具有时间分辨率、政策相关性和数据支持的多功能系统技术经济评估的优势：以氢能在区域能源系统中的应用为例

《ACS Sustainable Chemistry & Engineering》：Benefits of Temporally-Resolved, Policy-Relevant, Data-Informed Technoeconomic Evaluation of Multifunctional Systems: H2 Deployment in a District Energy System

　　高分辨率图像下载 MS PowerPoint 幻灯片

氢气（H2）的生产和使用可以整合到现有基础设施中，以减少碳排放并提高燃料供应的安全性。在这项工作中，我们设计并执行了一个技术经济分析，用于评估一个多功能区域能源系统（DES）生产和使用氢气的可行性。我们通过对氢气、氧气和二氧化碳减排及捕集的平准化成本进行参数分析，来评估使用固体氧化物电解池生产氢气的可行性，而该系统也可以选择购买氢气并安装碳捕获、利用和储存（CCUS）设施。我们发现，不同的项目方案对某些产品价格非常敏感，因此适用于特定的市场。当氢气自产且产量较大时，只要氧气收入较高，就不需要碳定价。相反，当氢气是购买来的，并且碳价格超过209美元/吨二氧化碳当量时，项目才具有可行性。采用 CCUS 的项目即使氢气免费，也依赖于与碳相关的收入。在没有碳定价的情况下购买氢气时，只有使用基于可再生能源的氢气且不实施 CCUS 的项目在氢气价格非零（<0.85美元/千克）的情况下才是可行的。我们的研究表明，评估所有产品的平准化成本对于评估多功能系统的经济可行性是必要的。

引言

寻求效率和改进经济及环境绩效的工业转型往往会对当前的能源生产商和用户带来风险。对于工业决策者来说，多样化运营的策略（例如，双燃料转换、工艺整合或实施多功能系统）可以利用潜在的规模经济，降低业务风险，并提高系统的环境性能（1）以及质量和能源效率（2-4）。双燃料发电厂具有额外的灵活性（5,6），而热电联产（CHP）（7）相比单独生产热能和电力具有更高的效率（65-75%的能源效率，而单独过程约为50%）（8）。作为多功能系统（MFS）实施的多样化策略还可以帮助公用事业所有者引导区域能源系统（DES）完成能源转型（9,10）。随着燃煤发电能力的加速退役，这些解决方案预计将变得越来越普遍（11）。需要燃料、蒸汽和氧气（O2）等商品的机构设施（例如医院和大学（8）也在越来越多地采用 DES 架构（11）。通过改造现有的 DES 来整合氢气的生产和使用，可以支持开发更安全、更多样化的能源系统（12-14），同时减少环境影响（12,15-18），包括降低温室气体排放（12,15-18）。可以使用不同的原料和工艺来生产氢燃料（12,19），例如水电解——这些过程在生产过程中不会产生二氧化碳排放（20,21）。然而，气候效益取决于生产方法（22,23），并且在气候效益和经济效应之间存在权衡（20）。天然气蒸汽重整是成本最低的生产技术——氢气的平准化成本（LCOH）为1.06美元/千克（24）。使用可再生能源电力驱动的电解（绿色氢气）以及带有碳捕获、利用和储存（CCUS）的化石燃料（蓝色氢气）则更为昂贵（20,25）。绿色氢气的成本高度依赖于电力价格，范围从3.5美元到9.6美元/千克不等（20）；带有 CCUS 的气化工艺为2.7美元到3.7美元/千克（20）；带有 CCUS 的蒸汽重整工艺为1.3美元到2.3美元/千克（24）。因此，低碳氢气可能需要政策支持（例如，欧洲共同重要项目（12,26）），以便在与蒸汽重整竞争的同时，相关工艺能够成熟并积累经验（12,19）。

固体氧化物电解池（SOEC）（14,27）作为一种有前景的生产选项正在兴起（28）。这种电解过程在较高温度下运行，相对于更成熟的技术（如质子膜（PM）和碱性水电解器（AEM）具有更高的系统级效率——在台架规模下分别需要45-55千瓦时/千克氢气、57-69千瓦时/千克氢气和50-83千瓦时/千克氢气（LHV）（28）。这种效率的提高主要是因为部分电能可以转化为热能（28-30），使其适合与产蒸汽的过程集成（14,31,32）。此外，SOEC 技术和成本的改进可能比 PM 和 AEM 更大（27,28）。然而，目前 SOEC 的应用仍然有限，2023年只有一个超过1兆瓦的运行项目（33）。因此，对于 SOEC 系统组件（例如电解槽堆栈）和在公用事业系统规模上的应用存在很大的不确定性（34）。

技术经济分析（TEA）是一种成熟的方法，用于评估技术成本，包括新兴技术（35）；然而，实际运行情况可能与假设的设计运行条件有很大不同（36），这给早期阶段的 TEA 评估可行性带来了挑战（37）。在评估技术整合到现有设施时，可以通过使用运营商提供的原始数据（例如实际商品价格结构、资产配置和运行规则）来克服这一问题。对于发电系统，使用实际需求数据可以创建包含设备效率曲线的定制模型。此外，TEA 通常使用固定参数来模拟效率，正如现有 TEA 文献（和最佳实践）（38）以及关于新兴氢气技术的报告研究（37,39）中所展示的那样。在 TEA 中使用基于真实数据的效率曲线可以识别实际运行分辨率（例如每小时）下的模式，而这些模型在较粗略或固定效率假设下无法反映这些模式。

在 MFS 中分析依赖产品及其相互作用（包括氢气）在 TEA 文献中研究不足。实际上，尽管成本分配是共生产中的一个常见且关键问题，但在更广泛的 TEA 文献中很少被讨论（40）。在最近的研究中，Ktori 等人（41）得出结论，使用非分配方法的传统经济评估往往高估了决定性产品的成本。在这项工作中，作者使用基于生命周期评估方法将成本分配给多种产品，并发现与非分配方法存在显著差异（42,43）。在氢气文献中，虽然有关共生产或多联产的研究指出了采用 MFS 架构带来的成本降低（1,44），但这些研究很少包括价格分配或产品成本之间的相互作用及其相关不确定性。一个常见的假设是在计算 LCOH 之前固定那些被认为不确定性较低的产品价格（45-53）。另一种方法是在特定情景或最佳条件下确定平准化成本（54-56），或将多功能分析视为敏感性分析（57,58）。有关 MFS 的一些 TEA 和文献中的趋势在支持信息（SI）第1节和表 S1中有所介绍。

在这项工作中，我们与一个 DES 系统运营商共同开发了一个 TEA，以评估具有实际工厂运行数据参数化的 MFS 经济可行性。通过这种方法，我们评估了一个重新配置的区域能源系统，以整合 SOEC 系统来生产自用氢气，作为天然气的替代方案。我们通过参数化方法评估了一组项目设计、运行方案及相关不确定性（例如燃料和电力价格或年际天气变化）。这使我们能够确定多种产品的平准化成本以及氢气、氧气和二氧化碳捕获或减排收入的可行价格范围。我们进一步通过量化高分辨率 DES 运行数据的附加值，并展示系统地评估 MFS 中多种产品平准化成本的好处，为 TEA 文献做出了贡献。

方法

我们通过量化重新配置区域能源系统以整合 SOEC 后财务绩效的变化来评估在 DES 中实施氢气生产和使用的经济可行性。我们使用来自 DES 的实际数据开发了一个代表一年运行的模型（8760模块），并以每小时为分辨率进行计算，从而得出年度现金流变化。根据这些变化，我们确定了三种产品的平准化成本（生命周期模块）：氢气、氧气和二氧化碳减排（图1A）。此外，我们还评估了带有 CCUS 的项目，将捕获的二氧化碳作为第四种产品。通过参数分析，我们固定三种产品的价格以计算第四种产品的平准化成本。通过重复这一过程，我们生成了定义两种产品价格组合可行性的曲线。我们通过敏感性分析来补充这一点，以评估 DES 运营商外部因素（例如商品价格和天气）的影响。

图1

图1. 模型和系统描述。面板（A）显示了包含 8760 和生命周期财务模块的方法图。面板（B）表示了一般的 DES 布局以及系统中的能量和商品流动。SOEC 系统项目需要电力和热能来生成氢气和氧气。DES 系统的示意图及其运行规则在 SI 第2节和图 S2 中有所介绍。图片修改自参考文献（59）。

高分辨率图像下载 MS PowerPoint 幻灯片

运营基准

我们使用2022年的风能生产和能源需求数据来定义 DES 的运营基准。该基准包括多种能源（热能和电能）来源，以满足一个拥有学术和行政建筑、医疗综合体、学生宿舍和体育设施的教育园区的需求。主要能源来源是一个中央联合循环 CHP 发电厂，配备两个燃烧涡轮机和一个蒸汽涡轮机，总容量为100.4兆瓦。CHP 由工业锅炉和外部电力来源补充，以满足未满足的需求（图1B）。在基准情况下，中央电厂和锅炉使用外部供应的天然气。此外，DES 还通过风电场的购电协议（PPA）获得电力，并连接到区域电网。最后，医疗综合体目前需要外部供应商提供的氧气。

DES 服务成本

我们共同开发的模型使用了 CHP 运营商的费率和成本数据，并考虑了各种电能和容量费用。电力服务费用 CE（以美元/年计）是两个电力费用和两个与电力相关的费用之和，如方程式1所示：
$$
CE = E_{PPA}K_{PPA} + E_{grid}K_{grid} + C_{trans} + C_{cap}
$$
其中 $E_{PPA}$（50美元/兆瓦时）和 $E_{grid}$（43美元/兆瓦时）是运营商报告的实际条件下的价格。风电 PPA 是“按生产付费”结构，最大容量 $E_{PPA,max}$ 为50兆瓦，提供的风能电力表示为 $E_{W}$（兆瓦时）。电网提供可靠性服务，区域能源系统支付固定的传输费用 $C_{trans}$（以美元计）和容量费用 $C_{cap}$（以美元计）以支持这一点。前者取决于每月的峰值，后者取决于电网区域五个高峰时段的总电力需求（SI 第3节）。在基准情况下，DES 生产能源的主要成本是天然气（NG）的购买费用，其计算公式为（方程式2）：
$$
C_{NG} = (F_{CHP} + F_{B})K_{NG}
$$
能源供应的运营逻辑旨在在考虑不同单元的物理容量限制的情况下最小化成本。风电 PPA 是首先满足电力需求的来源，表示为 $E_{DE}$（兆瓦时）（方程式3）。当可用风电达到或超过 $E_{PPA,max}$ 时，CHP 在其运行范围内运行。CHP 的运行范围定义了我们 8760 模型的每小时能量限制，分别为 $E_{CHP,min}$（16兆瓦时）和 $E_{CHP,max}$（104.3兆瓦时）（方程式4）。尽管这个容量范围很大，但该 CHP 服务的负载变化很大。鉴于此，设施中的涡轮机械被特别选定为在这个范围内运行。如果负载低于运行范围的最低输出（一个燃烧涡轮机在其最大下调状态下运行），CHP 将不运行，此时电网将供应剩余的电力需求 $E_{grid}$（方程式5）：
$$
E_{PPA} = \min(E_{PPA,max, E_{W}, E_{DE})
$$
$$
E_{CHP} = \begin{cases}
0 & \text{如果 } E_{DE} < E_{PPA,min} \\
\min(E_{DE} - E_{PPA}, E_{CHP,min) & \text{如果 } E_{DE} \geq E_{PPA,min} \\
0 & \text{如果 } E_{DE} < E_{CHP,min}
\end{cases}
$$
$$
E_{grid} = E_{DE} - E_{PPA} - E_{CHP}
$$

满足需求的第一种热源是 CHP，表示为 $Q_{CHP}$（兆瓦时/小时），直到达到其最大生产量 $Q_{CHP,max}$（兆瓦时）。这个最大值取决于 CHP 的即时电力产量（方程式6）。额外的热需求 $Q_B$（兆瓦时）由锅炉提供（方程式7）。DES 的最大热供应量为500,000磅/小时（561.5 MMBTU/小时，按1123 BTU/磅的蒸汽焓计算），相当于 $Q_{CHP,max}$ 和锅炉容量最大值 $Q_{B,max}$ 的总和。DES 模型参数列在 SI 第5节和表 S2 中。

技术数据和技术效率模型

我们根据运行条件建模每小时效率，这使我们与其他使用固定参数来表征氢气生产（39）或电力（38,60）系统效率的 TEA 不同。利用 CHP 的电力和热负荷，我们使用第二定律效率来计算产生的燃料消耗 $F_{CHP}$（兆瓦时），如方程式8所示。为了确定在任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息（SI）和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

当原始数据不可用时，我们使用了操作员的参考数据和估计值以及次要来源。我们使用DES提供的医疗综合消耗量（单位：[kg/h]）和每公斤氧气0.132美元的价格来计算氧气费用（单位：[美元/千克氧气]）。同样，我们使用每吨3.72美元的水使用成本来估算水消耗费用（单位：[千克/小时]）。环境影响因素（例如碳排放、用水量）由操作员提供。我们确定了成本的净现值（NPV，公式10），表示为C（单位：[美元]），其中下标表示每个成本项目。我们使用Job and Economic Development Impact工具（61）和Federal LCA Commons（62,63）中的数据来确定中央工厂的非燃料可变成本CCHP,Var（单位：[美元/兆瓦时]）。我们使用这些强度因子来计算系统排放量，以评估在碳定价为[美元/吨二氧化碳当量]时的碳成本。评估的替代方案的技术和成本参数列表在第5节补充信息和表S2中提供，包括计算与取水、氧气消耗和碳排放（分别为CH2O、CO2和CCO2e，单位：[美元]）相关的成本。固定成本没有包括在内，因为它们在项目实施后不会变化。我们使用DES操作员的利率i（6%/年）来计算项目寿命N年内的NPV（单位：[美元]）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

当原始数据不可用时，我们使用了操作员的参考数据和估计值以及次要来源。我们使用DES提供的医疗综合消耗量（单位：[千克/小时]）和每公斤氧气0.132美元的价格来计算氧气费用（单位：[美元/千克氧气]）。同样，我们使用每吨3.72美元的水使用成本来估算水消耗费用（单位：[千克/小时]）。环境影响因素（例如碳排放、用水量）由操作员提供。我们确定了成本的净现值（NPV，公式10），表示为C（单位：[美元]），其中下标表示每个成本项目。我们使用Job and Economic Development Impact工具（61）和Federal LCA Commons（62,63）中的数据来确定中央工厂的非燃料可变成本CCHP,Var（单位：[美元/兆瓦时]）。我们使用这些强度因子来计算系统排放量，以评估在碳定价为[美元/吨二氧化碳当量]时的碳成本。评估的替代方案的技术和成本参数列表在第5节补充信息和表S2中提供，包括计算与取水、氧气消耗和碳排放（分别为CH2O、CO2和CCO2e，单位：[美元]）相关的成本。固定成本没有包括在内，因为它们在项目实施后不会变化。我们使用DES操作员的利率i（6%/年）来计算项目寿命N年内的NPV（单位：[美元]）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CHP和电解槽效率固定的情况下对系统进行了建模，以量化使用固定效率的影响。我们在第4节补充信息和图S3中展示了性能曲线的简化表示。由于锅炉效率变化不大，其燃料消耗量是使用操作员报告的固定平均效率值0.80来计算的（公式9）。

为了确定任何运行条件下的热电联产（CHP）效率ηCHP，我们使用了CHP的性能曲线。该性能曲线是由负责涡轮机械操作的DES操作员在软件中创建的。作为敏感性分析，我们还在假设CH我们评估了两个绿色氢气（H2）采购项目（见图2C），以及将“蓝色”氢气采购量设置为中央工厂燃料混合物的10%。我们选择了后者，而不是基础设计（燃料混合物中氢气占比为30%），因为后者会增加碳排放。尽管减少了碳排放，但这三个项目对基础设计来说仍然是净经济损失。然而，我们观察到对氢气价格的敏感度不同：用于不实施碳捕获和利用技术（CCUS）的绿色氢气采购方案（图3C中的虚线绿色标记）具有最陡的斜率。如果没有与碳捕获相关的价格，如果氢气的价格为1美元/千克（美国2030年的目标），那么碳价格必须超过16美元/吨二氧化碳当量（TonneCO2e）才能具有可行性。不同方案的年度成本和收入结构差异很大。方案3和4受益于碳价格（例如，方案4从捕获的碳中获得了1180万美元的收入，从减少的排放中获得了874万美元的收入），而方案1则受益于氧气销售（139万美元）——即使是在竞争性的液氧价格（0.2美元/千克）和较高的天然气采购成本（110万美元）下也是如此。采购氢气的方案每年减少了700多万美元的天然气成本，尽管这部分成本被氢气燃料的成本（980万至3710万美元）所抵消。这与以往的研究结果一致，即天然气成本占氢气生产成本的一半到六分之一（140万至350万美元对比600万美元/百万英热单位）。

讨论：更高的分辨率和复杂性提高了技术经济分析（TEA）的质量。使用高分辨率模型使我们能够识别出仅用年均值参数化的TEA无法识别的系统级行为。由于固体氧化物电解（SOEC）或CCUS项目会显著改变分布式能源系统（DES）的运行方式，鉴于存在无法通过季节性或年度分辨率测量的非线性因素，理解和识别二阶系统级效应至关重要。例如，我们可以测量方案2中增加PPA容量限制的好处（PPA溢出），因为我们的模型可以观察到溢出的频率和幅度。我们确定，PPA增加40%（达到70兆瓦）会使基准年的过剩电力增加25倍（超过10吉瓦时对比0.4吉瓦时）。

从根本上说，提高分辨率可以获得大量信息。我们的详细模型与使用恒定中央工厂热效率和电效率的侧边分析结果存在显著差异（见补充信息第9节和表S5）。使用固定效率会高估Hi-SOEC基础设计项目的天然气消耗量。与同时使用最大热效率和最大电效率的最佳情况相比，我们得出的燃料消耗量降低了21.6%。这一反直觉的结果表明，多功能系统（MFSs）的效率更高，因为同时生产电能和热能比在专用独立过程中生产更高效。这种燃料使用差异导致估计成本比我们的模型高出31.2万美元/年，约占Hi-SOEC基础设计年损失的50%。

关键的是，我们的结果挑战了TEA中常见的假设，即效率保持恒定。我们的结果显示，利用效率曲线创建每小时分辨率的模型可以更好地评估可变运行条件。随着工业过程数据的增加，具有更细时间分辨率的数据将支持这类评估。这种做法可以显著提高TEA的准确性及其最终可用性。此外，提高模型复杂性以分析系统级效应对于证明项目的可行性至关重要。在分析的DES中，二阶效应决定了系统性能。例如，我们确定，在没有CCUS的Hi-SOEC基础设计项目中，由于DES使用自身产生的能量燃烧氢气，导致氢气的往返效率低下。同样，我们发现，采购蓝色氢气以替代中央工厂30%的燃料需求会增加DES的排放量，其表现明显劣于仅燃烧10%氢气混合物的情况。在这种情况下，从天然气中替代更多氢气并不能抵消氢气的生命周期环境影响，这些影响主要来自化石燃料衍生氢气的生产（碳强度为4.6千克二氧化碳/千克氢气）以及运行CCUS所需的能量。

多功能性对于确定经济可行性至关重要。基于氢气的MFSs的好处在于产品之间的相互作用。由于不同方案的产品组合不同，仅研究单一产品的平准化成本不足以确定经济可行性。我们发现，Hi-SOEC方案可以从高氧气价格中受益。如图2A和补充信息第8节中的分析所示，带有碳捕获的项目的可行性取决于碳价格。在电解过程中现场生产大量氢气的方案还能产生氧气，在氧气价格较高的市场中创造有意义的收入。例如，在没有碳价格的情景下，方案3（带有CCUS的Hi-SOEC）在3.2至4.5美元/千克氧气的价格范围内是可行的，这对于床位数量较少的医院来说是现实的范围。在我们的案例研究中，由于DES医院购买液氧，同样的项目设计在50美元/吨碳减排税加上60美元/吨的碳捕获税收抵免下也是可行的。在补充信息第10节中，我们提供了一个（线性的）数学表示方法，用于说明两种产品价格组合使方案可行的情况。

尽管氢气价格不影响现场生产方案的经济表现（这些方案可以通过其他产品的收入实现可行性），但在采购氢气时，尤其是与碳价格结合时，氢气价格是一个关键决定因素。图3C中显示的三个项目需要较高的（超过209美元/吨二氧化碳当量）碳相关收入才能在当前氢气价格下具有可行性（阴影区域）。此外，在碳捕获情况下，CCUS的资本支出（CAPEX）和电力消耗的运营支出（OPEX）抵消了低价采购氢气的收益，导致净现值（NPV）为负。至关重要的是，即使在没有氢气的极端情况下，包含CCUS的方案也始终依赖于相关价格或收入。相比之下，图3C中的绿色氢气采购方案（虚线）在较低的氢气价格下更具可行性，在没有碳价格的情景下，当氢气价格为0.85美元/千克时可以实现盈亏平衡。

政策因素在技术因素的影响中占主导地位。除了产品价格和对能源需求及风能可用性的敏感性（见图4A和补充信息第11节的讨论）外，政策和市场条件也显著影响项目的可行性。虽然研究将继续改进相关技术，但系统范围的评估是必要的补充，因为非技术参数可能会产生更大的影响。从我们对项目设计参数的敏感性分析（补充信息第12节）来看，我们发现政策激励（即碳价格）比技术成本和性能变量更为关键。

图4：氧气价格的不确定性分析。(A) 最低碳价格的不确定性曲线，作为氧气价格的函数。不同方案具有特定的不确定性曲线，这些曲线的陡峭程度表明其敏感性不同。(B) 对于像大型医院这样的DES中的氧气价格（0.2美元/千克），方案3（带有CCUS的Hi-SOEC）的敏感性分析。经参考文献(59)许可复制和修改。版权所有2025年Diego Hincapie-Ossa。

解决拉动因素的政策机制可能比解决技术性能的推动因素更具影响力。碳管理激励措施对于保证经济可行性至关重要，适度的税收抵免（17美元/吨二氧化碳当量）可以将最低碳价格降低16.1%（见图4B）（尽管某些项目可能需要更大的税收抵免）。相反，降低SOEC资本成本和电池堆耐久性的努力相对不那么重要，因为它们对项目可行性的影响较小（在研究的案例中分别为-3.4%和-2.4%）。

结论：传统的分析工具，如TEA，通常用于单一产品系统——但正如我们在这里所做的那样，利用时间分辨数据的信息的TEA可以检查多种产品，并通过计算产品的平准化成本与其他产品成本的函数来考虑它们价格的综合影响。我们的方法使我们能够评估新兴技术（如SOEC）和可用于多种用途的产品（如氢气）的价值。目前单独生产不具备竞争力的产品可以通过利用规模经济在MFSs中变得具有竞争力。此外，许多这些系统接近盈亏平衡点，忽略粗分辨率下无法捕捉的二阶效应可能导致过早放弃MFS项目。我们的工作有助于正式化量化这些协同效益的方法。在这项工作中，我们确定了使SOEC项目在经济上可行的氢气价格范围，同时考虑了副产品的收入。至关重要的是，副产品氧气的高价格可以使SOEC项目具有可行性。如图2A和补充信息第8节中的分析所示，带有碳捕获的项目的可行性取决于碳价格。在电解过程中现场生产大量氢气的方案可以在氧气价格较高的市场中创造有意义的收入。例如，在没有碳价格的情景下，方案3（带有CCUS的Hi-SOEC）在3.2至4.5美元/千克氧气的价格范围内是可行的。在我们的案例研究中，由于DES医院购买液氧，同样的项目设计在50美元/吨碳减排税加上60美元/吨的碳捕获税收抵免下也是可行的。在补充信息第10节中，我们提供了一个（线性的）数学表示方法，用于说明两种产品价格组合使方案可行的情况。

尽管氢气价格不影响现场生产方案的经济表现（这些方案可以通过其他产品的收入实现可行性），但在采购氢气时，尤其是与碳价格结合时，氢气价格是一个关键决定因素。图3C中显示的三个项目需要较高的（超过209美元/吨二氧化碳当量）碳相关收入才能在当前氢气价格下具有可行性（阴影区域）。此外，在碳捕获情况下，CCUS的资本支出和电力消耗的运营支出抵消了低价采购氢气的收益，导致净现值为负。至关重要的是，即使在没有氢气的极端情况下，包含CCUS的方案也始终依赖于相关价格或收入。相比之下，图3C中的绿色氢气采购方案（虚线）在较低的氢气价格下更具可行性，在没有碳价格的情景下，当氢气价格为0.85美元/千克时可以实现盈亏平衡。

除了产品价格和对能源需求及风能可用性的敏感性（见图4A和补充信息第11节的讨论）外，政策和市场条件也显著影响项目的可行性。虽然研究将继续改进相关技术，但系统范围的评估是必要的补充，因为非技术参数可能会产生更大的影响。从我们对项目设计参数的敏感性分析（补充信息第12节）来看，我们发现政策激励（即碳价格）比技术成本和性能变量更为关键。