文章快速检索     高级检索
  浙江大学学报(工学版)  2017, Vol. 51 Issue (10): 1967-1973  DOI:10.3785/j.issn.1008-973X.2017.10.010
0

引用本文 [复制中英文]

寿春晖, 祁志福, 李敏, 邹正伟, 刘春红, 李晓东. 超低排放燃煤机组SO2减排的环境影响[J]. 浙江大学学报(工学版), 2017, 51(10): 1967-1973.
dx.doi.org/10.3785/j.issn.1008-973X.2017.10.010
[复制中文]
SHOU Chun-hui, QI Zhi-fu, LI Min, ZOU Zheng-wei, LIU Chun-hong, LI Xiao-dong. Environmental impact of ultra-low emission coal-fired unit's SO2 emission reduction[J]. Journal of Zhejiang University(Engineering Science), 2017, 51(10): 1967-1973.
dx.doi.org/10.3785/j.issn.1008-973X.2017.10.010
[复制英文]

基金项目

浙江省能源集团科技资助项目(ZN-KJ-15-013)

作者简介

作者简介:寿春晖(1984-), 男, 博士, 从事火电厂环保技术和新能源发电技术的研究.
orcid.org/0000-0002-8100-1149.
Email: shouchunhui@zju.edu.cn

通信联系人

李晓东, 男, 教授.
orcid.org/0000-0002-5331-5968.
Email: lixd@zju.edu.cn

文章历史

收稿日期:2016-06-15
超低排放燃煤机组SO2减排的环境影响
寿春晖1, 祁志福1, 李敏2, 邹正伟1, 刘春红1, 李晓东2     
1. 浙江浙能技术研究院有限公司, 浙江 杭州 311121;
2. 浙江大学 能源清洁利用国家重点实验室, 浙江 杭州 310027
摘要: 为了探究实施"超低排放"工程后SO2质量浓度降低对周围环境的影响,选取AERMOD对某大型1 000 MW火电机组不同排放情景下SO2的迁徙规律进行预测,对质量浓度分布进行定量计算.结果表明,工程实施后,SO2最大落地质量浓度指标改善超过82%,占标率大幅降低;峰值区SO2质量浓度及不同维度均值占标均得到控制;模拟范围内不同维度SO2质量浓度指标及分布梯度同步减小.得益于排气筒高度条件,排放源1公里内区域浓度较低."超低排放"对改善机组SO2排放的环境影响、提升厂区周边环境的空气质量效果明显.
关键词: AERMOD模型    大气环境影响    超低排放    空气质量    
Environmental impact of ultra-low emission coal-fired unit's SO2 emission reduction
SHOU Chun-hui1 , QI Zhi-fu1 , LI Min2 , ZOU Zheng-wei1 , LIU Chun-hong1 , LI Xiao-dong2     
1. Zhejiang Energy Group R & D, Hangzhou 311121, China;
2. State Key Laboratory of Clean Energy Utilization, Zhejiang University, Hangzhou 310027, China
Abstract: The atmospheric simulation software AERMOD was used to predict the transmission and diffusion of SO2 in different emission scenarios of a 1 000 MW coal-fired unit in order to analyze the effect of SO2 ultra-low emission reduction on the surrounding environment. The mass concentration distribution was quantified calculation. Results show that the maximum mass concentration of SO2 in the ambient air is reduced by more than 82% by the "ultra-low emission" project while the accounting for standard rate goes down substantially. The pollutant mass concentration in the peak distribution area and the mean value of the accounting for standard rate of each time period are controlled. The contaminant concentration index of each time period and its distribution gradient are synchronously reduced. Since the flue gas lift height is high, the concentration of areas within 1 km of emission source is low. "Ultra-low emission" projects decrease the environmental impact of SO2 emissions, and obviously improve the air quality of the surrounding environment.
Key words: AERMOD modeling system    atmospheric environmental impact    ultra-low emission    air quality    

随着我国经济社会的发展, 能源消耗量居高不下, 大气环境问题日趋严峻, 严重的雾霾天气频发[1].二氧化硫(SO2)被我国列为重点及总量控制指标.2013年我国SO2排放总量约20 440 kt, 火电行业是重要的排放源[2-3].根据朱法华等[4]的数据可知, 由SO2转化的PM2.5是形成霾天气的主要原因之一;以2010年为例, 所有燃煤机组排放的PM2.5总量中约43%由SO2转化而来.根据环保部最新实施要求[5]来严格限制火电厂尾气中的SO2十分必要.

浙江省能源集团等提出火电行业“超低排放”的观点, 大幅减少燃煤发电设备的大气污染物排放至满足燃气轮机的要求;对于SO2, 即在基准含氧量为6%的条件下, 排放质量浓度小于35 mg/m3.“超低排放”能够使电厂污染物排放量大幅降低, 因此对相关的环境影响评价研究提出了更高的要求.目前, “超低排放”相关研究以改造技术路线分析与排放特性检测[2, 6-8]为主, 也有研究以减排潜力评估方法探讨或技术经济相关的效益分析为主[4, 9-11], 针对具体机组开展的超低排放改造减排SO2相关环境效益的研究尚较少.

利用空气质量模型对排放源进行模拟计算, 对于排放气态污染物对环境空气质量的影响程度、范围和频率等进行分析、评价, 是对减排SO2相关的环境效益进行研究的有效手段[1, 12-13].由AERMIC开发的AERMOD软件[14-15]是环保部制定的环评导则[16]推荐的烟羽扩散模式, 可以用于多种模拟情景;模型广泛应用于点源、线源和面源的颗粒物、SO2及NOX等污染物排放扩散计算场景[17-28].由于“超低排放”的推出时间短, 目前利用AERMOD模型结合我国最新的减排政策来研究相关环境浓度的变化趋势及影响的工作较少[29].

本文以浙江某百万千瓦燃煤机组作为研究对象, 通过对“超低排放”改造前后SO2排放相关指标的变化来设置不同排放情景, 计算了排放SO2在大气中的迁徙情况.通过定量研究最大落地浓度及分布情况等指标, 分析减排后SO2环境浓度的变化值与响应情况, 评价了“超低排放”项目对周边大气环境的影响.

1 参数设置与研究方法 1.1 排放情景

研究的百万千瓦燃煤机组采用超超临界参数、单炉膛、一次中间再热、平衡通风、反向双切圆燃烧方式直流锅炉.该机组位于浙江沿海, 属长三角冲积平原东南缘, 地势平坦.机组于2014年完成烟气污染物超低排放改造, 将改造前、后分别设置为排放情景1、2作为模拟基础, 排放源在2种模拟情景下的参数如表 1所示.表中, H为源高, T为烟温, D为烟囱内径, ρ为排放质量浓度, L为排放限值.

表 1 某燃煤机组SO2排放情景参数 Table 1 SO2 emission parameters from coal-fired unit

超低排放未实施时(情景1) SO2质量浓度限值参照GB13223-2011中一般地区现有机组的排放要求(200 mg/m3).情景1中, SO2参数设置参照脱硫系统性能验收试验的平均水平.在超低排放改造中, 对于脱硫系统, 采用增加双层交互式喷淋层及设置双托盘的方案.情景2中, SO2参数设置依照超低排放工程实施后脱硫装置性能验收的测试报告数据来确定.

1.2 AERMOD模型

采用的空气扩散模型是AERMIC开发的一个稳态烟羽扩散计算软件.该软件包括大气扩散、气象数据预处理及地形数据预处理3个系统模型.AERMOD由环保部制定的环评导则推荐, 可以模拟不同排放源污染物在不同时间维度下的质量浓度分布, 适用于农村或者城市、简单或者复杂的地形.该模型计入烟羽下洗的情况, 广泛适用于评价范围小于或等于50 km的一级、二级环境评价项目[16].AERMOD模拟过程如图 1所示, 运行必须的基本条件如下:地面气象数据和探空廓线数据都取自气象预处理系统.若同时计入地形方面的作用, 则要取用地形预处理系统提供的数据.

图 1 AERMOD模型的计算流程 Fig. 1 Data flow in AERMOD modeling
1.3 气象条件

采用的地面气象资料主要来自于距离排放源6 km处的国家基本气象站(中国气象科学数据共享服务网), 地理环境与研究对象相近, 气象特征一致.模拟所需的高空气象数据来源于NOAA/ESRL探空数据库.根据气象站以及高空数据的相关情况, 以2013全年为时间维度, 利用收集的全年逐时气象数据作为排放源周边范围在2种排放情景条件下环评分析的模型输入数据.调取AERMOD中的气象模型对高空及地面的气象数据进行统计分析, 得到研究区域内2013年的关键气象数据, 分别如表 2图 23所示.表 2中,θ为温度,v为风速.

表 2 模拟区域温度、风速月均值 Table 2 Monthly mean temperature and wind speed of simulation area
图 2 全年风向频率玫瑰图 Fig. 2 Annual frequency of wind rose
图 3 四季时均风速的变化情况 Fig. 3 Hourly average wind speed of four seasons
1.4 环境影响评价

研究区域以排放源为原点, 区域边界长10 km, 粗网格边长为500 km;关注排放源周边1 km×1 km范围, 划分50 m×50 m分辨率的细网格, 进行重点研究(区域及周边区块情况见图 4).模拟范围内的地形条件描述来自于数字高程模型(分辨率为30 m), 相关数字文件由地理信息系统生成.

图 4 排放源周边环境关系与模拟区域示意图 Fig. 4 Surface conditions of studying area and location of boiler chimney

对模拟区域内SO2时均、日均和年均环境质量浓度进行计算输出, 通过改造前、后不同排放情景条件下区域最大落地质量浓度对比、具体前50点最值浓度对比来了解超低排放减排后SO2环境质量浓度的变化情况;利用SO2时均、日均及年均质量浓度分布图, 比较分析减排后的环境影响响应状况.

2 结果与讨论 2.1 环境效益总体评估

研究百万千瓦机组在超低排放工程未实施时, SO2排放参照国标要求的200 mg/m3, 工程实施后的SO2质量浓度限值依据政府文件(发改能源[2014]2093) 可知, 为35 mg/m3.相应地, 研究区域内SO2落地质量浓度出现了显著变化.如表 3所示为研究范围内2种排放情景下SO2的主要排放指标和对应的一级环境SO2指标限值[5].

表 3 最大落地质量浓度模拟结果 Table 3 Simulation results of max-landing point mass concentration

表 3可见, 模拟范围内SO2的落地质量浓度最高时均值下降达19.08 μg/m3, 日均值降低了3.05 μg/m3, 年均值降低了0.34 μg/m3, 改变幅度均达82%以上.不论小时均浓度或日均浓度, 最值都主要出现在冬季或初春, 表明季节变化会很大程度地影响到最值变化.2种排放情景下模拟的各最大落地质量浓度距离排放源都在1.5~3.0 km内, 不同情景略有不同.根据表 3显示, 超低排放工程实施后, 降低了排放源周边大气环境中的SO2落地质量浓度极值和占标率, 对周边范围大气中SO2的质量浓度为正向改善.

根据莫华等[1]的研究可知, 由于我国各地大气的氧化性呈现增强的趋势, 导致SO2向硫酸盐转化并形成PM2.5的量增加, 火电厂排放的SO2转化形成PM2.5, 占了火电行业总贡献的40%以上[4].超低排放项目减少燃煤机组SO2排放, 不仅直接降低落地质量浓度, 而且减少了转化形成的PM2.5, 环境效益突出.

2.2 最值浓度比较

对2种不同排放情景下的SO2时均、日均和年均环境质量浓度模拟结果的前50值进行对比, 了解超低排放减排后环境质量浓度变化的响应情况.计算的日均值、时均值以及年均值最高质量浓度为整个模拟区域的最高质量浓度, 可以从最值的变化情况掌握研究区域内的最高污染状况及下降趋势.对2种排放情景下的时均、日均和年均SO2环境质量浓度前50值及占标情况进行比较, 结果如图 5~7所示.图中,P为占标率.

图 5 模拟区域SO2时均环境质量浓度(前50点) Fig. 5 Top 50 hourly average mass concentrations of SO2 simulation
图 6 模拟区域SO2日均环境质量浓度(前50点) Fig. 6 Top 50 daily average mass concentrations of SO2 simulation
图 7 模拟区域SO2年均环境质量浓度(前50点) Fig. 7 Top 50 annual average mass concentrations of SO2simulation

图 5显示可知, 工程实施后, SO2时均质量浓度(TOP50) 大幅低于未实施时.SO2分布TOP50点的平均质量浓度从之前的19.24 μg/m3下降到3.40 μg/m3, 下降超92%;TOP50点SO2质量浓度占标率从12.83%大幅下降到2.27%, 工程实施对SO2质量浓度最大值的每小时均值改善显著.

图 6中, 对工程未实施和实施后的SO2日均质量浓度TOP50点数据进行对比分析, 与时均质量浓度的变化类似, 最大值数据均显著变小.工程实施前、后的SO2空气分布质量浓度TOP50点均值分别为2.90和0.51 μg/m3, 下降了82%;TOP50质量浓度占一级标准比例由5.79%下降到1.03%, 大气质量得到显著提升.

图 7所示为工程实施前、后研究范围内SO2的全年度平均质量浓度TOP50点的关键指标对比.与前述的质量浓度改变规律类似, 两大关键指标都显著下降.当超低排放工程未实施时, SO2大气质量浓度TOP50平均值为0.36 μg/m3, 实施后下降到0.06 μg/m3, 下降超过83%;TOP50地面质量浓度占一级环境标准比例由1.79%减少到0.29%, 环境质量显著提升.

2.3 落地浓度分布比较

图 8~10所示分别为研究范围最大小时、全天和年度落地质量浓度的分布结果比较.

图 8 SO2时均质量浓度分布 Fig. 8 Hourly average mass concentration distribution of SO2
图 9 SO2日均质量浓度分布 Fig. 9 Daily average mass concentration distribution of SO2
图 10 SO2年均质量浓度分布 Fig. 10 Annual average mass concentration distribution of SO2

图 8所示, 不同的模拟情景下, SO2质量浓度呈相近的分布趋势:排放源北面质量浓度梯度最大, 质量浓度峰值区域处于排放源北面约2.1 km处.同样地, 不同模拟情景的全天质量浓度均值分布间的区别相对显著.改造后的时均质量浓度大大下降, 排放源西南面与南面约2~2.5 km处原有的质量浓度亚峰值区域基本消失;由于超低排放工程实施后, 总体空气质量状况显著好转, 研究范围内的SO2质量浓度分布梯度显著降低.

图 9可知, 日均落地质量浓度分布的变化与时均值类似:分布情况呈现相似性, 质量浓度最值点的分布相对固定.同时, 实施后全天平均质量浓度显著减小, 全范围质量浓度均不超过1 μg/m3, 范围内SO2分布梯度随之减小.

SO2全年质量浓度均值的分布变化如图 10所示, 实施后研究范围内的分布梯度降低, 质量浓度均减小到不足0.1 μg/m3.实施前存在的处于排放源西侧约2.5 km处、北侧2 km处的峰值区, 在超低排放工程实施后不再出现, 研究范围内SO2的质量浓度显著减小.

图 8~10表明, 超低排放工程实施后, SO2排放总量减少, 各时段均值的大气SO2质量浓度都显著降低, 整个模拟区域的减排效果都很明显;研究范围内SO2大气质量浓度总体减少, 实施前位于峰值分布范围内的点, SO2质量浓度下降最多, 大气质量改善显著.根据分布形态的变化情况可知, 实施超低排放使得SO2质量浓度的分布梯度减小, 改变了原先在排放源周围存在多个SO2质量浓度峰值分布的情况.

3 结论

(1) 随着火电厂“超低排放”工程的实施, SO2排放质量浓度最值大幅下降, 极大地降低了环境空气中的SO2最大落地质量浓度(各类均值降幅均达82%)和占标率, 显著降低了火电厂对周边环境的影响.

(2) 通过“超低排放”改造, 环境空气质量得到明显改善;峰值分布污染物质量浓度大幅下降, 不同时间间隔污染物质量浓度指标的占标率同步降低;模拟范围内SO2质量浓度的分布梯度显著减小.

(3) 得益于排气筒高度条件, 排放源1 km敏感区域内的质量浓度在改造前、后均维持在较低水平.

参考文献
[1] 莫华, 张清宇, 李杉, 等. 火电厂PM2.5环境影响评价方法探讨[J]. 浙江大学学报:理学版, 2014, 41(4): 453–457.
MO Hua, ZHANG Qing-yu, LI Shan, et al. Discussion for the method of environmental impact assessment on PM2.5 in thermal power plants[J]. Journal of Zhejiang University:Science Edition, 2014, 41(4): 453–457.
[2] 张军, 郑成航, 张涌新, 等. 某1000MW燃煤机组超低排放电厂烟气污染物排放测试及其特性分析[J]. 中国电机工程学报, 2016, 36(5): 1310–1314.
ZHANG Jun, ZHENG Cheng-hang, ZHANG Yong-xin, et al. Experimental investigation of ultra-low pollutants emission characteristics from a 1000mw coal-fired power plant[J]. Proceedings of the CSEE, 2016, 36(5): 1310–1314.
[3] 国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2014: 225.
[4] 朱法华, 王临清. 煤电超低排放的技术经济与环境效益分析[J]. 环境保护, 2014, 42(21): 28–33.
ZHU Fa-hua, WANG Lin-qing. Analysis on technology-economy and environment benefit of ultra-low emission from coal-fired power units[J]. Environment Protection, 2014, 42(21): 28–33.
[5] 中华人民共和国环境保护部. GB 3095-2012, 环境空气质量标准[S]. 北京: 中国环境科学出版社, 2012. http://kns.cnki.net/KCMS/detail/detail.aspx?filename=hjgl201201024&dbname=CJFD&dbcode=CJFQ
[6] 赵磊, 周洪光. 超低排放燃煤火电机组湿式电除尘器细颗粒物脱除分析[J]. 中国电机工程学报, 2016, 36(2): 468–473.
ZHAO Lei, ZHOU Hong-guang. Particle remove efficiency analysis of WESP in an ultra-low emission coal-fired power plant[J]. Proceedings of the CSEE, 2016, 36(2): 468–473.
[7] 帅伟, 李立, 崔志敏, 等. 基于实测的超低排放燃煤电厂主要大气污染物排放特征与减排效益分析[J]. 中国电力, 2015, 48(11): 131–137.
SHUAI Wei, LI Li, CUI Zhi-min, et al. Analysis of primary air pollutant emission characteristics and reduction efficiency for ultra-low emission coal-fired power plants based on actual measurement[J]. Electric Power, 2015, 48(11): 131–137.
[8] 朱法华, 王圣. 煤电大气污染物超低排放技术集成与建议[J]. 环境影响评价, 2014, 36(5): 25–29.
ZHU Fa-hua, WANG Sheng. Ultra-low emissions of air pollutants coal technology integration and suggestions[J]. Environmental Impact Assessment, 2014, 36(5): 25–29.
[9] 王临清, 朱法华, 赵秀勇. 燃煤电厂超低排放的减排潜力及其PM2.5环境效益[J]. 中国电力, 2014, 47(11): 150–154.
WANG Lin-qing, ZHU Fa-hua, ZHAO Xiu-yong. Potential capabilities of pollutant reduction and environmental benefits from ultra-low emissions of coal-fired power plants[J]. Electric Power, 2014, 47(11): 150–154.
[10] 李明君, 王燕, 史震天, 等. "超低排放"下火电环境影响评价研究[J]. 环境影响评价, 2015, 37(4): 18–21.
LI Ming-jun, WANG Yan, SHI Zhen-tian, et al. Thermal power environmental impact assessment of "ultra-low emission"[J]. Environmental Impact Assessment, 2015, 37(4): 18–21.
[11] 石睿, 王佩华, 杨倩, 等. 燃煤电厂"超低排放"成本效益分析[J]. 环境影响评价, 2015, 37(4): 5–8.
SHI Rui, WANG Pei-hua, YANG Qian, et al. Cost-benefit analysis of coal-fired power plant with "ultra-low emission"[J]. Environmental Impact Assessment, 2015, 37(4): 5–8.
[12] 姚增权. 火电厂烟羽的传输与扩散(精)[M]. 北京: 中国电力出版社, 2003.
[13] BVKE T, KÖNE A Ç. Estimation of the health benefits of controlling air pollution from the Yataan coal-fired power plant[J]. Environmental Science and Policy, 2011, 14(8): 1113–1120. DOI:10.1016/j.envsci.2011.05.014
[14] CIMORELLI A J, PERRY S G, VENKATRAM A, et al. AERMOD:a dispersion model for industrial source applications. Part I:general model formulation and boundary layer characterization[J]. Journal of Applied Meteorology, 2005, 44(5): 682–693. DOI:10.1175/JAM2227.1
[15] PERRY S G, CIMORELLI A J, PAINE R J, et al. AERMOD:a dispersion model for industrial source applications. Part Ⅱ:model performance against 17 field study databases[J]. Journal of Applied Meteorology, 2005, 44(5): 694–708. DOI:10.1175/JAM2228.1
[16] 环保部. 环境影响评价技术导则大气环境: HJ2. 2-2008[S]. 北京: 中国环境科学出版社, 2008: 12.
[17] 马洁云, 易红宏, 唐晓龙, 等. 基于AERMOD及减排政策的昆明市工业区SO2情景模拟[J]. 中国环境科学, 2013, 33(10): 1884–1890.
MA Jie-yun, YI Hong-hong, TANG Xiao-long, et al. SO2 scenario simulation of Kunming industrial park based on AERMOD modeling system and emission reduction policy[J]. China Environmental Science, 2013, 33(10): 1884–1890.
[18] 李煜婷, 金宜英, 刘富强. AERMOD模型模拟城市生活垃圾焚烧厂二(噁)英类物质扩散迁移[J]. 中国环境科学, 2013, 33(6): 985–992.
LI Yu-ting, JIN Yi-ying, LIU Fu-qiang. Diffusion and transformation of PCDD/Fs of municipal waste incineration plant by using AERMOD model[J]. China Environmental Science, 2013, 33(6): 985–992.
[19] SEANGKIATIYUTH K, SURAPIPITH V, TANTRAKARNAPA K, et al. Application of the AERMOD modeling system for environmental impact assessment of NO2 emissions from a cement complex[J]. Journal of Environmental Sciences, 2011, 23(6): 45–53.
[20] TARTAKOVSKY D, STERN E, BRODAY D M. Dispersion of TSP and PM10 emissions from quarries in complex terrain[J]. Science of the Total Environment, 2016, 542: 946–954. DOI:10.1016/j.scitotenv.2015.10.133
[21] MA J, YI H, TANG X, et al. Application of AERMOD on near future air quality simulation under the latest national emission control policy of China:a case study on an industrial city[J]. Journal of Environmental Sciences, 2013, 25(8): 1608–1617. DOI:10.1016/S1001-0742(12)60245-9
[22] KESARKAR A P, DALVI M, KAGINALKAR A, et al. Coupling of the weather research and forecasting model with AERMOD for pollutant dispersion modeling. a case study for PM10 dispersion over Pune, India[J]. Atmospheric Environment, 2007, 41(9): 1976–1988. DOI:10.1016/j.atmosenv.2006.10.042
[23] FROST K D. AERMOD performance evaluation for three coal-fired electrical generating units in Southwest Indiana[J]. Journal of the Air and Waste Management Association, 2014, 64(3): 280–290. DOI:10.1080/10962247.2013.858651
[24] ZHAO J, YUAN Y, REN Y, et al. Environmental assessment of crop residue processing methods in rural areas of Northeast China[J]. Renewable Energy, 2015, 84: 22–29. DOI:10.1016/j.renene.2015.06.063
[25] TADANO Y S, BORILLO G C, GODOI A F L, et al. Gaseous emissions from a heavy-duty engine equipped with SCR aftertreatment system and fuelled with diesel and biodiesel:assessment of pollutant dispersion and health risk[J]. Science of the Total Environment, 2014, 500-501: 64–71. DOI:10.1016/j.scitotenv.2014.08.100
[26] ROBERT P, OLGA S, MARY K, et al. Evaluation of low wind modeling approaches for two tall-stack databases[J]. Journal of the Air and Waste Management Association, 2015, 65(11): 1341–1353. DOI:10.1080/10962247.2015.1085924
[27] BOADH R, SATYANARAYANA A N V, KRISHNA T V B P S R, et al. Sensitivity of PBL parameterization schemes of weather research forecasting model and coupling with AERMOD in the dispersion of NOX over visakhapatnam (India)[J]. Asia-Pacific Journal of Chemical Engineering, 2015, 10(3): 356–368. DOI:10.1002/apj.v10.3
[28] GULIA S, SHRIVASTAVA A, NEMA A K, et al. Assessment of urban air quality around a heritage site using AERMOD:a case study of Amritsar City, India[J]. Environmental Modeling and Assessment, 2015, 20(6): 599–608. DOI:10.1007/s10666-015-9446-6
[29] 寿春晖, 祁志福, 陈彪, 等. 某1000MW燃煤机组超低排放改造减排NOX的环境效益评价[J]. 浙江电力, 2016, 35(12): 21–25.
SHOU Chun-hui, QI Zhi-fu, CHEN Biao, et al. Environmental impact assessment of a 1000MW ultra-lowemission coal-fired unit's NOX emission reduction[J]. Zhejiang Electric Power, 2016, 35(12): 21–25. DOI:10.3969/j.issn.1007-1881.2016.12.005