摘 要：餐飲業是中國大型城市大氣環境污染源之一。為了解餐飲業大氣污染物的產生能力，本研究以北京為研究對象，選取41家不同菜系的餐飲企業，現場實地檢測了凈化設備前端的油煙、顆粒物和非甲烷總烴( NMHC) 的產生濃度水平。結果表明，凈化前油煙、顆粒物和 NMHC的初始平均濃度約為1.93、6.6 和10.9 mg·m-3。 提出了一種基于工作日與非工作日的估算污染物排放總量的計算方法。并基于北京市餐飲企業數量和本研究測得的排放因子，初步估算了2019年全市餐飲源主要污染物的初始產生總量，油煙、顆粒物和NMHC的年排放總量分別5512、18849和6169 t。川湘菜、燒烤、烤鴨與家常菜產生的油煙與顆粒物濃度的 Pearson系數均 ＞ 0. 6，具有強相關性；其中川湘菜和烤鴨排放的Pearson系數均 ＞ 0. 8，呈現很強相關性。

關鍵詞：餐飲業；油煙；顆粒物； 非甲烷總烴( NMHC)；餐飲油煙監測云平臺；安科瑞

0.前言

      餐飲業排放的主要污染物為食物加工過程中產生的油煙、顆粒物、非甲烷總烴( NMHC) 以及烹飪使用的煤、天氣的燃燒產物。餐飲業廢氣對環境空氣質量有一定影響，主要表現在液態油煙與空氣中水分結合形成氣凝膠，氣凝膠在大氣中長時間懸浮，會導致大氣PM2.5含量增加，部分揮發性VOCs在大氣中經過復雜地反應會生成可以長時間懸浮的二次顆粒物，進一步增加大氣PM2.5含量。有研究表明，餐飲業排放以PM2.5為主，其排放的顆粒物約占北京大氣PM2.5濃度的7.5%～21.2%，是北京城區大氣污染的來源之一。且隨著經濟平穩增長，北京市人口增長，餐飲業消費大大提升。北京市商務局統計數據顯示，截至 2018年12月，北京地區共有餐飲企業5.95萬戶，同比增長7.7%，尤其在城區，高密度分布的餐飲企業油煙排放，是造成局部空氣污染的一大原因。餐飲業排放的油煙成分復雜，并對人體呼吸道產生不利影響，大量吸入后有致癌風險。

      近年來，為了解餐飲業污染現狀，學者們開展了眾多研究。施巍等給出了一種餐飲業無組織排放的核算方法。Wang等基于Kuznets Curve對中國 各省市地區餐飲業VOCs的排放進行了估算。林立等測算了上海典型餐飲業的油煙、顆粒物以及VOCs的排放，確定餐飲業排放是上海地區細顆粒物PM2.5的主要來源之一。溫夢婷等研究了烹飪產生的PM2.5對北京冬季空氣污染的貢獻，結果表明 研究目標排放的PM2.5濃度為當日大氣環境PM2.5質量濃度的8～35倍之多。但是仍缺少北京地區餐飲源直接產生的污染總量的估算。本研究于2019年在北京市內選取了川湘菜、烤鴨、燒烤和家常菜這4種典型菜系，共41家餐飲企業，對各餐飲企業排放的油煙、顆粒物和非甲烷總烴進行現場采樣、分析并估算年排放總量，旨在通過此研究，探明北京市餐飲業大氣污染物初始產生總量，考察餐飲業排放的大氣污染物對大型城市空氣質量的影響程度。

1. 料材與方法

1.1 設備與材料

設備: QC-2大氣采樣儀；大氣煙塵氣采樣儀；OIL-460型紅外測油儀；GC8600 型氣相色譜；甲烷柱為以GDX-502高分子多孔微球為填料的色譜柱，長3m，內徑3 mm；總烴柱為以硅烷化玻璃微珠為填料的色譜柱，柱長1m，內徑 3mm。系統載氣為氮氣( ＞ 99.999% ) ，氫氣由氫氣發生器提供；電子天平。

材料: 聚四氟乙烯杯；不銹鋼油煙濾筒；特氟龍氣袋；顆粒物濾膜；四氯化碳。

1.2 樣品采集與分析

根據城市居民外出就餐習慣，選午間11: 30～13: 30和晚間17: 30～19: 30(冬季晚餐高峰時間延后1h) 的用餐高峰時段對選取的41家餐飲企業進行樣品采集，其中川湘菜9家、烤鴨10家、燒烤5家和家常菜17家。

樣品采集參考《飲食業油煙排放標準試行》 (GB18483-2001) 、《餐飲業顆粒物的測定手工稱重法》( DB11T1485-2017) 和《固定污染源廢氣揮發性氣體的采樣氣袋法》( HJ732-2014) 規定的標準方法。采集斷面位于油煙凈化設備前端的平直煙道。油煙每組5個樣品，每個樣品采集10min，顆粒物每組1個樣品，采集時間45min，非甲烷總烴每組1個樣品，采集時間30min。

樣品在規定期內進行分析，分析方法參考 《飲食業油煙排放標準試行》(GB 18483-2001) 、《餐飲業顆粒物的測定手工稱重法》(DB11T 1485-2017) 和《固定污染源總烴、甲烷和非甲烷的測定氣相色譜法》( HJ38-2017)。本研究采用《固定污染源總烴、甲烷和非甲烷的測定氣相色譜法》(HJ38- 2017) 對煙氣中VOCs濃度進行分析，故VOCs濃度以NMHC計。

1.3 污染物年排放總量計算方法

不安裝油煙凈化設備情況下餐飲企業的污染物年排放總量計算見公式( 1)。

W = y × h × k × 10 －3 (1)

式中，W為年排放總量( kg·a － 1 ) ；y為全年營業天數 ( d) ； h為每天營業小時數 ( h ) ；k為排放系數 ( g·h － 1 ) 。

排放系數 k 計算見公式( 2) :

k = V0 × E × n (2)

式中，V0 為平均標況風量( m3 ·h － 1 ) ；E 為基準平均排放濃度，( mg·m － 3 ) ； n 為平均折算灶頭數( 個) 。

由于工作日與非工作日餐飲企業工作強度有差異，所以在進行全年總量計算時將工作日與非工作日分別計算，日排放總量Wd計算公式為:

Wd = k × h × N (3)

式中，N 為北京市餐飲企業總數。

全年污染物排放總量計算公式為:

Wy = Wd，g × 250 + Wd，j × 115 (4)

式中，Wy 為全年排放總量( t) ；Wd，g為工作日排放總 量( t·d － 1 ) ； Wd，j為非工作日排放總量( t·d － 1 )。

2. 結果與討論

2.1 油煙與顆粒物排放情況

41家餐飲企業的凈化前油煙與顆粒物排放情況見圖 1(a) ，油煙基準排放濃度范圍為0.14 ～ 6.25 mg·m－ 3 ，平均排放濃度1.93 mg·m－ 3 。從中可知，油煙基準排放濃度＜ 1. 0 mg·m－ 3 ，即滿足《餐飲業大氣污染物排放標準》( DB11/1488-2018)油煙排放限值要求的有13家企業，占比31.71%，這些企業不需加裝凈化設備即可滿足達標排放；油煙基準排放濃度 ≥1.0 mg·m－ 3的餐飲企業共28家，占比68.29%，其中油煙基準排放濃度≥2.0 mg·m － 3 ，即超標2倍的企業有16家，占調查總量的39.02%。由此可見，大部分餐飲企業需通過加裝凈化設備以油煙污染，滿足達標排放。DB11 /1488-201的編制說明中對100家餐飲企業的油煙測試結果為1.77 mg·m－ 3 ，與本研究的結果相近。而林立等的研究發現上海市餐飲企業平均油煙排放濃度為1.28 mg·m－ 3 ，朱春等發現湖南菜和廣東菜的油煙密度分別1.51mg·m－ 3 和 1.72 mg·m－ 3 ，均低于本研究結果，原因在于不同菜系之間的烹飪方式烹飪過程以及使用食用油種類和食材不同，可能造成油煙排放差異。

顆粒物排放情況見圖 1( b) ，顆粒物基準排放濃度范圍為 ＜ 0. 1 ～ 19.3 mg·m － 3 ，平均排放濃度為6.6 mg·m － 3 。從中可知，顆粒物濃度 ＜ 5 mg·m － 3 ，即滿足DB11 /1488-2018油煙排放限值要求的有21家企業，占比51.22%，這些企業無需安裝凈化設備即可滿足排放標準； 顆粒物基準濃度≥5 mg·m － 3 的餐飲企業共20家，占比48.78%，其中顆粒物基準濃度≥10 mg·m － 3 有8家，占比19.51%.DB11 /1488- 2018的編制說明中對100家餐飲企業的測試結果為7.50 mg·m－ 3 ，與本研究結果相近。林立等測得上海市餐飲企業顆粒物排放濃度為0.14 ～1.67 mg·m － 3 之間，溫夢婷等測得北京地區川菜、杭州菜以及燒烤等餐飲企業顆粒物排放濃度為1.38 ～ 1.81 mg·m－ 3 ，低于本研究結果.原因在于樣品會受采集斷面、凈化設備、采樣工況和餐飲企業菜系等因素影響，導致顆粒物排放濃度存在較大差異。

2.2 顆粒物與油煙排放濃度相關性分析

研究發現油煙與顆粒物的排放濃度具有一定相關性，分析結果見圖 2，統計結果見表 1。
      本研究分別對全部餐飲企業與不同菜系間餐飲企業的油煙與顆粒物濃度進行相關性分析，結果表明油煙與顆粒物之間存在強相關性，且不同菜系間存在差異；家常菜和燒烤排放的油煙與顆粒物表現為強相關性，而烤鴨和川湘菜的Pearson系數分別為0.8和0.9，表現出了很強的相關性，與孫鵬等對河南省鄭州市具有代表性餐飲企業排放油煙和顆粒物之間具有很高線性關系的研究結論相符。但是，有研究表明烤鴨排放的油煙與顆粒物之間相關性不好，與本研究的結論不同，可能由于本研究樣本中烤鴨均為電烤爐烹飪，與傳統果木烤鴨的油煙和顆粒物排放水平不同、樣品受采集條件和餐飲企業工況等因素影響。

2.3 NMHC排放情況

NMHC排放情況見圖 3，NAMC 的基準排放濃度范圍1.67 ～ 37.4 mg·m－ 3 ，平均排放濃度為10. 8 mg·m－ 3 。NMAC 排放濃度 ＜ 10 mg·m－ 3 ，滿足 DB 11 /1488-2018油煙排放限值要求的有22家企業，占比52. 63%； NMAC初始濃度≥10 mg·m－ 3 的餐飲企業共17家，占比42.5%，其中顆粒物基準濃度 ≥20 mg·m－ 3 有6家，占比15% 。DB11 /1488-2018 的編制說明中對100家餐飲企業的測試結果為7.50 mg·m － 3 ，與本研究的結果相近。55%的餐飲企業NMHC的初始排放濃度符合標準，無需進一步治理，約有一半的企業需要安裝VOCs治理設施，其中約有15%的餐飲企業需要安裝凈化效率高于60% 的VOC治理設施。是否推廣普及針對VOCs的凈設備有待商榷。

將本研究所得NMH數據與上海市餐飲企業VOCs排放濃度( 0. 87 ～ 7. 31 mg·m － 3 ) 進行對比，差異較大，原因可能是: ①凈化設備對VOCs有良好的凈化效果。本研究采集的為凈化前的樣品，而上海市的研究可能包含了凈化后的樣品；②樣本所覆蓋餐飲企業數量和菜系不同；③采樣時工況不同。

2.4 污染物排放總量估算

分別統計了41家餐飲企業的標況排放風量與平均基準灶頭數。如圖4所示，各餐飲企業在不同標況風量的區間內和不同折算灶頭數量下呈正態分布趨勢，標況風量平均值10 000 m3 ·h－ 1，折算灶頭數量平均值為5個。

經實地調查發現，工作日( 250 d·a－ 1 ) 餐飲企業作業時間集中12: 00 ～13: 00與18: 00 ～19: 00，主營項目為外賣；非工作日( 115 d·a－ 1 ) 堂食顧客較多，兼具大量外賣，作業時間主要集中在11: 30～13: 30與17: 30～19: 30，即工作日日均作業時長約2 h，非工作日約4h。按商務部統計的2018年北京市餐飲業市場主體5. 95萬戶，估算2019年工作日與非工作日北京市餐飲源油煙、顆粒物和NMHC的排放總量，并計算2019年全年排放總量分別為5512、18849和6169t． 結果見表 2。

2012年廣州市餐飲企業油煙全年排放15.6 t，與本研究估算的5512t相差較大。原因可能是廣州和北京的餐飲企業類型不同，并且調查中粵菜占比60%，粵菜以蒸、煲烹飪為主，油煙排放能力遠低于以煎、炸、烹、炒和烤為主的各大菜系。

上海市2014年餐飲源顆粒物排放總量為681～946 t，廣州市2011年餐飲源細顆粒物排放總量為2807.93t，均與本研究估18848t相差大，原因可能在于: ①本研究中采樣位置位于凈化設備前端，未考慮凈化設備對顆粒物的凈化效率；②本研究受顆粒物樣品采集方法所限，無法區分細 顆粒物與粗顆粒物，大量粗顆粒物的存在使得測算結果高于其它研究；③不同城市的主要餐飲類型占比不同。本研究估算顆粒物排放總量遠高于北京市2005年餐飲源細顆粒物排放總量( 2100 t)，除以上原因外，自2005年( 4.1萬家) 至2018年( 5. 95萬家) ，北京市餐飲企業數量增長30%。生活水平提高，外出就餐人數增加，同時外賣行業興起，導致餐飲源排放總量顯著增長。本文基于餐飲企業數量估算201年北VOC年排放總量為6169t，與上海2014年VOCs年排放總量相近( 4124.33 ～ 7818.04 t·a－ 1 ) 。作為特大城市，北京與上海的餐飲業VOCs排放強度相似。本研究估算的北京市VOCs排放總量高于廣州市2011年餐飲源VOCs排放總量1091.91t，該差異源自地區菜系差別． 本文與 Wang等基于上海市人口估算2018年北京的VOCs年排放總量( 1608.18 t·a－ 1 ) 相差近4倍，但是其基于餐飲企業數量與其基于上海市人口估算的2018年上海市VOCs年排放量相差也近4倍，產生這種差距的原因可能是兩種算法的統計學誤差。本研究估算的VOCs產生總量低于北京市2003年餐飲業VOCs排放總量10559t，可能是受樣品采集和檢測方法、采樣時工況、餐飲企業建筑結構和凈化設備等影響導致。

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；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。

■ 油煙監測設備用來監測油煙、顆粒物、NmHc等數據

■ 凈化器和風機配合對油煙進行凈化處理，同時對凈化設備的電流、電壓進行監測

■ 設備通過4G網絡將采集的數據上傳至遠程云端服務器

3.2平臺主要功能

（1）在線監測

對油煙排污數據的監測，包括油煙排放濃度，顆粒物，NmHc等數值采集監測；同時對風機和凈化器的啟停狀態、運行數據進行監測。

(2)告警數據監測

系統根據采集的油煙數值大小，產生對應的排放超標告警；對凈化器的運行數據分析，上傳凈化設備對應的運行、停機、故障等告警事件。

(3)數據分析

運行時長分析，離線分析；告警占比、排名分析；歷史數據統計等。

(4)隱患管理

系統對采集的告警數據分析，產生對應的隱患記錄，派發、處理隱患，及時處理告警，形成閉環。

(5)統計分析

包括時長分析、超標分析、歷史數據、分析報告等模塊。

(6)基礎數據維護

個人信息、權限維護，企業信息錄入，對應測點信息錄入等。

(7)數據服務

數據采集，短信提醒，數據存儲和解析。

3.3 油煙監測主機

油煙主機是現場的管理設備，實時采集油煙濃度探測器和工況傳感器的信號，進行數據處理，通過有線或無線網絡通訊將數據傳輸到服務器平臺。同時，對本地數據進行存儲，現場設備狀態，提供人機操作界面。

3.4設備選型方案

4.結論

(1) 選取的41家餐飲企業涵蓋了4種典型菜系，具有一定的代表性。北京市餐飲源產生污染物能力較強，油煙，顆粒物和非甲烷總烴的基準平均濃度分別為1.93、6.6與10.9 mg·m－ 3 ，均超過了北京市對餐飲企業排放的地方標準，對餐飲企業加裝凈化器十分有必要。

(2) 餐飲源產生的油煙與顆粒物之間存在較強的相關性，在對餐飲源排放污染物的監督管理過程中可以只對其中一項污染物進行檢測，用于評估此餐飲企業的排放能力，從而節省檢測費用。

(3) 估算了北京市2019年餐飲業油煙，顆粒物和NMHC的年產生總量，分別為5512、18849 和6169t，略高于實際排放數值。原因是本文選取的菜系排放水平稍高于其他菜系，且樣品均采集自凈化設備前端，未考慮凈化效率對實際排放總量的影響。

(4) 本研究為《餐飲業大氣污染排放標準》 ( DB11 /1488-2018) 發布后的在北京市范圍內對餐飲源污染物產生的普查。隨著近年來餐飲業的飛速發展，該行業產生的污染物總量呈現上升趨勢。本文提供了以北京為例的中國特大城市餐飲企業排放強度的估算數據與估算方法，為政府了解餐飲企業的排放強度提供了基礎數據，為治理特大城市餐飲企業污染提供數據支持，并提出了需要治理的對象

【參考文獻】

［1］劉芃巖，馬傲娟，邱鵬，等．保定市餐飲源排放 PM2.5中污染物特征及來源分析［J］．環境化學，2019，38( 4) : 770- 776.

［2］劉欣然．北京大氣氣溶膠中烴類污染物的特征研究［D］．北京: 中國科學院研究 生院 (大氣物理研究所)，2008．

［3］蔣燕，尹元暢，王波，等．成都市川菜烹飪油煙中VOCs排放特征及其對大氣環境的影響［J］．環境化學，2014，33( 11) : 2005-2006．

［4］孫成一，白畫畫，陳雪，翟翼飛，高啟天，何萬清，聶磊，石愛軍，李國傲.北京餐飲業大氣污染物排放特征.［J］環境科學.2020.

［5］安科瑞AcrelCloud-3500餐飲油煙監測云平臺.2020.05版.