中国省级层面的光伏组件退役动态容量预测及环境效益评估

《Waste Management》：Provincial-Level dynamic capacity projections and environmental benefit assessment of photovoltaic module decommissioning in China

中国可再生能源转型将导致光伏废弃物激增。本研究通过灰色预测、ARIMA时序模型和生长模型构建多情景光伏装机容量预测体系，结果显示2035年达3569GW，2050年达5006GW，伴生69百万吨废弃物及6000-42000吨贵金属回收潜力，可减少1.03×101?-6.17×101? kg CO?当量排放。通过整合不同失效概率的Weibull模型参数设置，实现了对模块寿命分布的精细化模拟，并构建包含经济、环境、社会三维度影响的省级-国家级综合评估框架。

　　中国在实现碳中和目标的推动下，正在加速向可再生能源转型。这一过程预计会带来大量光伏（PV）废弃物的产生，从而对环境、经济和社会产生深远影响。本研究通过结合历史数据与低碳增长预测，构建了多种光伏装机容量情景，并评估了其在不同维度上的影响。研究结果表明，到2035年，中国的光伏装机容量预计将达到3,569吉瓦（GW），而到2050年则可能进一步增长至5,006 GW。同时，研究也考虑了最低装机容量情景，分别为741 GW和1,034 GW。到2050年，累计产生的光伏废弃物可能高达6900万吨，其中蕴含的贵金属回收潜力为6,000至42,000吨。通过回收这些废弃物，预计可以减少1.03×101?至6.17×101?千克的二氧化碳当量（CO? eq），凸显了光伏回收在环境可持续发展中的重要作用。这些发现表明，基于情景的综合分析对于理解光伏组件退役过程和指导省级层面的主动废弃物管理策略具有关键意义。

光伏发电被认为是未来电力供应的重要来源之一。自2015年以来，中国的光伏装机容量和发电量持续增长，其在全球光伏市场中的份额也从2015年的19.7%上升至2024年的47.6%。中国一直是全球光伏装机容量最大的国家，并预计未来仍将继续保持增长态势。随着可再生能源在中国能源结构中的占比不断上升，退役光伏组件的管理变得越来越复杂。鉴于中国在全球光伏安装中的领先地位，以及光伏组件通常具有25至30年的使用寿命，中国正面临大量废弃物的产生。有效的回收机制不仅有助于减少环境危害，还能充分利用回收材料的经济、环境和社会效益。因此，对光伏废弃物进行全面评估，对于推动回收技术发展和相关产业进步，具有重要的实践意义。

准确的光伏废弃物预测依赖于精确的装机容量预测。灰色预测模型，如GM(1,1)及其扩展模型，适用于小样本预测，并能够提供合理的短期预测。然而，这些模型对数据中的异常值或突然波动较为敏感。例如，张等人（2022）曾利用GM(1,1)模型预测中国的光伏装机容量，随后有研究将灰色模型与神经网络结合，以在有限历史数据的情况下提高预测的准确性。此外，时间序列模型，如ARIMA模型，更适合处理较长的时间序列，能够捕捉到潜在的趋势和季节性因素，从而在数据充足的情况下提供更为一致的预测。然而，这类模型通常需要较大的数据集，并假设数据具有平稳性，这可能无法完全契合中国快速发展的光伏产业。

在政策和目标驱动的情景设定中，增长模型（如指数增长和逻辑增长模型）被广泛使用。指数增长模型能够有效描述行业在未达到饱和阶段时的快速扩张，而逻辑增长模型则适用于行业增长放缓并接近极限的情况。尽管这些模型在实际应用中非常普遍，但单一的装机容量目标可能无法全面反映行业发展的多种可能性。因此，本研究通过结合多种方法与情景假设，为光伏装机容量预测提供了系统性的基础，从而支持后续对光伏废弃物生成和回收潜力的估算。

另一个影响光伏回收全面评估的关键因素是光伏组件的失效概率模型。假设光伏组件的寿命是恒定或线性变化的，虽然可以简单地建立光伏组件的废弃物流（Paiano, 2015），但无法准确模拟实际的失效概率。威布尔模型已被证明能够有效描述光伏组件的失效概率（Azeumo et al., 2019；Kumar and Sarkar, 2013）。目前大多数研究选择典型的情景，如常规失效和早期失效，以确定评估中的形状参数（Mahmoudi et al., 2021；Santos and Alonso-García, 2018；Yu et al., 2024）。然而，中国光伏产业的快速技术演进导致不同生产时期的组件质量与性能存在差异。此外，中国多样的地理和气候条件也增加了组件失效概率的不确定性。为应对这些问题，本研究采用了不同威布尔参数设置，以对应多种失效情景，从而反映组件寿命的变异性，并为预测光伏废弃物流提供更为现实的基础。

在综合评估未来情景时，多个关键因素对于评估的全面性至关重要。这些因素包括不同技术的光伏组件市场占有率、回收率、光伏废弃物的回收率以及不同回收方法的市场占有率等。然而，大多数当前研究采用简化和平均的情景设定方法，虽然简化了数据获取和计算的过程，但未能进一步考虑更为复杂的未来情景。另一方面，一些研究已经评估了国际和国家层面的光伏废弃物回收情况（Paiano, 2015；Xu et al., 2018；Walzberg et al., 2021），并且也有研究在省级层面预测了未来的光伏废弃物体积（Wang et al., 2022；Liu et al., 2023）。尽管如此，同时考虑国家和省级层面的综合性评估，特别是经济可行性、环境效益和社会效益，仍然较为缺乏。

尽管已有不少研究成果，但现有文献中仍存在一些重要的研究空白。大多数基于情景的研究采用简化平均的设定，未能反映中国省级条件的异质性。此外，以往的研究往往孤立地关注装机容量预测或组件失效建模，而很少将这些方面与多维影响评估相结合。同时，全面考虑经济、环境和社会维度的分析，尤其是在国家和省级层面，仍然较为稀缺。基于这些研究空白，本研究旨在提供一个更加稳健且具有政策相关性的框架，用于评估中国的光伏废弃物管理。

鉴于当前研究的局限性，本研究的创新点包括以下几个方面：

首先，光伏装机容量预测。本研究通过利用历史数据，探索由政府和专家提出的多种低碳转型路径，构建了多种光伏装机容量增长情景。这些情景涵盖了未来可能的发展趋势，有助于更全面地理解行业增长的不确定性。

其次，威布尔模型校准。研究界定了威布尔模型中形状参数和特征寿命的参数范围，反映了中国光伏组件在不同生产时期的质量和性能差异。这一设定使得模型能够更准确地模拟组件的失效概率，从而为预测废弃物流提供更可靠的基础。

第三，情景评估。构建的情景从不同角度评估了光伏废弃物回收的潜在效益，包括技术演进、政策影响以及市场占有率、回收率和回收方法的变化。这种评估方式有助于全面理解不同情境下回收策略的有效性。

第四，全面影响分析。研究对即将出现的光伏装机容量和废弃物进行了分析，量化了其在国家和省级层面的经济、环境和社会影响。这种多维度的分析方法不仅有助于评估行业发展的综合效益，也为制定相关政策提供了重要依据。

本研究详细介绍了研究方法和数据，这些内容在“方法论”部分有具体描述，而更多数据则包含在补充材料中。研究结果和讨论部分展示了研究的主要发现，并随后提供了结论。通过这一研究框架，我们不仅能够更准确地预测未来的光伏装机容量和废弃物生成，还能够评估不同回收策略的可行性和效益，为实现环境可持续发展目标提供科学支持。同时，研究结果也为政策制定者提供了重要的参考，帮助他们在不同省份制定更加合理的废弃物管理策略。此外，本研究还强调了在预测和评估过程中，情景设定的重要性，以及如何通过多维度的分析方法，全面理解光伏产业的未来发展及其对环境和社会的影响。