《Cleaner Energy Systems》：Wind energy in Italy: An extensive assessment of the environmental profile of onshore turbines
编辑推荐：
本研究对意大利陆上风电场的环境负担进行了分析，采用基于过程的生命周期评估（LCA）方法（归因性方法），涵盖了2023年意大利全国已安装风电装机容量的75%。研究发现，风电在运行阶段排放几乎为零，其全生命周期排放主要来源于原材料开采、风机部件制造、建设及退役处置
本研究对意大利陆上风电场的环境负担进行了分析，采用基于过程的生命周期评估（LCA）方法（归因性方法），涵盖了2023年意大利全国已安装风电装机容量的75%。研究发现，风电在运行阶段排放几乎为零，其全生命周期排放主要来源于原材料开采、风机部件制造、建设及退役处置等环节。因此，归一化排放因子对电厂实际发电量高度敏感。文献中现有数据多来自特定边界条件的案例研究，可能无法直接适用于其他地理或技术背景；若不加区分地使用这些通用值，可能会在生命周期或环境影响评估中引入显著不确定性。本研究将地理空间映射与环境LCA相结合，对国家级风电装机 fleet 进行评估，属创新性贡献。此外，研究提出了一种可复制的框架和方法，并更新了意大利陆上风电电力生产环境概况的最新认识。通过集成蒙特卡洛（MC）不确定性分析与全局敏感性分析（GSA），满足了提高LCA结果准确性和稳健性的需求，以支持政策制定者和决策者，填补了文献空白并增强了结果的可信度。研究结果有望推动风机生态设计及旨在降低隐含排放的未来政策。尽管经济和社会方面同样重要，但不属于本工作范围，可在未来改进中加以考虑。所有风机特征信息均在补充材料中公开获取，所构建的更新数据库可在 https://zenodo.org/records/15194638 获取。
论文解读：意大利陆上风电全生命周期环境评估
一、研究背景与问题
欧盟通过绿色协议等政策设定了2050年气候中和目标，并配套了FitFor55和REPowerEU等计划，要求2030年减排至少55%。在此背景下，可再生能源尤其是风电在能源转型中扮演关键角色。2023年，欧盟约20%的电力需求由风电满足，其中82%来自陆上风电；意大利风电约占其电力生产的8.8%，为第三大可再生能源。意大利政府计划到2050年将风电装机从2023年的12.4 GW提升至51 GW。尽管海上风电因风资源更优而受到关注，但陆上风电仍因环境负担相对较低而具有吸引力。欧盟分类法规要求经济活动必须真正贡献于脱碳，因此准确评估发电气候特征至关重要。然而，现有文献缺乏针对意大利风电的全面且情境化数据，多数研究基于特定案例，边界条件不同，直接移植可能导致重大不确定性。此外，背景数据库如ecoinvent仅提供宽泛功率等级的平均排放因子，无法反映地域差异。因此，有必要开展国家级、高分辨率、基于实际运行条件的陆上风电环境评估。
二、研究目标与主要工作
研究人员构建了一个覆盖意大利2023年约75%陆上风电装机容量（9.3 GW，对应513个风电场）的公开数据库，包含地理坐标、装机容量、风机型号、构型、估算发电量及容量因子。研究采用基于过程的生命周期评估（LCA）方法（归因性建模），以1 kWhel为功能单位，遵循ISO 14040-44标准，使用ecoinvent 3.9.1 cut-off数据库作为背景库存，采用环境足迹（EF）3.1特征化方法，分析全部16个中点影响类别。研究提出了一种新的功率曲线近似技术，仅需三个输入参数即可通过三次样条插值准确逼近风机功率曲线，从而精确估算站点-specific发电量。研究还集成了蒙特卡洛（MC）不确定性分析和全局敏感性分析（GSA），识别关键参数。研究结果以交互式地图形式公开，数据库可在Zenodo获取。
三、关键技术方法
研究人员为开展研究采用了以下主要技术方法：（1）数据收集：整合Terna、AEOLIAN、The Wind Power、GSE Atlaimpianti、Google Earth等多源数据，构建覆盖约75%装机容量的风电场数据库；（2）小时级风廓线估算：采用EnergyPlus Weather（epw）文件的典型气象年（TMY）数据，通过尺度因子（SF）校正至风电场位置，并用Hellman指数（1/7）推算至轮毂高度；（3）功率曲线近似新方法：提出中间速度（vmiddle）概念，结合三次样条插值仅用三个参数近似功率曲线；（4）生命周期清单（LCI）构建：基于Paul Scherrer Institute（PSI）报告和Caduff工程尺度定律，对五类额定功率风机进行物料缩放，建立“从摇篮到坟墓”清单；（5）验证程序：将模型发电量与73个风电场申报产量及Terna全国总产量对比，平均绝对差异约18%；（6）蒙特卡洛（MC）与全局敏感性分析（GSA）：设置1000次迭代，考察背景数据库不确定性、发电量不确定性及其组合，并利用GSA识别关键活动与物质流；（7）对ecoinvent数据库中的异常正态分布交换进行修正，避免产生负的环境影响值。
四、研究结果
4.1 功率曲线近似性能
研究人员针对Vestas V52/850、Enercon E82/2000和Vestas V90/2000三种广泛安装的机型测试了新方法，并与Weibull近似和三次多项式近似对比。基于95个风电场的定量测试，三次多项式近似平均偏差达32%（±5%），Weibull近似为13%（±5%），而新方法仅为2.4%（±1%），显著提高了发电量估算精度，为后续LCA结果可靠性奠定基础。
4.2 生命周期评估确定性结果
对五种额定功率（600 kW、850 kW、2000 kW、3000 kW、4200 kW）的4550台风机进行LCA，结果按区域和平均风速分组。气候变化排放因子范围：600 kW平均15.9 g CO2-eq/kWhel，850 kW为20.0，2000 kW为17.6，3000 kW为17.2，4200 kW为37.1。研究发现，大型风机（>3 MW）的单位发电量隐含排放反而更高，原因是原材料影响增幅未完全被发电量增加所抵消。与天然气发电相比，意大利风电每kWhel可减排约543 g CO2-eq，全年绝对减排约12.8 Mt CO2-eq。除气候变化外，人类毒性致癌（HTC）和材料资源：矿物/金属（MRM）是另外两个关键影响类别，全国均值分别为1.27E-10 CTUh/kWhel和5.41E-07 kg Sb eq/kWhel。
4.3 验证程序结果
第一项验证将73个风电场的申报产量与模型估算对比，平均绝对差异约18%。三个功率集群（<1 MW，1-3 MW，>3 MW）性能相似，但>3 MW样本量较小（仅6个）。第二项验证将模型总产量与Terna公布的2023年总发电量线性缩放后比较，平均差异仍为18%。个别区域如皮埃蒙特和翁布里亚差异超过50%，主要归因于模型使用15年平均风廓线而Terna数据为2023年特定年份产量。总体而言，两项验证程序均确认了模型的可接受性能。
4.4 意大利环境概况
考虑18%的发电量差异后，模型得出的气候排放因子范围为13-45 g CO2-eq/kWhel。各功率等级平均值为：600 kW为16，850 kW为20，2000 kW为17，3000 kW为17，4200 kW为37 g CO2-eq/kWhel。对比ecoinvent背景数据库（<1 MW为19，1-3 MW为18，>3 MW为32 g CO2-eq/kWhel），可见本研究提供了更精细的地域差异化结果。对4200 kW风机应用“经验尺度因子”后，平均排放降至32 g CO2-eq/kWhel，但仍高于小型风机，结论不变。加权分析表明，除气候变化外，HTC和MRM是重要影响类别，前者主要与ecoinvent数据库中全球市场活动（含煤电/油电）的有毒物质排放相关，后者与铜和电子元件等金属使用密切相关。
4.5 蒙特卡洛与全局敏感性分析
对三个虚拟风机（<1 MW，1-3 MW，>3 MW）进行MC分析，结果表明发电量不确定性对气候变化指标的影响远大于背景数据库不确定性。以<1 MW为例，发电量不确定性的标准差范围约为均值的100%，而背景数据库不确定性仅使分布均值偏移约10%。GSA识别出气候变化影响的首要贡献活动为“低合金热轧钢材市场[GLO]”，其关键背景过程为“低合金钢[RoW]”；其次为铬钢18/8和玻纤增强聚酰胺。对于HTC，最关键因素是电炉渣处理过程中释放的六价铬排放，其次为焦炭生产中的苯并(a)芘排放，以及生铁市场[RoW]。对于MRM，铜阴极市场[GLO]及其相关技术过程（硫化铜精矿冶炼、铜矿开采中的碲排放）位居前两位，第三为铬钢18/8市场[GLO]。GSA强调，钢铁（尤其是活动数据和背景数据集）是最大的不确定性来源，且所有指标均显示出对组件生产地理位置的强烈依赖性。
五、讨论与结论
讨论部分指出，背景数据库的不确定性在气候变化指标上相对较小（标准差约为均值的10%），但在HTC（29%）和MRM（35%）上显著增大，说明非气候指标需要进一步精炼。针对钢铁的去碳化策略，研究基于“ecoinvent, consequential long-term”库分析发现，优先采用脱碳钢厂生产的钢材比使用再生钢更具环境效益，因为欧洲高回收率下再生钢作为初级生产的受限副产物，其边际生产力为碱性氧气转炉，无法带来一致的系统性和益。研究结论总结如下：（1）确定性环境概况范围为13-45 g CO2-eq/kWhel，HTC为5.41×10
-11至3.62×10
-10 CTUh/kWhel，MRM为0.22至5.02 μg Sb eq/kWhel；（2）等效小时数范围为630至4130 h；（3）平均而言，>3 MW风机气候概况为37 g CO2-eq/kWhel（平均等效小时2490 h），高于<1 MW至3 MW风机的18-17 g CO2-eq/kWhel（等效小时1780-1975 h），更大发电量无法抵消组件阶段更高的原材料影响；（4）随机不确定性分析显示，背景数据引入的平均误差对气候变化、HTC和MRM分别为±10%、±29%和±35%；（5）GSA表明，用于运动部件的钢（活动数据和背景数据集）是模型输入中最大的不确定性来源。所有案例均显示出对风机部件生产地理位置的强依赖性，强调地理边界在LCA研究中的关键重要性。本研究为决策者提供了可复现的高分辨率评估框架，为风电生态设计和隐含排放去碳化政策提供了科学依据。未来工作可考虑使用对数风切变剖面、采用EXIOBASE进行供应链区域化，并纳入生命周期成本和社会LCA以实现生命周期可持续性分析。该成果发表在《Cleaner Energy Systems》。
