CN117195585A - 一种基于动态情景模拟的大气多污染物减排优化调控方法与系统 - Google Patents

Abstract

本发明公开了一种基于动态情景模拟的大气多污染物减排优化调控方法与系统，属于环境系统分析领域，主要包括：将基准排放清单输入到空气质量模型，验证污染物排放量和环境空气质量间的对应关系，计算各类排放源对环境空气的污染贡献；针对各类排放源，设计不同减排强度(介于0～100％)的减排措施，形成动态减排情景；核算动态减排情景对应的大气污染物排放清单，输入空气质量模型，判断空气质量目标可达性；按照污染减排优化调控策略循环调整动态减排情景下的减排措施强度，直至空气质量目标可达，最终输出最优可行动态减排情景及其所含减排措施，科学定量确定多污染物减排措施与减排量，实现以最小的减排代价取得预期的环境空气质量改善效果。

Description

一种基于动态情景模拟的大气多污染物减排优化调控方法与 系统

技术领域

本发明涉及环境系统分析技术领域，尤其涉及一种基于动态情景模拟的大气多污染物减排优化调控方法与系统。

背景技术

未来中长期经济社会发展-污染物排放-环境质量演变规律的预测通常会采用情景分析法。通过对经济、产业或技术等影响因子的重大可能演变提出各种关键假设的基础上，构想未来各种可能的方案，并与各种模型方法相结合用来评估不同政策或措施对未来环境空气质量发展趋势产生的影响及效果，为管理者决策提供科学依据。常见的做法是设计或假设多种大气污染控制或减排情景，借助一系列集成的定量方法，如经济-能源-环境模型(CGE、LEAP模型)或空气质量模型(WRF-CMAQ)等，对不同控制情景下的污染减排或环境改善效应进行评估比较，筛选出达到环境空气质量或减排目标的控制情景以及重点措施任务。

已有关于大气污染物减排情景分析的方法及应用案例多是既定预设的固定情景，在大气污染减排措施的筛选组合上缺乏一定灵活性，难以得到满足环境空气质量或减排目标的最佳可行方案。同时，针对当前大气复合污染形势，PM2.5和臭氧等是空气质量达标和持续改善的主要对象，需要对多污染物进行综合减排，如何动态调控不同来源多污染物减排情景，如何通过优化决策方法确定大气污染减排措施及其减排量，目前仍缺乏相关的科学定量方法支撑。

发明内容

本发明的目的在于克服现有污染物减排分析方法中存在的问题，提供了一种基于动态情景模拟的大气多污染物减排优化调控方法与系统，实现以最小的减排代价取得预期的环境空气质量改善效果，主要包括动态情景分析方法，应用空气质量模型模拟不同减排情景对应的环境空气质量，基于费效分析构建污染治理优化调控模型等。

本发明的目的是通过以下技术方案来实现的：

第一方面，提供一种基于动态情景模拟的大气多污染物减排优化调控方法，包括以下步骤：

S1、编制主要污染源大气污染物基准排放清单，识别重点排放对象；

S2、将基准排放清单输入到空气质量模型，验证污染物排放量和环境空气质量间的对应关系，明确各类排放源对环境空气的污染贡献；

S3、针对各类排放源，设计不同强度的减排措施，形成动态减排情景；

S4、估算步骤S3中减排情景对应的大气污染物排放清单，输入空气质量模型，判断空气质量目标是否可达；

S5、如果步骤S4中空气质量目标不可达，则按照污染减排优化调控策略调整动态减排情景下的减排措施强度；

S6、根据步骤S5形成新的动态减排情景，重复步骤S4-S5，直至步骤S4中空气质量目标可达，输出当前的动态减排情景及其措施。

在一些可能实施例提供的一种基于动态情景模拟的大气多污染物减排优化调控方法中，所述主要污染源包括固定燃烧源、工艺过程源、溶剂使用源、移动源以及其他源等。

在一些可能实施例提供的一种基于动态情景模拟的大气多污染物减排优化调控方法中，所述将基准排放清单输入到空气质量模型，验证污染物排放量和环境空气质量间的对应关系，包括：

利用清单处理模型SMOKE输出空气质量模型WRF-CMAQ需要的网格化排放清单，输入至WRF-CMAQ模型得到空气质量模拟结果，并将其和空气质量监测结果进行对比验证。

在一些可能实施例提供的一种基于动态情景模拟的大气多污染物减排优化调控方法中，所述步骤S2中明确各类排放源对环境空气的污染贡献，包括：

基于空气质量模型WRF-CMAQ，应用经典的Brute-Force响应评估方法，对不同排放情景进行模拟，得到不同重点排放源对环境空气质量的污染贡献。

在一些可能实施例提供的一种基于动态情景模拟的大气多污染物减排优化调控方法中，所述减排措施包括大气污染治理与结构优化调整。

在一些可能实施例提供的一种基于动态情景模拟的大气多污染物减排优化调控方法中，所述步骤S3中设计不同强度的减排措施包括：

通过情景分析方法，将大气污染减排措施强度量化至0～100％之间。

大气污染治理措施强度与治理技术普及率及其对污染物的削减率有关，普及率和削减率调控范围介于0～100％之间；结构优化调整措施与能源、产业、交通运输的结构比例有关，结构比例调控范围介于0～100％之间。在一些可能实施例提供的一种基于动态情景模拟的大气多污染物减排优化调控方法中，所述污染减排优化调控策略包括：

在大气污染治理方面，应用费效分析，构建单目标非线性约束优化模型，耦合污染减排强度及目标需求，实现大气污染减排优化调控；目标函数为大气污染治理成本最小，决策变量为各大气污染治理技术的普及率及其对污染物的削减率；约束条件为大气污染物允许排放量、大气污染治理技术普及率和削减率的适用范围。

在结构优化调整方面，考虑现有和未来可能的环境政策，强化不同结构优化调整措施的减排力度；基于S2识别到的污染源贡献大小排序，先确定产业结构，再优化能源结构，最后调整交通运输结构。

第二方面，提供一种基于动态情景模拟的大气多污染物减排优化调控系统，包括：

基准排放清单编制模块，配置为编制主要污染源大气污染物基准排放清单，识别重点排放对象；

污染贡献计算模块，配置为将基准排放清单输入到空气质量模型，验证污染物排放量和环境空气质量间的对应关系，明确各类排放源对环境空气的污染贡献；

减排情景设计模块，配置为针对各类排放源，设计不同强度的减排措施，形成动态减排情景；

空气质量目标可达性判断模块，配置为估算减排情景对应的大气污染物排放清单，输入空气质量模型，判断空气质量目标可达性；

减排情景动态调整模块，配置为按照污染减排优化调控策略调整动态减排情景下的减排措施强度，直至空气质量目标可达。

需要进一步说明的是，上述各选项实施例对应的技术特征在不冲突的情况下可以相互组合或替换构成新的技术方案。

与现有技术相比，本发明有益效果是：

(1)本发明通过情景分析方法，量化大气污染减排措施强度(0～100％之间)，构建动态减排情景；基于减排情景的空气质量模拟和减排措施强度动态优化调控，形成满足环境空气质量目标的最佳可行减排情景及其对应的减排措施组合，为大气污染精准防控提供科学定量的方法支撑。

(2)在一个示例中，本发明基于大气污染治理费效分析，构建单目标非线性约束优化模型，耦合不同减排情景下的减排措施强度与空气质量改善模拟的减排需求，形成系统性的大气多污染物减排优化调控方法。

(3)在一个示例中，本发明针对动态减排情景，通过不同源减排措施强度(即减排比例)，形成不同减排强度的情景清单，应用空气质量模型(WRF-CMAQ)模拟空气质量指标(如PM2.5或臭氧)浓度值，循环迭代，直至环境空气质量满足目标要求，输出可行减排情景及其措施。循环迭代中，耦合大气污染优化调控模型，控制减排措施强度变化幅度，可以实现寻优得到“最小减排代价”的可行减排情景及其措施，有助于实现以最小的减排成本取得预期的环境空气质量改善效果。

(4)在一个示例中，本发明在减排情景模拟之前，将大气污染物基准排放清单输入到空气质量模型模拟，开展了基准污染物排放量和当前环境空气质量间的对应关系验证，确保了减排情景模拟的可信性。

附图说明

图1为本发明实施例示出的一种基于动态情景模拟的大气多污染物减排优化调控方法的流程图；

图2为本发明实施例示出的主要大气污染减排措施及类别；

图3为本发明实施例示出的一种动态情景模拟的大气污染减排优化调控方法技术路线图。

具体实施方式

下面结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

在一示例性实施例中，参照图1，提供一种基于动态情景模拟的大气多污染物减排优化调控方法，包括以下步骤：

S1、编制主要污染源大气污染物基准排放清单，识别重点排放对象；

S2、将基准排放清单输入到空气质量模型，验证污染物排放量和环境空气质量间的对应关系，明确各类排放源对环境空气的污染贡献；

S3、针对各类排放源，设计不同强度的减排措施，形成动态减排情景；

S4、估算步骤S3中减排情景对应的大气污染物排放清单，输入空气质量模型，判断空气质量目标是否可达；

S5、如果步骤S4中空气质量目标不可达，则按照污染减排优化调控策略调整动态减排情景下的减排措施强度；

S6、根据步骤S5形成新的动态减排情景，重复步骤S4-S5，直至步骤S4中空气质量目标可达，输出当前的动态减排情景及其措施。

其中，步骤S1具体包括：

根据大气污染物排放清单编制指南，编制区域(或城市)大气污染物排放清单，包括固定燃烧源(包括电厂、工业锅炉、居民焚烧等)、工艺过程源(包括钢铁、水泥、玻璃、陶瓷、石化、化工等行业)、溶剂使用源(汽车及零部件制造、家具、包装印刷、电子等行业)、移动源(客车、货车、非道路移动机械、内河船舶等)、其他源(包括生活溶剂使用、餐饮油烟、扬尘等)，主要污染物包括SO₂、NOx、PM、VOCs以及NH₃等。

通过排放清单识别污染物排放量较大的重点区域、重点行业，重点关注工业企业最佳实用技术(BAT)推广应用情况和区域结构特征(如燃煤使用、过剩产能等)，识别减排潜力较大的排放对象。

进一步地，步骤S2具体包括：

基于步骤S1得出的基准年的大气污染物排放清单，利用清单处理模型SMOKE输出空气质量模型WRF-CMAQ需要的网格化排放清单。根据空气质量模型WRF-CMAQ参数化方案开展模型验证，以确保基准污染物排放量和当前环境空气质量间的对应关系成立。模型验证程序如下：

①将基准年的大气污染物排放清单输入至空气质量模型WRF-CMAQ中，模拟得到环境空气质量(包括细颗粒物PM2.5或臭氧浓度等)；②选取当前环境空气质量监测站点作为评价点，根据实际需求，以大气环境PM2.5或臭氧观测浓度作为评价指标，对比评价点经纬度坐标对应的模型模拟插值结果；③参照现有推荐的模型评估方案和标准，选取模拟结果和观测结果间的相关系数(R)、标准化平均偏差(NMB)、标准化平均误差(NME)和一致性系数(IOA)作为评估参数，认为当R≥0.60、NMB≤±20％、NME≤45％、IOA≥0.70时，污染物排放量和环境空气质量间的对应关系较好。

基于空气质量模型WRF-CMAQ，应用经典的Brute-Force响应评估方法(灭灯法)，对不同排放情景进行模拟，得到不同重点源对环境空气质量的污染贡献。

进一步地，所述减排措施包括大气污染治理与结构优化调整，其中，通过情景分析方法，将大气污染减排措施强度量化至0～100％之间。具体地，基于大气污染物排放清单，针对污染排放对象及其污染贡献，考虑国家和地方环境政策及质量目标需求，设计动态减排情景。

首先，确定基础政策情景。考虑社会经济发展与污染排放增量，保持现有环境政策延续不变的前体下，形成基础政策情景，作为动态减排情景的“下限”。

其次，确定最大潜力情景。针对现有大气污染源，不考虑社会经济代价，实现最大减排潜力挖掘应用，作为动态减排情景的“上限”。

然后，设定动态减排情景。介于“下限”基础政策情景和“上限”最大潜力情景之间，初设减排情景，减排措施强度较基础政策情景减排强度高，但又不能超过最大潜力情景。

动态减排情景中，对应各主要大气污染源，制定相应的减排措施，包括大气污染治理与结构优化调整(示例见图2)。污染治理方面主要包括火电、钢铁、水泥行业超低排放改造，其他重点行业深度治理等；结构优化调整方面主要包括能源结构优化(减少燃煤锅炉、提高重点行业能效等)、产业结构优化(缩减高污染行业产能，提升污染物排放源头替代率等)以及交通结构优化(增加电动车占比等)。

上述减排措施强度均为动态可调控，大气污染治理措施对应于相应治理技术普及率及其污染物削减率，普及率和削减率调控范围介于0～100％之间，并分别计算出各类污染源治理技术应用后污染减排强度比例(％)；结构优化调整措施对应于相应的结构比例，如燃料替代率和过剩产能淘汰率调控范围也介于0～100％之间，并分别计算出各类污染源结构优化调整后污染减排强度比例(％)。

不同的污染减排情景为不同强度的减排措施组合，示例见表1。其中，动态减排情景包括初始情景和优选情景，初始情景为情景设定时，在基础政策情景和最大潜力情景间设定的中间可能情景；优选情景为通过空气质量模型模拟与大气污染减排优化调控后的最终可行情景。优化调控过程，动态减排情景中的污染减排强度根据模型模拟结果和优化调控策略，加大或者减少污染减排强度。

表1本方法污染减排情景及其减排措施强度

进一步地，步骤S4具体包括：

基于基准年大气污染物排放清单，通过不同减排情景下的减排措施强度(即减排比例)核算对应情景下的污染物减排量，进而形成减排情景的污染物排放清单，再利用清单处理模型SMOKE输出空气质量模型WRF-CMAQ需要的网格化排放清单。将各情景的网格化排放清单输入到空气质量模型WRF-CMAQ模拟得到不同情景下的环境空气质量(包括细颗粒物PM2.5或臭氧浓度等)，插值估算代表性空气质量监测站点的污染物浓度模拟值，判断各减排情景下空气质量是否达到预期目标值。

实际应用中，主要是对比动态减排情景下的空气质量模拟结果，通过加大或者减少污染减排强度，评估动态减排情景下不同减排措施强度组合的空气质量改善效果，得到空气质量模型模拟与大气污染减排优化调控后的最终可行情景。

进一步地，步骤S5中所述污染减排优化调控策略包括大气污染治理调控以及结构优化调整。

具体地，在大气污染治理方面，应用费效分析，费效分析和优化决策模型通常被应用于污染控制措施的优化选择，但往往是单独使用或者针对SO2、NOx某种污染物，极少与情景分析法、空气质量模型模拟耦合形成系统性的大气多污染减排优化调控方法，本方法基于大气污染治理费效分析，构建单目标非线性约束优化模型，耦合污染减排强度及目标需求，实现大气污染减排优化调控；目标函数为主要排放源大气污染物污染治理成本最小，决策变量为各污染物治理技术的普及率及其对污染物的削减率；约束条件为大气污染物允许排放量、大气污染治理技术普及率和削减率的适用范围等。

①首先建立目标函数，目标函数为大气污染减排成本最小，表示为：

minC_T＝∑_i∑_pC_i,p

式中，C_T为总减排成本(万元)，C为单位综合减排成本(元/单位产品)，i为行业；p为污染物。

本方法以污染减排概化各类大气污染治理技术应用，聚焦污染削减率对减排成本的影响规律，针对某一行业的某一污染物构建减排成本-削减率的成本函数，表示为：

c_i,p＝f_i,p(η_i,p)

式中，η为削减率(％)；f为单位减排成本与削减率之间的函数关系。

实际情况中，污染减排成本与某种污染治理技术应用相关，且污染削减率往往为一个区间值，可使用离散法约束行业污染治理技术成本，表示为：

C_i,p＝A_i×∑_e(c_i,p,e×λ_i,p,e)

式中，A为活动水平；λ为普及率(％)；e为污染治理技术。

另外，由于具体实践中污染治理技术的减排成本数据有单位产品减排成本(如元/kWh)和单位污染物减排成本(如：元/tSO₂)两种衡量方式，可通过下式进行换算：

式中，c_w为单位污染物减排成本(元/单位污染物)；c_c为单位产品综合减排成本(元/单位产品)；ef为产品生产的污染物排放因子(污染物量/单位产品)；η为该末端技术的削减率(％)。

污染治理技术综合成本由投资成本和运行成本两部分组成，表示为：

c_i,p,e＝cfix_i,p,e+copt_i,p,e

式中，cfix为年均化固定成本(万元)；cfix₀为初始投资成本(万元)；copt为运行成本(万元)；a为贴现率；t为使用年限。

②其次确定约束条件，主要包括大气污染物允许排放量、大气污染治理技术普及率及其对污染物的削减率。

Ⅰ.大气污染物允许排放量约束条件。

本方法将大气环境质量约束转变为污染源的最大允许排放量约束，表示为：

E_p＝∑_iE_i,p≤E_p,g

式中，i为行业；p为污染物；E_p为污染物p的最终排放量(t)；E_i,p为行业i污染物p的最终排放量(t)；E_p,g为污染物p的目标排放量限制，即污染物p大气环境容量确定的允许排放总量。

与成本的表达式类似，允许排放量的表达方程式认为离散形式：

式中，ef_i,p为行业i污染物p的排放因子，其中电力行业稍有不同，电力行业的排放因子为燃煤的排放因子，因此电力行业的污染物排放还需乘以活动强度，即供电标准煤耗，表示每产生1kWh的电需要消耗的煤的量(单位为g/kWh)；为行业i污染物p的污染治理技术e的削减率(％)。

Ⅱ.大气污染治理技术普及率约束条件。

同一类别下所有技术的普及率之和不会超过1，即技术普及率约束条件表示为：

0≤λ_i,p≤1

0≤λ_i,p,e≤1

0≤∑_eλ_i,p,e≤1

Ⅲ.大气污染治理技术污染物削减率约束条件。

重点行业削减率约束表示为：

式子中，θ_i,p为重点行业i污染物p的基准年的整体削减率(％)。

另外，任何一项污染治理技术对某种大气污染物的削减率首先是(0,1]约束，但是考虑到实际应用中其去除水平不可能达到100％，因此设置一个最大削减率，表示为：

0＜η_i,p≤η_i,p,BAT

式中，η_i,p,BAT为重点行业i治理污染物p的污染治理技术的最佳削减率(％)。

③最后求解优化模型，应用遗传算法迭代寻优求解上述单目标非线性约束优化模型。遗传算法是一种借鉴生物体自然选择和自然遗传机制的随机搜索算法，其搜索过程就是“种群”一代一代“进化”的过程，通过评估函数进行优胜劣汰的选择，通过交叉和变异来模拟生物的进化。优胜劣汰是这种搜索算法的核心，根据优胜劣汰的策略不同，算法最终的效果也各不相同。遗传算法将问题的解定义为进化对象的个体，对若干个体组成的种群进行选择、交叉(杂交)和变异处理，每处理一次种群就“进化”一代。只要评估和选择策略合适，经过若干次“进化”之后，种群中就会出现比较接近最优解的个体，对应的就是问题的近似优化解。

在结构优化调整方面调控策略如下：

首先，根据步骤S1识别的重点排放对象和步骤S2确定的各类源的污染贡献进行排序，优先调整污染贡献大、减排潜力大的污染源。

其次，先确定产业结构(如缩减高污染行业产能，提升污染排放源头替代率等)，再优化能源结构(如减少燃煤锅炉、提高重点行业能效等)，最后调整交通运输结构(如加大公转铁比例、增加电动车比例等)。

进一步地，步骤S6具体包括：

根据步骤S5优化调控结果，调整动态减排情景中的污染减排强度，即加大或者减少污染减排比例。重复步骤S4，即核算当前减排情景下各减排措施强度(或减排比例)对应的污染物减排量，形成减排情景清单，并输入到空气质量模型，模拟得到环境空气质量(包括细颗粒物PM2.5或臭氧浓度等)，判断该减排情景下空气质量质量是否达到预期目标值。如果空气质量达不到预期目标值，重复步骤S5，加大优化调控力度(包括提高最佳实用技术BAT普及率，提高过剩产能淘汰率等)，提高动态减排情景中的污染减排强度，加大污染减排比例，形成新的优化调控结果，再进入下一次模拟，技术路线见图3。

直至空气质量达到预期目标值，认为该动态减排情景为满足空气质量目标要求的最优减排措施强度组合，输出该动态减排情景为最终的大气污染减排优化调控方案及可行推荐减排措施。

本发明通过情景分析方法，量化大气污染减排措施强度(0～100％之间)，构建动态减排情景；基于减排情景的空气质量模拟和减排措施强度动态优化调控，形成满足环境空气质量目标的最佳可行减排情景及其对应的减排措施组合，为大气污染精准防控提供科学定量的方法支撑。

进一步地，以往情景分析方法中的空气质量情景模拟，通常是比较2种或3种固定情景能否实现空气质量目标，选择其中满足条件的一种情景作为可行情景；这种情况得到的情景往往不是“最小减排代价”情景，而是相较于其他情景而言，一种“更适合的情景”。本方法针对特征二所述动态减排情景，通过不同源减排措施强度(即减排比例)，形成不同减排强度的情景清单，应用空气质量模型(WRF-CMAQ)模拟空气质量指标(如PM_2.5或臭氧)浓度值，循环迭代，直至环境空气质量满足目标要求，输出可行减排情景及其措施。循环迭代中，耦合大气污染优化调控模型，控制减排措施强度变化幅度，可以实现寻优得到“最小减排代价”的可行减排情景及其措施。另外，本方法在减排情景模拟之前，将大气污染物基准排放清单输入到空气质量模型模拟，开展了基准污染物排放量和当前环境空气质量间的对应关系验证，确保了减排情景模拟的可信性。

在另一示例性实施例中，提供一种基于动态情景模拟的大气多污染物减排优化调控系统，包括：

基准排放清单编制模块，配置为编制主要污染源大气污染物基准排放清单，识别重点排放对象；

污染贡献计算模块，配置为将基准排放清单输入到空气质量模型，验证污染物排放量和环境空气质量间的对应关系，明确各类排放源对环境空气的污染贡献；

减排情景设计模块，配置为针对各类排放源，设计不同强度的减排措施，形成动态减排情景；

空气质量目标可达性判断模块，配置为估算减排情景对应的大气污染物排放清单，输入空气质量模型，判断空气质量目标可达性；

减排情景动态调整模块，配置为按照污染减排优化调控策略调整动态减排情景下的减排措施强度，直至空气质量目标可达。

在另一示例性实施例中，本发明提供一种计算机存储介质，其上存储有计算机指令，所述计算机指令运行时执行所述一种基于动态情景模拟的大气多污染物减排优化调控方法中相关步骤。

基于这样的理解，本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

在另一示例性实施例中，本发明提供一种终端，包括存储器和处理器，存储器上存储有可在处理器上运行的计算机指令，处理器运行计算机指令时执行所述一种基于动态情景模拟的大气多污染物减排优化调控方法中相关步骤。

处理器可以是单核或者多核中央处理单元或者特定的集成电路，或者配置成实施本发明的一个或者多个集成电路。

本说明书中描述的主题及功能操作的实施例可以在以下中实现：有形体现的计算机软件或固件、包括本说明书中公开的结构及其结构性等同物的计算机硬件、或者它们中的一个或多个的组合。本说明书中描述的主题的实施例可以实现为一个或多个计算机程序，即编码在有形非暂时性程序载体上以被数据处理装置执行或控制数据处理装置的操作的计算机程序指令中的一个或多个模块。可替代地或附加地，程序指令可以被编码在人工生成的传播信号上，例如机器生成的电、光或电磁信号，该信号被生成以将信息编码并传输到合适的接收机装置以由数据处理装置执行。

本说明书中描述的处理及逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程计算机执行，以通过根据输入数据进行操作并生成输出来执行相应的功能。所述处理及逻辑流程还可以由专用逻辑电路—例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)来执行，并且装置也可以实现为专用逻辑电路。

适合用于执行计算机程序的处理器包括，例如通用和/或专用微处理器，或任何其他类型的中央处理单元。通常，中央处理单元将从只读存储器和/或随机存取存储器接收指令和数据。计算机的基本组件包括用于实施或执行指令的中央处理单元以及用于存储指令和数据的一个或多个存储器设备。通常，计算机还将包括用于存储数据的一个或多个大容量存储设备，例如磁盘、磁光盘或光盘等，或者计算机将可操作地与此大容量存储设备耦接以从其接收数据或向其传送数据，抑或两种情况兼而有之。然而，计算机不是必须具有这样的设备。此外，计算机可以嵌入在另一设备中，例如移动电话、个人数字助理(PDA)、移动音频或视频播放器、游戏操纵台、全球定位系统(GPS)接收机、或例如通用串行总线(USB)闪存驱动器的便携式存储设备，仅举几例。

虽然本说明书包含许多具体实施细节，但是这些不应被解释为限制任何发明的范围或所要求保护的范围，而是主要用于描述特定发明的具体实施例的特征。本说明书内在多个实施例中描述的某些特征也可以在单个实施例中被组合实施。另一方面，在单个实施例中描述的各种特征也可以在多个实施例中分开实施或以任何合适的子组合来实施。此外，虽然特征可以如上所述在某些组合中起作用并且甚至最初如此要求保护，但是来自所要求保护的组合中的一个或多个特征在一些情况下可以从该组合中去除，并且所要求保护的组合可以指向子组合或子组合的变型。

类似地，虽然在附图中以特定顺序描绘了操作，但是这不应被理解为要求这些操作以所示的特定顺序执行或顺次执行、或者要求所有例示的操作被执行，以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施例中的各种系统模块和组件的分离不应被理解为在所有实施例中均需要这样的分离，并且应当理解，所描述的程序组件和系统通常可以一起集成在单个软件产品中，或者封装成多个软件产品。

以上具体实施方式是对本发明的详细说明，不能认定本发明的具体实施方式只局限于这些说明，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演和替代，都应当视为属于本发明的保护范围。

Claims (8)

1.一种基于动态情景模拟的大气多污染物减排优化调控方法，其特征在于，包括以下步骤：

S1、编制主要污染源大气污染物基准排放清单，识别重点排放对象；

S2、将基准排放清单输入到空气质量模型，验证污染物排放量和环境空气质量间的对应关系，计算各类排放源对环境空气的污染贡献；

S3、针对各类排放源，设计不同强度的减排措施，形成动态减排情景；

S4、核算步骤S3中减排情景对应的大气污染物排放清单，输入空气质量模型，判断空气质量目标是否可达；

S5、如果步骤S4中空气质量目标不可达，则按照污染减排优化调控策略调整动态减排情景下的减排措施强度；

S6、根据步骤S5形成新的动态减排情景，重复步骤S4-S5，直至步骤S4中空气质量目标可达，输出当前的动态减排情景及其措施。

2.根据权利要求1所述的一种基于动态情景模拟的大气多污染物减排优化调控方法，其特征在于，所述主要污染源包括固定燃烧源、工艺过程源、溶剂使用源、移动源以及其他源。

3.根据权利要求1所述的一种基于动态情景模拟的大气多污染物减排优化调控方法，其特征在于，所述将基准排放清单输入到空气质量模型，验证污染物排放量和环境空气质量间的对应关系，包括：

利用清单处理模型SMOKE输出空气质量模型WRF-CMAQ需要的网格化排放清单，输入至WRF-CMAQ模型得到空气质量模拟结果，并将其和空气质量监测结果进行对比验证。

4.根据权利要求3所述的一种基于动态情景模拟的大气多污染物减排优化调控方法，其特征在于，所述步骤S2中明确各类排放源对环境空气的污染贡献，包括：

基于空气质量模型WRF-CMAQ，应用经典的Brute-Force响应评估方法，对不同排放情景进行模拟，得到不同重点排放源对环境空气质量的污染贡献。

5.根据权利要求1所述的一种基于动态情景模拟的大气多污染物减排优化调控方法，其特征在于，所述减排措施包括大气污染治理与结构优化调整。

6.根据权利要求1所述的一种基于动态情景模拟的大气多污染物减排优化调控方法，其特征在于，所述步骤S3中设计不同强度的减排措施包括：

通过情景分析方法，将大气污染减排措施强度量化至0～100％之间。

大气污染治理措施强度与治理技术普及率及其对污染物的削减率有关，普及率和削减率调控范围介于0～100％之间；结构优化调整措施与能源、产业、交通运输的结构比例有关，结构比例调控范围介于0～100％之间。

7.根据权利要求1所述的一种基于动态情景模拟的大气多污染物减排优化调控方法，其特征在于，所述污染减排优化调控策略包括：

在大气污染治理方面，应用费效分析，构建单目标非线性约束优化模型，耦合污染减排强度及目标需求，实现大气污染减排优化调控；目标函数为大气污染治理成本最小，决策变量为各大气污染治理技术的普及率及其对污染物的削减率；约束条件为大气污染物允许排放量、大气污染治理技术普及率和削减率的适用范围。

在结构优化调整方面，考虑现有和未来可能的环境政策，强化不同结构优化调整措施的减排力度；基于S2识别到的污染源贡献大小排序，先确定产业结构，再优化能源结构，最后调整交通运输结构。

8.一种基于动态情景模拟的大气多污染物减排优化调控系统，其特征在于，包括：

基准排放清单编制模块，配置为编制主要污染源大气污染物基准排放清单，识别重点排放对象；

污染贡献计算模块，配置为将基准排放清单输入到空气质量模型，验证污染物排放量和环境空气质量间的对应关系，明确各类排放源对环境空气的污染贡献；

减排情景设计模块，配置为针对各类排放源，设计不同强度的减排措施，形成动态减排情景；

空气质量目标可达性判断模块，配置为估算减排情景对应的大气污染物排放清单，输入空气质量模型，判断空气质量目标可达性；

减排情景动态调整模块，配置为按照污染减排优化调控策略调整动态减排情景下的减排措施强度，直至空气质量目标可达。