西班牙污水处理厂的能源效率:一种非径向DEA方法外文翻译资料

 2022-12-21 04:12

英语原文共 7 页,剩余内容已隐藏,支付完成后下载完整资料


西班牙污水处理厂的能源效率:一种非径向DEA方法

摘要:污水处理厂属于能源密集型产业。因此,减少它们的碳足迹对经济和环境都很重要。了解污水处理厂的实际运行效率,才能更有针对性的提出节能方式。。本文采用非径向数据包络分析(DEA)方法,参考相关文献,确立了西班牙污水处理厂的能源效率指标,并利用DEA模型计算污水处理厂的能源效率。在第二阶段的分析中,我们分析了使工厂能源效率不同的操作变量。结果表明,样本中污水处理厂的能量效率较低,只有10%是有效的。我们发现,污水处理厂的规模大小、去除有机物的数量和污水处理生物反应器曝气的类型三者是解释污水处理厂能源效率差异的重要变量。相比之下,工厂的存续年限并不是污水处理过程中能源消耗大小的决定性因素。最后,我们量化了污水处理厂能源效率的提高所带来的潜在节约,结果表明,提高污水处理厂的能源效率,可以节省成本,减少CO2排放

关键词:能源效率;非径向DEA方法;污水处理 CO2 排放;能源节约

1 引言

水和能源密切相关。水系统循环的每一步,包括饮用水处理与供应、废水收集和净化——都需要能源,水则是维持水力发电和大多数火力发电厂运行的重要能源。(全球水研究联盟,2010)。此外,在科学界有一种普遍的认知,即鉴于对愈加频繁的极端天气的预测,如未来几年的热浪和强降雨,气候变化可能会影响水和能源资源的数量和质量。(Rahmstor,2009)。气候变化引起的水循环变化可能会对供水和废水处理基础设施产生重大影响(Cromwell等,2010)。

联合国政府间气候变化专门委员会预估,为实现到2030年全球地表气温上升不超过3°c的目标,温室气体排放需要减少60%。为了实现这个目标,废水处理厂有很大的作用。因为过去的数十年间能源消耗增长的相当快,废水处理量随之增加,同时现在针对提高废水利用效率的技术在被广泛推广使用,所以废水处理厂能够在很大程度上减少当前温室气体的排放量。

然而,我们也应注意到减少废水处理工厂的碳足迹不仅对环境有影响,它也会对经济产生影响。在过去几年中,能源消费持续增长,从2005年27个欧盟成员国的年均0.0756euro;/KWh到2009年的0.1023euro;/KWh。因此,能源成为污水处理中一个重要的消费因子,仅次于个人消费的能源。尽管技术有差别,但国家间在每立方米污水处理中能源的消耗量相差不大。

污水处理厂在处理污水过程中消耗的能源是不同的。这种区别取决于废水性质、废水处理所用的技术水平、合格污水的质量和工厂规模。西班牙的能源局指出,有高端污水处理设备的污水处理厂消耗的能源小于没有先进废水处理设备的工厂。不管是什么规模的污水处理厂,大多能源都是被消耗在处理微生物上。事实上有许多研究表明在污水处理过程中,生物反应器曝气所消耗的能源占据了能源消耗的50%-60%。

我们应该记住,这个行业的能源需求将随着时间的推移而增长,这是由于多种因素引起的。比如人口增长及其相应的待被处理的污染物负荷的增长,日益严格的监管、环保污水质量标准不断提高和废水再利用日益受到重视等原因。预计这些变化将导致更多的能源密集型的加工过程(Schosseler等,2007)。因此,污水处理越来越多地考虑到能源消耗的优化设计、设备及技术作业的效率、能源回收过程以及能源价格的良好管理。显然,更高的能源效率意味着更低的能源消耗,更低的温室气体排放,更低的废水处理厂的运营成本(Zhou等,2008)。

在经济学领域,测算生产率是学界长期研究的一个问题。效率分析方法同样对于自来水公司很有用(Thanassoulis,2000)。在实际应用中,这些工具在该领域的应用很少,尤其是在污水处理领域。部分作者(Marques,2006;Estache和Trujillo,2003;Tupper and Resende, 2004))在为提供饮用水和废水处理服务的水公司测量效率时,将待处理的废水量作为一个变量。然而,这并不能作为衡量污水处理厂技术和经济运行效率的方法,因为它没有考虑到污水处理过程中特定的污染物可能会消除产量和成本因素带来的影响。Hernandez-Sancho和Sala-Garrido(2009)采用了一种不同的方法,专门研究污水处理工厂的技术和经济效率。本研究采用数据包络分析法(DEA),对台湾养猪场污水处理效率与西班牙城市污水处理厂污水处理效率进行了比较。两篇论文使用了径向DEA模型来测量每个污水处理厂的综合效率。这种模型的缺点是它没有提供关于特定输入效率的信息。为了克服这一问题,本文采用了非径向DEA方法,使我们能够得到过程中每个变量的效率指标。这种模型的最大优点是,它可以确定具体的投入,以便提高正在研究的单个指标的效率。

考虑到污水处理厂的能源消耗对经济和环境的重要影响,我们研究的主要目标是提供一个分析工具测量污水处理过程的节能程度,以及其对经济和环境的影响。利用非径向DEA模型,对位于巴伦西亚地区(西班牙地中海沿岸)的污水处理厂取样,对这批污水处理厂能量效率评分。第二步,我们使用非参数测试来确定按不同运行变量分类的污水处理厂之间的能源效率是否存在统计上的显著差异。最后,我们定义了一个综合改善指数和一个相对改善指数,量化潜在的经济节约和潜在的二氧化碳排放量减少量,以及该改善是否提高了能源效率。

2 数据和方法

2.1 非径向数据包络分析

在经济产值领域,效率一词代指可用资源的有效利用。比如在现有技术基础上所有的投入都被有效使用。Farrell(1957)以生产的前沿面作为每个生产单元在测量效率时的参照标准。这个方法是DEA模型在经济领域使用的起点。

Charnes等(1978)认为,DEA是一种数学编程技术,它允许建立一个包络面或有效的生产前沿,以评估所有被研究或决策单元(DMU)的效率。因此,那些建立包络面的DMUs被认为是有效单元(其效率指数等于1),而那些不停留在包络面的DMUs被认为是低效单元(其效率指数小于1)。同样,DEA可以用来确定每个DMU的相对效率,只要它们在某种意义上是可比较的,即它们都消耗相同的投入指标(尽管数量不同),并产生相同的输出集(Pastor和Aparicio,2010)。

当且仅当其输入量固定不可能增加其输出量,且不可能在不改变所得输出量的情况下减少其输入量时,单元被认为是有效的(Charnes等,1996)。那些被确定为有效单元的DMUs代表了最佳实践,可作为评估其余DMUs效率的参考。要更详尽地研究DEA方法,读者可以参考Coelli 等(2005)、Cooper 等(2007)、Stewart(2010)等人的著作。

DEA衡量每个研究单位的综合效率。也就是说,它测量所有输入(所有输出的增量)的最大径向(比例)减少量,从而将单元的效率提高到最高效单元的水平(Sueyoshi和Goto, 2011)。然而,考虑到大多数生产流程有多个输入和输出,径向DEA建模并没有提供关于干预流程的特定输入或输出效率的信息(取决于模型的方向)。为了解决这个问题,Fare等人(1994)开发了一系列非径向DEA模型,其中测如何在投入最小化时实现产出最大化。换句话说,这种模型为流程中的每个变量提供了一个效率指示器。这类指标的最大优点是,它使我们能够确定具体是哪个指标提高了生产单元的效率。Athanassopoulos(1996)、Zhou 等(2007)、Zhong 等(2011)、Chen 等(2011)等人的研究使得这种方法得到了越来越多的应用。在此背景下,我们开始使用Fare等(1994)定义的非径向DEA模型评估样本中污水处理厂的效率,从而确定能源效率的具体指标。

给定K = 1,2,hellip;,K,每一个指标利用向量xk =(xk1 xk2,hellip;,xkN)产生一个向量输出yk =(y k1 yk2,hellip;,ykM),以该向量输出和加强矢量lambda;为变量,综合效率指数(称为罗素测量)使用以下表达式,在该公式中,每个投入指标的效率指数的平均值被最小化。

(1)

不同于所有投入都被以相同比例最小化的径向测量方式,该公式把不同种类的投入指标以不同的比例最小化了。在每一阶段,我们可以通过现行程序优化,实现能源效率最优。

(2)

在这个公式中,RM指的是罗素测量方法,每一个可得的theta;n都是投入变量的效率指标。

2.2 外部变量和操作变量

我们继续第二阶段的分析,以确定哪些变量解释了效率指标获得。对于第二步,可以使用两种近似方法。最常见的方法是使用回归分析,例如经过检查的Tobit回归或转换效率估计后的普通最小二乘。这一过程缺乏理论依据,存在重要缺陷(Picazo-Tadeo等,2009)。从概念上看,Grosskopf(1996)指出,如果为第二个分析步骤选择的变量预期会影响效率,那么它们应该包含在第一个建模步骤中,以获得效率得分。从技术角度看,如果基于第一阶段DEA效率估计值进行第二步分析,则会得到错误的结果,这主要是由于错误项与第二阶段协变集之间的序列相关性(Simar和Wilson,2007)。另一种方法是对单元进行分组(如污水处理厂),根据与效率相关的特定特征或操作变量,通过非参数假设检验,验证各组效率得分是否存在统计学上的显著差异。我们选择了第二种方法,使用Kruskal - Wallis非参数检验(有关非参数检验的更多信息,请参见Kruskal和Wallis(1952)和Conover(1999)。

2.3 综合改善指数和相关改善指数

最后,通过单元效率指标,可以量化单元效率提高带来的潜在节约空间。这一计算以能源效率较低的工厂组为参照依据,假设工厂在有效运行的情况下,它的能源成本和消耗的改进水平。此外,使用之前确定的解释能源效率差异的变量,我们可以量化效率较低的WWTPs的相对节约水平,计算方法如下:

(3)

(4)

在公式中,TII指综合改善指数,Eew指的是低效组的平均效率指数,RVew指的是低效组的典型变量,RII指的是相对改善指数,Eeb指的是高效组的平均效率指数。

3 样本数据

在本研究中,我们以177个位于西班牙东部巴伦西亚地区的污水处理厂作为样本。根据Dyson等的研究数据(2001), DEA对评价单元进行了一系列同质性假设。首先,假定这些单位从事类似的活动和生产类似的产品。第二个假设与决策单元的数量、输入和输出有关。这些作者建议,从业者需要DMUs的数量至少为2(mtimes;s),其中mtimes;s是输入数量和输出数量的乘积(“经验法则”)。因此,为了确保每个污水处理厂的能源效率指数具有可比性,有必要选取使用相同处理技术和消除相同种类污染物的工厂(ODonell等,2008)。关于投入和产出的数目,审议了6个投入和2个产出。

废水处理是一种去除废水污染物的过程。由于在污水处理厂污水处理系统分析中,废水的来源基本上来自家庭使用,而不加控制地倾倒具有生物毒性的工业残渣,因此本研究考虑了两种产出(废水中去除的污染物):悬浮物(SS)和作为化学需氧量(COD)测量的有机物。两者均以物理单位(mg/L)表示。几乎所有的内陆水域都自然地携带着来自风化和侵蚀的有机物,它们的存在是危险的,只有当水平异常高或持续异常长的时间——因此改变了自然栖息地。如果有机物质不从废水中去除,它就会被接收环境中的微生物降解,这意味着大量的氧气被消耗掉。其结果可能是缺氧(生物体中氧含量低)和水中溶解氧缺乏(Hernandez-Sancho等,2010)。

所需投入以euro;/m3表示,分为6类:能源、人力成本、生物试剂、维修费用、废物管理费用和其他费用。能源成本包括能源消耗(功率项)的固定部分和可变部分(能源消耗)有关的成本。员工成本包括工资、社会保险费用、税收和社会保险。生化试剂包括水和污泥所需试剂的费用。维修费用包括设备和机械的维修和更换。废物管理成本包括在成本之内。

4 结果和讨论

为了计算出177家污水处理厂能源利用效率指数,我们应用模型(2)。作为第二部分的解释,使用一个非径向DEA模型,使我们获得每个工厂的综合效率指数。表3显示了我们的污水处理厂的样本的平均值。可以看出,每个输入的效率水平较低,因此整个组的综合效率较低。综合效率指数为0.288,表明污水处理厂有很大的改善潜力。如果我们认为一个单元在得分为1时是有效的,那么所研究的污水处理厂如果在效率边界运行,可以节省大约70%的投入(成本)。这项详细的研究很有价值,但超出了我们的分析范围。尽管如此,表3所示的数据也很有意义,数据显示,在所审议的所有指标中,劳动力和能源的效率指数最高。这一发现证实了能源管理的重要性和旨在减少能源消耗的努力的价值。

除了这些具体的结果,我们还开始分析这些污水处理厂的能源效率及其潜在的能源节约能力。现在,我们将侧重分析污水处理厂中某一具体指标的效率指数,以及相应的决定因素。图1为各工厂的能源指数,图2为工厂的效率指数。我们可以再次看到一组污水处理厂的低效率水平分析,有一小部分工厂是有效运行的。具体来说,176个工厂中只有

剩余内容已隐藏,支付完成后下载完整资料


资料编号:[21178],资料为PDF文档或Word文档,PDF文档可免费转换为Word

原文和译文剩余内容已隐藏,您需要先支付 30元 才能查看原文和译文全部内容!立即支付

以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。