2.中冶南方 (武汉) 威仕工炉有限公司,湖北 武汉 430223
2.WISDR (Wuhan) WIS Industrial Furnace Co., Ltd., Wuhan 430223, China
近年来,中国大气污染日趋严重,雾霾天气多发.有研究表明,大气中可吸入颗粒物 (PM10) 和细颗粒物 (PM2.5) 含量较高是造成雾霾天气的重要原因[1].PM10和PM2.5由于比表面积较大,常常吸附重金属元素,并且极易进入人体的呼吸道并积聚在肺部,会对人的健康造成严重损害.
钢铁企业作为工业烟 (粉) 尘排放主要贡献者之一,2013年钢铁行业烟 (粉) 尘排放量为61.9万t,去除效率为97.3%,排放量仅次于火电行业和水泥行业,去除效率却低于火电行业和水泥行业[2].
钢铁企业颗粒物产生于钢铁生产的各个工艺过程中,其污染源分布广,且含尘气体排放量大,浓度高,粉尘成分复杂[3-5].其中,烧结工序烟粉尘产生量为20~40kg/t烧结矿,排放量约为1.02kg/t烧结矿,烟粉尘排放量占钢铁企业总排放量的40%左右[6].烧结工序烟粉尘来源有:①原料准备;②烧结配料;③烧结机头;④烧结机尾;⑤成品整粒.
为了全面了解烧结工序PM10和PM2.5的排放情况,本研究选取国内某年产1000万t钢的大型钢铁联合企业烧结厂进行烟粉尘排放现场测试.该烧结厂具有1台年产烧结矿354.6万t的320m2烧结机.该烧结厂的烟粉尘排放源都配有高效的除尘设备.
1 测试内容与测试方法 1.1 测试内容根据烟粉尘排放源综合评价的计算要求 (具体指标见2.3节),需要知道除尘设备进、出口烟粉尘的粒径分布、化学成分等.由于除尘设备进口处颗粒物浓度一般都非常大,很难进行准确的监测以及该测试企业在除尘设备入口处没有开设采样口,所以本研究测试除尘设备出口烟粉尘浓度、粒径分布和化学组成.同时,取得除尘设备的除尘灰样本,测试其粒径分布和化学组成.依据除尘器出口和除尘灰的测试结果,可以得到除尘设备进口的烟粉尘浓度、粒径分布和化学组成.
1.2 测试方法根据国内钢铁企业具体情况,本研究参考《固定污染源排气中颗粒物测定与气态污染物采样方法》(GB/T16157—1996) 中的相关规定,将粉尘测试点布置在各个工艺过程的排气烟囱上.
对于TSP (total suspended particulate) 采样,本文选用青岛崂山应用技术研究所生产的3012H自动烟尘 (气) 测试仪;对于PM10分粒径采样,选用美国Thermo-Andersen公司生产的TE-20-800安德森分级采样器;对于除尘设备捕集颗粒物的粒径分布分析,本研究采用丹东百特仪器有限公司生产的BT-2001激光粒度分布仪.除此之外,本研究还应用了分析天平、干燥箱及干燥器等.安德森分级采样器可以测量空气动力学直径在0.4~10μm之间的颗粒物,并分为8级分别采样,F级上可以放置后备滤膜,用来捕集空气动力学直径在0~0.4μm之间的颗粒物.
2 测试结果与分析 2.1 烟粉尘粒径分布1) 煤粉破碎:由表 1可知,煤粉破碎除尘器前TSP中PM10的质量分数只有14.82%,而PM10中PM2.5的质量分数为38.66%,这是因为煤粉破碎的颗粒物主要来自煤块的破碎、筛分和转运,粗颗粒居多.由图 1可以看出,除尘器前PM10的粒径分布频度呈双峰分布,峰值分别集中在0.85~0.947μm和2.482~2.762μm的粒径区间里.煤粉破碎PM10中除尘器前0.5μm以下的颗粒物质量分数比较少,且0.2μm以下的颗粒物含量几乎为零.
2) 烧结配料:由表 1可知,烧结配料除尘器前TSP中PM10的质量分数只有36.81%,而且PM10中PM2.5的质量分数也不高,这是因为配料的颗粒物主要来自原料的破碎、混合,这些过程产生的粗颗粒相对较多.由图 2可以看出,除尘器前PM10的粒径分布频度呈双峰分布,峰值分别集中在1.1~2.1μm和3.3~4.7μm的粒径区间里.除尘器前PM10中1.1μm以下的颗粒物质量分数比较低.
3) 烧结机机头:由表 1可知,烧结机头除尘器前TSP中PM10的质量分数很高,可达48.62%,这是因为机头的颗粒物主要来自烧结配料燃烧产生的烟尘.细颗粒物的主要生成机理为气化凝结,机头烟气中大部分颗粒物均经过了高温燃烧或加热过程,因此细颗粒含量要明显高于常温下只经过纯物理破碎的配料工艺产生的粉尘.由图 3可知,机头除尘器前PM10的粒径分布频度均呈单峰分布,峰值均集中在0.4~0.7μm的粒径区间里.经典燃烧论认为煤粉燃烧产生的颗粒物呈双峰分布,峰值分别出现在0.1μm和1μm处.与纯煤粉燃烧相比,机头颗粒峰值粒径位于二者中间,这是因为烧结过程产生的颗粒物不仅包括配料燃烧产生的烟尘,还包括烧结布料过程产生的粉尘.
4) 烧结机机尾:由表 1可知,烧结机尾除尘器前TSP中PM10质量分数为21.58%.由图 4可以看出,机尾除尘器前TSP中PM10的质量分数均呈双峰分布,峰值分别集中在0.4~0.7μm和2.1~3.3μm的粒径区间里,因为机尾的颗粒物主要来自配料燃烧产生的烧结灰和破碎时产生的粉尘,前者细颗粒物较多,后者则粗颗粒物较多.
5) 成品整粒:由表 1可知,成品整粒和烧结配料类似,除尘器前TSP中PM10的质量分数只有24.86%,而且PM10中PM2.5的质量分数也不高,这是因为整粒的颗粒物主要来自烧结矿的破碎、筛分和转运,粗颗粒居多.由图 5可知,除尘器前PM10的粒径分布频度呈双峰分布,峰值分别集中在1.1~2.1μm和4.7~5.8μm的粒径区间里.除尘器前PM10中1.1μm以下的颗粒物质量分数比较少.
由于可吸入颗粒物表面积较大,容易吸附重金属元素等有害物质,因此,对可吸入颗粒物和细颗粒物的化学成分分析尤为重要.根据采样滤膜和各除尘器除尘灰的化学成分分析,可以得到除尘器前各排放点的化学成分,如图 6所示.统计各个排放点除尘器后PM10中重金属元素含量,包括As,Cd,Co,Cr,Cu,Ni,Pb,Ti,Zn等元素.
烧结配料排放PM10的主要化学成分是TFe,CaO,C,SiO2,MgO,Al2O3,其中TFe和CaO质量分数分别为34.63%和20.11%.
烧结煤粉破碎排放PM10的主要化学成分是C,SiO2,TiO2,Al2O3,CaO,TFe,质量分数分别为76.4%,6.98%,3.94%,3.9%,1.4%和1.01%,可见煤粉主要以碳元素为主.
烧结机头排放PM10的主要化学成分是TFe,Cl,CaO,SiO2,C,K,TiO2,Al2O3,MgO,S,Pb.分析可知这些主要组分多来自烧结工艺的原料 (铁矿、焦炭等),如Fe,Si,Al主要来源于铁矿石原料.此外,机头存在着一定比例的Pb (1.37%).有研究表明钢铁厂近96%的Pb来自烧结,其主要来源于烧结工艺的原料,尤其是铁矿石中,Pb含量的高低与铁矿石品位有关[7].
烧结机尾和整粒排放PM10的主要化学成分是TFe,CaO,SiO2,质量分数分别约为51%,11%,7%.由于机尾与机头的工艺不同,机尾包括物料的破碎、筛分和转运等机械过程,且烧结矿已经完成了高温烧结的过程,颗粒物中会混入矿石经高温产生的铁的各种化合物,因此机尾Fe元素占总组分的百分比会高于机头.
2.3 排放源综合评价为了综合评价烧结工序各个烟粉尘排放点的重要性,筛选重点排放源,本研究借鉴废水污染治理技术的评价方法[8],对烧结工序各个烟粉尘排放点进行综合评价.
各个烟粉尘排放点除尘器后的评判指标,包括TSP排放总量 (kg/t产品),TSP排放质量浓度 (mg/m3),PM2.5质量分数 (%),PM10质量分数 (%) 和重金属元素的质量分数 (%),如表 1所示.各个指标具有不同的量纲,因此,为了消除原始数据量纲对评价指标可加、可比性的影响,需要利用特定的运算将原始数据转换为新值,即对原始数据进行无量纲化处理,从而保证运算的正常进行,无量纲化结果如表 1所示.评判指标的权重矩阵A是根据国内5位专家的评分结果取的平均值,如表 2所示.
根据表 2中各个评判指标的权重值以及表 1中各个评判指标的单因素评判矩阵,可根据式 (1) 计算烧结工序不同排放源的综合评价系数,如表 3所示.
综合评价系数矩阵B是权重矩阵A和单因素评判矩阵R的点乘积,
(1) |
根据表 3,烧结工序不同烟粉尘排放源的综合评价结果比较见图 7.从图 7中可以看出,烧结工序不同烟粉尘排放源综合评价系数排序为烧结机头>烧结机尾>烧结配料>烧结整粒>烧结煤粉破碎.由表 1可知,烧结工序中,烧结机头的TSP排放总量最大,PM10和PM2.5的含量最多,重金属含量也是最多.因此,烧结机头是烧结工序烟粉尘最重要的排放源,其次是烧结机尾,再次是烧结配料,然后是烧结成品整粒,最后是烧结煤粉破碎.
从图 7综合评价系数和排放浓度的关系可以看出,虽然烧结机头的烟粉尘排放浓度不是最大,但是其综合评价系数最大.而且,烧结煤粉破碎的综合评价系数最小,但是其排放浓度并不是最小.因此,仅以排放浓度作为烟粉尘排放点的评价指标是不科学的、不全面的,还需考虑其他的排放特性指标.
3 结论除煤粉破碎外,烧结工序其他排放点的化学成分以TFe,CaO为主,其中烧结机头S含量较高.仅以排放质量浓度作为烟粉尘排放点的评判指标是片面的.用模糊评判法评价烧结工序各个烟粉尘排放点得到综合评价系数,排序为烧结机头>烧结机尾>烧结配料>烧结整粒>烧结煤粉破碎.烧结机头的排放总量,PM2.5,PM10和重金属含量均为最大,是烧结工序最重要的烟粉尘排放点.仅以TSP排放质量浓度作为烟粉尘排放源的评价指标过于单一,应全面综合PM10, PM2.5,重金属元素含量等因素统筹考虑.
[1] |
肖致美.大气能见度下降影响因素、来源解析及灰霾评估指标体系研究[D].天津:南开大学, 2012.
( Xiao Zhi-mei.Study on influence factors, source apportionment of visibility degradation and assessment index system of haze [D].Tianjin:Nankai University, 2012. ) |
[2] |
陈吉宁.2013年环境统计年报[R].北京:环境保护部, 2014.
( Chen Ji-ning.Environment statistical yearbook 2013 [R].Beijing:Ministry of Environmental Protection, 2014. ) |
[3] | Mohiuddin K, Strezov V, Nelson P F, et al. Characterization of trace metals in atmospheric particles in the vicinity of iron and steel making industries in Australia[J]. Atmospheric Environment , 2014, 83(2): 74–79. |
[4] | Amodio M, Andriani E, Dambruoso P R, et al. A monitoring strategy to assess the fugitive emission from a steel plant[J]. Atmospheric Environment , 2013, 79(11): 455–461. |
[5] | Zhang S H, Worrell E, Wina C G, et al. Co-benefits of energy efficiency improvement and air pollution abatement in the Chinese iron and steel industry[J]. Energy , 2014, 78(12): 333–345. |
[6] |
马京华.钢铁企业典型生产工艺颗粒物排放特征研究[D].重庆:西南大学, 2009.
( Ma Jing-hua.Emission characteristics of particulates from typical production process of iron and steel enterprises [D].Chongqing:Southwest University, 2009. ) |
[7] | Tsai J H, Lin K H, Chen C Y, et al. Chemical constituents in particulate emissions from an integrated iron and steel facility[J]. Journal of Hazardous Materials , 2007, 148(8): 111–119. |
[8] |
李蕊.辽河流域典型造纸工业废水治理技术评价方法集成与优化[D].沈阳:东北大学, 2010.
( Li Rui.Integration and optimization of evaluation method for treatment technology of typical papermaking wastewater at Liao River Basin [D].Shenyang:Northeastern University, 2010. ) |