综述：关于新兴太阳能技术前瞻性生命周期评估中规模扩大方法的系统综述

《Sustainable Energy Technologies and Assessments》：A systematic review of scale-up methods in prospective life cycle assessment of emerging solar energy technologies

光伏、光热发电等新兴太阳能技术的前瞻性生命周期评估（pLCA）方法体系研究。通过对2011-2026年间39篇pLCA文献的系统回顾，发现低TRL技术多采用实验室数据外推，高TRL技术倾向物理模型与情景结合。研究揭示了技术成熟度、建模方法、验证实践与背景假设间的关联性，提出基于TRL的方法决策框架，强调需根据技术发展阶段选择匹配的建模策略与验证体系，以提升pLCA在新能源评估中的科学性与可比性。

　　

马吉德·巴希尔（Majid Baseer）| 莫里齐奥·切卢拉（Maurizio Cellura）| 弗朗切斯科·瓜里诺（Francesco Guarino）| 索尼娅·隆戈（Sonia Longo）

意大利巴勒莫大学工程系，科学大道（Viale Delle Scienze），9号楼，90133 巴勒莫

摘要

随着太阳能技术的快速发展，需要前瞻性的环境评估方法来应对技术不成熟、规模化路径的不确定性以及不断变化的背景系统。前瞻性生命周期评估（prospective life cycle assessment，简称pLCA）已成为此类分析的关键框架，但在技术规模化建模、验证以及与技术成熟度对齐方面的方法实践仍然存在碎片化且应用不一致的问题。

本研究系统地回顾了2011年至2026年间发表的39篇经过同行评审的pLCA研究，重点关注光伏（PV）、聚光太阳能（CSP）和聚光太阳能热能（CST）技术。根据PRISMA 2020协议，该回顾分析了不同类型的规模化建模方法（经验性、基于工程的、学习曲线法和混合方法）在技术成熟度水平（Technology Readiness Levels，简称TRL）中的应用情况，以及这些选择如何与未来的电力系统和评估时间范围等背景假设相互作用。

研究结果表明，低TRL级别的太阳能技术主要采用基于实验室的数据进行外推评估，且验证程度有限；而高TRL级别的系统则越来越多地使用基于物理模型的方法，并结合特定情景的背景假设。在不同技术中，验证和基准测试实践存在差异，功能单位、系统边界、影响评估方法以及背景电力假设的巨大异质性限制了评估结果的可解释性，尤其是在以设计指导为主要目的的低TRL研究中。

本回顾提出了一个基于目标和技术成熟度的pLCA实践视角，通过明确映射规模化策略、验证方法和建模假设与技术成熟度的关系，为新兴太阳能技术的评估提供了透明、可信且符合实际情况的pLCA应用提供了指导。

引言

太阳能技术是全球脱碳战略的核心，预计将在未来的电力系统中发挥主导作用，有助于减缓气候变化、保障能源安全和实现可持续发展目标[1]、[2]、[3]。光伏（PV）、聚光太阳能（CSP）和聚光太阳能热能（CST）技术的快速创新显著提高了效率、成本和部署潜力[4]、[5]、[6]。然而，大规模部署引发了与材料需求、能源使用、土地占用、水资源消耗和生命周期管理相关的新环境问题[7]、[8]、[9]。解决这些问题需要能够在技术尚未完全商业化之前对其进行评估的方法。

传统的生命周期评估（LCA）已广泛应用于成熟的太阳能技术，能够提供当前或历史条件下的环境影响估算[10]、[11]。然而，当应用于新兴技术时，传统LCA面临根本性局限：数据往往不完整，生产过程尚未标准化，且未来的部署环境（包括电力系统、供应链和政策框架）可能与现状大相径庭[12]、[13]。因此，静态的、回顾性的LCA方法可能无法准确反映仍在发展中的技术的环境影响[14]、[15]。

为应对这些挑战，前瞻性生命周期评估（pLCA，也称为事前或预期LCA）作为一种方法论框架应运而生，旨在评估新兴技术的潜在环境影响[16]、[17]、[18]。本文使用“前瞻性生命周期评估（pLCA”作为首选术语，尽管其他相关术语在文献中也可互换使用。

与传统归因性或后果性LCA不同，pLCA明确考虑了时间动态、技术变化和不确定性，允许评估技术在合理未来条件下的表现，而不仅仅是依赖当前的数据。这使其在早期开发阶段就明显区别于传统方法，因为传统方法通常忽略未来技术变化、时间动态和深度认知不确定性[19]、[20]、[21]。

pLCA的一个关键特点是需要表示技术的规模化过程，即从实验室或试点规模系统向工业规模生产和部署的过渡。规模化过程影响材料与能源强度、工艺效率、系统寿命和基础设施需求，从而显著影响环境结果[22]、[23]、[24]。然而，对于低和技术成熟度水平（TRL）的技术，规模化过程无法直接观察，必须通过建模假设、代理指标或类比来表示，这引入了较大的认知不确定性[25]、[26]。

实际应用中，pLCA研究采用了多种方法来表示规模化过程，包括基于实验室数据的外推、基于工程的工艺建模、学习曲线公式以及这些方法的组合[23]、[25]、[27]。同时，许多研究还纳入了特定的背景假设，如未来的电力结构、能源系统情景或综合评估模型输出[28]、[29]。虽然这两个要素对未来导向的评估都很重要，但它们涉及的根本维度不同：技术本身的发展与周围系统的演变。区分这两个维度对于理解评估结果至关重要，但在现有文献中这种区分往往不够清晰。

前瞻性生命周期评估（pLCA）的目标很大程度上取决于技术成熟度和研究目的。在早期阶段，pLCA通常用于识别环境热点、指导研发和比较不同的设计路径[24]、[30]。在中等成熟度阶段，评估可支持工艺优化和规模化可行性[31]；而在更高级阶段，它有助于与现有技术进行比较，并为政策或投资决策提供信息[13]、[32]。技术成熟度水平（TRL）最初由NASA提出[33]，为这种进展提供了结构化的框架，指导建模选择、数据使用、不确定性处理和验证预期。然而，TRL通常仅作为描述性指标使用，而非方法论对齐的基础，这可能导致技术成熟度、建模方法和结论之间的不一致[34]。

尽管关于太阳能技术的pLCA文献数量迅速增加，但仍存在一些方法论上的空白。目前尚无关于不同技术规模化建模方法在PV、CSP和CST技术中应用情况的综合概述，也不清楚这些方法如何系统地与技术成熟度相关联[22]、[23]、[24]、[35]。验证和基准测试实践（如使用试点规模数据、工业类比或系统不确定性分析）的报告不一致，且很少进行比较评估[12]、[13]、[36]。此外，功能单位、系统边界和背景假设的巨大异质性使得跨研究比较变得复杂，尤其是在低TRL技术中，直接比较往往不是主要目的[37]、[38]、[39]。

因此，本研究的目的是系统地回顾新兴太阳能技术前瞻性生命周期评估中的规模化实践。具体而言，本研究旨在：

• •
  系统地识别和分类pLCA研究中用于PV、CSP和CST技术的技术规模化建模方法；
• •
  分析这些方法与技术成熟度水平（TRL）和可用数据的一致性；
• •
  评估在不确定性条件下支持评估可信度的验证和基准测试实践；
• •
  识别影响透明度、可解释性和可比性的方法论模式和差距。

本研究并不旨在比较太阳能技术的环境性能或提出政策建议。它提供了关于当前pLCA中如何处理技术规模化和验证的诊断性和启发性指导，以及如何使方法论选择更好地与技术成熟度和研究目标相匹配。通过明确这些关系，本研究旨在支持在新兴太阳能技术评估中更可信且符合实际情况的pLCA应用。

本文的结构如下：方法论部分描述了遵循PRISMA 2020指南进行的系统回顾过程，详细说明了资格标准、搜索策略、研究选择、数据提取和用于分类规模化建模方法的分析框架。随后通过四个核心研究问题重新阐述了回顾目标。结果部分对39项选定研究进行了描述性和主题性的综合分析，涵盖了太阳能技术类别、规模化建模方法、验证和基准测试实践、背景情景假设以及TRL分布。讨论部分分析了新兴的方法论模式和局限性，特别关注功能单位选择、报告透明度、区域背景和背景电力系统的处理方式。基于这些发现，将不同技术类型和成熟度水平的规模化策略进行了映射，并识别出影响可解释性和可信度的关键差距。最后，结论部分总结了主要见解，并提供了支持更连贯、透明和面向未来的pLCA应用的诊断性方法论指导。

方法论

本系统回顾遵循PRISMA 2020指南进行，确保了方法论的严谨性、透明度和可重复性。回顾重点关注将前瞻性生命周期评估（pLCA）应用于新兴太阳能技术（特别是光伏（PV）、聚光太阳能（CSP）和聚光太阳能热能（CST）的同行评审文献。其目的是总结技术规模化建模实践，并评估它们与技术成熟度的一致性

结果与讨论

本部分展示了2011年至2026年间发表的39项前瞻性生命周期评估（pLCA）研究的结果，涵盖了光伏（PV）、聚光太阳能（CSP）和聚光太阳能热能（CST）等新兴太阳能技术。结果围绕第1节提出的四个研究问题展开，探讨了技术成熟度（TRL）、研究目标框架和建模选择如何影响评估结果的可信度和可比性

太阳能技术pLCA的方法论决策框架

基于第3节的发现，本部分提出了一个用于太阳能技术前瞻性生命周期评估（pLCA）的方法论决策框架。该框架将技术成熟度与规模化建模策略、验证方法和透明度要求联系起来，以提高方法论的一致性、可重复性和可解释性。

该框架旨在提供启发性的指导，而非强制性的标准。

结论

本系统回顾强调了新兴太阳能技术pLCA研究中的方法论进展和持续存在的局限性，这些局限性影响了评估结果的可信度、可比性和可重复性。尽管越来越多地采用基于经验、基于工程、混合和基于情景的建模方法，但其在不同技术和开发阶段的应用仍然不均衡。

一个关键发现是，许多早期阶段的评估基于简化或乐观的假设

未来研究建议

基于本研究的发现和提出的框架，本部分概述了未来研究的关键重点，以加强pLCA作为评估太阳能技术的可靠和决策相关的方法。重点在于推进建模实践、验证方法和报告标准，以提高研究的真实性、透明度和可比性。

首要任务是开发多阶段规模化建模方法，以明确表示从实验室规模到工业规模的过渡

CRediT作者贡献声明

马吉德·巴希尔（Majid Baseer）：撰写——原始草稿、可视化、验证、软件开发、方法论设计、数据分析、概念构建。莫里齐奥·切卢拉（Maurizio Cellura）：撰写——审稿与编辑、验证、项目监督、资金获取、概念构建。弗朗切斯科·瓜里诺（Francesco Guarino）：撰写——审稿与编辑、监督、资源管理、项目协调、资金获取、数据分析、概念构建。索尼娅·隆戈（Sonia Longo）：撰写——审稿与编辑、监督

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。