摘要：選取上海市餐飲集中的典型區域城區進行餐飲企業油煙排放監測，結果表明該區域餐飲企業油煙超標率在2018年至2020年間呈現先升后降的趨勢，其中小型餐企更易油煙排放超標。結合典型餐企細顆粒物與非甲烷總烴排放濃度，獲得上海市大型、中型、小型餐企以單位基準灶頭為核算基準的PM2.5與VOCs排放因子。

關鍵詞：餐飲源；油煙；PM2.5；VOCs；排放因子；餐飲油煙監測云平臺；安科瑞

0.引言

現階段，我國人民生活水平不斷提高，餐飲企業數量快速增長，餐飲企業也逐漸由分散趨于集中。餐飲業的快速發展帶來便利的同時，由于餐企位于人口密集的區域，且排氣筒高度較低，餐飲業油煙污染問題日趨嚴重[1]。王桂霞等人通過對北京市環境大氣和3家不同烹調方式餐館的PM10，PM2.5樣品分析表明：3家餐館在油煙排放時間段PM2.5質量濃度是當日環境大氣PM2.5質量濃度的3.0-7.1倍。岳浩選取了北京市5家典型餐飲單位作為典型代表，進而對北京市餐飲業VOCs的排放特征,處理現狀,減排潛力等方面進行了以下研究，發現家常菜的VOCs排放濃度可高達752μg/m3。越來越多的研究表明，餐飲油煙源成為大氣顆粒物的主要貢獻源之一，也是城市地區重要VOCs排放源。近年來，我國開展了一些餐飲源顆粒物與VOCs排放清單編制研究。國內餐飲油煙源排放清單主要核算基準包括人口數、就餐人次、食用油用量和灶頭數。通過文獻調研和實地調研等方式，研究者建立了成都市、長春市、菏澤市、蘭州市、上海市等地區以及層面的餐飲源排放清單，但少有研究通過大量實測進行排放因子的本地化修正。本研究結合上海市4類典型餐飲源顆粒物與非甲烷總烴（NMHC）實測排放濃度，并通過2018年至2020年對上海市城區餐企煙氣排放的監測，獲取上海市不同規模餐飲源本地化排放因子，以期為顆粒物與VOCs排放清單的編制提供數據支撐。

1.研究方法

1.1采樣點位及方法

采樣區域為上海市餐飲企業聚集區域城區，以餐飲油煙排放口為采樣對象開展排放因子監測工作，測定煙氣排放速率、油煙排放濃度，并記錄基準灶頭數、油煙凈化器使用情況、排氣罩灶面投影面積等信息。采樣時間段分別為2018年11月-12月，2019年8月-11月，2020年8月-11月，采樣時間集中在餐飲企業作業的高峰時段，即午餐（11:30–13:30）或晚餐（17:00–20:30）時間。采樣方法依據HJ/T397-2007，油煙測試方法依據GB18483-2001，所采用的實驗器材有自動煙塵（氣）測試儀3012H型、油煙濾筒、紅外測油儀OL1010型、空盒氣壓DYM3型、簡易數字式溫濕度計Testo608-H2型。同時，選取4類（快餐1家、中餐2家、日式簡餐1家、川菜1家）典型餐企測量細顆粒物與非甲烷總烴的濃度。采取稀釋通道煙氣采樣的方式獲得顆粒物樣品，所有濾膜樣品經平衡干燥稱重，同時從同批次石英濾膜中抽取2張濾膜作為實驗室分析的空白濾膜，同樣經過烘烤、平衡、稱重等前期處理準備，樣品含量與空白含量的差值即為所采集顆粒物中的實際含量。非甲烷總烴濃度參照HJ1012-2018測定。

1.2油煙基準排放濃度計算

按式（1）將實測濃度折算為基準風量的排放濃度，參照上海市《餐飲業油煙排放標準》（DB31/844-2014）[3]，油煙的實測濃度或基準濃度超標即為油煙排放超標。油煙濃度值與排風量值均以標準狀態下的干氣體為基準。本研究的基準灶頭數按排氣罩灶面投影面積折算，1個基準灶頭對應排氣罩灶面投影面積為1.1m2。

式中C基—基準風量的排放濃度，mg/m3；C測—實測排放濃度，mg/m3；Q測—實測排風量，mg/m3；Q基—單個基準灶頭的排風量，以2000m3/h計；n—采樣期間投用的基準灶頭數，個。

1.3排放因子計算

采樣的餐飲企業按照《飲食業油煙排放標準》劃分為大、中、小型三個規模，小型餐飲企業基準灶頭數3；中型餐飲企業基準灶頭數3且6；大型餐飲企業基準灶頭數6。本研究采樣點位于油煙凈化器后管道，即實測得排放因子為凈化后的排放因子。以灶頭數為基準的排放因子由實驗過程中排放污染的濃度、排氣風量計算獲得，公式如下：

式中Ei—不同污染物排放量，g；n—基準灶頭數，個；Hscale—不同規模餐企的年總經營時間，h；Vscale—不同規模餐企的單位灶頭煙氣排放速率，m3/（h·個基準灶頭）；EFi—不同污染物排放因子，g/（h·個基準灶頭）；Ci—煙氣中污染物濃度，mg/m3。

2.結果與討論

2.1油煙排放超標率

監測餐企超標情況見表1。小型餐飲企業油煙排放超標率在3年中都較高，而大型、中型餐飲企業超標率較低。2018年總體超標率較低，無大型、中型餐企油煙排放超標。2019年各個規模餐企油煙超標率均為較高，總體超標率為較高。2020年，各類型餐企超標率均有所下降，總體油煙排放超標率變好。2018年至2020年，上海市城區餐飲企業油煙超標率呈現先升后降的趨勢。在上海市城區，大量的小型餐企集中于綜合樓宇中共同使用油煙排放管道，可能超出管道的設計風量，且共同使用的情況使得油煙排放難以精細化管理，易造成油煙排放超標。

表1餐企油煙排放超標率

2.2煙氣與油煙排放速率

本研究實測的各規模餐飲企業煙氣排放速率為小型>中型>大型餐企，呈現趨勢與技術手冊給定值不一致。在監測的各餐企中，大型餐企更具有獨立使用煙氣排放管道的能力，當灶頭存在空閑時煙氣排放速率較低；大量的小型餐企位置集中并共同使用油煙排放管道（部分中型餐企也存在類似情況），并基本不存在具有空閑灶頭情況，使小型餐企單位基準灶頭煙氣排放速率較高。

各規模餐企的油煙排放速率趨勢與煙氣排放速率趨勢相同，小型餐企集中排放的煙氣量較大，會使油煙濃度較高。

2.3排放因子

不同規模餐飲企業單位基準灶頭排放因子見表2。由于各規模餐飲企業煙氣排放速率為小型>中型>大型，故各規模餐飲企業油煙排放因子也為小型>中型>大型。相比起其他研究，本次PM2.5實測排放因子較小，主要原因是上海市油煙凈化器安裝與運行效果較好，并且大型餐企與商業樓宇、餐飲集聚區的餐飲服務企業需設置二級油煙凈化裝置，根據上海市《餐飲業油煙污染控制技術規范（試行）》，凈化后細顆粒油煙（PM2.5）去除率達到90%。

表2不同規模餐飲企業單位基準灶頭排放因子

單位：g/（h·個基準灶頭）

3.安科瑞AcrelCloud3500餐飲油煙監測云平臺

為了彌補現存餐飲行業在煙油監測上的漏洞，同時便利監管部門的監察，安科瑞油煙監測云平臺應運而生。油煙監測模塊通過2G/4G與云端平臺進行通信和數據交互，系統能夠對企業餐飲設備的開機狀態、運行狀態進行監控；實現開機率監測，凈化效率監測，設施停運

告警，待清洗告警，異常告警等功能；對采集數據進行統計分析、排名等統計功能；較之傳統的靜電監測方案，更具實效性。平臺預留與其他應用系統、設備交互對接接口，具有很好的擴展性。

3.1平臺結構

平臺GIS地圖采集餐飲油煙處理設備運行狀態和油煙排放的濃度數據，自動對超標排放及異常企業進行提示預警，監管部門可迅速進行處理，督促餐飲企業整改設備，并定期清洗、維護，實現減排環保，不擾民等目的。現場安裝監測終端，持續監測油煙凈化器的工作狀態，包括設備運行的電流、電壓、功率、耗電量等等，同時結合排煙口的揮發性物質、顆粒物濃度等進行對比分析，一旦排放超標，系統會發出異常信號。