数据驱动的污水处理厂碳排放阈值识别：来自上海典型污水基础设施的5年监测

《Water-Energy Nexus》：Data-driven threshold identification for WWTP carbon emission: a 5-year monitoring from Shanghai’s typical wastewater infrastructure

　　

污水处理厂（Wastewater Treatment Plants, WWTPs）是城市基础设施的重要组成部分，在保障公共卫生和环境质量方面发挥着关键作用。然而，这些能源密集型设施在处理城市污水的同时也会排放大量温室气体（Greenhouse Gas, GHG）。目前，人为温室气体排放导致的全球气候变化是一项严峻的环境挑战，需要全球范围内的减缓努力。作为全球十大温室气体排放源之一，污水处理厂产生的温室气体排放约占全球总排放量的1%–3%，且这一比例仍在逐年上升。因此，有必要全面识别污水处理厂的温室气体排放特征，以制定有针对性的减排策略和措施，减少其对气候变化的影响。污水处理厂的温室气体排放分为直接排放和间接排放。直接排放来源于污水和污泥处理过程直接产生的二氧化碳（CO₂）、甲烷（CH₄）和一氧化二氮（N₂O）；间接排放则源于污水处理厂运行期间所消耗的能源（如电力、热力）和物料（如化学品、水）在生产与运输过程中产生的温室气体。为确保统一的计量标准，总温室气体排放通常使用全球增温潜势（Global Warming Potential, GWP）换算为二氧化碳当量（CO₂eq）进行报告，这一核算结果在国际气候治理框架中常被称为“碳足迹”（Carbon Footprint, CF）。主流的碳足迹核算方法基于生命周期评价（Life Cycle Assessment, LCA）视角，涵盖排放因子法（Emission Factor Approach, EFA）、现场监测和质量平衡计算等多种技术方法。当前碳足迹研究主要集中于量化生物处理过程的直接排放、评估深度污水处理技术以及评价能量回收效率。活性污泥法结合深度营养物去除的碳排放分析较为常见，污泥厌氧消化（Anaerobic Digestion, AD）被广泛认为具有减少净碳排放和以沼气形式回收能源的潜力。研究表明，直接排放可占污水处理厂碳足迹的60%以上，而能源消耗产生的间接排放约占30%。相比之下，发展中国家由于缺乏连续的数据监测，往往依赖国际数据库进行碳排放分析；同时，发展中国家较低的水质进水浓度（如BOD、COD、TS）常归因于污水管网覆盖率不足和设计标准较低等问题。由于缺乏区域-specific的表征因子导致结果不确定性增加，发达国家验证有效的碳减排路径可能无法直接适用于发展中国家。因此，有必要采用本地化排放因子进行污水处理厂碳足迹核算，以提高碳排放核算结果的准确性，并确保发展中国家碳减排策略的有效性。

近年来，中国的污水处理技术发展迅速。近期研究基于中国特定情境强调了污水处理过程的环境影响，并指出中国污水处理厂的排放因子与IPCC默认值之间存在显著差异，这归因于技术参数和运行条件的差异。此外，中国与发达国家污水进水参数的评估显示，中国总固体（Total Solids, TS）浓度值普遍低于7%，明显低于发达国家。与厌氧消化后焚烧（ADI）相比，不经过消化的污泥焚烧（INC）可能表现出更好的环境效益和经济效益。因此，污泥干化后焚烧正成为中国日益普遍的污泥处理处置路线。然而，尽管关于中国污水和污泥处理技术的文献日益增多，但大多数现有研究缺乏对具有独特运行条件的全厂范围内碳排放的详细分析，导致难以指导污水处理厂在有限改造成本条件下选择最有效的碳减排措施，这对低碳节能污水处理厂的建设构成巨大挑战。将污水处理与污泥处理处置整合在同一设施中的污水厂体现了现代设计理念，有时被称为“污泥-污水处理关联”。由于中国在水-污泥协同处理的设计原则方面与发达国家存在显著差距，大多数污泥热干化和焚烧设施与污水处理厂分开设置，且污水处理厂的碳足迹评估通常严格遵循厂区物理边界。这意味着污泥焚烧过程往往被排除在全厂尺度碳排放分析之外。因此，中国很少有研究分析全流程污水处理碳排放特征。若不研究全流程污水处理碳排放特征，可能会误解或低估污水管理的总碳足迹。

本研究选取上海一座典型污水处理厂（以下简称WWTP-S）作为研究对象。该厂具有典型的污水处理规模（40万m³/d）和工艺（序批式反应器，SBR）。尤其重要的是，该厂承担区域集中污泥处理的基础支撑任务（半干化+焚烧处理工艺，设计能力对应200 t-DS/d）。与中国传统污水处理厂不同，该厂区将浓缩脱水后的污泥处理工艺与污水处理段配置在一起，体现了“泥-水处理关联”的设计理念。以该厂为研究对象，能够全面深入地分析基于中国区域特征设计的污水处理厂全流程碳排放特征。对该厂碳排放的深入分析，不仅可以为中国其他污水处理厂的运行提供参考，也有助于推动污水处理行业向低碳可持续方向发展。本研究基于该厂2020年至2024年的实际运行数据，分析了其总碳排放量、碳排放强度以及不同碳排放驱动因素的影响特征，并提出了碳减排建议，旨在为污水处理厂碳排放核算与减排工作提供科学依据。研究结果表明，污水处理过程是碳排放的主要来源，约占总碳排放的60%；污泥干化焚烧过程的碳排放贡献不可忽视。总碳排放与污水进水量和污泥处理规模呈正相关。回归分析发现，碳排放强度与功能单位之间呈现显著的规模效应，二者符合幂函数关系（R2=0.36–0.92）。在污泥处理和COD_cr去除的幂函数拟合曲线中确定了临界阈值（污泥处理：约设计能力的70%或约4000 t-DS/月；COD_cr去除：约2600 t/月）。贡献分析确定能源消耗是碳排放的主要驱动因素，占总碳排放的42%以上，其中电力是最大的能源来源，占能源相关排放的73%以上。曝气、污泥焚烧和除臭系统是三大主要电力消耗单元。依赖IPCC默认排放因子，特别是N₂O（约占总碳排放的30%–44%）和CH₄（约占总碳排放的5.7%–10.3%），可能导致总碳排放核算偏差并误导碳贡献分析结果。综上所述，本研究提供了基于数据驱动的WWTP-S碳排放特征详细分析，以及系统边界、运行规模与排放驱动因素间相互作用的重要见解，为优化运行策略和推动污水处理行业低碳转型提供了科学依据。

**数据驱动的污水处理厂碳排放阈值识别：基于上海典型污水基础设施5年监测的研究解读**

**研究背景与意义**

污水处理厂（WWTPs）作为城市基础设施的核心组成部分，在保障公共卫生和环境质量方面发挥着不可或缺的作用。然而，这些能源密集型设施在去除污染物的同时，也向大气中排放了大量的温室气体（GHG），包括二氧化碳（CO₂）、甲烷（CH₄）和一氧化二氮（N₂O）。在全球气候变化日益严峻的背景下，污水处理行业作为全球十大温室气体排放源之一，其碳排放问题已引起广泛关注。据统计，全球污水处理厂的温室气体排放约占全球总排放量的1%至3%，且该比例仍在逐年攀升。因此，全面识别污水处理厂的碳排放特征，制定针对性的减排策略，对于缓解气候变化具有重要意义。

当前碳排放核算主流方法以生命周期评价（LCA）为基础，采用排放因子法（EFA）等工具，将污水处理过程中的直接排放（如生物处理过程产生的CH₄和N₂O）与间接排放（如电力、药剂生产过程中的CO₂排放）统一折算为二氧化碳当量（CO₂eq）。然而，现有研究存在若干亟待解决的问题：其一，多数研究遵循污水处理厂物理边界，将污泥处理处置过程（尤其是焚烧环节）排除在核算范围之外，导致碳足迹被显著低估；其二，中国污水处理厂的设计与运行特征（如进水浓度偏低、污泥含固率低于7%）与发达国家存在系统性差异，直接套用IPCC默认排放因子会引入较大不确定性；其三，现有研究缺乏基于长期连续运行数据对全流程碳排放驱动因素和运行阈值的定量识别，难以指导污水厂在有限改造预算下优先实施最具效益的减排措施。因此，有必要基于中国本地化情境，开展全流程尺度的污水处理厂碳排放精细化核算与数据驱动分析。

本研究选取上海一座集污水处理与区域污泥集中处理于一体的典型污水基础设施（WWTP-S）作为对象，该厂采用序批式反应器（SBR）工艺，污水处理规模为40万m3/d，并以“污泥-污水处理关联”理念集成半干化+焚烧污泥处理工艺（设计能力200 t-DS/d）。研究人员基于该厂2020至2024年的连续运行数据，开展了全流程碳排放核算、强度分析、驱动因素识别和临界阈值确定，旨在为污水处理行业低碳转型提供科学依据。该研究发表于《Water-Energy Nexus》。

**关键技术方法**

本研究采用了多项关键技术方法：（1）碳排放核算边界划定，依据上海市排水行业协会发布的《上海市城镇污水处理厂温室气体排放核算 guidelines》（T/SWARTA 001-2023），并参考中国城镇供水排水协会的核算指南，将核算范围界定为运行阶段（2020-2024年），涵盖水线和泥线的完整工艺链，并将排放分为范围一（直接排放）、范围二（能源间接排放）和范围三（物料间接排放）；（2）排放因子本地化，优先采用上海地方电网排放因子（0.42 kg CO₂/kWh）和上海 guidelines 中物料排放因子，N₂O和CH₄的排放因子则参考IPCC（2019修订版）和CUWA指南；（3）关键绩效指标（KPI）与碳排强度（CEI）归一化方法，选取污水处理量（m3）、COD_cr去除量（t）和污泥处理量（t-DS）作为功能单位（FU），计算单位碳排强度；（4）统计回归与拐点分析，通过幂函数回归模型（CEI = a × FU^b）拟合碳排强度与功能单位的关系，利用决定系数（R2）和p值评估拟合优度，并通过对拟合曲线的拐点分析确定临界运行阈值；（5）贡献分析与热点识别，将总碳排放按驱动因素（废水直接排放、污泥直接排放、能源消耗、物料消耗）和能源类型进行分解，识别主要排放贡献源和优先减排环节。样本数据来源于WWTP-S 2020-2024年的历史生产记录，包括水量、水质（COD_cr、BOD₅、TN）、能耗（电、蒸汽、天然气、燃油）、药剂投加量以及烟气连续排放监测系统（CEMS）数据。

**研究结果与分析**

**（1）WWTP-S总碳排放特征**

研究期间（2020-2024年），WWTP-S的年总碳排放量呈逐年上升趋势，从82,107.06 t CO₂eq增至106,291.21 t CO₂eq，2024年较2020年增长了29.45%。废水处理段的碳排放变化较小（CV=4.83%），而污泥处理段碳排放随外来污泥接收量增加而显著上升。值得注意的是，尽管2024年厂外污泥处理量已达到厂内污泥量的1.3倍，污水处理产生的碳排放仍占总碳排的一半以上，这主要归因于SBR工艺曝气系统的高能耗（气水比7.3 m3/t，溶解氧DO浓度高达5 mg/L）。Pearson相关分析显示，总碳排放与污水处理量（r=0.741，P<0.05）和污泥处理量（r=0.657，P<0.05）显著正相关，但与COD_cr去除量相关性不显著（P>0.05）。

**（2）WWTP-S碳排放强度分析**

全流程碳排放强度在2020至2023年间相对稳定（0.733–0.767 kg CO₂eq/m3），与上海污水厂平均水平（0.75 kg CO₂eq/m3）相当，但2024年因污泥处理量激增而急剧上升至0.904 kg CO₂eq/m3。分系统看，污水处理碳排强度与处理量呈负相关，2020至2024年间随水量上升而下降14.8%；污泥处理碳排强度随处理量增加从0.960降至0.631 t CO₂eq/t-DS，降幅达34.3%，体现了显著的规模效应。幂函数回归分析表明：（a）月均污泥处理量与碳排强度间拟合优度较高（R2=0.78，P<0.01）；（b）月均COD_cr去除量与其单位碳排强度间存在更强的幂律关系（R2=0.92，P<0.01），这归因于固定能耗（进水泵、曝气风机、提升泵等）在总能耗中占主导地位，而这些设备主要由进水量而非COD去除量控制运行。

**（3）不同碳排放驱动因素影响特征**

贡献分析结果显示，能源相关碳排放年均占比超过43.6%±1.5%，是首要排放驱动因素。直接N₂O排放（废水+污泥处理合计）占总碳排的40.72%±3.46%，高于相关文献报道的32%水平，这主要是由于WWTP-S大量接收厂外污泥所引入的额外氮负荷所致。电力是能源相关排放的最大来源（占73.29%），其中废水处理用电贡献50.98%，污泥处理用电占22.31%。曝气系统（26.17%）、污泥焚烧系统（23.38%）和除臭系统（18.23%）为三大电力消耗单元。蒸汽和天然气主要用作污泥干化焚烧系统的补充热源，其碳排强度均与污泥处理量呈负相关。调度方式对碳排强度也有显著影响：同样处理50 t-DS/d的污泥，使用一台50 t-DS/d焚烧线的耗电量远低于同时运行两台25 t-DS/d焚烧线，但天然气消耗量则相反。

**（4）WWTP-S临界阈值分析**

基于2020-2024年日运行数据，研究人员通过不同负荷区间对比，识别出污泥处理系统的临界阈值约为设计能力的70%（即约140 t-DS/d）。当负荷低于20%时，系统处于固定能耗主导阶段，总碳排可达满负荷工况的47%，单位污泥碳排强度（CEI）高达1.50 t CO₂eq/t-DS；在20%–60%负荷区间，变频设备进入高效调节范围，总碳排随处理量线性增长而CEI显著下降；负荷处于60%–70%区间时，系统接近最优运行状态，补充燃料需求最小（碳排占比<10%），余热回收蒸汽达到设计峰值，CEI降幅收窄至12.4%（从0.77降至0.67 t CO₂eq/t-DS），形成最优运行工况区间；当负荷超过70%，备用焚烧线的启用导致电耗和补充燃料消耗再次上升，且系统失去冗余度，碳排放控制和运行安全性均受到不利影响。该阈值的形成源于电力消耗、补充燃料需求与余热回收之间的协同效应，其工程意义在于：运行负荷低于阈值时CEI随负荷下降而急剧升高，高于阈值时CEI对负荷变化不敏感，因此维持污泥处理量在设计能力的70%左右可在总碳排、CEI和处理能力之间取得平衡。此外，COD_cr去除的临界阈值约为每月2600 t，当去除量低于该值时CEI随去除量下降而急增，高于该值时CEI缓慢下降。

**讨论与结论**

讨论部分重点阐述了三个关键观点。其一，将污泥干化焚烧与污水处理纳入统一核算边界后，可识别出现有工艺在综合能源利用方面的不足：WWTP-S直接碳排占51.39%，低于发达国家60%的水平；而能源间接碳排占39.8%，高于发达国家的30%水平。其主要原因在于污泥焚烧产生的热能仅用于补充干化系统热耗，未实现热电联产，且上海电网排放因子（0.42 kg CO₂/kWh）远高于广泛使用可再生能源的发达国家（可低至0.058 kg CO₂/kWh）。其二，幂函数CEI=a×FU^b中的系数a和指数b具有明确的工程意义：系数a反映系统基础碳排放水平，与设备选型、维护水平和工艺路线（如SBR、A2O）直接相关；指数b表征系统规模效应敏感度，通常介于0到-1之间，越接近-1表明固定碳排占比越高，系统优化潜力越大。以WWTP-S为例，CEI-COD_cr去除拟合指数高达-0.922，提示曝气系统精细化控制是优先减排方向——将DO从5 mg/L优化至2–3 mg/L，预计可实现年减排约7851 t CO₂eq。其三，临界阈值方法是可迁移的分析工具，其他采用厌氧消化等不同污泥处理技术的设施需依据自身工艺特征重新标定阈值，不同区域的能源结构和排放标准也会导致阈值差异。此外，讨论部分指出研究存在一定局限性：由于缺乏实测数据，N₂O排放核算依赖IPCC默认值，而上海本地研究显示工业废水处理厂N₂O实际排放因子仅为IPCC默认值的13%–18%；污泥焚烧CEMS监测数据（2024年9-12月）显示实测N₂O排放因子（0.69 kg N₂O/t-DS）比IPCC 2019修订版默认值低30.3%，因此实际N₂O排放可能被高估18%–22%。同时，湿污泥储罐和干污泥储坑在厌氧/好氧条件下产生的CH₄未纳入现行核算体系，需在后续研究中完善。

研究结论可归纳为五点：（1）污水处理过程是主要碳排放源，约占总碳排的60%，即使仅处理本厂污泥，污泥处理过程碳排占比也超过30%，采用污水-污泥协同处理整合边界对准确碳核算至关重要，碎片化评估将显著低估污泥管理的碳足迹。（2）CEI与FU之间存在显著规模效应和幂函数关系（R2=0.36–0.92），幂律系数a和指数b分别对应基础碳排放水平和系统对负荷变化的敏感性，为污水处理厂基准比较和优化优先级识别提供了定量分析方法。（3）污泥处理和COD_cr去除均存在临界阈值（污泥处理约为设计能力的70%或约4000 t-DS/月，COD_cr去除约为2600 t/月），运行负荷保持在阈值附近的最优区间对平衡CEI和总碳排放至关重要。（4）能源消耗是首要碳排驱动因素，电力占能源相关排放的73%以上，曝气、污泥焚烧和除臭系统为前三大耗电单元，提高能效、优化运行过程（如曝气控制）和增强污泥焚烧余热回收是关键减排措施。（5）依赖IPCC默认排放因子，特别是N₂O（占总碳排约30%–44%）和CH₄（约5.7%–10.3%），可能导致总碳排放核算偏高并误导贡献分析结论，迫切需要实测验证本地化排放因子以实现更准确的碳足迹核算和有效的碳减排策略。综上，本研究为污水处理厂碳排特征提供了详细的数据驱动分析，揭示了系统边界、运行规模与排放驱动因素间的相互作用机制，为优化运行策略和推动污水处理行业低碳转型提供了科学依据。