王洪濤，黃潤垚，謝 麗，倪曉航

（1.同濟(jì)大學(xué)長江水環(huán)境教育部重點實驗室，上海 200092；2.聯(lián)合國環(huán)境規(guī)劃署-同濟(jì)大學(xué)環(huán)境與可持續(xù)發(fā)展學(xué)院，上海 200092）

在碳達(dá)峰與碳中和背景下，我國區(qū)域發(fā)展面臨新的挑戰(zhàn)和機(jī)遇。長江經(jīng)濟(jì)帶覆蓋我國11個省級行政區(qū)，總面積約205.23萬km2，人口和生產(chǎn)總值均超過全國的40%。隨著經(jīng)濟(jì)快速發(fā)展，區(qū)域內(nèi)各省市污水處理量迅速增加。2017年國家出臺了《長江經(jīng)濟(jì)帶生態(tài)環(huán)境保護(hù)規(guī)劃》，以推動該區(qū)域的綠色發(fā)展。

在眾多行業(yè)中，污水處理的碳排放強(qiáng)度較大。污水處理廠在運(yùn)行過程中通過消耗能源的方式去除污染物質(zhì)，同時排放大量溫室氣體［1］。當(dāng)前污水處理廠的主要減碳措施大都與能源有關(guān)，分別為降低能源消耗（reduce）、回收能源（recovery）與再生能源（renewables）［2］。因此，能源效率提升是污水處理廠節(jié)能減排和實現(xiàn)碳中和的重要途徑。污水處理廠能源效率評估經(jīng)歷了從歸一化（normalization）到前沿分析（frontier analysis）的發(fā)展［3］。其中，歸一化指直接將污水處理廠的某項產(chǎn)出同能源消耗做比值，而前沿分析則是基于水能耦合關(guān)系構(gòu)建投入產(chǎn)出框架。從歸一化到前沿分析，評估所得關(guān)鍵指標(biāo)（key performance indicator）的綜合度得到了較大提高，但其復(fù)雜程度也在上升［4］。以數(shù)據(jù)包絡(luò)分析（data envelopment analysis，DEA）為代表的線性規(guī)劃方法則是前沿分析的常見手段。現(xiàn)有研究主要存在以下問題：在使用DEA模型的過程中通常采用比值形式的投入和產(chǎn)出變量，無法直觀反映污水處理廠的實際狀況［3］，且所獲結(jié)果很可能超出生產(chǎn)可能集（production possibility set）［4］；缺乏對影響因素的系統(tǒng)性分析；缺乏對歸一化結(jié)果和線性規(guī)劃結(jié)果的綜合性研究。

本文以長江經(jīng)濟(jì)帶作為研究邊界，基于污水處理廠能源效率指標(biāo)（energy efficiency indicator，EEI）［5］，采用DEA綜合評估并結(jié)合歸一化方法，對污水處理廠能源效率進(jìn)行評估；同時分析了相關(guān)因素對能源效率的影響，為污水處理行業(yè)“雙碳”目標(biāo)的實現(xiàn)提供科學(xué)依據(jù)和技術(shù)支撐。

1 數(shù)據(jù)與方法學(xué)

1.1 數(shù)據(jù)收集與篩選

本文數(shù)據(jù)主要來源為《2018中國城鎮(zhèn)排水統(tǒng)計年鑒》，該年鑒收錄了2017年全國范圍內(nèi)3 460多座污水處理廠的基本信息以及運(yùn)行情況，其中關(guān)于長江經(jīng)濟(jì)帶9省2市（圖1）的污水處理廠數(shù)量為1 440座。本文從中摘錄的數(shù)據(jù)類型包括年總用電量、年污水處理總量、5種污染物指標(biāo)（COD、BOD5、TN、NH4+-N和TP）的年均入水質(zhì)量濃度和排放質(zhì)量濃度。此外，污水處理廠的設(shè)計處理能力（萬t·d—1）和主體工藝類型來源于生態(tài)環(huán)境部發(fā)布的《全國投運(yùn)污水處理設(shè)施清單》以及Dowater污水處理工程網(wǎng)數(shù)據(jù)庫。

圖1 長江經(jīng)濟(jì)帶研究邊界Fig.1 Study area of Yangtze River Economic Belt

為保證結(jié)果的可信度，本文對所有數(shù)據(jù)進(jìn)行了全面的篩查和清洗，具體流程見圖2。首先，為保障基本的分析條件，刪除了存在關(guān)鍵數(shù)據(jù)缺失和異常的污水處理廠條目，包括年總用電量、年污水處理總量、污染物年均入水質(zhì)量濃度與排放質(zhì)量濃度。后續(xù)通過《全國投運(yùn)污水處理設(shè)施清單》和Dowater污水處理工程網(wǎng)補(bǔ)充設(shè)計處理能力和工藝的相關(guān)數(shù)據(jù)，同時剔除兩項來源中存在不匹配情形的污水處理廠條目。因數(shù)據(jù)缺失、異常值、不匹配而刪除的條目數(shù)量分別為337、55和78。最后，共計獲得了長江經(jīng)濟(jì)帶970座污水處理廠的數(shù)據(jù)，其中上游、中游和下游的污水處理廠數(shù)量分別為236、274和460座。

圖2 數(shù)據(jù)收集與篩查流程Fig.2 Process of data collection and screening

1.2 能源效率評估與影響因素分析

（1）污水處理廠能源效率指標(biāo)構(gòu)建

某行業(yè)的能源效率可以用生產(chǎn)過程的有效產(chǎn)出和該生產(chǎn)過程中的能源投入的比率來表示［6］：

由于污水處理廠能源消耗的主要形式為電能，式（1）的投入可以設(shè)置為總電耗量（kWh）。同時，污水處理廠的產(chǎn)出可以從水量和水質(zhì)兩大角度加以呈現(xiàn)。通過歸一化即可實現(xiàn)對于污水處理廠能源效率指標(biāo)的量化，例如單位處理水量電耗（kWh·m-3）和單位COD削減電耗（kWh·kg-1）［7］。這些指標(biāo)在部分研究中亦被稱作能源強(qiáng)度（energy intensity，EI）［8］，對應(yīng)的公式如下：

然而，歸一化的計算方法難以將多個變量完全涵蓋在內(nèi)。對于污水處理廠而言，涉及的污染物的類型往往不止一種。因此，本文采用DEA的方法，將污水處理廠視作“多投入、多產(chǎn)出”的決策單元（decision-making units，DMUs）進(jìn)行非參數(shù)線性規(guī)劃運(yùn)算。其中的投入為年總用電量，而產(chǎn)出則為多種污染物削減量，包括COD、BOD5、TN、NH4+-N和TP。在參照前人研究［9-10］的基礎(chǔ)上，遵循規(guī)模報酬可變（variable returns to scale，VRS）的條件選擇，采用SBMDEA的超效率模型［11］。DEA的運(yùn)算結(jié)果為效率得分，該得分描述了DMU的相對有效程度，數(shù)值越大代表對應(yīng)DMU的效率水平越高［12］。從定性分析的角度，效率得分小于1的DMU為相對無效的生產(chǎn)單元，而其他則為有效單元［13］。有效單元為無效單元的參考標(biāo)桿。本文的評估對象為污水處理廠，因此直接將有效單元定義為標(biāo)桿污水處理廠，而將無效單元稱為普通污水處理廠。對于投入產(chǎn)出變量的統(tǒng)計見表1，其中的年總處理水量僅用于式（2）單位處理水量電耗的歸一化運(yùn)算。

表1 污水處理廠能源效率指標(biāo)相關(guān)變量統(tǒng)計Tab.1 Statistics of input and output variables for energy efficiency indicators of wastewater treatment plants

（2）影響因素分析

本文從設(shè)計要素、運(yùn)行狀況和外部條件揭示標(biāo)桿污水處理廠和普通污水處理廠的特征與影響情況，具體因素及其聚類詳見表2。

表2 影響因素類別與聚類Tab.2 Categories and clusters of the influencing factors

其中，設(shè)計要素包括規(guī)模（萬t·d—1）和主體工藝。對于規(guī)模，采用的數(shù)據(jù)類型為污水處理廠的實際處理負(fù)荷（即年總處理水量），其聚類劃分參考住房與城鄉(xiāng)建設(shè)部發(fā)布的《城市污水處理廠建設(shè)標(biāo)準(zhǔn)》。對于工藝，則依據(jù)《城市污水處理廠建設(shè)標(biāo)準(zhǔn)》和現(xiàn)有文獻(xiàn)［14］的分類方式劃分出12個主要類別：厭氧-缺氧-好氧（anaerobic-anoxic-oxic，AAO）、厭氧-好氧（anaerobicoxic，AO）、氧化溝（oxidation ditch，OD）、序批式活性污泥法（sequencing batch reactor，SBR）、循環(huán)活性污泥技術(shù)（cyclic activated sludge technology，C-Tech）、傳統(tǒng)活性污泥法（conventional activated sludge technology，CAS）、改良序批式活性污泥法（modified sequencing batch reactor，MSBR）、曝氣生物濾池（biological aerated filter，BAF）、膜生物反應(yīng)器（membrane bio-reactor，MBR）、移動床生物膜工藝（moving bed biofilm reactor，MBBR）及組合工藝。其中，組合工藝主要是AAO或OD等活性污泥衍生方法和膜工藝的聯(lián)用，例如缺氧/好氧-膜生物反應(yīng)器［15］。而僅注明“二級生化”的污水處理廠都被納入了“其他”的聚類中。運(yùn)行狀況包括5種污染物指標(biāo)（即COD、BOD5、TN、NH4+-N和TP）的入水質(zhì)量濃度。外部條件包括排放水質(zhì)的達(dá)標(biāo)情況和空間位置。參照《城鎮(zhèn)污水處理廠污染物排放標(biāo)準(zhǔn)GB18918-2002》的限值，將排放水質(zhì)劃分為4種不同的排放情況，即一級A、一級B、二級和低于二級。

本文一方面揭示污水處理廠能源效率隨不同影響要素聚類的變化趨勢，另一方面則通過統(tǒng)計學(xué)方法分析影響因素的作用情況。對于聚類中數(shù)據(jù)類型為有序分類資料的因素，采用二分類邏輯回歸（binary logistic regression）探索該因素對標(biāo)桿污水處理廠的顯著性與傾向性。該類型因素包括規(guī)模、污染物入水質(zhì)量濃度和排放達(dá)標(biāo)情況等。其中，通過假定概率（probability，P）判斷影響顯著水平，通過優(yōu)勢比（odds ratio，OR）的大小判斷不同影響因素的增大對能源效率定性結(jié)果的作用情況，并依據(jù)受試者工作特征（receiver operating characteristic，ROC）曲線下方的面積（area under curve，AUC）確定二分類邏輯回歸結(jié)果的可信度。同時，對于聚類中數(shù)據(jù)類型為無序分類資料的因素（即主體工藝和空間位置），采用卡方檢驗（Chi-square test）推斷標(biāo)桿與普通污水處理廠構(gòu)成比的差異情況。對于理論頻數(shù)小于1或總例數(shù)小于40的情形，采用Fisher確切概率法。

2 結(jié)果與討論

2.1 能源效率指標(biāo)評估

對于3種能源效率指標(biāo)的統(tǒng)計如表3所示。單位處理水量電耗平均值為0.32 kWh·m—3，單位COD削減電耗平均值為1.99 kWh·kg—1，而相對能源效率的平均值為0.33。單位處理水量電耗和單位COD削減電耗數(shù)值越低，表明污水處理廠能源效率越高；而相對能源效率越高，代表其能源效率越高。從表3可見，各項能源效率指標(biāo)的最大值和最小值之間差距較大，可認(rèn)為長江經(jīng)濟(jì)帶970座污水處理廠的能源效率水平存在較大差異。

表3 長江經(jīng)濟(jì)帶970座污水處理廠能源效率指標(biāo)基本統(tǒng)計Tab.3 Basic statistics on energy efficiency indicators of 970 wastewater treatment plants in Yangtze River Economic Belt

相對能源效率的評估結(jié)果顯示，長江經(jīng)濟(jì)帶970座污水處理廠中有27個樣本被判定為標(biāo)桿污水處理廠，占總體比重僅為2.78%，其余943個樣本則為普通污水處理廠。相對能源效率與兩項能源強(qiáng)度指標(biāo)總體呈負(fù)相關(guān)（圖3），且與單位處理水量電耗的散點圖趨勢更為離散（圖3a）。鑒于長江經(jīng)濟(jì)帶970座污水處理廠在能源效率指標(biāo)方面存在較大差異，后續(xù)將從設(shè)計要素、運(yùn)行狀況和外部條件進(jìn)行影響因素特征分析。

圖3 相對能源效率與能源強(qiáng)度指標(biāo)對比分析Fig.3 Comparative analysis on the relative energy efficiency and the energy intensity indicators

2.2 影響因素特征分析

（1）設(shè)計要素

長江經(jīng)濟(jì)帶970座污水處理廠不同處理負(fù)荷以及主體工藝的相對能源效率見圖4。隨著處理負(fù)荷的增大，各聚類污水處理廠的相對能源效率呈現(xiàn)出單調(diào)遞增的趨勢，無論是均值還是中位數(shù)都有明顯上升。對于主體工藝按照均值從小到大的排序如圖4b。總體而言，采用活性污泥法相關(guān)工藝的污水處理廠的相對能源效率均值較高，而配備了MBBR、其他、組合工藝的污水處理廠的相對能源效率均值偏低。值得注意的是，OD工藝雖然從均值角度排名靠后，但其擁有許多相對能源效率較高的污水處理廠，其中有9座污水處理廠被判定為標(biāo)桿。本文OD工藝對應(yīng)的污水處理廠樣本數(shù)量為347，是970個樣本中數(shù)量最多的工藝。因此，OD工藝總體較低的相對能源效率均值和其較大的樣本量有關(guān)。

圖4 不同設(shè)計要素的污水處理廠的相對能源效率Fig.4 Relative energy efficiency of wastewater treatment plants in respect of designed parameters

二分類邏輯回歸對于處理負(fù)荷的檢驗結(jié)果顯示，P值小于0.001，這意味著規(guī)模對污水處理廠相對能源效率具備顯著影響。不同規(guī)模在邏輯回歸分析過程中的AUC高于0.5，因此分析結(jié)果的可信度較高。此外，其OR等于2.373，這意味著污水處理廠的處理負(fù)荷每增大一個單位，其成為標(biāo)桿污水處理廠的概率約為變化前的2.373倍。該現(xiàn)象符合“規(guī)模效應(yīng)”，即污水處理負(fù)荷越高，對應(yīng)的能源效率越高［16］。針對不同工藝的Fisher確切概率法檢驗結(jié)果顯示，P值小于0.001，即不同工藝內(nèi)部標(biāo)桿與普通污水處理廠的構(gòu)成比存在顯著差異。如表4所示，部分工藝類別的聚類中不包含任何標(biāo)桿污水處理廠，包括MSBR、MBBR、其他（二級生化）和組合工藝。除MSBR以外，和活性污泥法相關(guān)的工藝都具備一定數(shù)量的標(biāo)桿污水處理廠，這也說明活性污泥相關(guān)處理工藝的能源效率水平整體較優(yōu)。

表4 不同主體工藝聚類污水處理廠能源效率指標(biāo)統(tǒng)計Tab.4 Statistics on energy efficiency indicators of wastewater treatment plants in different clusters of technical processes

（2）運(yùn)行狀況

對于不同污染物入水質(zhì)量濃度的相對能源效率情況如圖5，污水處理廠頻數(shù)在不同入水質(zhì)量濃度聚類間的分布相對均勻。無論哪一種污染物，在入水質(zhì)量濃度較高的情況下，對應(yīng)污水處理廠的相對能源效率也更高，該項特征從COD的角度尤為明顯（圖5a）。

同時，依據(jù)二分類邏輯回歸的結(jié)果，所有污染物對應(yīng)的P值都小于0.001，可認(rèn)為不同程度的污染物入水質(zhì)量濃度對污水處理廠能源效率具有顯著影響。由于本文所涉及的5種污染物對應(yīng)的AUC皆高于0.5，可認(rèn)為回歸結(jié)果的可信度較高。入水COD質(zhì)量濃度的OR值等于7.712，這意味著入水COD質(zhì)量濃度在對應(yīng)的聚類中每增大一個級別，對應(yīng)的污水處理廠樣本點成為標(biāo)桿污水處理廠的概率增大至7.712倍。較高的入水COD質(zhì)量濃度意味著較為充足的碳源，有利于污染物的生化處理。這一點在其他文獻(xiàn)中也有報道，例如較高的入水COD質(zhì)量濃度可以促進(jìn)資源回收［17］和能源回收［18］的效果。類似地，入水BOD5質(zhì)量濃度和入水TN質(zhì)量濃度的OR值分別為5.338和3.210。由此可推斷，入水BOD5質(zhì)量濃度和入水TN質(zhì)量濃度每增大一個級別，污水處理廠從相對能源效率的角度被判定為標(biāo)桿的概率將上升至5.338和3.210倍。對NH4+-N和TP而言，情況是類似的，其OR值分別為3.091和3.029。據(jù)相關(guān)研究，若污水處理廠入水質(zhì)量濃度低，其能源消耗強(qiáng)度會更大［3］，但若以處理單位水量的能耗來計，則會得到相反的結(jié)論［3］。在規(guī)模條件較為接近的情況下，污染物入水質(zhì)量濃度越高，意味著可供削減的污染物總量也越大。盡管更高的污染物質(zhì)量濃度所對應(yīng)的能源消耗總量也更大，但其相對能源效率反而更高。

（3）外部條件

對于不同排放標(biāo)準(zhǔn)和空間位置的污水處理廠能源效率評估結(jié)果見圖6。按照不同排放標(biāo)準(zhǔn)聚類，從“一級A”到“一級B”，再到“二級”和“低于二級”，相關(guān)污染物的排放質(zhì)量濃度增加。換言之，污水處理廠所執(zhí)行的排放限值也在趨于寬松。由圖6a可知，“低于二級”的污水處理廠樣本點的相對能源效率值遠(yuǎn)高于其他3個排放條件的聚類。

二分類邏輯回歸檢驗結(jié)果顯示，不同的排放標(biāo)準(zhǔn)對于污水處理廠的能源效率具備顯著統(tǒng)計學(xué)差異（P值＜0.01）。其AUC高于0.5，回歸結(jié)果的可信度較高。同時，OR等于2.233，意味著隨著達(dá)標(biāo)級別的下降，污水處理廠樣本點成為標(biāo)桿污水處理廠的概率上升至2.233倍。由此可以推測，污水處理廠排放限值越嚴(yán)格，對應(yīng)的能源效率就會越低。相關(guān)文獻(xiàn)結(jié)果表明，趨于嚴(yán)苛的排放標(biāo)準(zhǔn)將引起更多的能源消耗與碳排放足跡［19］，提高污水排放標(biāo)準(zhǔn)對于化石燃料、全球氣候的潛在影響是成倍增加的［20］。本文的結(jié)果與上述結(jié)論一致，即排放限值的嚴(yán)苛程度對污水處理廠能源效率具備顯著影響。

從圖6b中看，依據(jù)空間位置所劃分的聚類中，長江經(jīng)濟(jì)帶上、中、下游污水處理廠樣本點的相對能源效率均值及中位數(shù)總體較為接近。同時，27個標(biāo)桿污水處理廠在長江經(jīng)濟(jì)帶上、中、下游子區(qū)域的分布頻數(shù)分別為8，2和17，占比3.39%、0.73%和3.70%，可認(rèn)為不同子區(qū)域中標(biāo)桿和普通污水處理廠的構(gòu)成比具備一定的顯著差異（Fisher確切概率法，P值＜0.05）。對于不同空間位置污水處理廠的能源效率指標(biāo)統(tǒng)計如表5所示。

表5 長江經(jīng)濟(jì)帶不同空間位置污水處理廠能源效率指標(biāo)統(tǒng)計Tab.5 Statistics on energy efficiency indicators of wastewater treatment plants in different spatial location of Yangtze River Economic Belt

圖6 不同外部條件的污水處理廠的相對能源效率Fig.6 Relative energy efficiency of wastewater treatment plants in respect of externalities

依據(jù)表5，從相對能源效率的角度，下游地區(qū)的污水處理廠的總體表現(xiàn)較好。從單位處理水量電耗的角度，下游地區(qū)的標(biāo)桿及普通污水處理廠全面優(yōu)于中游和上游；而上游的標(biāo)桿污水處理廠優(yōu)于中游，但普通污水處理廠劣于中游。從單位COD削減電耗的角度，上游總體優(yōu)于中游和下游，一方面其標(biāo)桿污水處理廠的均值等于1.57 kWh·kg—1，遠(yuǎn)低于中游和下游標(biāo)桿污水處理廠的數(shù)值；另一方面，上游的普通污水處理廠的均值等于1.98 kWh·kg—1，與下游的1.94 kWh·kg—1較為接近，同時高于中游地區(qū)普通污水處理廠的總體水平。

圖5不同入水水質(zhì)的污水處理廠的相對能源效率Fig.5 Relative energy efficiency of wastewater treatment plants in respect of influent water quality

2.3 長江經(jīng)濟(jì)帶污水處理廠特征分析

對長江經(jīng)濟(jì)帶970座污水處理廠樣本點從污染物削減率、排放質(zhì)量濃度和設(shè)計規(guī)模方面的特征歸納如圖7所示。從污染物削減率的角度，中游地區(qū)污水處理廠的總體水平最低，而上游和下游地區(qū)相對接近（圖7a）。

此外，本文970座長江經(jīng)濟(jì)帶污水處理廠樣本點中，大多數(shù)都達(dá)到了GB18918-2002一級B的限值（圖7b）。上、中、下游設(shè)計規(guī)模間于1～5萬t·d—1的污水處理廠數(shù)量分別為116、183和271座，合計570座（圖7c）。因此，長江經(jīng)濟(jì)帶以中小型污水處理廠為主。值得注意的是，下游地區(qū)擁有的大型污水處理廠數(shù)目最多，設(shè)計處理能力不低于10萬t·d—1的污水處理廠數(shù)目合計61座，并且其中3座的設(shè)計處理負(fù)荷高于50萬t·d—1。結(jié)合2.2節(jié)的相關(guān)結(jié)果，下游地區(qū)總體較高的能源效率水平與該區(qū)域數(shù)目較多的大規(guī)模污水處理廠有關(guān)。

圖7 長江經(jīng)濟(jì)帶子區(qū)域污水處理廠樣本點特征分析Fig.7 Characteristics of 970 wastewater treatment plants in the subregions of Yangtze River Economic Belt

3 結(jié)論

本文對長江經(jīng)濟(jì)帶970個污水處理廠樣本進(jìn)行能源效率評估和影響因素分析。采用的指標(biāo)為相對能源效率、單位處理水量電耗和單位COD削減電耗，考慮的影響因素包括設(shè)計要素、運(yùn)行情況和外部條件。結(jié)果表明：較大的處理規(guī)模和較高的污染物入水質(zhì)量濃度有利于污水處理廠達(dá)到較高的能源效率水平，而較為嚴(yán)格的排放標(biāo)準(zhǔn)會降低污水處理廠的能源效率；采用活性污泥法相關(guān)工藝的污水處理廠總體能源強(qiáng)度和能源效率水平均較高；長江經(jīng)濟(jì)帶上、中、下游子區(qū)域污水處理廠的能源效率水平存在較大差異，主要是由于不同區(qū)域污水處理廠的規(guī)模、入水水質(zhì)和排放質(zhì)量濃度等要素綜合作用的結(jié)果。

作者貢獻(xiàn)聲明：

王洪濤：學(xué)術(shù)指導(dǎo)，研究方案制定，數(shù)據(jù)分析，論文撰寫與修改。

黃潤垚：資料搜集，數(shù)據(jù)處理，論文撰寫與修改。

謝 麗：學(xué)術(shù)指導(dǎo)，論文審閱。

倪曉航：修改論文。