将示踪气体稀释法确立为烟道内二氧化碳排放测量的潜在参考方法

《Journal of Cleaner Production》：Establishing tracer gas dilution as a potential reference method for in-stack CO 2 emission metrology

二氧化碳排放监测的Tracer Gas Dilution方法验证及不确定度分析，采用多方法交叉验证（TGD、CEMS、无人机顶向下法），在燃煤电厂主烟囱实现1.6%标准不确定度，有效校正CEMS偏差至2%以下，提供独立在 situ基准用于监测系统校准。

　　

刘亚勇|毕哲|宋晓萍|涂驰|陈可玉|李少萌

国家计量研究院环境计量中心，中国100029

摘要

设施级别的二氧化碳（CO₂）排放量化面临持续性的挑战，包括烟道连续排放监测系统（CEMS）中流量测量偏差带来的显著不确定性，或者自上而下方法对不可控气象条件的依赖性。然而，目前仍缺乏一种原位、可追溯的测量方法，能够在非理想烟道流动条件下提供参考级别的排放估算，并用于验证或校准现有的监测系统。在这项研究中，我们应用了示踪气体稀释（TGD）方法作为解决这一问题的潜在方案，实现了对电厂主烟道二氧化碳排放的直接、原位量化。与基于皮托管流量测量的排放率不同，后者在非均匀或旋流条件下容易出错；而CEMS测得的二氧化碳浓度也受到这些条件的影响。TGD方法通过示踪气体的稀释比例来确定排放率，因此对速度分布的畸变不敏感。我们的TGD方法实现了1.6%的标准不确定性（扩展不确定性为3.2%），显示出高测量精度。计算流体动力学模拟和现场实验都证实了示踪气体与烟气充分混合，即使在湍流条件下，与混合相关的不确定性也低于1%。TGD得出的排放率与CEMS的测量结果以及基于无人机的自上而下质量平衡方法的结果进行了对比，TGD的结果与无人机得出的估算值一致，平均偏差小于±10%。此外，使用TGD进行验证后，CEMS的测量偏差从大约40%降低到了2%。这些结果表明，TGD方法达到了参考级别的计量性能，并通过提供独立的原位基准，解决了校准和验证现有烟道排放监测系统的方法学问题，从而提高了环境管理和气候政策实施中报告的二氧化碳排放数据的准确性和可信度。

引言

准确测量人为二氧化碳（CO₂）排放对于全球气候治理至关重要，尤其是在《巴黎协定》下限制全球温度上升幅度不超过工业化前水平1.5°C的国际承诺背景下（Feng等人，2024年；Matthews和Wynes，2022年；Byrne等人，2022年；Hoegh-Guldberg等人，2019年）。随着大气中二氧化碳的混合比例从18世纪末的年平均280 ppm上升到2022年的420 ppm，精确量化人为排放已成为一项紧迫的科学任务（Friedlingstein等人，2023年；Consortium，2023年）。自2009年哥本哈根协议以来，包括美国、中国和欧盟在内的国家都提出了雄心勃勃的减排目标，例如中国承诺在2030年前达到碳排放峰值，并在2060年前实现碳中和（Li等人，2024年；UNFCCC等人，2022年；Duan等人，2021年）。这些目标依赖于“可测量、可报告和可验证”的排放量化框架，正如《联合国气候变化框架公约》（UNFCCC）所强调的（UNFCCC，2023年；UNFCCC，2014年）。

作为人为碳排放的最大来源之一，燃煤电厂（包括电力生产和热力供应）在2024年占全球总碳排放量的38.7%，并且是2020年至2024年间排放增加的主要贡献者（Deng等人，2025年）。在中国，燃煤电厂仍然是人为二氧化碳的主要来源（Xia等人，2025年；机构，2023年），2022年贡献了该国总二氧化碳排放量的近50%。传统的二氧化碳排放估算在清单中往往存在较大的不确定性和时间滞后，限制了其在实时气候责任评估中的实用性（Hu等人，2025年）。作为世界上最大的二氧化碳排放国，中国准确评估和减少关键行业（如电力生产）排放的能力将深刻影响国际减排目标的实现。

传统的自下而上的排放核算方法，如IPCC排放清单指南中所述，使用活动数据和排放因子（Calvo Buendia等人，2019年；Eggleston等人，2006年）。尽管这些方法被广泛使用，但在实际应用中仍存在不可忽视的不确定性，这源于活动数据的及时性、空间和时间分辨率的限制，以及不同地区和排放类型之间排放因子的变化（Hu等人，2025年；Johnson等人，2023年；Liu等人，2015年）。虽然三级方法通过使用特定设施的数据提高了准确性，但仍受到报告延迟和数据可靠性问题的限制（Hu等人，2025年）。为了提高时间分辨率和数据覆盖范围，连续排放监测系统（CEMS）已在中国、美国和加拿大等国家得到广泛应用。CEMS可以实时测量烟气浓度和流量。然而，特别是在非理想条件下（例如存在湍流和旋流时）准确确定烟气流量，以及确保校准的可追溯性方面仍存在挑战（Bryant，2024年；Bryant等人，2018年）。

作为自下而上方法的补充，基于移动平台的自上而下反演技术近年来获得了认可，为验证排放清单提供了独立手段（Erland等人，2022年）。遥感方法，如卫星和飞机观测结合化学传输模型，能够进行大规模评估，但受到大气复杂性和对模型生成风场的依赖性的限制（Wang等人，2025年；Jacob等人，2022年；Frankenberg等人，2016年）。同时，安装在飞机上的高精度二氧化碳分析仪允许在设施到区域尺度上进行三维（3D）通量测量，并同时获取关键气象数据（Reuter等人，2021年；Liggio等人，2019年；Baray等人，2018年）。这些方法的主要不确定性来源于相对较长的观测时间和捕捉近地面羽流结构的挑战，特别是在风速变化的情况下（Han等人，2024a；Gordon等人，2015年）。最近基于无人机的排放测量技术的一些进步解决了卫星和飞机方法的一些问题，并提供了可验证的排放结果。尽管如此，这些不足表明需要一种稳健的、原位的技术，能够实现直接、准确且可追溯的排放量化，同时将不确定性降到最低。

一种有前景的解决方案是示踪气体稀释（TGD）方法，它能够准确、原位地量化来自电厂和工业烟道等有组织源的排放。基于质量守恒原理，TGD通过在上游以已知流量注入示踪气体并在下游测量其稀释程度来确定排放率，从而避免了在复杂流动条件（例如旋流和不对称速度场）下的直接流量测量。示踪气体稀释的一般原理已在ASTM标准E2029中描述（ASTM，1999年）。此外，示踪气体稀释的概念已被纳入监管实践。例如，在EPA方法320中，SF₆被用作质量保证（QA）过程中的内部示踪剂，基于稀释的理论浓度增量用于评估采样系统的回收率和验证测量完整性（USEPA，2019年）。在之前的研究中，TGD已被广泛用于研究通风系统中的气流传输，并支持空气安全和环境风险评估（Tsai和Yang，2023年；Enteria等人，2015年；Schatzel等人，2012年；Pest等人，2006年）。相比之下，TGD在量化工业管道或烟道流量/排放率方面的应用相对有限，主要限于实验室规模的调查（Bryant，2024年；Zeng等人，2011年）。因此，目前缺乏现场验证的证据，证明TGD是否能够在具有复杂流动场的实际工业烟道条件下提供参考级别的、可追溯的排放测量。这一差距激发了在真实工业运行条件下系统验证TGD的必要性。该方法特别适合于验证电厂烟道的二氧化碳排放，因为传统的基于流量的方法（即CEMS）在准确性和可追溯性方面常常面临挑战（Materials，2000年，2019年）。

为了解决这一差距，本研究应用TGD方法直接准确地量化了电厂烟道的二氧化碳排放，旨在评估其作为现场校准和验证有组织固定源的参考级别测量方法的潜力。通过在真实世界运行条件下系统地实施TGD方法，我们严格评估了其测量不确定性及其性能的关键影响因素。此外，TGD得出的排放率与传统的CEMS和基于无人机的自上而下质量平衡方法得出的结果进行了比较，从而全面评估了不同监测范式之间的方法学差异。结果表明，TGD方法在真实工业条件下达到了参考级别的计量性能，并为诊断CEMS中的流量测量偏差和自上而下方法的气象敏感性提供了独立的原位基准。这些发现提高了燃煤电厂设施级别二氧化碳排放评估的透明度和可靠性，并为校准、验证以及未来在排放监测和碳管理框架中的应用提供了坚实的技术基础。

方法部分

本研究结合了三种独立的测量方法，包括TGD、CEMS和基于无人机的自上而下质量平衡测量，以量化和交叉验证工业电厂烟道的二氧化碳排放。TGD基于示踪气体稀释提供原位排放估算，CEMS代表传统的基于流量的监测，而无人机测量提供了独立的大气视角。这种多方法设计使得排放估算能够相互验证，并提供了内部

示踪气体与烟气混合均匀性的评估

TGD方法的准确性严重依赖于示踪气体与烟气流的混合均匀程度。充分的混合确保测量的稀释比例可靠地代表了整个横截面流中的情况，这是准确计算排放率的关键条件。为了在现场操作的限制下促进混合，本研究采用了三种策略，这些策略遵循ASTM E2029（ASTM，1999年）推荐的原则：

结论

本研究证明了TGD方法在工业规模固定源的二氧化碳排放原位量化和校准方面的适用性和准确性。通过在CFB封闭式电厂进行的受控现场活动，使用TGD、传统的CEMS和基于无人机的自上而下质量平衡方法独立量化了二氧化碳排放率。

在测试条件下，TGD方法的扩展不确定性低至3.2%（k = 2），显著

CRediT作者贡献声明

刘亚勇：撰写——原始草案、软件开发、方法论设计、数据整理。毕哲：监督、项目管理、方法论设计、资金获取、数据整理。宋晓萍：监督、项目管理、资金获取。涂驰：监督、资源协调。陈可玉：方法论设计、数据整理。李少萌：撰写——审稿与编辑、方法论评估。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

致谢

本研究得到了中国国家重大科技项目（编号：2024ZD1200100）和中央公共福利科学机构基础研究基金（编号：AKYCX2409）的支持。