在不确定性条件下，针对太阳能发电和工业热能的生命周期可持续性评估及决策支持：针对光伏（PV）、聚光太阳能（CSP）和紧凑型聚光太阳能（CST）技术的具体评估

《ENERGY CONVERSION AND MANAGEMENT》：Prospective life cycle sustainability assessment and decision support for solar electricity and industrial heat under uncertainty: a service-specific evaluation of PV, CSP, and CST

　　•特定服务的pLCSA框架防止了不同能源服务之间的比较。•熵-TOPSIS和蒙特卡洛分析量化了PV-CSP排名的稳健性。•在2025年、2035年和2050年的模拟中，PV分别在96%、76%和73%的情况下排名第一。•就业优先考虑逆转了基准情况下对CSP的偏好。•20%的调度权重也将偏好从PV转向CSP。

1. 引言
向净零能源系统的加速转型加剧了对可持续性评估的需求，这些评估为长期技术评估、政策设计和投资规划提供信息。前瞻性生命周期评估（pLCA）研究确立了需要在与现有技术状态不同的条件下评估新兴技术的必要性[1]。欧洲的方法论指南解释了如何一致地表示技术发展和未来的背景系统[2]。关于新兴电力生成技术的最新研究表明，在技术配置固定之前，生命周期证据可以为设计提供信息[3]。循环经济研究进一步展示了材料回收和供应链变化如何支持电力行业的脱碳[4]。这些考虑直接关系到PV和CSP电力以及CST工业热能，因为它们的性能将随着技术学习、制造、背景系统的脱碳和寿命终结实践而演变。
传统的生命周期评估（LCA），根据ISO 14040和ISO 14044标准化，本质上是回顾性的，并使用历史代表性的背景数据和固定的库存结构。虽然这种方法适用于评估当前的技术，但在表示以快速技术变革和深度脱碳为特征的未来的能源系统方面存在局限性[5]。因此，静态LCA可能会误代表长期的可持续性表现，并为朝着本世纪中叶的气候中和目标的战略规划提供有限的指导。
为了解决这些局限性，前瞻性生命周期评估（pLCA）通过表示未来的技术和背景系统条件来扩展传统LCA。一项系统性回顾提供了进行新兴技术pLCA的方法论指导[6]。对能源技术的综合评估展示了如何前瞻性地结合环境、经济和技术证据[7]。一项更新的回顾记录了当前的pLCA实践、方法论趋势和剩余的研究需求[8]。针对太阳能的特定综合研究进一步表明，技术成熟度、前景规模的扩大以及未来的背景系统应该明确对齐[9]。基础性的LCSA指南确定了可持续性评估的环境、经济和社会范围[10]，而随后的原则阐明了其一致的应用[11]。
能源行业的回顾为当前的多标准决策分析（MCDA）框架建立了方法论背景。一项关于能源管理应用的两十年回顾[12]确定了分析层次过程（AHP）和通过与理想解的相似性排序技术（TOPSIS）是最常用的方法，并记录了标准和权重实践中的显著变化[12]。对权重和多标准方法的全面比较[13]表明，方法选择和标准权重可以实质性地改变可持续能源的优先级。专门针对可持续能源决策的回顾[14]确定了标准定义、规范化和偏好提取是技术排名变化的主要来源。
以技术为中心的证据阐明了相关的权衡。最近的一项概述[15]将分析层次过程（AHP）描述为在结构化专家判断方面是透明的，但对主观的成对比较和一致性敏感，而通过与理想解的相似性排序技术（TOPSIS）在计算上高效，但依赖于规范化和标准权重。VlseKriterijumska Optimizacija I Kompromisno Resenje（VIKOR）强调妥协解决方案，而Preferences Ranking Organization Method for Enrichment Evaluation（PROMETHEE）需要指定优先级排序的偏好和阈值。[16]中的基础多标准公式解释了如何在竞争目标之间区分替代方案，而[17]中的混合AHP-熵方法则将基于判断的偏好与决策矩阵中包含的信息分开。
应用和方法论研究也定义了剩余的研究空白。一项针对钢铁脱碳路径的MCDA应用[18]展示了多标准整合在转型规划中的价值，但仍保持特定案例和主要是确定性的决策结构。在知识不完整的情况下进行可持续性评估的方法论分析[19]强调了明确表示不确定性的必要性。当前的框架通过结合前瞻性库存、基于熵的权重、利益相关者优先场景和概率排名分析来应对这些局限性，同时限制直接比较功能性等同的电力服务。
另一个方法论挑战涉及不确定性的处理。最近的框架表明，方法论选择可以实质性地影响基于LCA的决策[20]。以从业者为中心的研究确定数据解释和管理使用是额外的不确定性来源[21]。一项范围回顾确认参数、场景和模型不确定性在LCA研究中的处理方式仍然不一致[22]。在前瞻性评估中，这些不确定性扩展到技术学习、未来电力系统配置、成本轨迹和社会技术发展。蒙特卡洛模拟可以传播这些不确定性，并将结果表示为分布而不是确定性的点估计；然而，概率分析在前瞻性LCA和混合LCSA-MCDA研究中仍然未被充分使用[23]。
在此背景下，本研究的目的是评估在欧洲转型条件下三种太阳能路径的可持续性表现如何演变，同时保持电力和有用热能之间的区别。评估的原型是公用事业规模的晶体硅PV、熔盐塔式CSP和抛物线槽式CST。熵加权TOPSIS和蒙特卡洛不确定性传播仅应用于功能上可比的PV-CSP电力集。CST通过其前瞻性的工业热能指标概况单独进行评估。2025年、2035年和2050年的时间切片代表决策相关的场景状态，而不是点预测。
该框架解决了文献中的三个反复出现的局限性：前瞻性LCA研究往往仍然关注环境；MCDA研究经常使用静态输入或未披露的主观权重；不确定性分析很少在保持服务功能一致性的同时量化排名稳定性。在这里，前瞻性的前景和背景假设与特定服务的指标矩阵相关联，熵加权提供了一个可复制的电力服务筛选基线，概率和以利益相关者为导向的敏感性测试揭示了PV-CSP偏好变化的时间。
该研究做出了四个具体贡献。首先，它将在可审计的框架中将前瞻性的前景和背景假设与环境、经济和社会技术指标联系起来。其次，它通过限制直接MCDA比较到PV和CSP电力，并分别报告CST的有用热能表现来防止跨服务排名。第三，它将熵加权TOPSIS与五种明确的电力替代方案优先场景结合在一起，从而区分了数据驱动的权重和规范偏好。第四，它通过10,000次蒙特卡洛迭代和仅电力调度压力测试量化了PV-CSP排名稳定性。这些元素共同展示了中央电力排名及其反转的条件，同时保持CST作为一个独立的工业热能路径。
因此，该分析旨在成为一个透明的、特定于服务的规划评估，不声称普遍的技术优越性。它评估了哪些结论对于PV-CSP电力比较来说是稳定的，并描述了CST热能表现在其自身功能背景下的变化。
本文的其余部分组织如下。第2节回顾了前瞻性生命周期评估、太阳能技术可持续性评估、多标准决策分析和不确定性建模。第3节介绍了特定服务的pLCSA-MCDA框架，并解释了为什么比较排名仅限于PV和CSP。第4节描述了三种技术原型、从摇篮到坟墓的边界、功能单元、数据来源、场景假设以及单独的电力和热能服务指标表。第5节报告了PV-CSP电力排名和不确定性分析，然后分别解释了CST工业热能轨迹。第6节和第7节分别介绍了局限性和结论。
2. 背景和相关工作
2.1. 前瞻性和动态生命周期评估
生命周期评估（LCA）是一种广泛用于量化各种能源技术环境影响的的方法，然而传统LCA本质上是回顾性的，并基于静态的背景系统[24][25]。这一局限性对于太阳能技术尤为重要，因为其生命周期表现受到快速技术学习、材料效率改进和不断发展的电力系统的强烈影响[26][27]。
前瞻性生命周期评估（pLCA）通过纳入关于能源系统演变、技术学习和供应链转型的面向未来的假设来解决这些局限性。一个重要的方法论进步是将综合评估模型（IAM）的输出整合到LCA数据库中，使时间特定的背景系统与长期气候场景保持一致[28][29]。这种整合显著提高了LCA结果的时间相关性，特别是对于朝着本世纪中叶脱碳目标扩展的评估。
除了前瞻性场景建模之外，动态生命周期评估方法还通过显式表示技术学习、效率改进和随时间变化的能源系统条件来捕捉生命周期库存中的时间变化。这种动态建模通过反映技术性能和供应链特性随时间的变化，提高了长期可持续性评估的真实性。
计算平台如Brightway和Wurst通过启用在前瞻性条件下系统地修改电力组合、工业过程、运输系统和材料生产路径来实现这些功能[30][31]。尽管有这些方法论进步，但仍存在几个局限性。许多前瞻性LCA研究继续主要关注环境指标，因此没有充分捕捉新兴技术的更广泛可持续性影响。此外，将前瞻性LCA结果整合到结构化的决策支持框架中的工作仍然有限，特别是在评估长期转型场景下的替代技术时[32]。反映技术学习、材料替代和循环经济策略的动态库存调整也在研究中应用不一致[33]。此外，不确定性经常被确定为性的对待，即使长期评估对技术进步和能源系统转型的假设非常敏感[34][35]。
2.2. 太阳能技术的可持续性评估
光伏（PV）系统因其制造链相对明确而被广泛使用LCA评估。对光伏LCA的回顾确定了控制传统PV结果的主要生命周期阶段和方法论选择[36]。对报废模块的单独回顾检查了不同光伏代际的资源回收方法[37]。专注于废弃模块回收的研究详细说明了金属和其他有价值材料的回收[38]。更 recent的工作将评估扩展到新兴的电池架构和前瞻性的制造条件[27]。然而，许多研究仍然保持静态假设，并不完全代表供应链多样化、电网脱碳和长期循环经济发展[33]。
集中式太阳能（CSP）可以通过集成的热能存储提供可调度的电力[39]。瞬态建模展示了熔盐存储如何影响塔式电站的运行[40]，而一项专门的回顾确定了存储配置和盐管理作为核心设计考虑因素[41]。技术前沿评估确定了存储、接收器和定日镜系统中的改进机会[42]，而接收器优化研究量化了高温配置的影响[43]。生命周期证据表明，包括热存储改变了塔式CSP电站的嵌入概况[44]。更广泛的集中式太阳能LCA回顾确定了建设、材料、运营和聚光器作为反复出现的热点[45]，而冷却系统比较表明干燥和混合冷凝改变了环境性能[46]。多尺度CSP研究[47]和工业竞争力分析[48]提供了互补的系统和部署视角。
越来越多的集中式太阳能热能（CST）被视为脱碳工业过程热能的潜在途径。最近的一项性能评估表明，小规模抛物线槽式CSP的结果取决于需求条件、系统配置和不确定性[49]。一项部署研究确定了规模扩大和区域条件是CST发展的重要决定因素[50]。工业过程映射表明，可行的应用取决于太阳能热能与过程温度要求的匹配[51]。系统集成研究进一步表明，集热器配置和周围能源系统影响了可实现的能量节省[52]。前瞻性证据仍然有限，特别是对于那些结合技术学习、变化的背景系统和决策不确定性的研究。
因此，仍然需要一种前瞻性的可持续性评估，该评估在电力服务中比较PV和CSP，同时单独描述CST在工业热能服务中的表现，以应对2050年的转型挑战。
2.3. 可持续性评估中的多标准决策分析
多标准决策分析（MCDA）方法被广泛应用于根据多个环境、经济和社会指标评估可再生能源技术[14]。技术如AHP、TOPSIS、VIKOR和PROMETHEE提供了比较具有竞争目标的替代方案的结构化方法[15]。然而，MCDA应用中的一个持续挑战是使用主观权重方案，这可能会降低透明度和可重复性。
基于熵的加权已被提出作为数据驱动的替代方案，它从数据变异性中得出指标权重，从而减少但不是消除对评估者判断的依赖[16][17]。混合熵-TOPSIS方法在几个应用中支持了可复制的可持续性排名。然而，熵加权在前瞻性可持续性评估中仍然未被充分使用；其权重代表了歧视性信息，而不是利益相关者的价值观。大多数MCDA应用还使用当前的数据集，并且不测试随着技术和背景系统的发展排名如何变化[18][19]。
2.4. 不确定性和基于场景的可持续性评估
不确定性是长期可持续性评估的一个定义特征，源于技术学习率、未来能源系统配置、经济轨迹和社会技术发展的变异性[53][54]。基于情景的建模和确定性敏感性分析通常用于探索不同的未来情况，但对评估结果的概率稳定性提供的洞察有限[55]。蒙特卡洛模拟通过在整个评估框架中传播不确定性并生成可能结果的分布，提供了一种更全面的方法[56]。尽管概率方法在生命周期评估（LCA）的不确定性分析中已经得到广泛应用，但它们与前瞻性生命周期可持续性分析（prospective LCSA）和多标准决策分析（MCDA）的整合仍然有限，特别是在评估长期可持续性排名的稳健性方面[57][58]。因此，许多面向未来的可持续性评估仍然产生确定的排名，这可能会掩盖潜在的不确定性和风险。因此，将概率不确定性分析纳入可持续性决策框架对于提高长期技术比较的可靠性至关重要。没有这种分析，确定性的可持续性排名可能在不确定的过渡条件下为政策和投资决策提供误导性的指导。

2.5. 研究空白与动机
尽管在方法论上取得了实质性进展，但从决策支持的角度来看，太阳能技术的前瞻性可持续性评估仍存在几个空白。首先，跨环境、经济和社会技术维度的综合评估相对较少，限制了对长期能源规划的全面决策支持。其次，反映技术学习和循环策略的动态库存演变在前瞻性评估中的应用不一致，特别是在涉及聚光太阳能（CSP）和 Concentrating Solar Thermal (CST) 技术的中期评估中。第三，如基于熵的方法这样的客观多标准决策分析（MCDA）权重方法很少被整合到前瞻性可持续性框架中，许多研究仍然使用主观权重方案。第四，概率不确定性分析在长期可持续性排名中的整合不足，降低了对确定性决策结果的信心。解决这些限制需要一个框架，该框架能够整合前瞻性生命周期建模、多维可持续性指标和考虑不确定性的决策分析，而不会混淆不同的能源服务。因此，本研究应用了基于熵加权的 TOPSIS 和蒙特卡洛不确定性传播方法来比较光伏发电（PV）和 CSP 发电，并分别通过其前瞻性有用热量指标在 2025 年、2035 年和 2050 年进行评估。

3. 方法论
中心方法论前提是长期评估应该是动态的、多维的、考虑不确定性的，并且在功能上是一致的。因此，比较分数和排名稳健性仅针对提供相同电力服务的替代方案进行计算，而 CST 的热量路径则通过单独的前瞻性概况进行报告。图 1 提供了修订后的工作流程的示意图。工作流程将常见的前瞻性库存和指标开发阶段与两种特定服务的输出分开：光伏和 CSP 发电的熵加权的 TOPSIS 和蒙特卡洛比较，以及 CST 有用手量热量的非排名前瞻性概况。

3.1. 综合前瞻性 LCSA–MCDA 决策支持框架的概念架构
该框架作为在长期转型不确定性下可再生能源路径的前瞻性可持续性决策支持工具。前瞻性库存开发和指标评估是常见的方法论阶段，但只有在对功能上等效的服务集合内才进行比较 MCDA。该架构将前瞻性情景、动态库存和可持续性指标与两个不同的分析分支联系起来。电力分支应用熵加权、TOPSIS、蒙特卡洛模拟和偏好敏感性分析来评估光伏和 CSP。热量分支报告时间依赖的 CST 指标概况，并确定未来比较分析所需的功能等效的热量替代方案。

3.2. 前瞻性情景定义
情景构建基于明确区分的证据类别。欧洲政策背景由欧洲绿色协议[59]和 REPowerEU[60]定义。2025年的库存基准使用 ecoinvent v3.9[61]，而长期脱碳边界遵循国际能源署（IEA）的净零排放情景[62]。成本和技术假设基于 NREL ATB[63]和弗劳恩霍夫光伏报告[64]，太阳能资源条件基于 PVGIS[65]。对气候中性欧洲路径的比较为背景系统的演变提供了信息[66]。关于欧洲能源效率[67]、综合情景评估[68]、排放脱钩[69]和可再生能源立法[70]的证据支持情境解释，而不是直接的数值参数化。分析考虑了代表能源转型不同且与决策相关的三个时间切片：2025年、2035年和2050年。2025年的时间切片反映了近期的、商业上可观察到的部署条件。2035年的时间切片代表欧盟2030年政策里程碑之后的中间阶段，此时技术学习和背景系统的脱碳预计将显著但尚未完成。2050年的时间切片对应于欧洲的气候中性目标和 IEA 的净零排放规划期限。与已建立的情景评估实践[68]一致，这些时间切片被视为内部一致的情景状态，而不是个别日历年份的点预测。这些情景与从综合评估模型（IAMs）、国际能源署（IEA）的2050年净零排放情景以及欧盟政策框架（如欧洲绿色协议和Fit-for-55计划）中得出的广泛使用的气候中性路径相一致。每个情景都包含了关于以下方面的假设：
- 电力系统演变，包括电网组合的逐步脱碳；
- 技术学习，体现在效率、材料强度和系统性能的改进上；
- 供应链转型，包括工业能源使用和材料来源的变化；
- 经济轨迹，包括学习调整后的资本支出（CAPEX）和电力/热能的平准化成本（LCOE/LCOH）；
- 社会技术特征，包括劳动强度和技术成熟度，其中职业安全作为情境证据而不是 MCDA 指标。

3.3. 动态生命周期库存（LCI）建模
该方法论的一个核心特点是动态表示生命周期库存，而不是依赖于静态的当前数据集。光伏的前景更新反映了文献中记录的循环经济和价值链的发展[71]。工业热量假设基于工业脱碳路线图[72]中描述的技术路径。对于每种技术，库存参数在三个时间范围内进行调整，以反映技术学习、效率改进、材料变化和供应链演变。技术学习通过特定技术的证据而不是假设随日历时间自动发生来表示。长期预测框架将可再生能源技术的安装容量和成本发展联系起来[73]。光伏的假设基于单晶硅制造路线图[74]。CSP 的日光反射镜改进基于专门的技术路线图[75]，而接收器的开发则基于热机械设计研究[76]。因此，这些时间切片作为引用路径中嵌入的部署状态的代理。由于光伏的累计部署和供应链成熟度大于 CSP 和 CST，因此为其分配了更快的制造和材料强度学习速度。CSP 的学习集中在日光反射镜成本、接收器效率和热存储集成方面，而 CST 的学习则涉及集热器光学、热流体性能和工业集成。累计容量、市场渗透率、研究投资、规模经济和供应链发展通过特定来源的中心估计和不确定性范围进行整合，而不是作为独立的因果变量进行建模。未来的应用可以用特定技术的一因子学习曲线替换时间切片查找：
(1)???(??)=??0?(????0)??
其中 C(Q) 表示在累计安装容量 Q 时的技术成本，C0 是在参考累计容量 Q0 时的成本，b 是特定于技术的学习指数。这些学习曲线可以与部署情景相结合，以表示与累计技术部署相关的成本降低，同时保留特定技术的学习指数。背景电力 supply 的变化通过特定情景的电网组合进行嵌入。当前和未来电力 supply 的小时级生命周期评估展示了时间背景系统表示的重要性[77]。IEA 的净零排放情景提供了全球脱碳边界[62]，而气候中性欧洲路径的比较支持了区域背景系统轨迹[66]。关于经济排放脱钩的证据提供了额外的政策背景[69]，但未作为直接的库存参数使用。

3.4. 生命周期可持续性评估（LCSA）
LCSA 组件为在前瞻性欧洲转型情景下评估光伏（PV）、CSP 和 CST 提供了多维指标基础。在整个研究中保留了相同的可持续性维度，但在决策分析之前，这些指标被组织成单独的电力和有用热量数据集。

3.4.1. 目标、范围、影响指标和标准化
环境评估遵循 ISO 14040/14044 的目标和范围原则，并应用了统一的从摇篮到坟墓的归因边界。它综合了数据库链接的同行评审结果，而不是对完整的基本流库存进行新的表征。因此，既没有使用 ReCiPe 2016 也没有使用环境足迹（EF）方法来重新计算影响。全球变暖潜力被标准化到 IPCC 100 年的时间范围（GWP100）。只有当来源报告的从摇篮到坟墓的结果以 100 年的二氧化碳当量表示，并且其功能单元和系统边界与相关能源服务兼容时，才会保留这些结果。由于基础研究可能使用来自不同 IPCC 评估报告的因子，因此不应将这种综合解释为基于一套统一因子的新表征。水消耗以体积单位报告，可回收性作为循环性指标保留。在 MCDA 之前，生命周期负担使用 1 MWh 的电力和 1 MWh 的有用热量除以寿命净交付的能量进行划分。随后仅对 PV-CSP 电力矩阵应用最小-最大标准化。

图 2 显示了特定服务的指标架构。环境、经济和社会技术数据使用适用的功能单位进行标准化，之后 PV-CSP 电力数据集进行熵加权的 TOPSIS 排名和不确定性分析，而 CST 热量数据集进行单独的指标概况解释。光伏（PV）和聚光太阳能（CSP）指标根据净电力每兆瓦时（MWh）进行统一，并整合到电力服务的TOPSIS分析中；而聚热太阳能（CST）指标则根据有用热量每兆瓦时进行统一，并单独解释，不进行跨服务排序。虽然像土地使用、资源关键性或毒性这样的额外指标可以进一步扩展评估范围，但选定的指标集在平衡多维度可持续性覆盖的同时，也考虑了未来数据的可用性，并避免了指标之间的过度冗余。环境支柱包括全球变暖潜力（GWP）、水消耗量和可回收率。全球变暖潜力捕捉了与电力或有用热量产生相关的生命周期温室气体排放。水消耗量反映了运营和上游的淡水需求，这对于水资源可能受限的南欧地区的太阳能部署尤为重要。可回收率代表了材料在生命周期结束时的回收潜力，反映了可再生能源供应链中对循环经济策略日益重视的趋势。

经济维度包括资本支出（CAPEX）和平准化成本（LCOE/LCOH）。光伏-CSP电力的值使用LCOE，而CST使用LCOH。这些指标分别报告，因为它们指的是不同的能源服务。社会技术维度包括劳动强度和技术准备程度（TRL）。职业安全因现有的预测估计值不够一致而未被纳入决策模型。保留的指标是实用的代理指标，并不构成完整的社会LCA（生命周期评估）。

表2总结了LCSA框架中使用的可持续性指标。

**表2. LCSA框架中使用的可持续性指标**

| 可持续性支柱 | 指标 | 单位 | 包含理由 | 政策/决策相关性 |
|------------|----------------|------------|------------|----------------------|
| 环境 | 全球变暖潜力（GWP） | g CO2-eq/kWh | 捕捉与能源生产相关的生命周期温室气体排放 | 支持与欧盟气候中和目标和《巴黎协定》的对齐 |
| | 水消耗量 | L/kWh | 反映整个技术生命周期内的运营和上游淡水需求 | 对于水资源紧张的南欧地区的太阳能部署特别相关 |
| | 可回收率 | % | 表示生命周期结束时的材料回收潜力 | 支持循环经济规划和生命周期结束时的材料回收策略 |
| 经济 | 资本支出（CAPEX） | �/kW | 技术部署所需的前期投资 | 为基础设施投资、融资和部署成本决策提供信息 |
| | 平准化成本（LCOE/LCOH） | �/MWh | 测量电力或有用热量生产的生命周期成本竞争力 | 市场竞争力和能源规划决策的关键指标 |
| | 劳动强度 | jobs/GWh | 与技术部署和运营相关的就业创造 | 与公平过渡规划和区域经济发展相关 |
| | 技术准备程度（TRL） | TRL scale | 反映技术成熟度和实施准备度 | 指导技术优先级、创新支持和部署策略 |
| | 职业安全风险 | fatalities/TWh | 衡量整个技术生命周期内的工人安全状况 | 与可持续工业、职业健康和风险知情规划相关 |

所有物理指标都保留了其特定的服务单位。只有光伏-CSP电力数据集进行了熵-TOPSIS整合；CST的值仍然作为一个单独报告的热量服务概况。

3.5. 熵加权TOPSIS多准则决策分析
表3总结了选择熵加权TOPSIS的方法论依据。该方法应用于七指标的光伏-CSP电力矩阵，从而在不将电力与有用热量进行比较的情况下整合了多个可持续性标准。

**表3. 讨论的MCDA方法及其选定方法的比较依据**

| 方法 | 主要优点 | 主要限制 | 在本研究中的作用 |
|------------|------------|-------------|-----------------------------------|
| AHP | 利益相关者层次结构；直观 | 主观的成对比较；一致性负担 | 讨论过；适用于利益相关者场景 |
| TOPSIS | 到理想解的距离透明；对缩放和权重敏感 | 需要明确的标准化 | 包含在基础排名中 |
| VIKOR | 冲突下的折中解决方案 | 需要策略/折中参数 | 讨论过；不用于基础排名 |
| PROMETHEE | 灵活的排序和阈值 | 偏好函数增加了提取选择 | 适用于未来的利益相关者工作 |

在每个时间范围内，电力服务决策矩阵包含了GWP、水消耗量、可回收率、CAPEX、LCOE、劳动强度和TRL的光伏和CSP值。CST在数据可用时使用相同的可持续性维度，但其LCOH和有用热量指标保留在一个单独的描述性矩阵中。

3.5. 熵加权TOPSIS多准则决策分析
表3总结了选择熵加权TOPSIS的方法论依据。该方法应用于七指标的光伏-CSP电力矩阵，从而在不将电力与有用热量进行比较的情况下整合了多个可持续性标准。

**指标定义、单位、理由和服务特定决策角色在表2中进行了总结。**

**表2. LCSA框架中使用的可持续性指标**

**可持续性支柱 | 指标 | 单位 | 包含理由 | 政策/决策相关性 |
|------------|-------|-------|------------------|------------------------|
| 环境 | 全球变暖潜力（GWP） | g CO2-eq/kWh | 捕捉与能源生产相关的生命周期温室气体排放 | 支持与欧盟气候中和目标和《巴黎协定》的对齐 |
| | 水消耗量 | L/kWh | 反映整个技术生命周期内的运营和上游淡水需求 | 对于水资源紧张的南欧地区的太阳能部署特别相关 |
| | 可回收率 | % | 表示生命周期结束时的材料回收潜力 | 支持循环经济规划和生命周期结束时的材料回收策略 |
| 经济 | 资本支出（CAPEX） | �/kW | 技术部署所需的前期投资 | 为基础设施投资、融资和部署成本决策提供信息 |
| | 平准化成本（LCOE/LCOH） | �/MWh | 测量电力或有用热量生产的生命周期成本竞争力 | 市场竞争力和能源规划决策的关键指标 |
| 社会技术 | 劳动强度 | jobs/GWh | 与技术部署和运营相关的就业创造 | 与公平过渡规划和区域经济发展相关 |
| | 技术准备程度（TRL） | TRL scale | 反映技术成熟度和实施准备度 | 指导技术优先级、创新支持和部署策略 |
| | 职业安全风险 | fatalities/TWh | 衡量整个技术生命周期内的工人安全状况 | 与可持续工业、职业健康和风险知情规划相关 |

所有物理指标都保留了其特定的服务单位。只有光伏-CSP电力数据集进行了熵-TOPSIS整合；CST的值仍然作为一个单独报告的热量服务概况。

3.6. 通过蒙特卡洛模拟进行不确定性建模
不确定性通过特定于服务的光伏-CSP电力决策矩阵传播。目的是测试当未来的环境、经济和社会技术输入变化时，电力排名是否保持稳定。由于几个预测指标没有具体的概率分布，因此使用共同的筛选框架在指标层面表示不确定性，这与当前的预测性LCA实践一致。传播结构遵循既定的LCA不确定性方法，而[83]中的分层方法支持根据证据基础的强度区分输入。每个光伏和CSP决策矩阵值都被赋予了一个围绕其基础值的±20%的独立范围。在校准的排名可接受性敏感性中，扰动输入与以等权重向量为中心的对称狄利克雷分布的标准权重结合使用。总浓度参数分别为2025年的κ=120，2035年的κ=2.16，以及2050年的κ=1.60，代表了対未来决策优先级的逐渐扩大的不确定性。这些是透明的分析校准设置，而不是利益相关者调查估计或经验概率分布。指标变异性使用独立均匀分布实现，范围为基值的±20%。标准权重变异性由指定的狄利克雷分布表示。这种组合设计用于排名可接受性敏感性，不应被解释为现实世界结果的统计置信模型。

不确定性传播过程遵循一系列结构化的步骤：
- 对于每次迭代，所有光伏和CSP可持续性指标值都独立地从它们的基值的±20%范围内抽取，标准权重向量从特定时间片段的狄利克雷分布中抽取。
- 扰动的电力矩阵进行最小-最大标准化。
- 抽取的偏好权重然后在TOPSIS中应用；熵权重保持第5.3节中报告的可复现确定性基础权重。
- 重新运行TOPSIS以获得光伏和CSP的得分和排名第一的电力替代方案。
- 记录得分和排名，以估计每种电力技术的第一排名频率。
- 对每个时间片段进行了总共10,000次蒙特卡洛迭代，使用固定的伪随机种子42。校准参数和抽样顺序被明确报告，以便精确的计算复制。
- 模拟产生光伏和CSP的得分分布和第一排名频率。由于有用热量路径没有包含在电力决策矩阵中，因此没有计算CST的排名频率。
- 排名频率量化了在指定的光伏-CSP输入框架和校准的偏好权重分布下的条件排名可接受性。它们不是经验性的利益相关者概率，也不是对现实世界性能的置信区间，也不是对省略替代方案的优越性的证据。

3.7. 电力服务利益相关者优先级和调度性敏感性测试
从七指标的光伏-CSP电力矩阵计算了两个补充分析。第一个应用了五种明确的优先权重场景。最小化了GWP、水消耗量、CAPEX和LCOE，同时最大化了可回收率、劳动强度和TRL。2025年的CST TRL以其中点7.5表示。职业安全因预测估计值不够一致而未被纳入决策矩阵，因此不予考虑。

五个优先向量代表了平衡的、气候与水、成本与投资、就业与公平过渡以及技术成熟度的视角。标准顺序为GWP、水消耗量、可回收率、CAPEX、LCOE、就业和TRL。在场景s下分配给标准j的权重表示为wsj，受以下条件限制：7∑??=1??????=1，??????≥0。权重在表4中报告。这些是透明的分析场景，不是通过调查或专家 elicited 的偏好。对于每个场景和年份，光伏-CSP矩阵进行最小-最大标准化，并重新计算TOPSIS系数。

**表4. TOPSIS分析中应用的特定场景优先权重**

| 优先场景 | GWP | 水消耗量 | 可回收率 | CAPEX | 平准化成本 | 就业 | TRL |
|--------|---------|---------|---------|--------|--------|--------|
| 平衡 | 1/7 | 1/7 | 1/7 | 1/7 | 1/7 | 1/7 |
| 气候与水 | 0.25 | 0.25 | 0.10 | 0.08 | 0.12 | 0.08 |
| 成本与投资 | 0.12 | 0.08 | 0.05 | 0.30 | 0.30 | 0.05 |
| 就业与公平过渡 | 0.15 | 0.10 | 0.05 | 0.10 | 0.15 | 0.30 |
| 技术成熟度 | 0.15 | 0.10 | 0.05 | 0.15 | 0.15 | 0.30 |

注：每个场景中的权重之和为一。平衡场景为每个指标分配了确切的权重1/7。GWP：全球变暖潜力；CAPEX：资本支出；TRL：技术准备程度。

第三个测试仅考虑了电力服务的调度性，比较了光伏（PV）和CSP，并增加了一个二进制服务价值标准：PV = 0表示无电池的参考原型，CSP = 1表示集成热储存的原型。调度性获得0%、10%、20%和30%的权重；剩余权重在七个常见指标之间平均分配。这是一个偏好/代理压力测试，而不是基于过程的电池和热储存配置的模拟。它确定了决策者必须在电力优先级改变之前多么重视固定或可转移的发电。

4. 案例研究
本节将预测性的LCSA-MCDA框架应用于高辐照度下的南欧地区的三种太阳能路径。光伏和CSP作为电力技术进行比较评估，而CST作为工业有用热量技术单独评估。

4.1. 描述
选定的原型代表了互补的服务路径。光伏提供可扩展的电力，CSP提供带有储能支持的电力，CST提供工业过程热量。前两种形成了比较电力集合；第三种作为单独的热量服务案例保留。

4.2. 技术描述和系统边界
所有三种技术原型的边界从摇篮到坟墓（cradle-to-grave）是一致的，包括上游原材料提取和处理；组件制造；运输、建设和安装；运行、维护、辅助电力和计划中的组件更换；以及退役、废物处理和回收过程。前端过程与上游的生态价值链（ecoinvent）供应链相连，因此不排除原材料和能源生产的负担。生命周期结束时包括回收处理，但由于可回收率已经作为单独的效益指标进行评估，因此不从GWP中扣除避免的负担信用。土地转换和生物多样性、电网平衡和传输扩展以及由此产生的市场替代被排除在外，因此被视为限制。图3明确说明了包含和排除的内容。

**图3. 应用于光伏、CSP和CST原型的统一摇篮到坟墓LCA边界。包括相同的生命周期阶段，但结果被标准化为单独的电力和有用热量参考流。**

本研究中评估的光伏（PV）配置代表了一个公用事业规模的单晶硅（mono-Si）系统，配备了单轴跟踪器，并在从摇篮到坟墓的系统边界下进行评估。这份配置反映了目前在大规模光伏电站中部署的主流架构，并被广泛用于太阳能电力系统的生命周期可持续性评估中。该系统包括上游制造过程（锭材生长、晶圆切割、电池制造和模块层压）、系统平衡组件（逆变器、跟踪器、电缆和安装结构）、运输、安装、运维以及包含当前和新兴回收途径的报废管理。预期的性能改进包括晶圆厚度的减少、金属化技术的进步，以及转换效率的持续提高——从2025年的大约22%提升到2050年的约27%，这与已发布的预测结果一致[84]。选择单晶硅是因为它最近在全球光伏市场占据主导地位，并且有较为成熟的学习和验证证据。一篇关于光伏技术的综述文章记录了主要光伏世代的发展和应用[85]。一项过程层面的评估为创新的光伏生产提供了规模扩展和回收方面的数据[86]。一项比较生命周期的研究展示了不同光伏技术在环境性能上的差异[87]。这些资料共同支持选择一个成熟的光伏配置，以便与聚光太阳能（CSP）在电力服务矩阵中进行对比。

CSP配置代表了一种带有集成热能存储（TES）的熔盐中央接收器（太阳能塔）系统，其评估涵盖了从摇篮到坟墓的整个系统边界，包括定日镜场；塔架、接收器和热传递系统；熔盐储罐；动力块；工厂平衡组件；土木工程；系统运行；以及报废后的处理方案。预期的改进包括定日镜的光学性能提升、更高温度下的热能存储运行，以及接收器结构的材料需求减少，这与长期的光伏技术路线图一致[44]。这些发展预计将随着时间的推移提高CSP系统的效率和经济效益。

CST配置代表了一种抛物面槽式太阳能热系统，通常提供200–400°C范围内的工业过程热量。系统边界包括太阳能集热器阵列、热流体循环系统、与工业负载的热交换接口、热能存储、基础设施、运营活动以及报废后的处理流程。存储和输出特性被视为技术属性，而不假设它们之间有等效性。CSP包含源库存熔盐热能存储，光伏不包含电池，而CST包含过程耦合的热量缓冲。环境结果是根据 lifelong 提供的能量而非安装容量来标准化的。光伏和CSP的比较使用1 MWh的净电力来进行，而CST则使用1 MWh的有用热量进行评估。由于缺乏匹配的功率、持续时间、效率和可靠性的统一预测数据，因此没有将CST纳入电力决策矩阵中，也没有应用热能到电力的转换。

CST建模考虑了光学性能、热流体稳定性和液压设计的改进，这些改进可以减少寄生能耗并提高工业过程热量的输送效率[49]、[52]。

4.3. 地理和辐射假设
本案例研究基于高辐射度的南欧地区，因为这些地区为公用事业规模的光伏和CSP电力以及工业CST热能提供了现实的部署条件。选定的地区包括西班牙南部、意大利南部、葡萄牙南部、塞浦路斯和克里特岛。典型的资源假设是光伏的年总辐照度（GHI）为1,600–1,900 kWh m?2 yr?1，CSP和CST的年直接正常辐照度（DNI）为2,000–2,300 kWh m?2 yr?1 [48]、[52]。这些共同的地理条件支持针对特定服务的评估；它们并不使电力和热量在功能上等同。高辐射度地区为评估太阳能技术提供了适宜的条件，在这些地区，技术性能的差异对于长期能源规划最为关键。将分析基于南欧也提升了其在欧洲背景下的政策相关性，特别是与欧盟的脱碳战略相关，包括欧洲绿色协议和REPowerEU倡议[59]、[60]。

4.4. 清单数据来源、数据出处和背景建模
为了提高可重复性并明确决策矩阵的出处，输入数据被组织成一个包含以下方面的来源层次结构：前置生命周期清单数据、预期的背景系统假设、技术学习参数、经济预测、太阳能资源假设和社会技术代理指标。这种结构避免了将所有输入视为通用的文献衍生数据集，并清楚地说明了每个建模层次所基于的证据基础。
基础前置清单结合了ecoinvent v3.9/3.9.1背景过程[61]和技术特定的前置证据。对于CSP，带有和不带有热能存储的塔式电站生命周期评估提供了特定配置的清单信息[44]，聚光太阳能综述提供了跨研究的生命周期背景[45]，冷却系统评估支持了冷却相关差异的表示[46]。对于光伏，欧洲配置研究为安装和生产地点假设提供了信息[84]，过程层面研究为制造规模扩大和回收提供了支持[86]，技术比较研究揭示了不同光伏系统之间的差异[87]。材料生产、制造能源、运输、建造、更换和报废流程与相关的供应链相连。国际能源署的新西兰能源评估（IEA NZE）情景定义了全球背景轨迹[62]，而欧洲模型比较为区域脱碳提供了参考[66]。太阳能资源数据来源于PVGIS[65]。成本假设基于NREL ATB[63]，而光伏技术趋势数据来源于Fraunhofer报告[64]。只有当技术、地理、边界和时间范围与评估的原型相同时，才保留中心估算值；没有引入任何专有或未参考的主要测量数据。

表5总结了每个数据来源类别、建模角色和协调规则。在光伏-CSP电力集合内建立了功能可比性，而CST的来源数据则单独根据有用热量参考流进行协调。

表5. 用于生成预期输入值的数据来源可追溯性矩阵和协调规则。
| 输入类别 | 主要数据来源类别 | 在模型中的用途 | 协调和质量控制 |
|----------|-------------|-----------|-------------------|
| 前置LCI过程 | ecoinvent v3.9/3.9.1过程清单和同行评审的光伏、CSP和CST LCI研究 | - | - |
| 基础材料、能源、运输、建造、运维和报废流动 | 技术原型与统一的从摇篮到坟墓的边界相匹配，并转换为1 MWh的交付电力或有用热量 | - | - |
| 预期背景系统 | IMAGE/REMIND综合评估模型（IAM）路径和IEA NZE对齐的脱碳假设 | - | - |
| 未来电力组合、工业能源供应和上游过程脱碳 | 仅保留与2025年、2035年和2050年一致的时间值；基线情况使用中心值，范围在不确定性分析中传播 | - | - |
| 太阳能资源和地理 | PVGIS/JRC区域太阳能资源信息和南欧辐照度文献 | - | - |
| 太阳能资源范围限于高辐射度的南欧地区，并在整个技术特定配置中一致应用 | - | - |
| 技术学习 | Fraunhofer ISE、IEA/IEA PVPS、NREL ATB和同行评审的技术路线图 | - | - |
| 光伏效率、CSP热效率、CST光学性能、存储改进和材料强度降低 | 仅在使用与技术特定路线图一致的学习假设时使用；避免未经支持的外推 | - | - |
| 经济参数 | NREL ATB、IEA成本展望和同行评审的技术经济研究 | - | - |
| 循环性和报废 | 欧盟循环经济指导、NREL光伏循环证据和同行评审的回收研究 | - | - |

4.3. 地理和辐照度假设
本案例研究基于高辐照度的南欧地区，因为这些地区为公用事业规模的光伏和CSP电力以及工业CST热能提供了现实的部署条件。选定的地区包括西班牙南部、意大利南部、葡萄牙南部、塞浦路斯和克里特岛。典型的资源假设是光伏的年总辐照度（GHI）为1,600–1,900 kWh m?2 yr?1，CSP和CST的年直接正常辐照度（DNI）为2,000–2,300 kWh m?2 yr?1 [48]、[52]。这些共同的地理条件支持针对特定服务的评估；它们并不使电力和热量在功能上等同。高辐照度地区为评估太阳能技术提供了适宜的条件，在这些地区，技术性能的差异对于长期能源规划最为相关。将分析基于南欧也提升了其在欧洲背景下的政策相关性，特别是与欧盟的脱碳战略相关，包括欧洲绿色协议和REPowerEU倡议[59]、[60]。

4.4. 清单数据来源、数据出处和背景建模
为了提高可重复性并明确决策矩阵的出处，输入数据被组织成一个包含以下方面的来源层次结构：前置生命周期清单数据、预期的背景系统假设、技术学习参数、经济预测、太阳能资源假设和社会技术代理指标。这种结构避免了将所有输入视为通用的文献衍生数据集，并清楚地说明了每个建模层次所基于的证据基础。
基础前置清单结合了ecoinvent v3.9/3.9.1背景过程[61]和技术特定的前置证据。对于CSP，带有和不带有热能存储的塔式电站生命周期评估提供了特定配置的清单信息[44]，聚光太阳能综述提供了跨研究的生命周期背景[45]，冷却系统评估支持了冷却相关差异的表示[46]。对于光伏，欧洲配置研究为安装和生产地点假设提供了信息[84]，过程层面研究为制造规模扩大和回收提供了支持[86]，技术比较研究揭示了不同光伏系统之间的差异[87]。材料生产、制造能源、运输、建造、更换和报废流程与相关的供应链相连。国际能源署的新西兰能源评估（IEA NZE）情景定义了全球背景轨迹[62]，而欧洲模型比较为区域脱碳提供了参考[66]。太阳能资源数据来源于PVGIS[65]。成本假设基于NREL ATB[63]，而光伏技术趋势数据来源于Fraunhofer报告[64]。只有当技术、地理、边界和时间范围与评估的原型相同时，才保留中心估算值；没有引入任何专有或未参考的主要测量数据。

表5总结了每个数据来源类别、建模角色和协调规则。在光伏-CSP电力集合内建立了功能可比性，而CST的来源数据则单独根据有用热量参考流进行协调。

表5. 用于生成预期输入值的数据来源可追溯性矩阵和协调规则。
| 输入类别 | 主要数据来源类别 | 在模型中的用途 | 协调和质量控制 |
|----------|-------------|-----------|-------------------|
| 前置LCI过程 | ecoinvent v3.9/3.9.1过程清单和同行评审的光伏、CSP和CST LCI研究 | - | - |
| 基础材料、能源、运输、建造、运维和报废流动 | 技术原型与统一的从摇篮到坟墓的边界相匹配，并转换为1 MWh的交付电力或有用热量 | - | - |
| 预期背景系统 | IMAGE/REMIND综合评估模型（IAM）路径和IEA NZE对齐的脱碳假设 | - | - |
| 未来电力组合、工业能源供应和上游过程脱碳 | 仅保留与2025年、2035年和2050年一致的时间值；基线情况使用中心值，范围在不确定性分析中传播 | - | - |
| 太阳能资源和地理 | PVGIS/JRC区域太阳能资源信息和南欧辐照度文献 | - | - |
| 太阳能资源范围限于高辐射度的南欧地区，并在整个技术特定配置中一致应用 | - | - |
| 技术学习 | Fraunhofer ISE、IEA/IEA PVPS、NREL ATB和同行评审的技术路线图 | - | - |
| 技术学习 | 仅在使用与技术特定路线图一致的学习假设时使用；避免未经支持的外推 | - | - |
| 经济参数 | NREL ATB、IEA成本展望和同行评审的技术经济研究 | - | - |
| 循环性和报废 | 欧盟循环经济指导、NREL光伏循环证据和同行评审的回收研究 | - | - |

4.3. 地理和辐照度假设
本案例研究基于高辐射度的南欧地区，因为这些地区为公用事业规模的光伏和CSP电力以及工业CST热能提供了现实的部署条件。选定的地区包括西班牙南部、意大利南部、葡萄牙南部、塞浦路斯和克里特岛。典型的资源假设是光伏的年总辐照度（GHI）为1,600–1,900 kWh m?2 yr?1，CSP和CST的年直接正常辐照度（DNI）为2,000–2,300 kWh m?2 yr?1 [48]、[52]。这些共同的地理条件支持针对特定服务的评估；它们并不使电力和热量在功能上等同。高辐射度地区为评估太阳能技术提供了适宜的条件，在这些地区，技术性能的差异对于长期能源规划最为相关。将分析基于南欧也提升了其在欧洲背景下的政策相关性，特别是与欧盟的脱碳战略相关，包括欧洲绿色协议和REPowerEU倡议[59]、[60]。

4.4. 清单数据来源、数据出处和背景建模
为了提高可重复性并明确决策矩阵的出处，输入数据被组织成一个包含以下方面的来源层次结构：前置生命周期清单数据、预期的背景系统假设、技术学习参数、经济预测、太阳能资源假设和社会技术代理指标。这种结构避免了将所有输入视为通用的文献衍生数据集，并清楚地说明了每个建模层次所基于的证据基础。
基础前置清单结合了ecoinvent v3.9/3.9.1背景过程[61]和技术特定的前置证据。对于CSP，带有和不带有热能存储的塔式电站生命周期评估提供了特定配置的清单信息[44]，聚光太阳能综述提供了跨研究的生命周期背景[45]，冷却系统评估支持了冷却相关差异的表示[46]。对于光伏，欧洲配置研究为安装和生产地点假设提供了信息[84]，过程层面研究为制造规模扩大和回收提供了支持[86]，技术比较研究揭示了不同光伏系统之间的差异[87]。材料生产、制造能源、运输、建造、更换和报废流程与相关的供应链相连。国际能源署的新西兰能源评估（IEA NZE）情景定义了全球背景轨迹[62]，而欧洲模型比较为区域脱碳提供了参考[66]。太阳能资源数据来源于PVGIS[65]。成本假设基于NREL ATB[63]，而光伏技术趋势数据来源于Fraunhofer报告[64]。只有当技术、地理、边界和时间范围与评估的原型相同时，才保留中心估算值；没有引入任何专有或未参考的主要测量数据。

表5总结了每个数据来源类别、建模角色和协调规则。在光伏-CSP电力集合内建立了功能可比性，而CST的来源数据则单独根据有用热量参考流进行协调。

表5. 用于生成预期输入值的数据来源可追溯性矩阵和协调规则。
| 输入类别 | 主要数据来源类别 | 在模型中的用途 | 协调和质量控制 |
|----------|-------------|-----------|-------------------|
| 前置LCI过程 | ecoinvent v3.9/3.9.1过程清单和同行评审的光伏、CSP和CST LCI研究 | - | - |
| 基础材料、能源、运输、建造、运维和报废流动 | 技术原型与统一的从摇篮到坟墓的边界相匹配，并转换为1 MWh的交付电力或有用热量 | - | - |
| 预期背景系统 | IMAGE/REMIND综合评估模型（IAM）路径和IEA NZE对齐的脱碳假设 | - | - |
| 未来电力组合、工业能源供应和上游过程脱碳 | 仅保留与2025年、2035年和2050年一致的时间值；基线情况使用中心值，范围在不确定性分析中传播 | - | - |
| 太阳能资源和地理 | PVGIS/JRC区域太阳能资源信息和南欧辐照度文献 | - | - |
| 太阳能资源范围限于高辐射度的南欧地区，并在整个技术特定配置中一致应用 | - | - |
| 技术学习 | Fraunhofer ISE、IEA/IEA PVPS、NREL ATB和同行评审的技术路线图 | - | - |
| 技术学习 | 仅在使用与技术特定路线图一致的学习假设时使用；避免未经支持的外推 | - | - |
| 经济参数 | NREL ATB、IEA成本展望和同行评审的技术经济研究 | - | - |
| 循环性和报废 | 欧盟循环经济指导、NREL光伏循环证据和同行评审的回收研究 | - | - |

表6A总结了每个数据来源类别、建模角色和协调规则。在光伏-CSP电力集合内建立了功能可比性，而CST的来源数据则单独根据有用热量参考流进行协调。

表6A. 欧盟（2025–2050年）光伏和CSP电力参考配置的协调技术、寿命、存储、资源和经济假设。
| 技术 | 命寿命 | 存储配置 | 资源和输出基础 | 中心经济值 |
|------------|-------------|------------------|----------------|------------------|
| | |-----------------|------------------|------------------|
| 光伏（PV） | 30年 | 无电池存储 | GHI 1,600–1,900 kWh m?2 yr?1；净电力 | CAPEX 650/450/300 EUR kW?1；LCOE 45/30/20 EUR MWh?1 |
| | | | | |
| | | | | |
| | 30年 | 集成熔盐热能存储 | DNI 2,000–2,400 kWh m?2 yr?1；净电力 | CAPEX 4,200/3,200/2,400 EUR kW?1；LCOE 90/65/45 EUR MWh?1 |
| | | | | |
| | | | | |
| | | | |CSP（聚光太阳能）的可调度性价值仅通过表10B中明确标注的偏好敏感性来评估；这项测试既不是时间上的电力系统模拟，也不是光伏-电池和CSP-热能存储（TES）配置的生命周期比较。4.6. 前景情景构建为2025年、2035年和2050年这三个时间范围开发了前景情景，代表了欧洲和全球脱碳路径中的决策相关阶段。时间切片定义了技术评估的内部一致条件，而不是对未来性能的点预测。这些情景与不同的政策和建模来源对齐。欧洲绿色协议提供了总体欧洲气候政策背景[59]，而REPowerEU则指导了加速的能源转型设置[60]。国际能源署（IEA）的净零排放情景提供了2050年的国际规划基准[62]，而气候中和的欧洲路径比较则为区域建模提供了背景[66]。关于欧洲能源效率[67]、排放脱钩[69]和国家可再生能源立法实施[70]的证据用于情境解释，而不是直接的数值参数化。前景假设分为两组服务特定类型。表6A、表6B和表6C描述了PV-CSP电力配置、排放和参数范围，而表6D、表6E和表6F则报告了相应的CST有用热能信息[68]。能源系统的演变通过欧洲电力组合的逐步脱碳来表示，这反映在从2025年到2050年平均电网碳强度的下降上。欧洲气候中和模型比较支持了背景系统轨迹的方向[66]。关于经济排放脱钩的研究为欧洲气候议程下的排放强度下降提供了补充证据[69]。数值仍然是假设，而不是预测或测量结果。技术学习按服务单独表示。光伏假设包括模块效率和可回收性的提高；CSP假设包括接收器、聚光镜、储能和结构材料的改进；CST假设包括集热器光学性能、热传递流体的性能和工业集成。经济演变通过公用事业规模的光伏和CSP塔系统的学习调整资本支出（CAPEX）轨迹来表示。这些预测反映了在欧洲大规模部署条件下，由于规模经济、技术学习和服务链成熟而预期的成本降低。所有路径都保留了技术特定指标TRL（技术准备水平）。光伏保持成熟状态，CSP接近完全成熟，CST在其工业热能应用背景下发展出更高的准备度。确定性报告使用了中心值。七个PV-CSP电力标准应用了独立的±20%蒙特卡洛区间；CST范围作为前景热能服务的不确定性报告，并未转换为跨服务的排名分布。参考寿命在时间切片中保持不变，以隔离效率、材料强度、背景系统、回收和成本的变化。潜在的耐久性改进应单独测试，因为更长的寿命会将内置负担和固定成本分配到更多的输出中。4.7. 可持续性指标选择可持续性指标根据生命周期可持续性评估（LCSA）的三个维度（环境、经济和社会[88]）进行组织。社会维度通过可以在前景情景中一致量化的社会技术代理指标来实现。在案例研究中，这些指标提供了用于评估不同前景情景下太阳能技术可持续性表现的定量输入。指标选择遵循LCSA原则和欧洲可持续性优先事项。强度指标相对于提供的能源服务来表达，而CAPEX、可回收性和TRL保持各自的单位。表7A、表7B和表7C报告了光伏和CSP电力的环境、经济和社会技术数据；表7D、表7E和表7F报告了相应的CST有用热能数据。在指标选择过程中筛选了土地占用、土地转换、生物多样性和资源枯竭或临界性，但将其排除在决策矩阵之外。水消耗作为体积指标（L kWh?1）被保留。EF（环境影响）影响类别“资源使用、化石”、“资源使用、矿物和金属”以及“土地使用”被明确考虑在内。由于研究协调了已发布的总体指标，而不是可以使用EF 3.1一致描述的完整基本流量清单，因此没有进行计算。对于光伏、CSP和CST，在所有三个时间切片中都没有可比较的前景清单。因此，包含部分值或未经支持的推断将会削弱可比性。这些排除可能特别重要，特别是对于集热器场密集型和材料密集型系统。当一致的前景清单可用时，未来的服务特定应用应纳入协调的EF资源和土地使用指标。环境维度包括GWP（全球变暖潜能值）、水消耗和可回收性。电力服务值在表7A中报告，CST有用热能值在表7D中单独报告。电力供应情景的综合生命周期评估为低碳技术提供了更广泛的系统背景[89]。数值GWP比较使用了IPCC AR5 GWP100的证据基础[90]。前景指标值反映了在评估的时间范围内，制造效率、材料回收技术和供应链脱碳的预期改进。经济维度包括CAPEX和平准化成本。PV-CSP电力值使用LCOE（生命周期成本）在表7B中报告，而CST使用LCOH（生命周期成本）在表7E中单独报告。对前景可再生能源成本的解释得到了[91]中的经济转型证据的支持。为了保持透明度和避免重复计算，经济维度有意限制为这两个广泛使用且与决策相关的成本指标。劳动强度和技术准备水平（TRL）代表了社会技术维度。PV-CSP值在表7C中报告，CST值在表7F中报告。TRL的解释遵循[92]中的方法学评估。职业安全证据仅作为背景信息保留[93]，并从MCDA（多标准决策分析）中排除。保留的两个指标作为社会技术代理，并不构成完整的社生命周期评估，因为长期前景量化在更广泛的社会影响类别中的稳健性有限。社会技术指标基于文献中的行业平均值和前景评估得出，而不是基于数据库驱动的社会热点建模，从而限制了对投机性长期社会量化的依赖[94]。七个指标——三个环境指标、两个经济指标和两个社会技术指标构成了PV-CSP电力决策矩阵。在CST中，如果得到支持，也报告了相同的类别，但CST数据不与电力矩阵结合，也不转换为比较排名。4.8. 数据质量和不确定性考虑数据质量使用五个标准进行筛选：来源权威性、时间代表性、地理相关性、技术特定性和功能单位一致性。对于背景系统、成本、太阳能资源假设和技术路线图，优先使用官方数据集和机构来源；当CSP和CST特定数据无法从机构数据集中获得时，使用同行评审的研究。没有可追溯来源类别的输入被排除在基准案例决策矩阵之外。前景中心估计和不确定性信息按服务分开。表5、表6A、表6B、表6C、表6D、表6E、表6F记录了来源和假设；表7A、表7B、表7C包含了PV-CSP电力决策数据；表7D、表7E、表7F包含了分别解释的CST有用热能数据。只有电力矩阵通过蒙特卡洛排名分析进行了传播。每个PV和CSP标准应用了独立的统一±20%范围。每10,000次迭代都会重新标准化双选项电力矩阵，重新计算熵权重，并重新运行TOPSIS。结果的频率评估了在所采用区间内的数值稳健性，而不是统计显著性。CST的不确定性通过报告的来源范围和情景轨迹来表示，因为没有功能等效的热能替代选项可用于排名。支持度较低的输入被保守处理。职业安全仅作为背景信息保留，从MCDA评分中排除；CST没有估值，也没有创建跨服务的决策矩阵。5. 结果和讨论5.1. 可持续性指标的演变结果按能源服务分组。第5.1节首先报告了PV和CSP电力的前景指标轨迹，然后描述了CST有用热能概况。5.2 光伏和CSP电力的综合可持续性排名，5.3 指标权重在可持续性结果中的作用，5.4 PV-CSP电力排名的不确定性和稳健性仅对PV-CSP电力比较提供了综合分数和不确定性。PV和CSP通过不同的机制得到改进：PV通过模块效率、制造学习、供应链脱碳和回收；CSP通过接收器效率、聚光镜性能和储能集成得到改进。CST也在时间切片中得到改进，但其轨迹被独立解释为工业有用热能。CST没有综合分数或第一名概率的报道。这防止了1 MWh电力和1 MWh热能的数值相等被误认为是功能等同。因此，以下讨论区分了物理指标的演变、PV-CSP电力排名、电力排名的稳健性以及CST热能的独立部署相关性。生命周期GWP在两组服务中都下降。图4使用单独的面板和服务特定的轴：面板（a）报告了PV和CSP每千瓦时的净电力，面板（b）报告了CST每千瓦时的有用热能。下载：下载高分辨率图像（199KB）下载：下载全尺寸图像图4. 分别显示了（a）PV和CSP电力和（b）CST有用热能的前景生命周期GWP轨迹。这两个面板使用不同的功能单位，不适用于跨服务比较。在电力服务内，PV的GWP从2025年的35克CO2当量/kWh下降到2050年的10克CO2当量/kWh，而CSP从45克CO2当量/kWh下降到18克CO2当量/kWh。这些变化反映了供应链脱碳和技术特定的效率改进。对于CST有用热能，GWP从55克CO2当量/kWh下降到25克CO2当量/kWh。这一轨迹反映了集热器性能、辅助能源需求和背景系统的改进；它没有与电力路径进行数值比较。在PV-CSP电力组合中，PV使用的水量较少，而CSP与热系统操作相关的用水量较高。CSP的用水量从4.0升/kWh的有用热能下降到2.5升/kWh，并且与电力比较分开报告。PV和CSP电力配置以及单独报告的CST热能配置的可回收性都有所增加。这些变化代表了每种技术原型内的材料回收潜力，而不是服务等同性。CAPEX和平准化成本在所有三种原型中都有所下降，但经济指标按服务解读：PV和CSP使用LCOE进行比较，而CST使用LCOH进行评估。在电力比较中，PV在整个研究期间保持较低的CAPEX和LCOE。CSP的CAPEX从每千瓦3,800欧元下降到2,300欧元，LCOH从每兆瓦时85欧元下降到42欧元；这些热能服务值不与PV或CSP电力成本进行排名。随着部署规模和自动化的增加，劳动强度下降。PV的TRL保持在9，CSP从TRL 7.5提高到9，CST从TRL 7提高到2050年的中点值8.5。CST的趋势在工业热能背景下进行解释。服务特定的呈现揭示了太阳能电力内的比较优势以及CST热能在未来的改进，而不会将路径简化为单一的未区分排名。PV和CSP的可用职业安全估计随时间减少，但仅作为背景信息，并不包括在电力MCDA中。没有为CST估算值。总体而言，PV和CSP可以作为电力替代方案进行比较，而CSP需要在未来应用中与功能等效的工业热能选项进行比较。这种服务分离在每个后续的分数、概率、敏感性和部署声明中都得到保持。5.2. 光伏和CSP电力的综合可持续性排名图5和表8仅报告了PV和CSP的熵-TOPSIS结果。CST由于提供的是有用热能而不是电力，因此被排除在两种输出之外。下载：下载高分辨率图像（59KB）下载：下载全尺寸图像图5. 2025–2050年PV-CSP电力服务的熵-TOPSIS接近系数表8. 光伏和CSP在前景情景下的电力服务TOPSIS分数和排名。年份PV分数CSP分数排名1排名220250.6130.387PVCSP20350.6130.387PVCSP20500.6670.333PVCSP注意：分数相对于双选项电力矩阵。较高的值表示更接近理想的解决方案；它们不是绝对的可持续性指标。PV在2025年、2035年和2050年的分数分别为0.613、0.613和0.667，而CSP分别为0.387、0.387和0.333。PV-CSP之间的差异在2025年和2035年为0.226，在2050年为0.334。这些值是基于双选项矩阵的，不应与早期三种技术矩阵生成的分数进行比较。PV在2025年和2035年在GWP、水消耗、CAPEX、LCOE和TRL方面领先，而在2050年，CSP在可回收性和劳动强度方面领先。在2050年，可回收性和TRL持平，使PV有四个有利标准，而CSP有一个。CSP较低的基准案例分数并没有消除其服务价值。综合热存储和平衡发电没有通过七个标准完全体现，因此通过第5.8节的调度敏感性测试进行检验。CST没有在TOPSIS分数中进行讨论。其相关性源自5.1节“可持续性指标的演变”、5.5节“通过与现有文献的比较进行验证”以及5.6节“特定服务的解释和部署逻辑”中描述的不同有用热指标和工业过程要求。5.3节中提到，指标权重在可持续性结果中的作用。熵权重代表了光伏聚光太阳能（PV-CSP）电力矩阵中的区分性信息，而非利益相关者的价值观。因此，基准案例为分析师/规划者提供了两种电力方案的筛选结果。公用事业公司、监管机构、投资者、工人和社区可能会赋予不同的优先级，这些优先级通过第5.8节中的具体情景进行检验。在两种方案和最小-最大归一化的情况下，每个非关联标准产生的最大熵差异是相同的。因此，在2025年和2035年，七项差异化标准中的熵权重是相等的。到2050年，可回收性和技术成熟度（TRL）被视作同等重要，并获得零熵权重，而其余五个标准获得相同的权重。这一特性有两个含义：首先，基准案例得分反映了PV和CSP在标准层面的优势分配；其次，熵结果不应被解释为社会重要性的实证估计。特定情景的权重提供了必要的规范性敏感性测试。

蒙特卡洛分析评估了在给定输入范围内的数值稳健性，但不能替代利益相关者的意见征集。未来的工作可以应用层次分析法（AHP）、摆动加权或与代表性利益相关者群体的直接分配。双方案结构意味着基准案例权重并不支持环境或经济标准本质上比社会技术标准更重要的观点。它们的影响力来源于观察到的PV-CSP性能差异以及选定的决策矩阵。在水资源使用、资本支出（CAPEX）和平准化生命周期成本（LCOE）方面，PV在各个时间切片中都具有稳定的优势，而劳动强度则有利于CSP。全球变暖潜能值（GWP）、可回收性和技术成熟度（TRL）更为接近，更容易受到干扰或出现平局。优先级情景明确了这些权衡。气候与水资源及成本与投资权重增强了PV的偏好，而就业与公平转型权重则更倾向于CSP。由于职业安全没有被纳入七个指标矩阵中，因此它没有获得熵权重。这种排除反映了数据质量问题，而不是假设安全不重要。因此，权重结果应被视为PV-CSP电力数据集的属性，而不是普遍的可持续性优先级。这种透明的解释降低了将规范性含义归因于数据衍生熵权重的风险。

5.4. PV-CSP电力排名的不确定性和稳健性
蒙特卡洛模拟区分了基准案例电力排名与其在指标变化下的稳定性。由于CSP不是一种电力选项，因此没有计算其概率。对于每个时间切片，使用独立的±20%因子对七个PV和CSP输入进行10,000次迭代，并从披露的时间片特定狄利克雷分布中抽取偏好权重。图6和表9报告了校正后的电力排名接受频率。下载：下载高分辨率图像（61KB）/ 下载全尺寸图像。图6. 在±20%指标变化和披露的偏好权重不确定性下，PV-CSP电力比较的校正后蒙特卡洛排名接受频率。表9. 在综合指标和偏好权重不确定性下，PV和CSP电力的校正后排名接受频率。

5.5. 通过与现有文献的比较进行验证
与已发布的生命周期评估（LCA）、技术经济分析和太阳能技术研究进行比较，可以提供外部合理性检查，而不是正式的统计验证。IPCC AR5附件III报告称，公用事业规模光伏的生命周期温室气体排放量为18–180克二氧化碳当量（CO2-eq）/千瓦时，中位数为48克CO2-eq/千瓦时；CSP的排放量为8.8–63克CO2-eq/千瓦时，中位数为27克CO2-eq/千瓦时[90]。本研究中的2025年PV值为35克CO2-eq/千瓦时，CSP值为45克CO2-eq/千瓦时，都在这些范围内。到2050年，PV的值降至10克CO2-eq/千瓦时，低于AR5中汇编的历史数据范围，而CSP的值仍保持在范围内。因此，PV的结果被解释为基于效率、材料使用、回收和背景系统脱碳假设改进的未来情景结果。在[64]中的技术评估中记录了模块效率和制造性能的持续改进。一项欧洲比较LCA[84]表明，模块安装类型和生产地的地理起源会影响生命周期结果，这支持了本研究中对配置和供应链条件的明确处理。一项关于规模扩大和回收的过程级评估[86]表明，这些假设可以显著改变新兴PV系统的清单。一项技术比较研究[87]也报告了光伏系统之间的显著差异。总体而言，这些证据支持了模型预测的PV轨迹从35克CO2-eq/千瓦时降至10克CO2-eq/千瓦时的方向，尽管其幅度仍取决于假设条件。对于CSP，一项关于带和不带热能储存的塔式电站LCA[44]量化了储存的潜在影响，并支持将熔盐作为材料贡献者的处理。干式和混合冷却方式的比较[46]表明，冷却设计会改变环境性能，这与当前指标集中保留的水敏感度一致。对塔式CSP储存配置的回顾[41]指出，热储存是电站性能的关键决定因素。单独的工程评估[42]和[43]分别指出了储存和日晷设计以及接收器优化方面的进一步改进潜力。工业竞争力研究[48]还表明，市场和运营条件会影响CSP的可行性。这些证据支持了预测的CSP电力轨迹从45克CO2-eq/千瓦时降至18克CO2-eq/千瓦时的方向，同时确认储存和冷却假设仍然是重要的变化来源。

5.6. 特定服务的解释和部署逻辑
研究结果支持两种不同的决策情境。在太阳能电力领域，PV提供了一种模块化、成熟且成本低的路径，而CSP则提供了带有储存支持的、潜在可调度发电。在工业热能领域，CSP提供直接的热能，应与锅炉、热泵、电加热或其他符合温度和可靠性要求的工艺热能选项进行比较。因此，PV-CSP的TOPSIS结果仅与特定的电力配置相关，不能作为宣布某项电力技术优于CSP热能的数值依据。相反，CSP的预期改进并未在没有明确转化途径和最终用途功能的情况下建立竞争力。电力配置在储存方面有所不同：CSP包含集成的熔盐热储存（TES），而PV不包含电池。调度性压力测试评估了固定或可调度电力所赋予的决策价值，但不能替代PV-电池与CSP-TES的生命周期比较。土地使用和资源耗竭的排除可能影响两个服务组。因此，项目级别的电力和热能评估应在适当的功能比较中应用特定地点的土地、水资源、电网或热网络、储存和材料资源数据。部署含义是区分的，而非顺序排列的。PV适用于电网容量和土地允许的快速电力扩展；CSP在需要储存支持的电力具有系统价值时具有相关性；CSP在具有适宜辐照度和工艺集成要求的工业热能需求集群中具有相关性。方法学上，研究表明概率MCDA可以支持服务内部的技术选择，而当仅有一种技术代表不同服务时，单独的指标轮廓更具合理性。

5.7. 对可持续能源规划的影响
研究结果表明，对于高辐照度的南欧地区，有三个与决策相关的含义：首先，在熵加权基准案例下，PV因低GWP、水资源需求、资本支出和LCOE以及高技术成熟度而更受青睐。这一结论不适用于所有电力配置或工业热能。其次，电力偏好对基准矩阵中省略的参数敏感。在就业与公平转型情景下，以及当调度性获得大约20%的决策权重时，CSP更受青睐。第三，CSP应仅在其自身的热能服务范围内进行评估。报告中的GWP、水资源使用、资本支出和LCOH下降，以及可回收性和技术成熟度的改进，为针对功能等效的工业热能选项的进一步特定应用评估提供了依据。因此，政策制定应通过不同的决策路径进行：电力规划可以使用PV-CSP矩阵及其敏感性测试，而工业热能规划应构建CSP与匹配热供应选项之间的专门比较。PV的高排名频率反映了其对指定±20%电力输入扰动的稳健性。就业和调度性的逆转表明，这一结果依赖于标准集和偏好模型。

5.8. 敏感性分析
敏感性分析仅将五个优先情景和调度性测试应用于PV-CSP电力矩阵。这两种分析都使用了表7A、表7B和表7C中的数据以及第3.7节中的程序；它们的确定性结果分别记录在表10A和表10B中。这些得分独立于表9中的蒙特卡洛排名接受频率计算，因此在修正校准不确定性情景时不会改变。在平衡、气候与水资源、成本与投资和技术成熟度优先级下，PV在所有三个时间切片中始终排名第一。在就业与公平转型权重下，CSP在2025年、2035年和2050年均排名第一。表10A报告了重新计算的电力服务得分。调度性测试证实，电力比较对固定或可调度发电所赋予的价值敏感。PV在0%和10%的权重下仍被优先选择；CSP在20%的权重下略微受青睐，其优势在30%时增加。这是一个偏好测试，而不是对匹配存储配置的物理模拟。这些测试共同区分了校准后的排名可接受性和确定性偏好敏感性。在四种优先结构下，光伏（PV）仍然更受青睐，而当就业或可调度的决策权重增大时，聚光太阳能（CSP）则更受青睐。因此，表10A和表10B保留了它们的计算得分，而不是进行调整以反映表9的结果。因此，关于电力的结论是条件性的，而不是普遍适用的。CST则不在这些排名范围内，需要一个专门的工业热能比较组。

5.9. 通过能源服务进行决策综合
对于太阳能电力，基准案例矩阵更倾向于光伏，但这一结果不应被视为单一技术的推荐方案。在就业、可调度或夜间发电具有较高系统价值的情况下，聚光太阳能仍然具有战略意义。对于工业热能，CST通过其自身的前瞻性指标进行评估，而不是与电力技术进行综合排名。其适用性取决于工艺温度、替代燃料、负荷曲线、辐射、储能以及工业集成情况。表11总结了针对特定服务的解释、优势、限制和部署影响，但没有为CST分配相对于电力的排名。

表11. 光伏-聚光太阳能电力结果和CST工业热能配置的具体服务解释
服务 | 技术 | 解释 | 主要优势 | 主要限制 | 部署影响
--- | --- | --- | --- | --- | ---
电力 | 光伏 | 最高的光伏-聚光太阳能基准得分和第一排名频率 | 低全球变暖潜力（GWP）、用水量少、资本支出（CAPEX）和生命周期成本（LCOE）低；技术成熟度（TRL）高 | 参考配置中没有电池；电网和土地限制 | 在电网、土地和回收系统足够的情况下，可以快速部署大规模电力
电力 | 聚光太阳能 | 较低的基准得分；在就业或可调度优先级下更受青睐 | 集成的热能存储（TES）和可调节发电 | 较高的资本支出、生命周期成本（LCOE）、用水量和基础设施强度 | 需要在储能支持的电力具有价值的高直射太阳辐照度（DNI）系统中使用

在电力服务中，确定性得分和蒙特卡洛频率区分了中心偏好和输入不确定性下的稳健性。偏好敏感性显示了就业和可调度如何改变光伏-聚光太阳能的排序。图7仅报告了光伏-聚光太阳能电力分数的差异。表12分别列出了电力和热能评估的不确定性来源及其影响。

图7. 不同时间范围内光伏和聚光太阳能电力服务的TOPSIS分数差异。
表12. 不同服务类型的不确定性来源及其对电力排名和CST热能评估的影响。

6. 限制
在解释特定服务的结果时，应考虑几个限制：
首先，2035年和2050年的数值是基于已发布的路径和技术证据得出的前瞻性情景假设。它们是内部一致的规划状态，而非预测，实际的技术、政策和市场发展可能有所不同。
其次，决策矩阵排除了关于土地占用和转换、生物多样性、能源资源使用（化石燃料）、能源资源使用（矿物和金属）以及职业安全的统一指标。水需求仅表示为体积消耗。要一致计算这些被排除的能源类别，需要使用共同的能源评估3.1方法进行完整的前瞻性基础流量清单。因此，这些排除可能会低估了依赖集热器场地或材料密集型系统的负担。未来的特定服务评估应包含这些类别的统一场地、清单和表征数据。
第三，高辐照度的南欧范围限制了该方法在其他具有不同气候、基础设施、工业热需求或政策条件的地区的适用性。
第四，熵加权反映了数据分散性，而非利益相关者的偏好。在两选一的矩阵中，所有未绑定的标准具有相同的熵差异，因此基准权重不应被解释为社会重要性的估计。TOPSIS也对标准化和所包含的替代方案敏感。
第五，独立的±20%扰动并不代表参数特定的分布、相关性或结构不确定性。报告的光伏-聚光太阳能第一排名频率仅描述了在此筛选范围内的稳健性。
第六，该研究有意避免进行跨服务排名。光伏和聚光太阳能提供电力，形成了唯一的比较决策矩阵；而CST提供实用热能，则单独报告。因此，该研究无法确定CST是否优于电气化、热泵、锅炉或其他工业热能选项。为此需要一个专门的熱能服务决策矩阵。
第七，电力配置并不具有等效的储能功能：聚光太阳能包括熔盐热能存储（TES），而光伏没有电池。可调度作为决策偏好指标，但不能替代匹配的储能清单。CST的过程缓冲也没有与任何电力-储能配置进行比较。

尽管存在这些限制，该框架仍为特定服务内的电力比较提供了可审计的基础，并提供了CST工业热能的透明、未经排名的概况。

7. 结论
本研究开发了一个针对特定服务的展望性LCSA-MCDA框架，用于2025年、2035年和2050年过渡条件下的公用事业规模光伏和聚光太阳能电力以及工业CST热能。通过使用1 MWh的净电力（对于光伏和聚光太阳能）和1 MWh的实用热能（对于CST）来确保功能可比性。只有光伏和聚光太阳能被纳入熵-TOPSIS排名、蒙特卡洛排名分析和偏好敏感性评估。CST则单独评估，没有被分配跨服务的得分或排名。

在电力矩阵中，光伏的TOPSIS得分分别为0.613、0.613和0.667，而聚光太阳能在2025年、2035年和2050年的得分分别为0.387、0.387和0.333。这些系数是相对于两选一矩阵的，而不是绝对的可持续性指标。在校准后的综合不确定性敏感性分析中，光伏在96.0%、76.0%和73.0%的模拟中排名第一。这些是有条件的排名可接受性频率，而非实证概率。在考虑就业和公正过渡的权重下，以及当可调度占比约为20%的决策权重时，聚光太阳能更受青睐。CST的实用热能性能在前瞻性时间范围内有所提升：全球变暖潜力从55克二氧化碳当量/kWh下降到25克二氧化碳当量/kWh，用水量从4.0升/kWh下降到2.5升/kWh，资本支出从每千瓦3800欧元下降到2300欧元，生命周期成本从每兆瓦85欧元下降到42欧元，同时可回收性和技术成熟度也有所提高。这些趋势支持特定应用的评估，但并未确立与电力技术的排名。

主要的方法论贡献在于在一个前瞻性证据框架内明确区分了服务功能。这种结构保持了共同的清单、可持续性和不确定性原则，同时防止了能量数量的数值等同被误解为功能等同。从来源到模型的映射使得假设和特定服务的参考流量可审计。修订后的表格和图表分别列出了电力输入、电力排名输出和CST热能指标。

未来的工作应该将CST与功能等效的工业热能替代方案进行比较，并使用匹配的储能持续时间、效率、可靠性和系统边界来比较光伏-电池组合与聚光太阳能-热能存储组合。还应纳入特定场地的土地、水、材料资源和社会指标以及利益相关者提出的权重。因此，该框架应作为一个透明的特定服务筛选工具使用：可以在所述的电力服务范围内比较光伏和聚光太阳能，而CST则需要在一个专门的熱能服务比较后才能得出技术选择的结论。

声明
所有光伏-聚光太阳能电力决策矩阵的数值输入均列在表6A、表6B、表6C、表7A、表7B、表7C中，CST实用热能的假设和指标则分别列在表6D、表6E、表6F、表7D、表7E、表7F中。电力服务的结果出现在表8、表9、表10A、表10B以及图5、图6、图7中；CST没有TOPSIS得分或第一排名概率。图4分别在电力和热能部分展示了全球变暖潜力。表11、表12和表13提供了特定服务的解释和部署影响。该研究未使用任何机密或专有的一手数据。来源类别、数据库版本、功能单位转换和标准化规则在4.4生命周期可持续性评估（LCSA）、4.4清单数据来源、数据出处和背景建模、4.5功能单位和参考流量、4.6前瞻性情景构建、4.7可持续性指标选择、4.8数据质量和不确定性考虑中有详细说明。校准后的排名可接受性分析使用了10,000次迭代、一个固定的种子值42、独立的±20%输入分布，以及公开的特定时间片的狄利克雷浓度参数。表10A和表10B保持了独立的确定性敏感性分析。

CRediT作者贡献声明：
Majid Baseer：撰写——原始草稿、可视化、验证、软件、方法论、正式分析、数据管理、概念化。
Maurizio Cellura：撰写——审阅与编辑、可视化、监督、项目管理、方法论、调查、正式分析、概念化。
Francesco Guarino：撰写——审阅与编辑、验证、监督、资源管理、项目管理、正式分析、数据管理、概念化。
Sonia Longo：撰写——审阅与编辑、项目管理、方法论、数据管理、概念化。

Majid Baseer | Maurizio Cellura | Francesco Guarino | Sonia Longo