能源-土地-水-空气（ELWA）纽带框架：以最优太阳能发电减少大都市水消耗与CO2排放

《Results in Engineering》：Energy-Land-Water-Air Nexus Framework for Reducing Water Consumption and CO2 Emissions in Metropolises with Optimal Solar Electricity Generation

　　

本研究提出一个基于能源-土地-水-空气（ELWA）纽带的框架，以确定利用该区域可用太阳能资源进行高效发电的方法。该框架旨在减少大都市能源生产中的水消耗和CO₂排放，共包含六个步骤。该框架遵循一个结构化流程：评估当前发电厂及其发电量，评估水消耗，评估电力生产中的CO₂排放，并识别适合开发太阳能电站的区域。在收集关键数据（包括能源需求、直接法向太阳辐照度（DNI）、气溶胶光学厚度（AOD）和土地利用）后，该框架优化太阳能电池板配置以提高效率并降低成本。最后，该框架估算通过太阳能满足城市电力需求时可减少的水消耗和CO₂排放量以及相应成本。该框架以德黑兰大都市为案例进行了应用。结果表明，与基于化石燃料的发电相比，优化后的太阳能发电可将水消耗从429升/兆瓦时（L/MWh）降低72%至118 L/MWh，CO₂排放从401千克/兆瓦时（kg/MWh）降低92%至33 kg/MWh，同时平准化电力成本（LCOE）从0.040美元/千瓦时（USD/kWh）上升至0.053 USD/kWh。此外，建模结果表明，空气污染使太阳能发电量降低25%。ELWA纽带框架通过识别平衡土地成本与太阳能潜力的最优选址，并量化太阳能可实现的水消耗与CO₂排放削减量，为城市向太阳能转型提供了数据驱动的决策支持。

**ELWA纽带框架：德黑兰大都市太阳能优化发电的水-碳协同效益研究解读**

随着城市人口密度增加和能源需求持续上升，水资源、空气质量和土地资源承受着巨大压力。在伊朗德黑兰省等大都市，水资源短缺与空气污染已成为能源生产可持续性的核心挑战。传统化石燃料发电不仅需要大量水用于冷却和运行，还排放大量CO₂。因此，将电力生产从化石燃料转向可再生能源是缓解这些问题的关键路径。然而，现有太阳能规划工具普遍存在不足：忽略空气污染（尤其是气溶胶）对太阳直接辐照的衰减作用；未将土地价格、面板倾角与间距作为LCOE优化变量；未明确区分太阳能电站清洁用水和隐含CO₂排放成本；且多聚焦于发达国家，缺乏针对污染严重的发展中大都市的综合框架。为填补这些空白，研究人员基于能源-土地-水-空气（ELWA）纽带概念，开发了一个六步优化框架，以德黑兰省为案例，旨在实现太阳能发电的最优化布局，同时最小化水资源消耗和CO₂排放。该论文发表于《Results in Engineering》。

研究人员首先梳理了框架的具体步骤：第一步识别德黑兰省现有电厂类型、装机容量与实际发电量；第二步计算各电厂的耗水强度（L/kWh）和CO₂排放强度（kg/kWh）；第三步结合土地利用、环境保护和基础设施条件，筛选出25个适宜建设太阳能电站的地点；第四步收集所需的输入数据，包括能源需求、DNI、AOD、土地价格、光伏系统投资与维护成本、水价和碳税等；第五步进行太阳能电站建模与优化；第六步开展生命周期评估并与现状比较。研究的关键技术方法可概括为：利用PVLIB工具箱模拟不同倾角和间距下的归一化能量输出，并用三次多项式拟合得到能量输出解析式（R2>0.99）；通过线性回归建立AOD与DNI削减百分比的实证关系（DNI削减百分比=73.184·AOD+6.9293），采用MODIS卫星每日1 km分辨率的AOD数据修正SARAH-2数据库的DNI，从而量化空气污染对光伏出力的影响；将拟合函数代入LCOE表达式，利用MATLAB的fmincon内点算法求解最优倾角θ*和间距p*；最后采用单因素（OAT）敏感性分析方法检验模型对关键参数的稳健性。

研究结果部分展示了以下关键发现：

**4.1 太阳能电站可用选址**：通过空间分析与排除限制因子，研究人员从德黑兰省识别出25个适宜建设太阳能电站的场地，均属于自然资源用地，面积从20公顷到300公顷不等。

**4.2 最优倾角、方位角与年均实际太阳辐照**：基于PVLIB优化，25个地点的最优倾角大致在33°~34°，最优方位角在-11°~-15°（朝南）。计入AOD修正后，年均实际入面太阳辐照量在1646~1735 kWh/m2之间。AOD的影响导致DNI年均削减约21%~24%，说明空气污染显著降低了可用的太阳资源。

**4.3 最优光伏能量输出**：选用72片多晶硅面板（尺寸1 m×2 m，效率20%，性能比0.75），基于修正后实际辐照数据计算，25个地点每平方米面板面积的年最优发电量为250.9~263.3 kWh/m2。其中空气污染导致发电量降低约25%，这一损失不容忽视。

**4.4 所提框架最优太阳能电站的LCOE**：根据包含投资、维护、土地、清洁用水和碳税在内的LCOE公式（式19），结合拟合曲线求解最小LCOE。计算结果如图8所示，25个地点的最优LCOE范围为45.8~72.4 USD/MWh。拟合误差RMSE小于最优年均能量输出的5%，验证了多项式拟合的可靠性。

**4.5 德黑兰省电力生产所选太阳能电站**：为满足德黑兰省约3 GW的电力缺口以及伊朗清洁空气法中可再生能源占比30%的要求，研究人员设定了500 MW的太阳能装机目标。按照LCOE从低到高排序，选择14个最优地点组成500 MW组合（表8），其加权平均LCOE为52.6 USD/MWh，水消耗强度118 L/MWh，CO₂排放强度33.0 kg/MWh。与当前化石能源发电基线（水429 L/MWh，CO₂ 401 kg/MWh，LCOE 0.040 USD/kWh）相比，水消耗减少72%，CO₂排放减少92%，但LCOE上升33%至0.053 USD/kWh。此外，由于光伏组件制造过程隐含CO₂排放，太阳能方案在碳税机制下内部化了这部分环境成本，而化石燃料基线价格未包含碳税；若对化石燃料发电施加对称的10 USD/t碳税，其成本将从0.036升至0.040 USD/kWh，但两者仍存在成本差距。

**4.6 敏感性分析**：对能量产率、投资成本、维护成本、土地成本、项目寿命、折现率、碳税和清洁用水量八个参数进行±20%变化后表明，LCOE对能量产率最为敏感（-20%产量导致LCOE上升25.0%），其次为维护成本（±10%左右）和投资成本（±5%）。碳税和水价的影响几乎可忽略。清洁频率从6次/年增至18次/年时，水消耗强度从59 L/MWh上升至177 L/MWh，但仍比现有水平降低59%以上，且LCOE变化极小，说明框架结论具有稳健性。

**4.7 建模可能误差机制**：误差来源包括AOD-DNI线性回归式的地域外推误差、多项式拟合及倾角与间距独立假设的近似误差、未来AOD变化的不确定性、以及静态清洁模型未考虑积尘期间能量损失等。这些误差均被量化评估，总体拟合误差可接受。

讨论部分将本研究结果与全球其他地区研究进行对比：德黑兰72%的节水率与文献中晶硅光伏相对天然气联合循环节水68%一致；92%的CO₂减排与全球评估中光伏约90%的减排幅度吻合；空气污染导致20%~25%的光伏出力损失与中国城市研究中的21%相当。LCOE高于全球工业光伏平均44 USD/MWh，主要因城市土地成本较高及气溶胶削减。模型局限性包括：仅考虑固定倾角、单一多晶硅技术、假设清洁完全恢复性能、未纳入储能系统、LCA范围较窄。未来工作应引入高效面板、跟踪系统、自动清洁技术、储能整合及全生命周期扩展。该框架可推广至其他高气溶胶、高地价、干旱半干旱的大都市区域。

研究结论部分（原文翻译）：
研究人员基于能源-土地-水-空气纽带开发了一个用于优化现有太阳能资源发电的框架。这是一个六步框架，旨在减少大都市地区能源生产中的水消耗和CO₂排放。第一步，识别城市区域现有电厂；第二步，计算电力生产的水消耗强度和CO₂排放强度；第三步，识别适合安装太阳能电站的土地；第四步，收集建模所需数据；第五步，对太阳能电站进行建模和优化；最后一步，评估最优太阳能生产并与当前能源生产进行比较。该框架以德黑兰省为案例进行评估。在该地区，化石燃料发电的平均水消耗为429 L/MWh，而最优太阳能发电降至118 L/MWh，实现72%的削减；CO₂排放从401 kg/MWh降至33 kg/MWh，实现92%的削减；另一方面，从化石燃料转向最优太阳能发电使德黑兰省的最终LCOE从0.040 USD/kWh增加到0.053 USD/kWh。最后，结果表明空气污染使德黑兰省太阳能系统最终输出功率降低了25%。ELWA纽带框架为污染城市的规划者和政策制定者提供了一个透明、数据驱动的工具，用以评估向可再生能源转型过程中成本、土地占用、水消耗、空气污染和CO₂排放之间的权衡。该框架使以下实际政策领域能够实现基于数据的决策：（i）确定使太阳能具有经济竞争力的CO₂排放税水平；（ii）识别平衡土地成本与太阳能潜力的最优位置；（iii）量化太阳能可实现的水消耗和CO₂排放削减量。