利用AHP–Fuzzy TOPSIS框架对低碳炼钢技术进行多标准评估

《Applied Soft Computing》：Multi-Criteria Evaluation of Low-Carbon Steelmaking Technologies Using an AHP–Fuzzy TOPSIS Framework

　　**摘要**
在全球气候变化背景下，以及迫切需要更清洁的工业体系的背景下，钢铁行业仍然是全球二氧化碳排放的主要来源之一。在这一领域推进清洁生产不仅需要技术创新，还需要强大的决策支持工具来指导可持续的工业转型。本研究从清洁生产的视角系统地回顾了全球低碳炼钢技术，重点关注能源效率、排放预防和资源优化。此外，本文不仅评估了这些全球技术，还开发并应用了一个全面的决策框架，该框架结合了领域特定的评估标准和技术优先级排序程序，采用了成熟的AHP和Fuzzy TOPSIS方法。目的是提供一个清晰透明的评估程序，以基于经济、环境和技术因素来比较不同的脱碳策略。研究结果突出了最有前景的技术，以指导工业规划，并帮助政策制定者和行业利益相关者制定有效的、可持续的钢铁行业脱碳路线图。结果表明，基于氢气的直接还原（HDRI）方法是长期最具影响力的解决方案，其接近度得分为0.018；而废钢+电弧炉（Scrap + EAF）路径则被认为是最实用且可立即部署的途径，其接近度得分为0.013。总体而言，分析表明，采取组合方法而非依赖单一技术对于实现向低碳炼钢的有效和平衡过渡至关重要。这项研究展示了综合决策框架和评估程序的应用，该方法可以扩展到其他难以减排的行业，促进向可持续工业转型的进步。

**引言**
全球钢铁和铁制造业在应对气候变化的斗争中处于一个关键节点。钢铁和铁制造工厂是二氧化碳和其他温室气体（GHGs）的最大排放源之一，其运营消耗大量化石能源，从而显著加剧了全球变暖[1]、[2]、[3]。在这一领域，新的脱碳策略的紧迫性从未如此明显，因为该行业面临着日益严重的环境压力、不断变化的监管框架，以及向可持续生产方法转型的迫切需求[4]。
钢铁和铁行业的环境足迹既庞大又复杂，约占全球二氧化碳排放总量的7%，平均每生产一吨钢铁就要排放1.8-1.9吨二氧化碳[5]。这种排放强度反映了传统炼钢过程对碳的高度依赖性，其中煤炭和焦炭既作为能源又作为化学还原剂。工厂级别的评估表明，综合钢铁厂的排放受到能源生产过程的显著影响。详细分解显示，高炉-转炉（BF-BOF）工艺每生产一吨钢铁会排放约2.33吨二氧化碳，其中1.41吨来自高炉操作（使用焦炭的铁还原），0.71吨来自焦炭生产[6]。现场发电通常由钢铁生产过程中的副产物提供动力，对范围1和范围2的排放贡献巨大。世界经济论坛（2024年）报告称，化石燃料占全球钢铁行业能源结构的约75%，其中煤炭占比高达73%（2022年数据）。高炉-基本氧气炉（BF-BOF）路线在2024年约占全球粗钢产量的70.4%，这凸显了高炉脱碳对全球减排工作的重要性[7]。
这些排放水平的环境后果不仅限于二氧化碳的直接释放，还包括对空气质量、生态系统健康和区域气候模式的广泛影响。该行业对颗粒物排放、二氧化硫释放和氮氧化物产生的贡献引发了连锁的环境效应，加剧了行业的整体环境负担。因此，业界提出了总体目标，通过全面的技术转型、提高能源效率措施、推动材料循环利用和先进的二氧化碳管理系统，将特定排放量从当前水平降低到每吨钢铁0.4-1.0吨二氧化碳[8]。
钢铁行业的脱碳挑战与其极高的能源强度和历史上对碳基燃料的依赖密切相关。当前的能源消费模式显示，结合电弧炉（HDRI-EAF）路线的氢直接还原方法每生产一吨液态钢铁需要大约3.72 MWh的电力，而传统的BF-BOF工艺则需要3.48 MWh[9]。低碳替代方案所需的电力强度略有增加，这突显了清洁电力供应和电网脱碳对于实现显著减排的关键重要性。电力生产的碳排放强度是该行业环境表现的一个特别关键因素。利用钢铁厂气体（SMGs）如高炉气和焦炉气的现场发电厂由于燃料的碳含量高而表现出较高的碳排放强度。尽管直接测量数据存在差异，但研究表明，综合钢铁厂的现场发电每MWh可排放1.5至2.1吨二氧化碳，远高于欧盟2023年的区域平均值0.34吨二氧化碳/MWh[10]、[11]。这种差异突显了通过更换电源或关闭高碳现场发电设施即可实现立即减排的潜力。不同地区工艺组成和回收率的差异进一步复杂化了脱碳规划，电弧炉（EAF）的占比在全球范围内存在显著差异（EAF约为29.1%，BF约为70.4%）[5]，使得路径选择高度依赖于当地废钢供应情况和电气化的可行性。根本挑战在于替代传统炼钢过程中煤炭、焦炭和天然气同时扮演的还原剂和高温热源的双重角色。这种对碳的依赖性是实现接近零排放钢铁生产的主要技术障碍，需要全面重新设计工艺并整合替代还原技术[12]、[13]。向可持续钢铁生产的转型依赖于可再生能源（特别是绿色电力和氢气）的成功整合，这些是多种替代工艺链和混合技术解决方案支持的领先减排策略。基于绿色氢气的直接还原已被证明是一种特别有前景的途径，研究表明，当与可再生能源结合使用时，可显著减少排放[14]。不同技术路线的比较分析显示了不同的排放强度和可再生能源需求。基于氢气的直接还原工艺在采用可再生能源供电时，其二氧化碳排放强度可低至每吨钢铁0.4-0.8吨，相比传统方法有显著改进[15]。然而，要实现这些效益，必须确保氢气的生产本身也是低碳的，通常通过可再生能源或专用清洁电力生产实现[9]、[14]。将可再生能源系统与钢铁生产整合带来了与间歇性管理、能源存储和工艺连续性相关的复杂优化挑战。最近的研究探索了热光伏（TPVs）、太阳能和风能辅助的氢生产系统的潜力，展示了可再生能源整合的技术可行性，并强调了复杂能源管理系统的需求[13]。结合多种可再生能源技术与先进能源存储和工艺灵活性的混合方法的开发是可持续钢铁生产的关键前沿。碳捕获、利用和存储（CCUS）技术为减排提供了额外的途径，特别是对于那些完全工艺转型在经济或技术上具有挑战性的现有设施而言。
围绕钢铁行业排放的监管环境迅速发展，各国政府实施了越来越严格的环境标准和碳定价机制，旨在将工业生产的环境成本内部化。碳税实施和排放交易系统已成为推动工业脱碳的主要政策工具，为采用低碳技术和优化工艺创造了经济激励[16]。经济分析表明，在每吨二氧化碳约67美元的明确定价情景下，基于绿色氢气的钢铁生产可以在成本上与传统方法竞争，前提是拥有低成本的可再生能源和有利的区域条件[17]。这一碳价格阈值标志着基于可再生能源的钢铁生产从环境必要转向经济上有利选择的关键转折点，突显了政策设计在促进工业转型中的重要性。碳捕获和存储技术的盈利能力同样取决于碳定价机制，综合工厂研究表明，当将碳税或等效定价机制纳入投资分析时，胺洗涤系统变得具有经济可行性[18]。这些发现强调了政策框架在塑造工业投资决策和技术部署模式中的关键作用。钢铁行业脱碳的系统性要求采取协调的政策措施，不仅要解决直接排放定价问题，还要支持基础设施发展、可再生能源部署和国际贸易考虑。全球估计表明，要实现大规模基于可再生的直接还原铁生产，可能需要约900亿美元的投资，目标是每年减少70亿吨二氧化碳排放，这凸显了所需协调投资的规模[17]。
钢铁行业脱碳的复杂性需要复杂的分析工具和优化系统，以便将多种技术、经济和环境标准整合到连贯的决策框架中。文献记录了一系列计算方法，包括流程模拟、工厂级优化、蒙特卡洛不确定性分析、电力系统调度模型和机器学习应用，用于确定设备规模、安排操作和评估系统级影响[2]。流程模拟结合生命周期评估对于量化不同技术路径（如全氢基铁制造与天然气基直接还原）之间的权衡特别有价值[14]。这些综合建模方法能够全面评估整个生产系统的能量流动、物料平衡和环境影响，为技术选择和工艺设计提供重要见解。
不确定性分析和技术经济风险评估是决策框架的关键组成部分[19]，蒙特卡洛和敏感性分析被用来确定氢气的盈亏平衡价格和所需的可再生能源运行小时数。研究表明，绿色氢气工厂必须每年使用可再生能源运行超过5,136小时，才能在生命周期内获得相比甲烷基直接还原的效益，这说明了可再生能源可用性和系统利用率的重要性[15]、[18]。电力系统集成建模已成为评估工业脱碳对电力生成系统更广泛影响的重要工具。国家和区域研究将工业需求预测与单位承诺和调度模型相结合，表明大规模基于氢气的直接还原部署需要每生产一吨钢铁增加大量的电力生成能力和电解槽基础设施[20]。机器学习和空间优化技术已被应用于识别基于可再生能源的绿色钢铁生产的竞争性地点，从而实现战略性的基础设施部署和资源分配决策。这些先进的分析方法结合了多种数据来源和优化算法，以确定最佳生产地点并优先选择不同地理区域的投资策略。通过对300多个铁矿床的全球分析，使用综合优化和机器学习框架发现，适合绿色氢基钢铁生产的地点主要集中在巨蟹座和摩羯座的热带地区，这些地区阳光充足且铁矿石质量优良。这些先进的分析方法整合了多源地理空间数据（如太阳能和风能潜力、矿石质量和劳动力成本），以及梯度提升回归模型，以高精度（R2 = 0.85）预测钢铁的平准化成本（LCOS），从而快速评估不同地区的投资潜力[21]。人工智能和先进模拟系统的整合代表了一种优化钢铁行业运营和减排策略的变革性方法。基于人工智能的系统能够实现实时工艺优化、预测性维护、能源效率提升以及对复杂工业系统的自适应控制[22]。例如，Xi等人[23]开发了一种基于人工智能的能源调度系统，用于钢铁厂气体利用，结合碳捕获和甲醇生产来降低排放并提高能源效率。机器学习算法已成功应用于优化能源消耗模式、预测设备性能并识别导致过量排放的操作效率低下问题[24]。能源模拟系统为评估不同操作条件下的替代工艺配置、可再生能源整合方案和减排策略提供了全面平台。这些系统能够详细分析能源流动、热管理和工艺相互作用，支持有关技术投资和操作调整的明智决策。数字孪生和先进工艺建模的应用使得在实施前可以虚拟测试减排策略，降低风险并优化性能结果。Villegas-Ch等人[25]证明，在金属加工操作中整合数字孪生技术可使材料浪费减少30%，零件拒收率降低40%，五年内的投资回报率为233%。这些复杂的建模环境将实时运营数据与基于物理的过程模型相结合，以在不同场景和运营策略下提供系统行为的准确预测。最近钢铁生产技术的进步为全面脱碳开辟了新的路径，包括直接还原、电气化、氢能集成和工艺优化等方面的突破性创新[3]、[16]、[26]。利用氢作为主要还原剂的先进直接还原技术在与可再生能源系统结合时，已经展示了实现近乎零排放钢铁生产的潜力[12]。电气化策略不仅限于电弧炉（EAF）技术，还包括全面的工艺电气化，如电加热系统、基于等离子体的还原过程以及电化学生产方法。这些方法利用日益增长的可再生能源来替代多个工艺阶段的化石燃料消耗[3]、[27]。工艺强化和集成策略侧重于通过先进的热回收、气体回收和工艺优化技术来最大化能源效率并最小化废物流[28]、[29]。研究表明，可以通过变压吸附和吸附增强型水煤气变换工艺从钢铁厂气体中回收氢和一氧化碳，为现有设施提供了改造路径。循环经济方法的发展，包括提高废料利用率、材料效率优化和产品设计改进，为减少钢铁生产的整体环境足迹提供了补充策略[30]、[31]。这些方法不仅解决了直接生产排放问题，还解决了整个钢铁产业链上下游的影响[16]。成功实施全面脱碳策略需要解决与技术部署、基础设施发展、经济可行性和系统协调相关的多重集成挑战。可再生能源的间歇性要求复杂的能源管理系统、储能技术和运营灵活性，以在最大化可再生能源利用的同时保持连续的钢铁生产。大规模绿色氢生产和利用所需的基础设施面临着电解槽部署、氢储存和运输以及电网集成等方面的重大挑战。将这些基础设施元素与现有工业设施和区域能源系统协调起来需要全面的规划和大量资本投资。经济转型路径必须在快速脱碳需求与工业竞争力和就业考虑之间找到平衡。制定支持性政策框架、融资机制和国际合作协议对于促进钢铁行业的大规模转型至关重要，同时保持经济可行性和社会接受度。未来的研究方向包括开发超低排放钢铁生产的突破性技术、适用于极端操作条件的先进材料、综合能源系统优化以及全面的生命周期评估方法。数字技术的持续发展，包括人工智能、先进传感器和自主系统，在优化工业运营和实现雄心勃勃的减排目标方面将发挥越来越重要的作用。

本文的结构如下：第2节对钢铁脱碳中的决策方法进行了批判性回顾；第3节介绍了钢铁工业的发展；第4节讨论了减少钢铁行业二氧化碳排放的手段；第5节提出了一个多标准框架，用于排序和选择最优低碳炼钢技术；第6节展示了结果和讨论；第7节进行了稳健性和敏感性分析；最后第8节得出了结论。

**钢铁脱碳中决策方法的关键回顾**
选择最优低碳炼钢技术本质上是一个复杂的多维问题。虽然生命周期评估（LCA）、技术经济分析（TEA）和机器学习（ML）等替代分析方法很有价值，但它们在这个特定背景下存在明显的局限性。LCA和TEA在量化孤立的环境或经济指标方面表现出色，但在将这些经常相互冲突的维度综合成一个可操作的方案方面存在困难。

**钢铁工业的发展及其对能源使用和二氧化碳排放的贡献**
19世纪初，全球钢铁产量仅为每年几百万吨。然而，随着转炉工艺和开放式高炉等技术的发展，产量急剧增加，到1900年已超过3000万吨。1927年，钢铁产量达到1亿吨，并在1951年翻了一番达到2亿吨。第二次世界大战后的三十年标志着“新的工业转型”时期。

**钢铁工业中的先进低碳技术和减排策略**
多个关键因素被广泛认为是减轻钢铁生产中二氧化碳排放的关键。这些因素包括现有工业过程的渐进性改进以及更具有变革性的突破性创新，涵盖了新型铁和钢铁制造技术以及能源供应和利用的根本转变。由于该行业的巨大规模、系统惯性以及仅有几十年的时间来实现既定的脱碳目标，

**用于排序和选择最优低碳炼钢技术的决策支持框架**
为了确定最有效的钢铁工业脱碳技术路径，采用结构化和透明的决策方法至关重要。尽管全球已经开发了许多低碳技术，从基于氢的直接还原和先进的熔炼还原路线到碳捕获系统和能效提升，但它们的性能、成熟度和适用性在不同工业环境中差异很大。

**结果和讨论**
所建议框架的实施产生了对五种预先选定的低碳炼钢技术的系统性和客观排名。这一综合评估考虑了经济、环境、技术和社会维度，成功确定了在指定工业条件下最具前景的脱碳路径。最终的综合标准权重（表5）表明，环境效益（Cr2，0.226）和经济成本（Cr1，0.225）是最重要的考虑因素。

**稳健性和敏感性分析**
为了严格验证最终技术排名在决策行为发生根本性变化时的实际适应能力和稳定性，进行了扩展的随机敏感性分析。该评估使用了Liu和Wang（1992）[97]提出的总积分值公式，系统地处理了从综合评估矩阵中提取的模糊性能边界（a、b、c）。对于三角模糊数，其总积分值为...

**结论**
全球钢铁工业正处于一个关键时刻，面临着既要维持生产能力以满足不断增长的基础设施需求，又要实现与国际气候承诺相一致的深度脱碳的双重挑战。本研究通过一个严谨、透明且可复制的决策框架，系统地评估了各种竞争性的低碳炼钢方案，解决了这一根本性挑战。

**利益冲突**
作者声明没有任何利益冲突。

**作者同意**
本文已获得所有作者的同意后提交。

**资金**
作者声明在准备本文期间未收到任何资金、资助或其他支持。

**作者贡献声明**
Nour El Houda Benharkat：撰写-审阅与编辑、可视化、形式分析、数据管理
Mohammed Chennoufi：验证、监督、资源管理
Wadid Mohammed：撰写-审阅与编辑、可视化、验证
Chakhrit Ammar：撰写-审阅与编辑、原始草稿撰写、方法论设计、资金筹措、形式分析、数据管理、概念化

**利益冲突声明**
作者声明没有任何已知的财务利益冲突或个人关系可能影响本文所报告的工作。

Ammar Chakhrita | Nour El Houda Benharkat | Mohammed Chennoufi | Mohammed Wadi
Infra-Res实验室，Mechanical Engineering Department, Mohamed Cherif Messaadia大学，41000，Souk-Ahras，阿尔及利亚