在动态电价和交付合同约束条件下，利用灵活的化学循环技术实现固体废物的甲醇与电力联合生产

《ENERGY CONVERSION AND MANAGEMENT》：Flexible chemical looping for adjustable co-production of methanol and power from solid waste under dynamic electricity prices and delivery contract constraints

　　陈向翔|陆丁|森田圭一|穆罕默德·阿齐兹
东京大学工业科学研究所，日本东京目黑区小泽4-6-1，邮编153-8505

**摘要**
随着风能和太阳能发电份额的增加，电力系统越来越重视那些能够在电力和可储存产品之间调整产量同时履行交付承诺的发电厂。本文提出的一个灵活的废物转化为甲醇和电力的概念中，氧载体化学势通过一个随时间变化的分配比例进行传输，基于这样的前提：对这一共享资源的明确控制可以实现产品的重新分配，同时保持化学循环过程中的二氧化碳分离特性。在反应器侧自热约束条件下，确定了整个可行分配比率范围内的稳态操作点，并将其转化为替代性能图，嵌入到一个具有30分钟决策步长、月度甲醇交付限制以及生命周期经济评估的滚动日前调度器中。使用日本日前电价和月度甲醇基准进行的多年模拟显示，每年的年利润都有所增加，四分位数的提升幅度为1.7–9.9%，在高波动性年份，这一提升幅度甚至可达到15%。生命周期分析表明，灵活性降低了电力信用化的甲醇成本，并减少了实现非负净现值所需的甲醇价格溢价；在实际的离散模块化燃气轮机采购基准下，这种灵活性尤为有利。所提出的框架为碳管理的多联产提供了可移植的运行架构，定量利润收益为在供应条件和运行优先级变化时重新分配产量的价值提供了实用参考。

**1. 引言**
随着可再生能源在电力市场中占比的不断增加，那些能够跨产品和时间调整产量的资产受到越来越多的重视。对于基于燃料的转换系统而言，这一要求尤为重要，因为其运行不仅需要应对波动的电力价格，还要满足对物质产品的交付承诺。灵活的多联产因此具有吸引力，因为一种原料可以支持多种收入流，但其实际价值不仅取决于能否产生多种产品，还取决于是否具备一个物理上可行且可调度机制，能够重新分配生产而不破坏核心转换部分。只有当发电厂能够以可控的方式在各个产品线之间重新引导关键中间体和能量流动时，灵活的多联产才能在操作上发挥作用。在大多数概念中，可以识别出三个关键的灵活性杠杆：在动力单元和一个或多个合成单元之间路由或分流中间体流；通过中间体储存进行缓冲以维持相对稳定的上游转换；以及在运行状态之间进行离散模式切换[1]。在项目层面上，这种逻辑通常表现为“一个工厂，两种模式”操作或连续的分流和缓冲控制。例如，“Horizon 2020 FlexSNG”项目（通过生物质和废弃物原料气化灵活生产合成天然气和生物炭）根据市场和原料条件的变化，在联合生产和产品最大化模式之间进行切换[2]。其他设计则通过将净化后的合成气分配到发电、合成和临时储存中，调节产量同时保持核心转换部分的稳定运行[3]。

相关的灵活性理念也在生物质和燃料转换系统中得到探索。结合可再生能源电力的灵活生物质转化概念已经在市场响应式运行下进行了研究[4]。试点规模的甲烷化研究进一步表明，实际运行往往受到电价信号和缓冲状态的限制，这有助于在部分负荷条件下减少启动和关闭的惩罚[5]。在灵活的集成气化多联产中，一个核心的灵活性杠杆是在技术负荷约束下将合成气衍生的产品在生产电力和化学品之间进行重新分配[6]。然而，这种灵活性的经济价值通常是在历史市场条件下评估的，而不是通过可执行的滚动调度来衡量的[7]。储存机制加强了这一点：添加一个合成气储罐可以将气化过程与下游单元解耦，允许储罐充放电以支持快速的变化，据报道通过将储存的合成气在电力和氢生产单元之间重新分配可以实现坡度改善[8]。类似的分流原理也应用于带有预燃烧捕获的重整基氢-电力联合生产[9]。更多探索性工作提出了可以在轴动力、化学品合成和化学能储存功能之间切换的活塞发动机反应器[10]。

对于灵活多联产的调度和优化研究可以看作是从长周期、基于情景的规划发展到明确定义电压波动性下灵活性价值的时间解析调度模型的演变过程。一个早期的代表性例子是两阶段设计和运行方案，其中产品产量在八个季节性高峰和非高峰市场情景下变化；灵活性通过依赖于情景的合成气在燃料、甲醇和电力之间的分流以及碳捕获和储存决策来体现，同时每个情景都被视为稳态的，忽略了切换成本[11]。更一般地，优化研究强调多产品耦合会创建出严格受限的、通常是非凸的可行区域，因此固定操作点无法充分利用灵活性，需要高级工具如混合整数线性规划和动态优化来协调产品安排、储存和电网互动[12]。另一条研究线索将灵活性视为在不确定性下的经济对冲手段：技术经济研究显示，多原料多产品概念的多样化可以在价格和参数变化下提高净现值的稳健性[13]。相关集成工作通常通过稳态负载范围的可操作性来量化灵活性，而不是通过市场数据驱动的滚动调度[14]，而面向政策的报告则通过将氢气定位为平衡和长期储存媒介，并强调带有碳捕获、利用和储存的气化或重整作为可行路径来激励多产品配置[15]。

最近的研究趋向于明确的设计-运行联合优化，并量化了储存灵活性之间的权衡[16]，包括基于规则的带储存操作[17]和基于时间变化电力的混合整数非线性规划的联合设计和调度[18]。其他缓冲概念和盈利能力分析进一步评估了使用小时价格信号在产品之间重新分配氢气的成本[19]。在工厂层面，小时级优化也被用于多联产中的中间体分配调度，例如，通过将合成气在热电联产和生物甲醇之间进行分流[20]。面向储存的设计同样旨在通过解耦具有不同动态的单元来使快速响应成为物理上可行的[21]。为了更正式地处理不确定性，两阶段随机混合整数非线性规划公式将分流比例和运行条件视为在不确定的产品价格、费用和二氧化碳税收下的应对决策[22]。在微电网层面，能源管理系统实施了考虑了单元承诺、坡度变化和维护以及二氧化碳成本的滚动调度[23]。相关的滚动运行算法还优化了发电单元、电网交换和储存的次小时级调度，尽管一些案例研究用历史实际数据代替了真实预测[24]。最后，系统级模型评估了在共享容量下电力和氢之间的灵活模式切换，同时优化全年的投资和小时级调度，这对系统价值很有启发性，但与基于日前市场的滚动运行有所不同[25]。

碳管理增加了另一个难度层面。在燃料驱动的灵活多联产中，二氧化碳在工厂内部产生，负荷或产品组合的变化会影响下游的分离效果。因此，大部分文献集中在如何将二氧化碳捕获或利用整合到多产品流程中，但大多数贡献仍然基于稳态，并且仅间接地讨论了运营灵活性。过程集成研究表明，扩大产品组合和嵌入二氧化碳再利用可以提高技术经济性能，并改变对碳征税的敏感性，然而尚未制定出时间解析的调度方案[26]。相关的上层结构优化工作将捕获配置纳入设计空间，并使用全局非凸混合整数非线性规划求解器来量化产品价格和二氧化碳税收如何改变最优产品组合和捕获路径[27]。一些流程级研究探讨了多联产列车中二氧化碳回收的位置；在合成后从未转化气体中分离二氧化碳可以提高二氧化碳浓度并减少捕获能量的惩罚，但这种分析仍然是静态的[28]。关于灵活碳捕获和利用的综述同样强调了捕获端的操作措施，如旁路和溶剂储存，同时提供了对多产品燃料驱动工厂的有限处理，这些工厂需要协调产品分割和过程级的二氧化碳分离[29]。这激发了对化学循环平台的兴趣，因为这些平台可以通过避免大量的氮稀释并结构性分离氧化和还原步骤来提供内置的二氧化碳浓度控制。然而，化学循环多联产的研究仍处于早期阶段。最近的工作主要集中在使用机器学习代理进行静态多目标过程优化[30]，或者是在预定义时间表下运行的带有氧载体储存的时间灵活布局[31]，或者在无动态市场输入的稳态联合生产中，产品灵活性通过可控的氢气分流来表示[32]。化学循环多联产还可以通过将氧载体介导的化学势在竞争产品路径之间进行分流来展现持续的灵活性。这种分流视角特别有吸引力，因为碳捕获是循环过程固有的，而产品组合则是通过操作进行调整的。一个相关的稳态前体是生物质直接化学循环中的分流比例控制，其中分流比例将一部分还原后的氧载体固体直接导向燃烧器，从而实现氢气和电力之间的连续联合生产调节[33]。然而，这些分流比例主要被用作稳态分析中的敏感性调节参数，而不是被实现为可执行的、考虑合同条款的滚动调度。总体而言，证据表明，虽然传统的碳捕获和储存集成以及化学循环都提供了管理多联产中二氧化碳的途径，但真正市场响应的、具有过程固有二氧化碳分离的灵活运行仍然发展不足。

面向市场的操作引入了进一步的协调挑战。在市场方面，电力系统研究表明，可再生能源渗透率的增加会放大价格波动性，从而提高灵活性的价值[34]。稳健和随机优化研究进一步强调，运营决策越来越多地在不确定性下制定，两阶段稳健优化已成为单元承诺和相关调度任务的主流范式[35]。另一条研究线索集中在合同上，其主要贡献是将交付义务形式化为跨小时、天甚至年的时间序列约束[36]。早期的合同约束单元承诺公式通过时间范围的燃料目标和相关运行限制嵌入了“取或付”燃料条款[36]。相关工作将这一理念推广到通过能源网络结构连接的多个合同和单元[37]。长期系统规划研究还在氢气进口中嵌入了最低采购义务[38]。多年期天然气波动合同已被制定为随机动态程序[39]， portfolio管理方法将异质性的“取或付”条款统一为年度、日和小时级的提取限制[40]。总体而言，这些研究阐明了市场波动性和合同结构如何塑造可行的调度方案，但它们很少针对多产品工厂进行开发，在这些工厂中，产品组合灵活性、碳管理和可执行的滚动运行必须在单一框架内协调[41]。

表1表明，灵活多联产被广泛提出，但很少作为可执行的、市场响应的运行范式来处理。许多研究引入了物理灵活性选项，如模式切换或分流比例控制，但使用稳态情景、历史价格序列的事后分析或完美预见的年度调度来进行评估。即使有小时级优化可用，决策时机往往不现实，对必须根据公开可用的日前市场数据采取行动并持续更新决策的运营商提供的指导也有限。此外，在动态调度下保持高二氧化碳捕获水平对于附加的碳捕获和储存来说具有挑战性，因为捕获单元本身的灵活性有限[42]。

**表1. 选定的用于比较多联产市场响应灵活性和优化的代表性研究**
| 研究 | 系统/产品 | 灵活性杠杆 | 运行调度（时间解析） | 滚动（可执行） | 物理约束 | 周期性交付时钟 | 固定基线基准 |
| --- | --- | --- | --- | --- | --- | --- |
| Chen等人[11] | 2011年 | 多联产；电力+燃料+化学品 | 灵活的运行决策（包括分流比例） | ×××× | √ |
| Meerman等人[6] | 2011年 | 灵活的IG多联产；电力+化学品 | 模式切换+储存/原料选项 | ×××√ | × |
| Farhat & Reichelstein [43] | 2016年 | H2多联产；电力+肥料 | H2在产品之间的分配 |××××× | √ |
| Cloete & Hirth [25] | 2020年 | 电力系统模型；电力?H2 | 在共享容量下的每小时模式切换 | √×××× | √ |
| Habermeyer等人[4] | 2021年 | BtL?PBtL | 价格阈值模式切换 |××××× | √ |
| Wu等人[20] | 2020年 | 热电联产+生物甲醇 | 每小时合成气分流在CHP与MeOH之间 | √×××× | √ |
| La Fata等人[23] | 2022年 | EMS多联产微电网 | 设定点调度+灵活负荷 | √√√×× | √ |
| Zhang等人[30] | 2025年 | CL多联产（稳态） | 未显示动态杠杆 |××××× | √ |
| 本研究 | CLHP-MeOH+电力 | α-分流作为单一物理调节参数 | √√√√√√ | = 明确考虑；× = 未考虑；BtL = 生物质至液体；PBtL = 电力和生物质至液体；EMS = 能源管理系统；CL = 化学循环；CLHP-MeOH = 带甲醇的化学循环氢生产；MeOH = 甲醇 |

在此背景下，本研究探讨了在真实市场约束下，氧载体化学势的时间变化分流是否可以使化学循环联合生产本质上的灵活。在提出的工艺中，从燃料反应器中出来的还原氧载体被分配到蒸汽反应器和空气反应器中，从而使以甲醇为导向和以电力为导向的输出在工艺内部重新分配，同时保留了化学循环固有的二氧化碳分离功能。这样，原本主要是稳定的联合生产方案被重新构想为一个灵活调度的系统，该系统能够在电力价格波动和甲醇交付合同变化的情况下仍然可执行。为了评估这一提议，一个稳态的Aspen Plus模型被简化为操作映射图，并与一个滚动式日前调度器相连，后者受到可行的运行窗口、保守的爬坡限制和期末交付可行性的约束。在此过程中，三个在以往研究中很少同时考虑的特点被结合在一起：通过化学循环中的氧载体分离实现的内在过程灵活性、基于日前市场信息的调度决策，以及产品重新分配、合同遵守和过程固有二氧化碳分离的协调处理。

2. 方法
本节描述了工艺模型、替代模型的构建、物理约束、滚动优化和敏感性分析。

2.1. 灵活性机制和系统设计
图1(a)展示了所提概念的核心灵活性机制：在化学循环氢 Production (CLHP) 工艺中化学势的α-分配。图1(a)右上角显示的表达式是一阶示意图，用于说明α-分配机制的控制逻辑。其中，N?O,red表示从燃料反应器中出来的还原氧载体的有效氧当量流量，n?H2表示蒸汽反应器中的氢气产生速率，Q?AR表示在空气反应器中释放的热量，Q?recover表示可回收的热量，W?aux表示辅助电力需求，ηe表示等效的热能到电能效率。因子XSR代表在固体返回空气反应器之前在蒸汽反应器中转化的化学势的比例。基于氧当量，蒸汽反应器中的氢气产生消耗了还原氧载体的一部分化学势，剩余部分最终以热量的形式在空气反应器中释放。因此，Δhˉoxeff这个术语被用作有效的平均氧化焓，在这个简化示意图中被视为一个正的热量释放项。详细的物质和能量平衡由Aspen Plus计算得出。

2.2. 合同感知的优化框架概述
在燃料反应器 (FR) 中，上游转化产生的合成气与基于铁的氧载体 (OC) 接触。FR 的操作使得燃料几乎完全氧化为 CO2 和 H2O，而 OC 从 Fe2O3 被还原为较低的氧化状态。换句话说，FR 将燃料的化学能转移到固体 OC 中，后者携带了一定量的化学势。下游，这部分还原的 OC 分为两个分支：一部分 α 被送到蒸汽反应器 (SR)，剩余部分 (1-α) 被送到空气反应器 (AR)。在 SR 中，OC 被蒸汽重新氧化，释放出高纯度的 H2；在 AR 中，OC 被空气重新氧化，释放出可转化为电能的高温热量。初步估计，H2 的产生速率与 α 成正比，而净电力输出与 (1–α) 成正比，因此 α 直接控制了可用化学势在 H2（或下游化学品）和电力之间的分配。

2.3. 稳态过程建模在 Aspen Plus 中
整个过程在 Aspen Plus 中进行了建模。忽略了压力和热量损失，每个反应器都被视为等温和等压的，并且操作是准稳态的。假设所有反应器都达到了化学和相平衡。整个流程的热力学模型采用了 Boston–Mathias 修改后的 Peng–Robinson 状态方程 (PR-BM)。详细的設計規格和输入参数在補充文件的表 S1 中总结。集成过程的流程图和相应的小节在補充文件的图 S3–S6 中提供。

2.3.1. 化学循环氢 Production 的质量与能量平衡
在本研究中，燃料反应器和蒸汽反应器都采用五级逆流移动床配置，而空气反应器是一个搅拌流再生器，这与参考文献 [33] 中采用的移动床配方一致。图 3 在相同的操作条件 (T = 900°C, p = 1 atm, 混合杨树进料) 下展示了验证结果，证明模拟的气体和固体组成与参考数据 [33] 接近一致。这里，x 表示从燃料反应器中出来的还原氧载体中的 O/Fe 原子比。术语 1 ? 2x/3 对应于氧载体的转化程度（相对于完全氧化的 Fe2O3），即 C=(1.5 ? x)/1.5 = 1 ? 2x/3，其中 1.5 是 Fe2O3 的 O/Fe 比。CLHP 参数校准的详细程序在之前的工作中有所描述 [44]，关键反應在表 2 中总结。在本案例研究中，燃料反应器在 1 atm 下运行，蒸汽反应器在 30 atm 下运行，空气反应器/涡轮机侧在约 14 bar 下运行。固体输送的详细硬件设计超出了本研究的范围。实际上，这样的系统中的固体循环可以使用标准的化学循环固体处理装置来实现。可以通过调整 α 和 SR/AR 的进料速率来实现灵活性，而不是通过节流 FR 或循环整个燃料处理流程。

图 1(b) 展示了本工作中使用的详细工艺配置作为 α-分配范例的案例研究。医疗废物在等离子气化器中转化，极端的等离子条件确保了危险成分和焦油的几乎完全销毁，产生了一个相对干净的合成气流。气化器所需的氧气由空气分离装置 (ASU) 提供。合成气首先在 HX1 中冷却，然后送入包含硫去除的气体净化单元 (GCU)，之后进入 CLHP 模块的 FR。在 CLHP 循环中，来自 FR 的还原 OC 在 AR 和 SR 之间循环，H2/电力控制阀实现所需的 α-分配。FR 有意地以准稳态模式运行，以最大化燃料转化和 OC 的利用率，而 AR 的空气进料和 SR 的蒸汽进料根据 α 规定的变化 OC 分配进行调整。

在产品方面，SR 中的 H2 在 HX4 和 HX5 中冷却，其中部分显热和潜热被回收用于驱动下游 MeOH 蒸馏柱的再沸器。冷却后的 H2 在 Sep2 中干燥，然后与来自 Sep1 的高纯度 CO2 流合并以合成甲醇。甲醇合成和分离单元的详细过程在补充文件的图 S1 中展示。在 Sep1 中分离出的 CO2 流被视为通过化学循环实现的高浓度产品流，并假设被送往外部 CO2 处理链（利用或储存）。因此，详细的下游 CO2 调节和转化路径被放置在核心工厂边界之外，在调度分析中考虑。AR 的排气为燃气轮机发电提供高温热量；总涡轮功率首先满足内部电力需求（等离子炬、ASU、压缩机），剩余的净功率出口。MeOH 和电力都出售给外部买家，但采用不同的商业安排。MeOH 根据月度基础加上波动合同出售给化学买家，而电力作为商业产品按日前市场价格结算。

2.2. 总体建模和优化框架
如图 2 所总结和展示的，整个工作流程包括在 Aspen Plus 中的稳态过程仿真、分割比率性能图的构建、滚动式合同感知优化和调度解释。Aspen Plus 用于在可行的分割比率范围内采样离散的稳态操作点。在每个采样的分割比率下，工艺模型提供甲醇产量、总发电量、净出口电力和内部电力需求。这些操作点定义了调度分析中使用的性能图和允许的运行窗口。

Aspen 的结果被简化为甲醇产量、净出口电力和内部电力需求的轻量级替代关系，作为分割比率的函数。同一数据集也用于确定可行的分割比率窗口和映射的爬坡限制。这些替代关系构成了滚动调度器使用的过程层。

在市场方面，调度器使用相关决策时间尺度上的信息。电力在 24 小时预见范围内按日前基础进行调度，时间步长为 30 分钟，而甲醇则根据当前每月交付期的合同价格进行调度。相应的数据源和预处理在第 2.5 节中描述。

2.3. 调度结果的物理实现由分割比率 α 控制，它将还原氧载体分配到蒸汽反应器和空气反应器之间，从而决定了甲醇和电力的输出混合比例。调度问题在 MATLAB 中使用 linprog 和双单纯形算法作为顺序线性规划问题来解决。决策变量是时间索引的分割轨迹 αt。优化受到可行的分割比率窗口、逐步爬坡限制和下面定义的合同可行性护栏的约束。由于滚动问题仅使用替代方程和线性约束，计算负担较低，并且与采用的滚动时间范围实现兼容。

2.3.1. 化学循环氢 Production 的稳态过程建模
在 Aspen Plus 中对整个过程进行了建模。忽略了压力和热量损失，每个反应器都被视为等温和等压的，并且操作是准稳态的。假设所有反应器都达到了化学和相平衡。整个流程的热力学模型采用了 Boston–Mathias 修改后的 Peng–Robinson 状态方程 (PR-BM)。详细的设計規格和输入参数在補充文件的表 S1 中总结。集成过程的流程图和相应的小节在補充文件的图 S3–S6 中提供。

2.3.2. 分割比率控制下的化学循环氢 Production
在这项工作中，燃料反应器和蒸汽反应器都采用五级逆流移动床配置，而空气反应器是一个搅拌流再生器，这与参考文献 [33] 中采用的移动床配方一致。图 3 在相同的操作条件 (T = 900°C, p = 1 atm, 混合杨树进料) 下展示了验证结果，证明模拟的气体和固体组成与参考数据 [33] 接近一致。这里，x 表示从燃料反应器中出来的还原氧载体中的 O/Fe 原子比。术语 1 ? 2x/3 对应于氧载体的转化程度（相对于完全氧化的 Fe2O3），即 C=(1.5 ? x)/1.5 = 1 ? 2x/3，其中 1.5 是 Fe2O3 的 O/Fe 比。CLHP 参数校准的详细程序在之前的工作中有描述 [44]，关键反应在表 2 中总结。在本案例研究中，燃料反应器在 1 atm 下运行，蒸汽反应器在 30 atm 下运行，空气反应器/涡轮机侧在约 14 bar 下运行。固体输送的详细硬件设计超出了本研究的范围。实际上，这种系统中的固体循环可以使用标准的化学循环固体处理装置来实现。可以使用循环密封件或相关固体阀门来维持固体循环，同时限制气体在反应器之间的交叉泄漏和混合，并在固体必须跨越较大压力差时应用锁斗输送。

2.3.2.1. 化学循环氢 Production 的质量与能量平衡
在这项工作中，燃料反应器和蒸汽反应器都采用五级逆流移动床配置，而空气反应器是一个搅拌流再生器，与参考文献 [33] 中采用的移动床配方一致。图 3 在相同的操作条件 (T = 900°C, p = 1 atm, 混合杨树进料) 下展示了验证结果，证明模拟的气体和固体组成与参考数据 [33] 接近一致。这里，x 表示从燃料反应器中出来的还原氧载体中的 O/Fe 原子比。术语 1 ? 2x/3 对应于氧载体的转化程度（相对于完全氧化的 Fe2O3），即 C=(1.5 ? x)/1.5 = 1 ? 2x/3，其中 1.5 是 Fe2O3 的 O/Fe 比。CLHP 参数校准的详细程序在之前的工作中有描述 [44]，关键反应在表 2 中总结。在本案例研究中，燃料反应器在 1 atm 下运行，蒸汽反应器在 30 atm 下运行，空气反应器/涡轮机侧在约 14 bar 下运行。固体输送的详细硬件设计超出了本研究的范围。实际上，这样的系统中的固体循环可以使用标准的化学循环固体处理装置来实现。循环密封件或相关固体阀门可以用来维持固体循环，同时限制气体在反应器之间的交叉泄漏和混合，而在固体必须跨越较大压力差时可以使用锁斗输送。

2.3.2.2. 化学循环氢 Production 的能量转换效率
在本研究中，燃料反应器和蒸汽反应器都采用五级逆流移动床配置，而空气反应器是一个搅拌流再生器，这与参考文献 [33] 中采用的移动床配方一致。图 3 在相同的操作条件 (T = 900°C, p = 1 atm, 混合杨树进料) 下展示了验证结果，证明模拟的气体和固体组成与参考数据 [33] 接近一致。这里，x 表示从燃料反应器中出来的还原氧载体中的 O/Fe 原子比。术语 1 ? 2x/3 对应于氧载体的转化程度（相对于完全氧化的 Fe2O3），即 C=(1.5 ? x)/1.5 = 1 ? 2x/3，其中 1.5 是 Fe2O3 的 O/Fe 比。CLHP 参数校准的详细程序在之前的工作中有描述 [44]，关键反应在表 2 中总结。在本案例研究中，燃料反应器在 1 atm 下运行，蒸汽反应器在 30 atm 下运行，空气反应器/涡轮机侧在约 14 bar 下运行。氧化铁（Fe2O3）质量流量对900℃和1个大气压下燃料反应器出口成分的影响：(a)燃料反应器出口气体中的碳物种分布；(b)燃料反应器出口固体中的铁物种分布。同时，离开燃料反应器的氧载体必须保持足够的还原状态，以保持蒸汽反应器中的氢生产潜力和空气反应器中的能量释放潜力。如图4b所示，当流量达到10 kg·s?1时，出口固体主要由Fe和FeO组成，而Fe3O4的含量可以忽略不计。当流量超过10 kg·s?1时，Fe3O4开始形成并迅速增加，表明出口处的氧化状态过高。尽管Fe3O4在空气反应器中进一步氧化时仍能释放热量，但其剩余的化学势远低于Fe和FeO，因此不会对蒸汽反应器中的氢生成有贡献。因此，进一步增加Fe2O3的质量流量（超过10 kg·s?1）对下游氢生产和电力生成均不利。基于此，选择10 kg·s?1作为燃料反应器的基准Fe2O3质量流量。

2.3.2. 等离子体气化器
本研究采用了Minutillo等人[45]提出的模型，该模型广泛用于模拟等离子体气化器。该模型的示意图见补充文件中的图S2。最初，固体废物进入DECOMP反应器进行分解。根据等离子体气化器内的温度分布，反应被分为高温反应器（HTR）和低温反应器（LTR），两者均采用RGibbs反应器模型进行模拟，该模型通过最小化吉布斯自由能来确定气体产物。由于反应器内的温度较高，RGibbs模拟能够很好地接近实际条件，因为反应接近平衡状态。等离子体射流直接进入HTR，作为2500℃下的主要反应区。为了实现热平衡，在DECOMP反应器和HTR之间建立了热流（HEAT1）。LTR在大约1150℃下运行。该模型没有考虑玻璃化无机物的部分。输入的医疗废物参数和模型验证数据见补充文件中的表S2和S3。

等离子体射流使用热交换器模型进行模拟，出口温度为4000℃。热交换器HX1和HX2模拟合成气与下降废料之间的热交换。使用纯氧气作为气化剂，空气分离器的能耗设定为250 kWh/t-O2[46]。来自等离子体气化器的原始合成气随后被送往GCU，然后再进入下游的化学循环部分。

2.3.3. 甲醇合成模块
甲醇合成模块被建模为一个多管固定床反应器串联，采用Cu/ZnO/Al2O3催化剂，在80巴和250℃下运行。在Aspen Plus软件中，这由四个RPlug反应器串联表示，各阶段之间有冷凝物去除。甲醇通过CO2和CO的氢化反应生成，反应式如下：
(1) CO2 + 3H2 ? CH3OH + H2O
(2) CO + 2H2 ? CH3OH
甲醇从CO2和H2合成的动力学参数如下：
(1) \(k_{MS,co}=k_{MS,Ref} e^{-\Delta H^o / (RT + p_{H2O)}\)，其中\(k_{MS,Ref}\)是参考速率常数，\(R\)是气体常数，\(T_{ref}=228.42\)℃是参考温度；\(K_{A}, K_{B}, K_{p,MS}\)是从参考文献[47]中获取的吸附和平衡参数。
在同一Cu/ZnO/Al2O3催化剂上的逆水煤气变换（RWGS）副反应为：
(3) CO2 + H2 ? CO + H2O
(4) \(k_{RWGS,Ref} = k_{RWGS,Em} e^{-\Delta H^o / (RT + p_{CO})\)
甲醇合成模块中使用的全部动力学和吸附参数总结在表S4中。

2.3.4. 发电单元
发电单元由布雷顿循环燃气轮机部分表示。与传统燃气轮机不同，这里不使用燃烧室；相反，从空气反应器（AR）出来的缺氧空气作为加压工作流体。因此，发电可以解释为基于化学循环燃烧（CLC）的AR流出物的涡轮膨胀。AR的运行压力略高于14巴，以适应反应器出口和涡轮入口之间的压力损失，而涡轮入口压力规定为14巴。通过调节燃气轮机的流量和相应的空气侧流量来适应分割比α的变化，从空气反应器返回燃料反应器的氧载体保持完全氧化状态并接近校准温度；在上游合成气供给稳定的情况下，燃料反应器保持在其校准的运行状态。在Aspen模型中，压缩机和涡轮机使用标准的等熵效率关系进行表示，机械效率为99%，等熵效率为85%。产生的电力首先分配给内部消费者，包括等离子体火炬、空气分离单元和甲醇合成上游的过程气体压缩；任何剩余的电力则输出到电网。

2.4. 分割比性能图和物理约束
在定义调度约束之前，Aspen的结果被转换为一维性能图，该图关于分割比α进行展示。在Aspen Plus中，可行的分割比范围在离散的稳态点进行采样，并记录相应的甲醇产量、净输出电力和内部电力需求值。这些数据随后在允许的运行窗口内用线性替代模型进行拟合，并用作滚动优化中的过程表示。
分割比定义为α∈[0,1]，表示通过氧载体携带的可用化学潜力中分配给甲醇分支的比例，其余部分分配给电力分支。实际上，调度受到[αmin,αmax]?(0,1)的可接受运行窗口的限制，该窗口是基于Aspen的替代可行性区域和两个产品部分的最小稳定负载（MSL）要求确定的。具体来说，甲醇合成和分离部分保持在实用阈值MMSL以上，发电部分保持在相应的阈值PMSL以上，以确保两个分支在允许的共同生产窗口内保持活跃。对于校准的基准窗口[0.30,0.70]，这些阈值分别对应甲醇侧约0.40吨/小时和发电侧约2.17兆瓦的净发电量，大致相当于窗口内最大值的47%和57%。这些值定义了最宽允许运行范围的外部可行性限制；后续生命周期技术经济分析中使用的更狭窄的α窗口位于此范围内，因此在此阈值以上有额外的操作余量。调度决策是在离散时间网格上定义的分割比αt，时间步长为Δt（索引t = 1,...,T）。在每个时间步长t，通过以下条件确保静态可行性：
(5) \(α_{min} \leq α_{t} \leq α_{max}\)
为了反映有限的爬坡能力，一个优化间隔内的逐步变化Δt受到以下限制：
(6) \(|α_{t}-α_{t-1}| \leq Δα_{max}\)
αt的变化会影响发电块和甲醇合成部分。报告的动态模拟表明，在负载扰动后，电力到甲醇合成的循环需要大约1-4.5小时的时间达到新的稳态（例如，在60%·h?1的负载爬坡下）[48]。相比之下，燃气轮机循环的功率块可以以分钟级进行爬坡；制造商验证结果显示，在常规操作下每分钟可爬坡5-10%，在高级控制下的负载变化测试中可达每分钟20%[49]。因此，对甲醇产生率Mtt·h?1施加了保守的爬坡限制：
(7) \(|M_{t}-M_{t-1}| \leq ΔM_{max}\)，其中\(R_{M,max}\)表示甲醇产生的允许爬坡率。在当前研究中，\(R_{M,max} = 0.05\)吨/小时。使用替代模型的局部斜率\(dM/dα\)，该限制意味着分割变化的映射步长为：
(8) \(Δα_{map} = \min\{|Δα|_{max}, Δα_{min}\)
为了数值稳健性和避免极小或不切实际的调整，映射值被剪切为：
(9) \(Δα_{max} = \min\{Δα_{min}, Δα_{hard}\}\)
在基准情况下，\(R_{M,max} = 0.05\)吨/小时，导致Δαmax约等于每小时0.021，即从αmin = 0.30调整到αmax = 0.70大约需要9-10小时，每天最多允许一次来回切换。因为动态甲醇工厂的爬坡率基准在不同研究中没有标准化[50]，所以基准情况采用了保守的甲醇爬坡限制。另外还测试了快速爬坡情况（甲醇生产部分约为每分钟2%[50]；详细信息见补充文件中的图S8）。

最后，为了量化优化器如何利用灵活性窗口，定义了接近每个允许角的时间比例：
(10)
\(share_{Low} = \sum_{t=1}^{T} I(α_{t} \leq α_{min}+δ\)，
\(share_{High} = \sum_{t=1}^{T} I(α_{t} \geq α_{max}-δ)\)，
其中\(I(·)\)是指示函数（如果条件成立则为1，否则为0），δ是一个小的数值容忍度。中间操作份额定义为：
\(share_{Mid} = \frac{share_{Low} + share_{High}}{2}\)。在均匀的时间步长Δt下，这些比例相当于时间份额，用于将利润收益与角操作的强度相关联。

2.5. 合同结构和滚动视野分割比优化
本小节首先定义交付合同，然后介绍滚动调度、可行性保护和基准公式。

2.5.1. 合同表示
可行的甲醇产生率受到替代可行性窗口αmin,αmax的限制，即：
(11) \(M_{min} = M_{αmin}\)，\(M_{max} = M_{αmax}\)，其中\(M(α)\)表示由Aspen校准的替代模型给出的稳态甲醇产生率图。在滚动优化中，时间步长t实现的甲醇产生率为\(M_{t} = M(α_{t})\)（吨/小时）。对于一个合同周期m（例如一个月），\(Q_{m}\)表示甲醇数量（吨），\(Q_{mcon}\)是名义合同数量，\(Q_{mcum}\)是用于结算的周期内累积交付数量。合同甲醇率由合同强度κcon∈[0,1]在可行范围内定义，作为凸插值：
(12) \(Q_{mcon} = M_{min} + κ_{con}(M_{max}-M_{min})\)，\(Q_{mcon}=M_{con}H_{m}\)，其中\(H_{m}\)是周期m（每月或每季度）的总运行小时数。允许的交付范围由摆动比率ε指定：
(13) \(Q_{mlow} = 1-εQ_{mcon}\)，\(Q_{mhigh} = (1+ε)Q_{mcon}\)
在每个合同周期内，交付的甲醇被累积用于结算。在周期结束时，结算余额被重置以防止跨周期转移。电力被视为按照提前一天价格结算的商业产品；不需要明确的月度电力交付合同。

2.5.2. 滚动提前一天调度和合同临界点保护
调度以滚动提前一天的方式进行，仅使用公共的提前一天电价曲线和周期内的甲醇合同价格，同时尊重周期结束时的交付可行性。如果生产过度延迟或提前，可能会导致不可行的结果。为了防止这种情况，根据当前交付周期的剩余时间应用合同临界点保护规则。设\(Q_{cum}\)表示截至当前时间的累积交付甲醇量，\(H_{rem}\)表示当前交付周期内的剩余运行小时数。使用极限可行的产生率，估计可达到的交付范围为：
(14) \(Q_{max}Reach = Q_{cum}+M_{max}H_{rem}\)，\(Q_{min}Reach = Q_{cum}+M_{min}H_{rem}\)
如果\(Q_{max}Reach \leq Q_{mlow}\)，则调度向甲醇角方向调整以保持可行性（α→α_{max}）。如果\(Q_{min}Reach \geq Q_{mhigh}\)，则调度向电力角方向调整以避免过度交付。这些触发器实施了与合同执行一致的运营商级可行性保护，以应对有限的价格预见性。

2.5.3. 提前一天滚动优化、护栏和基准
提前一天电价（30分钟分辨率；下一天的48个时段的曲线已知）从日本电力交易所（JEPX）[51]获取，作为系统价格时间序列（日元/千瓦时）。价格使用0.007美元/日元的转换因子转换为美元/千瓦时。甲醇价格来自Methanex[52]，作为亚洲挂牌合同价格（APCP），每月更新一次，以反映包括日本在内的亚洲进口市场的现行基准。完整的2020–2024年输入数据集作为补充数据文件提供。
提前一天调度问题在MATLAB中使用linprog和双单纯形算法求解。在每个滚动步骤中，解决一个24小时的优化问题，时间分辨率为30分钟，使用下一天的电价曲线和当前月份的甲醇合同价格。由于在线问题仅包含替代方程和线性约束，计算负担较低。全年模拟的总计算时间远短于物理调度间隔，证实了与此处采用的滚动视野框架的兼容性。

当两个触发器都未激活时，通过解决一个24小时的线性程序来获得第二天的分割轨迹。用\(T_{d}=\{t_0,?,T_{0}+N-1}\)表示提前一天视野的时间步长集合，步长为Δt。目标是最化次日从电力出口和甲醇交付中获得的收入，同时对可行性松弛和过度切换进行可选的惩罚：
(15) \(\max\{α_{t}, {vt}, slow, high\} \forall t \in T_{d}(pteP_{net}(α_{t}) + pmM(α_{t}) \Deltat-λ_{low} \leq λ_{low}, λ_{high} \leq λ_{high}\)
其中\(pte\)是提前一天电价；\(P_{net}(α)\)是净输出电力；\(pm\)是视为一个月内恒定的周期内甲醇合同价格。**结果与讨论**

本节介绍了校准后的运行窗口、调度行为、情景级敏感性、年际变化以及部署影响。

3.1. 校准后的替代响应和可接受的分配比例运行窗口
图5和图6总结了定义在滚动优化中使用的可接受α分配运行空间的稳态关系。每个采样的α值都与一个完整的Aspen解决方案相关联，在该解决方案中，氧气载体分配、反应器温度以及工艺侧的材料和能量平衡都得到了同时满足。因此，这些图表为调度提供了替代基础，同时保留了化学循环系统的热力学结构。

**下载：下载高分辨率图像（217KB）**
**下载：下载全尺寸图像**

图5. Aspen校准的α分配调度和反应器侧自热操作的运行图：(a) 自热反应器操作的蒸汽和空气需求；(b) 通过工艺模拟得出的甲醇生产、总发电量和内部功耗。

**下载：下载高分辨率图像（178KB）**
**下载：下载全尺寸图像**

图6. 内部电力需求分解与分配比例α的关系。

图5a显示了反应器侧的运行图。对于每个采样的α值，蒸汽反应器的蒸汽进料和空气反应器的空气进料都进行了调整，直到蒸汽反应器和空气反应器分别达到规定的等温条件850℃和1000℃，且净反应器热负荷接近零。随着α的增加，离开燃料反应器的还原氧气载体的较大比例被引导至蒸汽反应器，因此蒸汽需求相应增加，而空气需求减少，因为较少的还原载体被送往空气反应器。在这个意义上，α不仅仅是一个产品分配参数。它规定了存储在还原氧气载体中的化学势在蒸汽反应器和空气反应器分支之间的分配方式，以及关闭反应器侧热平衡所需的相应入口条件可以逐点确定。由于允许的坡度率是保守的，相邻运行点之间的转换可以近似为准稳态，因此稳态图可以作为后续滚动调度的适当基础。

相应的工艺级响应显示在图5b中。甲醇生产几乎随α线性增加，而总发电量则呈相反方向减少。这种单调的权衡反映了α分配的单自由度特性：更多的还原氧气载体被送往蒸汽反应器，增加了下游甲醇合成的氢可用性，而较少的氧气载体介导的热量释放留在空气反应器/功率分支中。在采样的范围内，响应足够平滑且接近线性，支持线性替代拟合，这是日前线性程序所要求的形式。

可接受的运行窗口被选为[αmin, αmax] = [0.30, 0.70]。在功率不足的边界α = 0.30时，校准后的图表约产生3.79 MW的总发电量和0.40 t·h?1的甲醇产量。在甲醇不足的边界α = 0.70时，相应的数值分别为2.17 MW和0.85 t·h?1。这些限制在两个产品分支中都保持了有意义的活动，因此定义了一个实际的共生产窗口，而不是一个接近单一产品的状态，在该状态下一个部分将接近关闭。

图6阐明了同一α范围内的工厂级功率平衡。总内部电力需求被分解为等离子炬、空气分离单元以及剩余的压缩机和泵。等离子炬和空气分离单元是上游负载，大致独立于α，而剩余的压缩和泵送负荷随着甲醇侧吞吐量的增加而轻微增加。因此，总内部需求随α的增加而逐渐增加，与总发电量的显著减少形成对比。该分解还明确了火炬功率包含在内部电力平衡中。

净电力出口定义为总发电量减去总内部需求，随α单调减少，但在整个允许的窗口内始终保持正值。对于校准的样本，只有在α = 0.70到0.80之外的范围内才达到自给自足的阈值。因此，在[0.30, 0.70]范围内的优化是在电力自给自足的条件下进行的，其中总涡轮输出首先覆盖内部消耗，只有剩余部分输出到电网。同样的窗口也可以从最小稳定负荷的角度来解释。在α = 0.30时，甲醇部分仍然在其窗口内最大输出的约47%（0.40 t·h?1对比0.85 t·h?1）。在α = 0.70时，功率块仍然保持其窗口内最大输出的约57%（2.17 MW对比3.79 MW）。这些值表明，在两个边界上两个分支都保持实质性活跃，支持使用[0.30, 0.70]作为实际调度的可接受分配比例运行窗口。

3.2. 2024基准年的全年调度行为
图7追踪了滚动日前优化器如何将市场输入转换为操作分配轨迹和相应的副产品输出。如图7a所示，电力信号在小时尺度上高度不稳定，而甲醇合同价格在每个月内是分段恒定的。这种信息不对称性直接塑造了调度模式：日内决策主要由电力价格波动触发，而甲醇价格提供了一个较慢的基准偏好，仅在月度边界处发生变化。

**下载：下载高分辨率图像（1MB）**
**下载：下载全尺寸图像**

图7. 2024年合同意识α分配日前滚动调度下的市场输入和最优结果的时间序列。

最终的最优分配比例（图7b）主要表现出寻找角落的行为，与第3.1节中建立的接近线性的性能图和有界可行窗口[αmin, αmax]一致。在2024年，系统有50.6%的时间在αmax处运行，26.8%的时间在αmin处运行，产生了77.4%的角落操作份额（表3）。从操作上讲，这意味着灵活性主要通过不频繁但决定性的在两个稳定状态之间的转换来实现，而不是在内部持续运行。输出时间序列（图7c）证实了预期的单自由度机制：甲醇生产率几乎一对一地跟踪α(t)，而净电力出口则相反方向变化。这种简单的单调结构使得调度易于解释：增加α通过甲醇实现化学势的货币化，而减少α则通过电力实现货币化。

**表3.**年际灵活性价值与运营诊断（2020–2024年）

指标 2020 2021 2022 2023 2024
灵活性价值（经济成果） 4.79 7.09 5.75 3.06 2.89
中位数灵活性价值（%） 4.61 7.01 5.55 3.08 2.86
灵活性价值四分位距（p25-p75，%） 2.91–6.78 4.36–9.92 4.21–7.27 1.89–4.22 1.69–3.94
平均利润差（百万美元） 0.11 0.28 0.26 0.10 0.10
中位数利润差（百万美元） 0.10 0.28 0.26 0.10 0.10
利润差四分位距（p25-p75，百万美元） 0.07–0.15 0.17–0.39 0.20–0.33 0.06–0.14 0.06–0.14

运营模式与合同压力（机制证据）
平均 αmin 比例（%） 28.7 29.9 37.6 28.8 26.8
平均 αmax 比例（%） 61.6 59.3 53.4 46.5 0.6
操纵操作比例（%） 90.3 92.7 29.7 34.7 7.4
甲醇强制天数（MeOH/Power） 3.8/98.0 15.9/90.2 101.2/12.9 41.5/58.1 15.7/80.1
操纵操作比例 = （α = αmin）+（α = αmax），作为衡量主导边界操作的紧凑指标
甲醇强制和电力强制天数按期末可行性检查触发强制模式覆盖的总持续时间（小时）计算得出，因此不必是整数

年度模式还揭示了优化器选择切换的时间点。2024年上半年，切换相对较少，主要集中在 αmax 附近。这与大约3月至6月频繁出现的电力价格低谷相吻合（图7a），在此期间将化学能量从电力转移出去在经济上更为有利，因此调度自然集中在甲醇生产上，同时利用月度波动范围保持可行性。年中，甲醇合约价格进一步上涨（图7a），即使出现短暂的电力价格飙升，优化器仍继续优先选择甲醇生产。8月之后，高电价事件变得更加频繁，而甲醇合约价格疲软；相应地，α(t) 显示出更密集的切换（图7b），8月和9月成为最活跃的月份。在这种模式下，控制器在同一合同期内反复在产品之间进行权衡，在高价时段转向电力生产，同时在其他时段通过甲醇生产进行抵消。

表3提供了合同可行性如何塑造这些动态的紧凑诊断。2024年，甲醇强制天数限制在约16天，而电力强制天数达到约80天。这种不对称性表明，不可行性风险主要由甲醇相对于允许的最大交付量的潜在过量生产所主导，因此保护逻辑更频繁地需要将操作推向 αmin，以避免超过 Qhigh，而不是解决交付不足的风险。从经济角度来看，同一年实现的平均灵活性价值为2.9%（相对于静态α基准的利润增幅），平均绝对收益为0.100百万美元（表3），显示2024年末观察到的切换强度是由反复出现的短期电力价格机会驱动的，而每月的甲醇定价则固定了合同的最低限。

3.3. 2024基准年灵活性价值的敏感性和驱动因素
图8通过映射合同感知滚动α调度在合同强度κ和交付波动ε上的增量价值来总结2024年的场景集合，这些值是在绿色溢价情况（γe, γm）上聚合的。在调查的范围内，ε的影响是单调的：扩大允许的交付范围一致地增加了相对收益FV和绝对利润差ΔProfit。从机制上讲，更宽的ε缓解了期末的可行性压力，扩大了期间内生产的可行时间范围；这使得产品分配能更频繁地根据价格信号进行调整，而不是“跟踪合同时钟”，因此动态策略能够更盈利地偏离固定α基准。相比之下，κ在测试的电网中显示出明显的内部分最优值（约为κ ≈ 0.575）。非常低或非常高的κ会将名义合同率推向一个极端（Mmin或Mmax），因此动态和静态策略大部分时间都接近相同的界限，灵活性的增量价值随之缩小。图8中的最大值出现在中等范围的κ附近，此时合同仍然可行，同时还留有向任一极端波动的空间，2024年高ε时可带来约5.4%的收益和约0.19百万美元的增量利润。

下载：下载高分辨率图像（227KB）
下载：下载全尺寸图像

图8. 2024年灵活性价值作为合同强度和交付波动的函数。(a) 相对于静态α基准的利润增幅，FV（%）。(b) 绝对增量利润，ΔProfit（百万美元）。

图9为同一2024年集合提供了场景级别的诊断。首先，随着操纵操作比例的增加，灵活性价值下降（图9a），因为主导边界的操作表明可行性以及合同压力将 α(t) 固定在 αmin 或 αmax，几乎没有行动空间来响应价格变化，超出静态基准已经暗示的范围。在高操纵操作比例下，分散度也会扩大：一旦操作频繁被固定，结果对“固定小时”与有利价格事件的巧合变得更加敏感，导致FV在不同场景间的差异增大。相反，较低的操纵操作比例对应于持续的 Interior 操作，优化器可以持续调整 α(t)；这倾向于将结果压缩到一个更狭窄的范围内，因为调度可以更均匀地利用价格，而不是通过少数几个限制性事件。

其次，相对绿色溢价 γm-γe 对FV的中心趋势只有弱影响（图9b），而随着 ∣γm-γe∣ 的增加，分散度也会增加。这种模式与指标的构建一致：应用乘法溢价在动态和静态情况下以相似的方式重新调整收入，因此中位数增量收益没有显著变化。然而，改变 γm-γe 会改变同一合同约束下甲醇相对于电力的相对吸引力，这可能会使场景走向不同程度的操纵优势；当系统偏向于某种产品时，灵活性的实现价值变得更依赖于剩余“波动小时”发生的时间，即使在中间值几乎不变的情况下也会增加差异。

3.4. 灵活性价值和运营模式的年际变异性（2020–2024年）
表3和图10总结了在2020–2024年历史市场条件下的灵活性价值的年际分布。五年中灵活性价值始终为正，但其幅度随市场结构而有显著差异。2021年的收益最高（平均FV为7.1%，平均ΔProfit为0.284百万美元），这与该年报告的最大甲醇合约价格范围相符（例如，冬季低价月份和年末高价月份之间的差距）。市场和/或套利窗口较少（2023–2024年）的年份收益较低（平均FV约为3%，表3），图10显示相应的分布也较低且更紧密。

表3中的运营诊断表明，“哪种产品占主导”本身并不是价值的决定因素。2020年和2022年代表了合同压力的两个极端：2020年经常被推入电力模式（约98.0天的电力强制天数，约3.8天的甲醇强制天数），而2022年经常被推入甲醇模式（约101.2天的甲醇强制天数，约12.9天的电力强制天数）。然而，这两年的FV相当（分别为4.8%和5.7%）。这表明灵活性价值更多地受到合同可行性内具有经济意义的切换机会的影响，而不是对某种产品的持续偏好。

表4量化了合同设计的含义。在2020–2024年间，测试电网内最佳的离散合同强度始终为 κ* = 0.575，以 κ* 运行每年相对于所有κ平均值的FV都有所增加（例如，2024年的平均FV从2.9%上升到3.8%，平均ΔProfit从0.100美元上升到0.131百万美元）。这种稳健性支持κ作为一个实际的设计参数：适中的合同甲醇率在两侧都保留了分配余地，系统地改善了短期、价格响应式调度的可实现价值。

3.5. 灵活运营的生命周期技术经济影响
本节报告的生命周期比较使用相同的甲醇合同基础，对于灵活和静态配置，κcon = 0.575，这对应于之前灵活性价值分析中确定的最佳离散合同强度水平。图11显示，生命周期比较主要受与保持选定的α窗口的两个端点相关的资本惩罚的影响。在所有情况下，等离子气化岛仍然是一个较大的共同成本块，而静态和灵活配置之间的相对差异主要是由化学循环反应器列车、甲醇列车、辅助设备和燃气轮机造成的。

在主要连续尺寸燃气轮机基准下，最佳α窗口为[0.46,0.62]。在这种情况下，灵活性使TCI增加了1.526百万美元，但平均每年收入增加了0.134百万美元。如图12a所示，因此生命周期优势接近中性，但在工厂层面仍略为负，平均ΔNPV为-0.098百万美元。在离散模块化基准下，最佳窗口变为[0.46,0.66]。在这里，动态和静态配置独立映射到相同的模块化GT采购，这压缩了灵活工厂的增量GT惩罚；因此，图12b显示平均ΔNPV变为正0.197百万美元。因此，结论不是灵活性普遍更优，而是生命周期排名在很大程度上取决于GT采购和资本分配的表示方式。

图13提供了相同结果的产品侧解释。即使在连续尺寸基准下，平均工厂层面的ΔNPV仍然略为负，灵活配置仍然将电力信用LCOM从720.3美元·t?1降至704.2美元·t?1-MeOH，并减少了NPV≥0所需的甲醇价格提升从327.5美元·t?1-MeOH降至311.0美元·t?1-MeOH。在离散模块化基准下，这种趋势更加明显，电力信用LCOM从737.5美元·t?1降至713.2美元·t?1-MeOH，所需的甲醇价格提升从344.8美元·t?1-MeOH降至319.9美元·t?1-MeOH。这些产品标准化的指标表明，即使工厂层面的生命周期优势尚不统一为正，灵活性也提高了甲醇侧的可行性。

图11、图12、图13和表5中的所有值都是在假设医疗固体废物倾倒费为20美元·t?1的基础上评估的。增加这一倾倒费将降低LCOM并提高静态和灵活配置的绝对NPV，而减少倾倒费会产生相反的效果。这个假设改变了所有案例的绝对经济水平，但它并不改变这里得出的核心结构结论：相对生命周期比较主要受α窗口基础的设备尺寸和GT采购假设的支配，而不是收入模型中的隐藏变化。总体而言，经济结果显示，在主要基准下灵活性具有经济前景，在离散模块化采购基准下具有生命周期优势，同时一致降低了甲醇侧的成本和盈亏平衡市场阈值。在两种燃气轮机基准测试下，最佳窗口生命周期的技经比较如下：

| 指标 | 连续尺寸燃气轮机基准 | 离散模块化燃气轮机基准 |
|--------------------------------|------------------|------------------------|
| 最优α窗口 | [0.46, 0.62] | [0.46, 0.66] |
| 燃气轮机容量（动态/静态）（所需 → 安装）, MW | 3.10 → 3.10/2.70 | 3.10 → 3.50/2.60 |
| 甲醇侧设计容量（动态/静态），t h?1 | 0.788/0.70 | 30.837/0.73 |
| ΔTCI, MUSD | +1.526 | +1.561 |
| 平均Δ收入，MUSD y?1 | +0.134 | +0.165 |
| 平均ΔNPV, MUSD | ?0.098 | +0.197 |
| 带电力信用的LCOM（动态/静态），USD t?1 | -MeOH | 704.2/720.3 | 3.2/737.5 |
| 为实现NPV≥0所需的甲醇价格上涨（动态/静态），USD t?1 | -MeOH | 311.0/327.5 | 319.9/344.8 |

表6比较了在不同角色下灵活性的应用，包括在可再生甲醇生产中的储藏缓解、在电价变动下的盈利性氢添加、通过多模式运行保持容量因子，以及在仅发电的化学循环中的热化学能量储藏。因此，报告的指标反映了不同的灵活性服务，而不是一个可以直接比较的单一量。这也是为什么灵活性在表格中的经济效应不同的原因：其好处取决于每个系统中创造的额外灵活性是否足够大，以证明相关的复杂性、储藏或资本需求的合理性。本研究关注的是不同的设计逻辑，即在甲醇和电力之间连续重新分配共享的氧载体化学势预算，这使其不同于基于储藏、基于氢添加和模式切换的灵活性形式。

表6. 本研究与代表性文献的定量比较

| 研究 | 系统/主要产品 | 与灵活性相关的指标 | 经济指标 |
|---------------|-----------------------------------------|-----------------------------------|----------------------------------------|
| Chen和Yang [53] | 电力-甲醇/甲醇 | 甲醇成本降低：21–34% |
| N/A | | |
| Poluzzi等人[54] | 灵活的电力和生物质-甲醇/电力 + 甲醇 | 甲醇盈亏平衡价格：510和535 EUR·t?1（灵活 vs 不灵活） |
| | | 燃料生产成本：29.7–31.7 EUR·GJ?1 |
| Szima等人[55] | 灵活的IGCC多联产/电力 + H? | 年回报率增加：6–11个百分点 |
| | | CO?避免成本：24.9–36.9 EUR·t?1 |
| Cormos等人[31] | 灵活的化学循环燃烧/电力 | 发电成本降低：在时间灵活运行下约2% |
| | | 特定投资成本降低：约3%；二氧化碳捕获成本降低：高达8% |
| Butera等人[56] | 灵活的生物质-甲醇/甲醇 + 电力 | 可再生电力约束下的容量因子（灵活/电力储藏/传统）：1.00/～0.64/～0.64 |
| | | 资本成本（灵活/电力储藏/传统）：620/490/390 MUSD；甲醇盈亏平衡价格：93–125/87–127/92–117 USD·MWh?1 |
| 本研究 | 带固体废物等离子气化的灵活化学循环/电力 + 甲醇 | 静态运行下的年平均利润增益（所有情景/最佳合同强度）：2.9–7.1%/3.8–9.4%；尾部结果：≈15% | |

最佳窗口生命周期的TEA显示，在两种基准测试下，灵活性下的电力信用LCOM较低，而平均ΔNPV对基准敏感（连续尺寸燃气轮机为?0.098 MUSD；离散模块化燃气轮机为+0.197 MUSD）。

3.6. 对部署和系统整合的影响
(1) 价格和使多联产成为电网灵活性资产。灵活联合生产的价值不在于单一产品的平准化成本，而在于其在系统条件变化时提供可调度、系统相关服务的能力。这种解释与可再生能源丰富电网中对储藏和可调度灵活性的更广泛需求一致[57]。因此，市场规则应允许此类资产参与平衡/辅助服务市场，并在技术上得到验证的情况下，允许跨能源、容量和储备产品累积收入；电网规范和收购安排也应认识到下游PtX单元的实际爬坡范围，以避免不必要地保守的爬坡限制，从而抑制灵活性价值[58]。
(2) 通过稳定的碳和CCS政策货币化内在的CO?浓度优势。化学循环产生的CO?流与CCS结构兼容，但只有当可验证的捕获和储存能够转化为持久的现金流时，这种优势才能变得可兑现。仅靠碳价格通常是不够的，特别是对于成本较高的缓解选项[59]。实际上，部署需要与可信的运输-储存链条以及稳健的测量、报告和验证相配套的商业模式和政策工具[60]。
(3) 通过合同和市场设计“货币化选择性”。由α分裂调度创造的选择价值只有在跨输出切换不受到结算规则处罚的情况下才能实现。因此，政策制定者和采购实践应支持多产品合同（电力加上低碳燃料/化学品），并确保副产品符合燃料标准/配额或可交易信用系统，以便灵活性和低碳属性得到认可，而不是被锁定在单一资产类别中[61]。此外，对于废物到X的应用，关于倾销费处理和长期废物供应合同的法规明确性可以进一步减少收入不确定性并增强可兑现性[62]。

4. 结论
本研究通过将氧载体化学势分配作为一个随时间变化的决策变量α(t)，确立了灵活的化学循环多联产作为废物到甲醇和电力系统的可执行操作框架。基于Aspen衍生的可行操作点，在允许的α窗口范围内构建了替代性能图，并将其嵌入到由日本日前电力价格和甲醇交付义务驱动的滚动日前调度器中。在2020–2024年的市场条件下，所提出的滚动α(t)调度始终相对于静态合同匹配基准产生了正的年度运营价值，证实了灵活性创造了可衡量的经济价值。技经分析进一步表明，灵活性的经济意义取决于相关设备扩展的资本化方式。在主要的连续尺寸燃气轮机基准下，最佳窗口[0.46,0.62]使灵活配置接近工厂级别的生命周期盈亏平衡，平均ΔNPV为?0.098 MUSD，同时仍然降低了电力信用LCOM和实现NPV≥0所需的甲醇价格上涨。在离散模块化燃气轮机基准下，最佳窗口变为[0.46,0.66]，平均ΔNPV变为正的+0.197 MUSD。从产品角度来看，灵活性在两个生命周期基准下均一致提高了甲醇侧的可行性。在最佳窗口下，它降低了电力信用LCOM并降低了使项目经济可行的甲醇价格上涨。

总体而言，本研究为在波动的电力市场中共同生产化学品和电力的化学循环枢纽提供了一种可转移的操作层方法论，并表明其价值不仅限于短期利润增长，还包括生命周期的商业可行性。所有报告的TEA结果都是在基准假设下获得的，即医疗固体废物每吨20美元的倾销费信用；未来的工作可以在不改变核心调度逻辑的情况下，将同一框架扩展到不同的废物成本条件和更广泛的采购设置中。在正常条件下，套利只是灵活性价值的一个可观察的市场代理；所提出系统的更深层次的意义在于其在压力下重新分配共享国内能源资源于电力和化学品输出的能力，从而创造了韧性价值、安全价值和碳兼容的连续性价值。

CRediT作者贡献声明
陈向翔：写作 – 审稿与编辑，写作 – 原稿，可视化，软件，方法论，概念化。
丁路：写作 – 审稿与编辑，验证。
莫奇达敬一：写作 – 审稿与编辑，监督，项目管理，资金获取。
穆罕默德·阿齐兹：写作 – 审稿与编辑，验证，监督，资源，项目管理，资金获取。