技术经济评估与风险分析：用于公用事业规模发电的柴油-可再生能源混合能源系统

《Green Technologies and Sustainability》：Techno-economic assessment and risk analysis of a diesel-renewable hybrid energy system for utility-scale power generation

　　

本研究评估了在巴基斯坦半干旱地区将太阳能光伏（PV）和电池储能与常规柴油发电整合用于高能耗运营的技术经济可行性和财务风险。研究人员开发了一个25年贴现现金流模型，以比较纯柴油基线与太阳能-柴油混合配置，使用关键指标包括平准化能源成本（LCOE）、净现值（NPV）、内部收益率（IRR）、修正内部收益率（MIRR）和回收期。通过敏感性分析、情景建模和蒙特卡洛模拟量化不确定性，同时训练了一个XGBoost回归模型以识别最具影响力的技术和经济驱动因素。结果表明，混合系统将生命周期CO₂排放量减少高达62.9%（避免了15,372吨），并将LCOE从PKR 139.88/kWh（纯柴油）降至PKR 59.22/kWh，降低了约58%。该项目在两年内达到贴现回收期，并在基准情景下实现了约22%的MIRR。敏感性和机器学习结果一致地识别出柴油价格及其上涨率，其次是太阳能光伏和电池的资本成本，作为经济可行性的主导决定因素。研究结果表明，混合可再生能源系统可以为高辐照地区依赖柴油的基础设施提供经济可行且低碳的电力。

在全球能源转型背景下，柴油发电因其可靠性和低初始投资在发展中经济体的电网薄弱区域仍广泛使用，但面临燃料价格波动、碳排放高和供应链脆弱性等挑战。太阳能光伏（PV）和电池储能的成本下降和技术成熟使其成为柴油的互补方案，尤其在半干旱、高辐照地区。巴基斯坦开伯尔-普什图省的Karak地区拥有丰富太阳能资源，但工业设施（如油气站点）依赖柴油发电，燃料成本高昂（约PKR 80/kWh），且缺乏长期、风险敏感的财务分析。现有研究多关注社区微电网，对连续运行的高能耗设施评估不足。为此，研究人员Osama Javed、Zeshan Alam、Abdullah Khan和Kashif Ullah Khan开展本研究，旨在通过集成贴现现金流建模、概率风险分析和可解释机器学习，为柴油依赖型基础设施提供决策支持框架。研究论文发表在《Green Technologies and Sustainability》。

研究人员开发了25年贴现现金流（DCF）模型，比较纯柴油基线与PV-柴油-电池混合系统，采用平准化能源成本（LCOE）、净现值（NPV）、内部收益率（IRR）、修正内部收益率（MIRR）和回收期等指标。关键技术方法包括：①敏感性分析和情景建模（五个情景：基、最差、最佳、绿色推动、技术进步）；②10,000次蒙特卡洛模拟量化不确定性；③XGBoost回归模型作为替代模型预测NPV和LCOE，并识别特征重要性；④基准比较与多元线性回归（MLR）和随机森林（RF）。案例来源为巴基斯坦Karak的油气设施，日均负荷3500 kWh，采用500 kWp PV阵列、250 kWh锂电池（80%放电深度）和柴油发电机，PV年发电约2200 kWh/天，柴油替代约63%。

研究结果如下：
4.1 碳价格敏感性分析：通过比较碳价格30、50、80 USD/吨下的碳信用收入，发现混合系统在保守碳价下仍经济可行，但柴油价格波动是财务表现的主要驱动因素，碳价格贡献中等。
4.2 蒙特卡洛和不确定性分析：10,000次模拟显示，NPV、LCOE和IRR的概率分布证实混合系统在不确性下具有稳健性，均值NPV显著为正，LCOE低于纯柴油基线。
4.3 财务比较基准测试：与Come Zebra等、Bakht等、Rehman等研究对比，本研究的混合LCOE（约0.21 USD/kWh）和MIRR（约22%）落在报告范围内，差异源于柴油价格假设、可再生能源占比和生命周期建模。
4.4 风险矩阵与财务指标定量关联：将风险驱动因素（如柴油价格波动、太阳能CAPEX超支、汇率波动）映射到NPV、LCOE、MIRR偏差，定义风险等级，并建议固定价格合同、套期保值等缓解策略。此外，XGBoost模型特征重要性显示，柴油价格和柴油上涨率是NPV和LCOE的最重要预测因子，太阳能和电池CAPEX为次要因素，一致性支持燃料价格动态的主导作用。

讨论部分总结：混合系统的经济性对柴油价格高度敏感，碳价格贡献中等但可增强项目可融资性；技术成本下降（如PV和电池CAPEX）进一步改善回报；风险矩阵量化了投资风险，为决策者提供优先缓释方向。研究结论翻译如下：本研究通过25年建模框架对巴基斯坦半干旱、高能耗地区的柴油-太阳能-电池混合能源系统进行了技术经济评估。混合系统相比纯柴油将LCOE降低约58%，CO₂排放减少约62%，可实现碳信用收入。基准情景下MIRR约22%，贴现回收期约2年，最佳情景MIRR达27%。XGBoost回归提升财务指标预测精度，并确认柴油价格、柴油上涨率和资本成本为关键驱动因素。研究结果支持混合可再生能源系统在类似高需求、气候受限地区的采用，直接贡献于联合国可持续发展目标（SDG 7、9、13）。