克服中国可持续航空燃料的高成本障碍:一项基于碳目标、运用学习曲线和非线性规划方法研究HEFA(氢能源航空燃料)和ATJ(合成生物航空燃料)应用的研究

《Renewable Energy》:Overcoming the High-Cost Barrier of Sustainable Aviation Fuel in China: A Study on HEFA and ATJ Deployment Driven by Carbon Targets Using Learning Curve and Nonlinear Programming

【字体: 大 中 小 】 时间:2026年03月29日 来源:Renewable Energy 9.1

编辑推荐:

  中国可持续航空燃料(SAF)部署框架研究,通过整合学习曲线和非线性规划量化规模经济与成本突破路径,对比HEFA(废油)和ATJ(纤维素乙醇)技术成本竞争力,提出兼顾减排与经济效益的SAF规模化部署策略,强调原料供应倍增需求与政策协同必要性。

  
杨丽山|胡玉洁|陶瑶|王洪磊
贵州大学管理学院,中国贵州贵阳市550025

摘要

可持续航空燃料(SAF)的高成本阻碍了其广泛应用。本研究为中国开发了一个部署框架,该框架结合了学习曲线和非线性规划方法,以量化规模经济效应并确定成本突破路径。研究重点关注从废油中提取的HEFA和从纤维素乙醇中提取的ATJ,在碳目标约束下优化技术选择。原料成本在HEFA(87.3%)和ATJ(92.8%)中占主导地位。尽管ATJ的初始成本较高,但其更陡峭的学习曲线使其在年产量超过465.4万吨时更具竞争力。在突破性情景下,HEFA-SAF最初处于领先地位,但到2038年(碳中和目标,市场份额94%)或2034年(净零排放目标,市场份额87.8%)时,ATJ-SAF将占据主导地位,并在2050年达到1:1的比例。实现中国的碳中和目标(SAF渗透率91%)可将航空排放量减少到1.36亿吨。SAF将在2036年(碳中和)或2034年(净零排放)具备成本竞争力,到2050年成本可降至每公斤0.66美元以下。然而,要实现这一潜力,原料供应需要增加11.5倍。该框架平衡了排放和成本,强调了为解决原料限制和推动SAF在中国部署而需要的战略投资和政策。

引言

全球航空需求持续增长,在SARS-CoV-2大流行之前年增长率达到8.5% [1]。预计到2050年,航空业将导致全球变暖约0.1°C [2]。作为世界第二大航空市场,中国2024年消耗了3928万吨航空燃料,产生了超过1.23亿吨的碳排放 [4]。迫切需要脱碳和SAF技术的部署来支持中国的碳中和目标。
到2025年,整个SAF供应链已被列为中国的关键低碳技术。这一链条包括生产、认证、混合、储存、运输、加注、使用和碳足迹跟踪 [5]。这促进了SAF技术在中国的发展。SAF是实现2050年航空净零排放的唯一实际途径。它可以减少高达80%的二氧化碳排放 [6]。截至2024年,美国材料与试验协会(ASTM)国际已批准了八种SAF生产路径。最常见的工业方法是酒精制喷气燃料(ATJ)和氢化酯及脂肪酸(HEFA)[7]。HEFA使用废油和脂肪作为原料,通过加氢脱氧和异构化等步骤生产喷气燃料 [8]。这是目前最成熟的技术,因此已成为中国扩大SAF生产的主要方法 [4]。ATJ工艺使用乙醇或异丁醇作为原料,通过脱水、寡聚化和氢化生产合成喷气燃料 [9]。许多材料可用于生产乙醇,包括农业废弃物、林业废弃物、固体有机废弃物和工业废气 [10]。这增加了ATJ的原料范围。由于该技术已经商业化,可以快速扩大规模,且投入和上市时间较少 [11],[12]。HEFA和ATJ各自具有互补优势,对中国绿色航空未来充满前景。然而,它们的生产增长仍然缓慢,工业扩张未达到预期 [13]。
主要原因在于高昂的生产成本。SAF的价格是传统化石基喷气燃料的2到5倍 [14]。因此,投资者犹豫不前,这极大地限制了其大规模应用 [15]。因此,解决高成本问题是实现碳中和和净零航空排放的关键。同时,提出部署HEFA和ATJ等SAF技术的计划也非常重要,这有助于生产者降低投资风险,并帮助政府制定支持政策。这些措施共同促进SAF的大规模发展。
Shakelly等人(2024年)使用蒙特卡洛模拟展示了乙醇价格变化如何非线性地影响基于乙醇的ATJ技术成本 [16]。Teixeira等人(2024年)也使用Aspen Plus模型发现了这种非线性效应 [17]。副产品的价值也被视为降低成本的一个因素。Baidoo等人(2022年)研究了使用橡胶籽油的HEFA工艺中的副产品。Collis等人(2022年)对使用钢铁厂气体的FT工艺进行了类似研究 [18],[19]。Akter等人(2026年)进一步证明,在联邦税收抵免和可再生识别号(RIN)激励下,从伐木残余物中提取的SAF的最低售价可降至每升0.59-0.83美元 [20]。然而,这些研究主要依赖于静态成本假设,未能捕捉到生产规模扩大时成本的动态变化。
生产规模和产能被广泛认为是降低成本的关键因素。Eswaran等人(2021年)发现,使用废油可将SAF的最低售价降至每升1.00美元。然而,经济可行性对成本变化非常敏感——成本变化约35% [21]。Ahire等人(2024年)建立了基于森林残余物气化的FT合成模型,表明在每天90吨的产能下,SAF成本可降至每升1.44美元 [22]。
Hughes等人(2026年)提出了一个“搭便车”集成生物精炼模型,通过共享基础设施整合了第一代至第三代生物燃料技术,与独立设施相比降低了33%的成本 [23]。虽然这些研究承认了规模的重要性,但它们要么依赖于固定产能假设,要么仅限于短期敏感性分析,未能量化由累积生产增长和技术成熟度驱动的学习曲线效应。
SAF的环境效益是克服其高成本的根本目标。Shi等人(2024年)提出了三种利用木质素的方法。直接燃烧是最经济的,但催化剂的使用导致了37%的碳排放。这表明需要更环保的溶剂 [24]。Weyand等人(2025年)报道了一种熔盐工艺,实现了78%的碳效率,但需要每吨二氧化碳500欧元的碳价格才能具有竞争力 [25]。Kourkoumpas等人(2026年)发现,在可再生电力条件下,将乙醇工厂转换为ATJ可减少61-97%的温室气体排放 [26],而Akter等人(2026年)报告使用伐木残余物的酒精制喷气燃料路径可减少超过70%的排放 [20]。然而,这些单一路径评估缺乏碳目标和技术选择之间的整合。此外,原料可用性和价格波动是SAF部署的关键限制因素。Bolakhe等人(2024年)开发了一个随机模型,考虑了产量波动,在每升1.10美元的成本下实现了超过50%的碳减排 [27]。Hughes等人(2026年)引入了利润共享机制来稳定原料成本 [23]。
政策和市场机制也在塑造SAF技术选择中发挥着重要作用。Zhao等人(2021年)使用实期权分析发现,当油价变化时,生物燃料的价值必须比传统净现值(NPV)估计高出45%才能使投资具有可行性 [28]。Hsu等人(2022年)使用能源-环境-经济(3E)框架表明,碳税是促进基于废油的生物燃料的关键 [29]。Akter等人(2026年)发现,在政策激励下,Iso-BTJ路径甚至可以实现每吨二氧化碳-59.3美元的负减排成本 [20]。然而,这些研究主要关注单一政策工具,未能系统分析在不同碳目标下的多种技术之间的动态竞争。
总之,现有研究在工艺经济学、供应链优化、生命周期评估和政策激励等方面取得了显著进展,如表1所示。然而,仍存在关键空白:缺乏不同生产规模下成本动态的描述,学习曲线效应尚未定量纳入成本预测。此外,碳减排目标和技术路径选择之间的定量耦合不足,使得在碳约束下优化技术组合变得具有挑战性。
为解决这一研究空白,本研究重点关注两种SAF生产路径:HEFA和ATJ。建立了一个结合工艺模拟、学习曲线和技术选择模型的技术部署框架,旨在克服阻碍中国SAF发展的成本障碍。
本研究面临的挑战及提出的方法如图1所示。
本研究有四个主要贡献。首先,它开发了一个结合工艺模拟、学习曲线和技术选择的新SAF部署框架。其次,它提出了一种平衡减排目标和成本约束的协作HEFA和ATJ路径,为中国航空业脱碳提供了实际解决方案。第三,它在非线性规划框架内构建了一个决策优化模型,能够动态评估不同碳目标下的技术组合。第四,它量化了生产规模扩大和技术学习的成本降低效应,为大规模SAF投资提供了实证支持。

研究框架

为了提出低成本的SAF部署策略,本研究开发了一个综合分析框架,结合了工艺模拟、学习曲线和技术选择模型(如图2所示)。具体步骤如下:首先准备输入数据,包括原料属性、成本参数和工艺条件,用于(i)工艺模拟和能源效率分析。使用Aspen软件构建了HEFA路径和ATJ路径的稳态工艺模型

两种工艺下的学习曲线

使用Aspen Plus模拟对不同生产规模下的关键工艺参数进行了优化,以反映扩大生产工厂的实际技术和经济可行性。使用通用学习曲线表达式得出了两种工艺的学习曲线。如图5所示,ATJ工艺的学习曲线更陡峭,R2值为0.9735;HEFA工艺的学习曲线R2值为0.973。

结论与政策启示

通过将学习曲线模拟与非线性规划相结合,开发了一个“工艺模拟-学习曲线-技术选择模型”框架。该框架量化了规模经济和技术学习对SAF成本降低的贡献,并提出了一种平衡减排潜力与经济考虑的部署策略。该模型有效解决了中国SAF的高成本问题。

作者贡献声明

王洪磊:撰写 – 审稿与编辑、验证、监督、调查。陶瑶:撰写 – 审稿与编辑、监督。胡玉洁:撰写 – 审稿与编辑、初稿撰写、验证、监督、数据管理、概念化。杨丽山:初稿撰写、可视化、方法论研究、调查、正式分析、数据管理

资助

感谢国家自然科学基金 [资助编号72464006和72104062]、贵州青年学术先锋建设项目 [QNXSXF2025001]、贵州省研究生研究项目 [2024YJSKYJJ021]、贵州大学人文与社会科学项目[GLSZ202421]的财政支持。

利益冲突声明

? 作者声明他们没有已知的可能会影响本文工作的竞争性财务利益或个人关系。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号