在碳税和通胀背景下，对农业废弃物进行技术经济分析，并优化其纳入生物能源智能供应链的路径

《Biomass and Bioenergy》：Techno-economic analysis and optimization of agricultural waste to the bioenergy smart supply chain with carbon tax and inflation

　　•开发了一种智能闭环农业废弃物转化为生物能源的模型。
•提出了基于激励的生物质收集回报策略。
•整合了自动化分选和检测技术以确保质量。
•利用粒子群优化算法优化了供应链模型。
•实现了98%的回收率，并取得了良好的财务可行性结果。

**引言**
随着农业废弃物（如作物残余物、壳和秸秆）的持续增长，全球产生了大量的废弃物。这些废弃物的管理不善引发了严重的环境和社会经济问题。露天焚烧和无控制地倾倒废弃物是空气污染、温室气体排放以及宝贵生物质资源损失的主要因素。在循环经济发展背景下，废弃物的管理和利用已成为环境保护的关键问题[1]。将废弃物转化为能源已成为应对这些挑战的一种可持续且可行的方法。这种转化能够将未充分利用的生物质转化为有用的能源形式，从而减轻环境污染，并为农民和农村社区创造额外收入。减少废弃物、提高资源利用效率和降低碳排放符合全球的可持续性和气候目标。将废弃物纳入能源系统被认为是实现可持续废弃物管理和可再生能源发展的关键策略[2]。

废弃物可以作为有价值的原料广泛应用于废弃物转化为能源的过程中。传统的化石能源生产因其高碳密集性而对环境造成巨大压力，因此可以采用基于废弃物的可持续转化方式[3]、[4]。快速热解是一种热化学转化方法，用于从废弃物中生产有价值的能源载体[5]、[6]。快速热解主要旨在最大化液体生物油的产量，同时产生生物气体和生物炭作为副产品。快速热解产生的生物油占比50-75%，生物气体10-20%，生物炭15-25%。其中含氧化合物的高浓度使热值达到传统燃料的30-50%[7]。生物气体可用于热解反应器的自身燃烧，从而减少外部燃料消耗。生物炭可用作土壤改良剂、碳封存剂或活性炭前体，具有较高的经济和环境效益。基于热解的废弃物转化为能源系统的经济可行性和环境性能很大程度上取决于供应链设计、工艺配置、规模和市场条件[8]。

智能制造已成为提高废弃物转化为能源供应链效率、可持续性和韧性的重要手段。通过整合智能生产系统、自动化技术和优化方法，这些技术有助于行业更有效地利用资源、降低运营成本并提升整体供应链性能[9]。许多现有研究致力于优化基于废弃物的生物燃料供应链，以降低成本并减少碳排放[10]、[11]、[12]。此外，还开发了针对不确定条件下的甘蔗生物能源生产的可持续性框架，强调平衡经济和环境目标的重要性[13]。然而，这些研究对智能制造技术在整体生产和供应链系统中的应用考虑较为有限[13]。

近年来，研究人员积极探索不同的智能制造策略以提高生产效率。引入了自动化检测系统和智能投资规划，以提升生产可靠性并减少设置和采购成本[14]。智能制造也被应用于外包决策中，以提高供应链网络的生命力[15]。此外，节能策略和可变生产率也被整合到基于动物脂肪的生物柴油供应链中，以更真实地反映实际情况[16]。同样，智能制造概念也被应用于微藻生物柴油生产中，以提高工艺效率和减少环境影响[17]。尽管有这些有益的贡献，现有文献主要关注智能制造的个别方面，如生产效率、库存管理、外包策略或成本优化。很少有研究探讨如何将智能制造技术整合到废弃物转化为生物能源的供应链设计中，并同时考虑经济目标、碳稅和通货膨胀因素[18]。因此，本研究提出了一种集成的智能制造支持供应链框架，结合了网络设计、生产规划和可持续性评估，以支持更高效和更具经济责任感的决策制定。

**技术经济分析（TEA）**使用多种方法来研究系统的技术层面和经济性能。这些因素包括成本分析、净现值（NPV）、内部收益率（IRR）和回收期（PB）。生物油的平准化成本（LCOB）用于评估其生命周期内的能源成本[18]。此外，敏感性分析等工具可全面评估并为决策者提供信息。优化模型与TEA框架结合使用，通过整合技术性能指标和详细的经济评估来确定具有成本效益的供应链配置[19]、[20]。Wu等人[21]根据原料供应情况优化了生物质储存和生物燃料转化厂的位置。Kang等人[22]利用GIS和TEA方法确定了最优服务方案，以最小化生物质供应链的经济成本和碳排放。Yunusoglu等人[23]研究了生物质在能源供应链中的角色，侧重于经济性能和机器学习技术，以提高成本效益并改善TEA结果。Ganesh等人[24]分析了生物质能源生产的供应链，应用TEA评估其经济可行性和运营性能。

多项研究致力于将可持续性考虑因素整合到库存和供应链模型中，特别是通过纳入碳排放、通货膨胀和循环经济原则[25]、[26]、[27]。最近的研究通过将通货膨胀和二氧化碳排放成本与循环经济概念相结合，扩展了这些模型，以在纺织和橡胶等行业平衡经济性能和环境可持续性[28]、[29]、[30]、[31]、[32]。先前的研究表明，通货膨胀促使行业采取废弃物再利用和循环经济实践，以减少对昂贵原始材料的依赖并提高资源效率[31]、[32]、[33]、[34]。Anjali等人[35]开发了一种考虑碳稅和通货膨胀的农业废弃物（如稻草）可持续生产供应链，促进了更清洁的生产、资源效率的提升以及供应链中的更可持续决策制定。

表1总结了现有文献中采用的解决生物质供应链各种挑战的方法论方法。所研究的方法包括数学优化技术、技术经济分析、机器学习、基于模拟的方法和决策支持框架。这些方法已被应用于解决供应链网络设计、设施选址、生产规划、资源利用、环境评估和经济可行性等相关问题。这些方法的多样性体现了生物质供应链研究的跨学科特性，并为开发同时解决运营效率、可持续性和经济性能的更综合性框架提供了机会。

本研究专注于开发闭环废弃物转化为生物能源的供应链（AWBESC），该供应链采用了基于激励的回报策略以实现最大量的生物质收集。采用自动化分选技术将生物质中的废弃物分离出来，以提高产品产量。在精炼过程中进行了两阶段自动化检测，以确保生物油的纯净度。通过整合智能制造概念（如生物质的智能分选和生物油生产的智能检测），进一步提升了基于快速热解的AWBESC的效率和可扩展性。碳稅被纳入供应链的运输和生产阶段。进行了TEA分析，以评估其整个运营生命周期的财务可行性。通货膨胀因素也被纳入AWBESC的每个阶段中。

基于现有文献中指出的不足之处，本研究的新颖之处在于通过以下研究问题来体现：
1. 基于激励的废弃物回收政策如何影响AWBESC的生物质收集率和整体性能？
2. 如何将智能两阶段自主检测过程集成到AWBESC中，以消除杂质并确保高纯度的生物油产出？
3. 智能AWBESC系统如何实现高效的能源利用？
4. 技术经济分析如何使用平准化成本、NPV、IRR和PB等经济指标来评估AWBESC的财务性能？

对以往研究的回顾表明，废弃物的供应链在可持续性和资源综合利用方面存在显著不足。针对表1中列出的文献，本研究解决了以下问题：
- 大多数现有生物质供应链文献未考虑任何废弃物回收计划。本研究通过改进的Sigmoid回报率函数引入了基于激励的废弃物回收政策，从而提高了AWBESC中的生物质收集率。
- 许多现有生物质管理模型假设废弃物直接流向生产设施，未考虑分离废弃物的中间分选过程。所提出的模型在将废弃物运输到生产厂之前加入了自动化分选过程，以提高运营效率。
- 以往模型未考虑内部能源利用。为降低运营成本并使热解过程自给自足，本研究在AWBESC框架中加入了生物气体回收功能。
- 一些现有生物质供应链模型假设生物能源产量的恒定率，这无法准确反映实际生产情况。所提出的AWBESC模型考虑了生物油、生物气体和生物炭的可变产量，使系统能够捕捉实际生产变化并提供生产管理的灵活性。
- 现有研究中生物油生产系统的质量保证机制常常不完善。本研究采用了智能两阶段检测系统，并为不合格的生物油提供了重新处理机制，使其能够在精炼厂达到所需的质量标准。
- 生物质能源系统的经济评估经常忽略通货膨胀的影响。所提出的AWBESC模型考虑了影响系统中所有相关成本成分的通货膨胀率，从而在规划期间提供了更现实的经济评估。
- 本研究在运输和生产阶段都加入了碳稅，实现了环境评估与运营规划的结合。
- 本研究引入了LCOB作为关键绩效指标，以评估所提系统中生物油的变动性和长期生产成本。尽管生物能源系统受到越来越多研究关注，但许多研究缺乏包含关键财务指标的综合性技术经济评估，以评估项目的长期可行性。

本研究的新颖之处在于开发了一个全面的AWBESC优化框架，该框架在一个统一的MILP模型中整合了运营、经济和财务决策制定。所提出的模型采用改进的Sigmoid回报率函数来增强生物质收集。在废弃物运输到生产厂之前，利用自动化分选技术提高原料质量。以往研究中忽略了生物气体的回收，而所提出的框架进一步加入了生物气体的回收和利用，使热解过程中产生的部分能量可以在生产系统中重新利用。传统模型假设产品产量固定，而所提出的模型考虑了生物油、生物气体和生物炭的可变产量，从而更好地捕捉生产变化并提高生产规划的灵活性。为了提高产品可靠性，研究还将智能两阶段检测和重新处理机制整合到了生产过程中。此外，整个AWBESC模型都考虑了通货膨胀因素，并在运输和生产阶段纳入了碳稅考虑。通过所提出的基于MILP的优化框架确定最优供应链配置后，进行了TEA分析以评估优化模型的财务可行性。该框架不仅限于确定最佳网络设计，还评估了NPV、IRR、PB和LCO等经济因素，帮助决策者确定最佳运营策略及其长期商业可行性。

第1节包括引言和先前研究的回顾，以及作者的贡献列表。第2节提供了问题的表述，并概述了本研究中使用的符号和假设。第3节描述了本研究中的数学建模框架。第4节介绍了通过粒子群优化（PSO）解决多整数线性规划问题的方法论。第5节通过数值示例说明了AWBESC以及影响总成本的关键参数分析。第6节讨论了结果、各种情景以及对管理的启示。第7节提出了从研究中得出的结论和未来的研究方向。

**问题表述、假设和符号**
本研究开发了一个MILP模型，以优化可持续的AWBESC网络。在AWBESC中，AW作为热解过程的主要原材料，可以生产出有价值的产品，如生物油、生物气和生物炭。根据循环经济的方法，AWBESC网络被划分为三个部分，如图1所示。(i) 阶段是上游部门，其中包含了多个配备智能自动化分拣设施的收集中心，用于从BM中分离AW。

**AWBESC的建模**
所提出的AWBESC数学模型旨在实现最小的总经济成本。经济目标包括AWBESC的固定成本和可变成本。固定成本包括收集中心、生产工厂和生物油精炼厂的安装成本。可变成本包括智能自动化分拣成本、可变生产成本、智能检测成本、返工成本、运输成本和储存成本。碳税通过直接碳定价方式纳入模型中。

**解决方法**
采用PSO技术来优化AWBESC的总成本构成。选择PSO的原因是，传统的MILP求解器在处理大规模、高维的供应链模型时，尤其是当存在多个离散和连续变量时，往往在计算上不可行[49]。所提出的AWBESC模型被构建为一个MILP模型，其中涉及大量的二进制和连续决策变量，以及设施选址、运输、库存和生产等方面的决策。

**数值示例和结果**
为了验证所提出的AWBESC优化框架的可行性和有效性，开发了一个代表性的数值案例研究。该案例研究使用了参考文献[7][21][36][50][51]中提出的BM供应链研究的输入参数，并结合了特定于该模型的财务和政策相关参数进行了扩展。表2概述了输入的经济参数，如安装参数等。

**讨论与分析**
本节分析了使用PSO方法优化的MILP模型的结果，并概述了主要发现和管理启示。分析表明，基于回收的策略能够实现98%的AW回收率。当不采用激励措施（k1=0）时，BM的回收率降至16%，且原材料利用量较低。这表明，基于激励的回收率政策可以鼓励废物回收，并提高效率。

**结论**
所提出的MILP模型在循环经济框架下构建了一个可持续的AWBESC。该模型整合了BM的收集、基于热解的转化以及生产分配。研究结果表明，AW可以有效地转化为有价值的产品，如生物油、生物气和生物炭。实验结果显示，实施基于激励的废物回收政策可以将BM的回收率显著提高至98%，同时回收成本仅为3.2美元。

**作者贡献声明**
Anjali：撰写-原始草稿、可视化、软件开发、方法论制定、数据分析、概念化。
Anand Chauhan：撰写-审阅与编辑、验证、监督、方法论指导、研究设计。
Abhinav Goel：撰写-审阅与编辑、验证、监督。

**资金来源**
本研究未获得公共部门、商业机构或非营利组织的任何特定资助。

**利益冲突声明**
作者声明他们没有任何已知的竞争性财务利益或个人关系，这些关系可能会影响本文报告的工作内容。