面向可持续建筑，基于环境能值 - 碳 - 神经网络优化的三熵态框架下废热与生物质能的整合

《Scientific Reports》：Integrating waste heat and biomass energy in a three-entropy state framework optimized by emergy-carbon-neural network for sustainable buildings

　　本研究针对建筑行业低碳转型的迫切需求，提出了一种整合工业余热和生物质能源的新型建筑能源供应系统，以解决传统能源系统能效低、碳排放高的问题。通过建立能值-碳足迹耦合分析模型，并进行实证项目测试和敏感性分析，系统地评估了系统的综合性能。研究结果表明，系统整体能效达到72%，比传统系统提高超过40%；运营阶段年碳抵消量为45,786吨二氧化碳，运营阶段碳排放减少63%；单位能源成本降低44%，年节能效益为2150万元；92%的运行通过智能云平台实现自动化，显著提升了能源供应的稳定性。特别值得注意的是，尽管系统可在运营边界内实现碳负排放性能，年净抵消量为45,786吨二氧化碳，但纳入上游农业排放的全生命周期评估显示，年净碳足迹为80,132吨二氧化碳，包括秸秆种植期间的化肥施用、田间收集、运输和预处理等环节产生的碳排放。这一结果表明，在当前农业实践下，要实现真正的全生命周期碳负排放，需要同时对上游农业和物流过程进行深度脱碳。本研究为建筑行业提供了经济、高效、低碳的能源解决方案，对推动建筑行业实现碳中和目标具有重要的实践意义。