响。其中，重型汽车因为排放的氮氧化物、颗粒物数量远远高于轻型车，更是大气污染的重要贡献者。为了更好地管控重型汽车排放，需要开展大量的测试研究工作。传统上，重型汽车(或发动机)主要是在实验室台架上进行模拟测试，或者进行实际道路车载测试。虽然实验室台架测试容易控制测试工况，测试结果重复性较好，但不能涵盖机动车实际使用工况，因而不能反映车辆在实际道路上排放的真实水平，并且测试周期长、样本量偏少。而车载测试虽然可以反映实际道路行驶条件，但测试成本更高，仪器安置、调试复杂，也存在测试周期长和样本量偏小的问题。跟车测试技术基于载有高时间分辨率仪器的测试平台，可获得逐秒级的目标重型汽车污染物排放水平，快速反映车辆在实际道路、真实工况下的排放，但是如何实时获取重型汽车尾气污染物更接近实际排放的排放因子，以用于快速识别高排车，是跟车测试的一大难点。现有实时获取排放因子的方法具有以下不足：一方面未考虑到排放因子结果会受到仪器间响应时间差异的影响；另一方面，虽然考虑到道路背景浓度变化，尤其是co2道路背景浓度变化对排放因子的影响较大，但却未能找到一种能准确计算污染物道路背景浓度变化量的有效方法。因此，通过现有方法获取的排放因子结果无法真实反映目标车实际排放情况。

技术实现要素：

基于以上背景技术，为了解决现有方法获取的排放因子无法真实反映目标车实际排放情况的技术问题，本发明提供了一种重型汽车尾气污染物排放因子实时获取方法。

本发明的技术解决方案是：

重型汽车尾气污染物排放因子实时获取方法，其特殊之处在于，包括以下步骤：

步骤1、建立后台数据库；

获取重型汽车基于车牌号码的燃料类型、各类型燃料中碳质量占比ωc，存入后台数据库中；

步骤2、数据对齐；

2.1将所有仪器采集的跟车测试数据传输至同一计算机平台；

2.2以co2浓度为基准，将采集到的污染物浓度原始数据做时间平移，当相关性最大时，计算以co2为基准的仪器间的响应时间差异，根据仪器间响应时间差异将污染物浓度原始数据和co2数据进行时间对齐；

步骤3、污染物道路背景浓度计算；

运用“5s-0％滑动百分数法”和“斜率法”，对跟车前后采集的污染物道路背景浓度进行处理，得到污染物i的道路背景浓度值[i]0；

步骤4、获取目标车辆的排放因子；

4.1根据所识别的车牌号码，从后台数据库获取目标车辆使用的燃料类型及相应的碳质量占比ωc；

4.2分别计算nox和bc的排放因子efp：

式中：

δ[i]＝[i]-[i]0；i为co2、nox或bc；δ[i]代表污染物i的增量，即目标车排出的co2尾气经过大气稀释后的浓度，[i]代表跟车测试仪器得到的污染物i的浓度；

p为nox或bc；

efp表示每kg燃料所排放的污染物p的克数，单位为g/kg燃料；

mwc是碳的分子量；

是co2的分子量；

ωc是目标车所使用燃料中碳元素的质量占比；

ta和tb分别代表积分的开始和结束时间，单位为秒。

进一步地，还包括步骤5、高排车实时诊断：

5.1在后台数据库中存储重型汽车的车型、不同车型对应的排放标准以及基于车型、燃料类型、排放标准的排放阈值；

5.2根据所识别的车牌号码，从后台数据库获取目标车辆的排放阈值；

5.3将步骤4获取的nox和bc的排放因子，与目标车辆的排放阈值进行比较，若大于等于排放阈值，则判定目标车辆为高排车；若小于排放阈值，则判定目标车辆不是高排车。

进一步地，所述步骤3中的污染物道路背景浓度计算包括co2背景值计算和其他污染物背景值计算；

所述co2背景值计算运用滑动百分数法和斜率法分别计算，计算结果按照如下原则选取：

若采集的co2和nox的线性相关性r大于等于0.6时，选择斜率法求得的co2背景值参与后续排放因子计算；

若采集的co2和nox的相关性r小于0.6时，选择滑动百分数法求得的co2背景值参与后续排放因子计算；

所述其他污染物背景值计算指nox和bc的道路背景浓度计算，采用5s-0％滑动百分数法进行计算。

进一步地，所述步骤1中还需获取与车牌号码相对应的车牌底色。

与现有技术相比，本发明的优点：

1、本发明通过将各测试仪器获取的污染物数据进行时间对齐，避免了不同仪器响应时间差异对排放因子测试结果的影响；采用两种方法结合计算污染物道路背景浓度，使得得到的排放因子更接近目标车实际排放的污染物排放因子。

2、本发明为更加准确地计算污染物道路背景浓度提供了有效的解决方案。

3、本发明将排放因子与后台数据库中的高排放车的排放阈值进行比对，能够快速识别高排放车，为实际道路行驶中的车辆排放进行有效监管提供了有力支撑。

附图说明

图1是co2和nox数据对齐方法示例；

图2是原始数据滑动平均示例；

图3是跟车测试污染物浓度示例；

图4是斜率法求co2背景值示例；

图5是滑动百分数法求co2背景值示例；

图6是co2和nox道路背景浓度，a为co2道路背景浓度，b为nox道路背景浓度；

图7是利用本发明与同步车载测试得到的排放因子结果对比图；

图8是利用传统方法与同步车载测试得到的排放因子结果对比图；

图9是本发明的方法流程图。

具体实施方式

以下结合附图1-9对本发明作进一步说明。

本发明所提供的重型汽车尾气污染物排放因子实时获取方法，包括以下步骤：

步骤1、建立后台数据库；

获取重型汽车基于车牌号码的燃料类型、各类型燃料中碳质量占比ωc、排放标准，车重等，存入后台数据库中；由于拖挂式货车的车尾车牌为拖挂车牌，车头牌照则为可查询排放标准等的车牌号码，二者不同，因此在这种情况下，除了识别目标车尾的车牌号码，进一步地还需要识别目标车辆车头的车牌号码，以便从后台数据库查询车辆的燃料类型等信息。由于会出现两辆车的车牌号码相同但车牌底色不同的情况，因此在识别车牌号码的同时，还需识别车牌底色。车牌底色一般有黄色、蓝色和绿色三种，蓝牌为小型车，式样例如[京a·12345]，黄牌为大型车、摩托车、驾校教练车和集装箱货车拖挂，黄牌的式样与蓝牌基本相同，不同的是教练车车牌和拖挂车牌，例如[京a·1234学]和[京a·1234挂]，底色为绿色的车牌则为新能源车。

步骤2、数据对齐；

2.1将所有仪器采集的跟车测试数据通过通讯线传输至同一计算机平台；

2.2考虑到不同测试仪器的响应时间不同，需要计算以co2为基准的各仪器间的响应时间差异，根据仪器间响应时间差异对污染物浓度原始数据进行平移，将测到的多种污染物浓度进行精准的时间匹配。具体做法为：以co2浓度数据为基准，将采集到的其他污染物浓度原始数据做时间平移相关性分析。以nox为例，把nox的数据向左和向右最多各平移15s(每次平移1s)，当co2和nox相关性最大时，认为此时采集的nox和co2从尾气管中排放的时间一致。假设将nox数据向右平移2s后，nox和co2的相关性达到最大，说明nox仪比co2仪的响应时间快2s，则需要将nox数据对应的时间加2s，以和co2浓度数据匹配。由于测试仪器每次开机运行时都需要对其进行标定，因此每次开机后都需要对获取的污染物浓度原始数据进行对齐。

co2仪器与进气管路的延迟时间约为5s，即在计算机手动点击的跟车开始与结束时间比co2数据快5s，则需将数据时间与跟车开始和结束时间、车速等进行精准匹配。对调整过仪器间延迟差的污染物浓度数据进行2s的滑动平均(图2为对co2原始数据进行2s滑动平均)，以减少逐秒分析时仪器本身产生的信号噪音。由于跟车前后测得的污染物浓度与跟车时测得的相差较大，因此应对目标车排放污染物的有效数据进行筛选(以co2浓度为基准)。对于目标车排放，测试车采集到的污染物浓度为经过真实大气快速稀释后的浓度，与从尾气管直接采集相比，跟车测试得到的co2浓度约为从尾气管直接采集浓度的千分之一-三千分之一，即co2的稀释倍数约为1000-3000倍。由于重型汽车尾气管排放的co2体积浓度大多高于3％，稀释3000倍后浓度为10ppm，因此与道路背景值相比，co2浓度高出10ppm时，认为采集到的数据有效。

步骤3、污染物道路背景浓度计算；

跟车测试得到的污染物浓度包括重型汽车污染物排放经真实大气稀释后的浓度和污染物道路背景浓度两个部分，通过跟车测试浓度和在跟车前、后采集的污染物道路背景浓度，综合运用“5s-0％滑动百分数法”和“斜率法”，可以得到代表测试期间污染物i的道路背景浓度值[i]0，从而使得计算得到的目标车污染物排放因子更加接近目标车实际排放的污染物排放因子。

污染物道路背景浓度计算分为co2背景值计算和其他污染物(nox和bc)背景值计算两个部分。而不同物质的背景浓度变化对排放因子结果的影响不同。如图6所示，为2017年12月在北京市测得的大气环境及不同道路的co2和nox背景浓度差异。大气环境中的co2体积浓度约为420ppm，co2道路背景浓度更高，而重型汽车尾气管排放的co2经大气稀释后被跟车测试采集到的浓度大于10ppm，与co2的道路背景浓度相比较小，因此co2的背景浓度变化对测试结果的影响较大。结合图3和图6可知，与nox的道路背景浓度0-400ppb相比，跟车测试得到的重型车nox浓度约为500-5000ppb，bc同nox情况相似,因此nox和bc的背景浓度变化对测试结果的影响较小。co2背景值计算是综合运用“5s-0％滑动百分数法”和“斜率法”两种方法。

5s-0％滑动百分数法是指对跟车前、后的污染物道路背景浓度分别利用“5s-0％滑动百分数法”处理，具体是在5s的窗口数据中找出最小值，窗口每次平移1s，将跟车前、后所有窗口得到的值求取平均值，该平均值为滑动百分数法得到的道路背景值。斜率法是将跟车测试期间测得的nox浓度减去运用滑动百分数法得到的nox道路背景值，得到的有效数据作为横坐标，将跟车测试期间测得的co2作为纵坐标，进行线性拟合，则得到的拟合方程的截距为co2的道路背景值，该背景值为斜率法得到的co2道路背景值。

重型汽车尾气排放的co2和nox在短时间内稀释比例相同，且稀释倍数小，因此重型汽车排放尾气中的nox和co2经过一定比例稀释仍呈线性关系，而co2和nox的道路背景浓度则并无明显线性相关性，因此线性拟合后的截距为co2背景浓度。

由于斜率法得到的co2背景浓度为跟车测试期间的背景值浓度，当co2和nox的线性相关性较好时，说明得到的线性拟合的截距(co2背景浓度)较为可靠。而当co2和nox的线性相关性差时，则用5s-0％滑动百分数法得到的值作为跟车测试期间的道路背景浓度。

因此，本发明co2背景值的选取原则如下：

若采集的co2和nox的线性相关性r大于或等于0.6时，选择斜率法求得的co2背景值参与后续排放因子计算；

若采集的co2和nox的相关性r小于0.6时，选择滑动百分数法求得的co2背景值参与后续排放因子计算。

其他污染物背景值计算指除co2之外的nox和bc的道路背景浓度，由于其背景浓度变化对排放因子结果影响不大，因此只采用5s-0％滑动百分数法进行计算。

步骤4、获取目标车辆的排放因子；

4.1利用车牌识别技术识别目标车辆车牌，根据所识别的车牌号码(必要时还应识别车牌底色)，从后台数据库获取目标车辆使用的燃料类型及相应的碳质量占比ωc；4.2运用碳平衡法计算nox和bc的排放因子efp；

碳平衡法是指重型汽车燃料中的碳经过燃烧后绝大部分以co2的形式存在，燃烧前、后碳含量基本保持平衡。而车辆排放的co和bc的浓度对最终排放因子的计算结果影响较小，因此，将co2作为燃料的示踪剂(例如，通常柴油中碳含量为0.866，天然气中碳含量为0.736)。重型汽车排放的尾气经过一定比例的大气稀释，与污染物道路背景浓度共同被测试车搭载的测试仪器快速分析测得，用测试期间的污染物浓度减去污染物道路背景浓度值，即可得到目标车辆排放的污染物浓度。假定测得的目标车排放的co2和nox、bc的稀释比相同，则可根据co2、nox、bc的线性关系计算重型汽车单位燃料燃烧所排放的污染物质量。对测试第n辆重型汽车，测量该重型汽车排放的污染物和co2浓度以及道路背景浓度，再按下式求出以g/kg燃料为单位的污染物nox和bc排放因子efp：

式中：

δ[i]＝[i]-[i]0；i＝co2、p(nox、bc)；δ[i]代表污染物i的增量，[i]代表跟车测试仪器得到的污染物i浓度，[i]0表示污染物i道路背景浓度的值；以co2为例，δ[co2]为目标车排出的co2尾气经过大气稀释后的浓度，[co2]为co2仪器测得的co2浓度，[co2]0表示co2的道路背景浓度,δ[co2]＝[co2]-[co2]0。

efp表示每kg燃料所排放的污染物p的克数，单位为g/kg燃料；

mwc是碳的相对分子质量，为12；

是co2的相对分子质量，为44；

ωc是目标车所使用燃料中碳元素的质量占比。

ta和tb分别代表积分的开始和结束时间，单位为秒。

采用10s滑动积分窗口法进行积分，即tb＝(ta+10)s，下一次排放因子计算时，ta+1＝(ta+1)s。若某一车辆从开始跟车到结束跟车时，有效数据样本量为120个，则可初步得到111个排放因子，从这111个排放因子中取中间值作为最终的目标车排放因子，这种做法能尽量减少特殊事件，如其他车辆经过时对采样结果的影响。

步骤5、高排车实时诊断：

5.1在后台数据库中存储重型汽车的车型、不同车型对应的排放标准以及基于车型、燃料类型、排放标准的排放阈值；

5.2根据所识别的车牌号码，从后台数据库获取目标车辆的排放阈值；

5.3将步骤4获取的nox和bc的排放因子，与目标车辆的排放阈值进行比较，若大于等于排放阈值，则判定目标车辆为高排车；若小于排放阈值，则判定目标车辆不是高排车。

步骤6、将步骤5的判定结果发送至交通执法部门，实现实时监管高排车的目的。

技术效果对比：

为了验证跟车测试结果的可靠性，对正在进行车载测试(法规测试)的车辆进行跟车测试，以达到同步测试的目的。研究开展了45辆次的车载-跟车同步对比测试。

首先，选取一辆已知车辆车型、排放标准、燃料类型及其碳质量占比ωc信息的车辆作为目标车，并在目标车上安装采样管、稀释器和车载仪器。

然后，利用跟车测试仪器车对事先选定的正在进行车载测试的目标车进行模拟跟车测试，完成约5min的跟车测试和测试道路背景值的流程，即完成一辆次的车载-跟车测试。

最后，在对车载和跟车的数据对齐后计算车载测试的排放因子，并运用本发明的方法和传统方法分别计算跟车测试的排放因子，将上述三种方法测得的nox排放因子进行对比，如图7、8所示。

结果表明，本发明的方法得到的排放因子与同步车载测试得到的排放因子误差在±20％的样本量约占总样本量的68.9％，而采用传统方法得到的排放因子与同步车载测试得到的排放因子误差在±20％的样本量约占总样本量的55.6％，可以看出本发明获取的排放因子更能真实反映目标车实际排放情况。