评估航空燃料电池与混合能源技术：一种多准则决策方法

《Biomass and Bioenergy》：Evaluating fuel cell and hybrid energy technologies for aviation: A multi-criteria decision-making approach

　　

• 一种混合MCDM-ML模型对航空和机场能源选项进行排序。
• 生物燃料和生物质气化途径被纳入本研究。
• 环境、经济以及韧性标准被共同评估。
• 氢燃料电池和MSEG在所有评估方法中均排名最高。
• 专利分析支持了领先技术的成熟度。

引言

航空脱碳受到推进物理特性、机场基础设施、投资周期以及安全关键运营可靠性要求的制约。因此，可持续性评估必须将飞机和地面系统一并考虑。机场行业回顾表明，环境表现无法与运营能力和治理相分离[1]。信息集成也对能源、交通和设施系统的控制产生影响[2]。需求的不确定性提高了适应性基础设施的价值，因为长寿命资产必须服务于不断变化的交通概况[3]。

氢气可以在电化学使用点上消除二氧化碳，但其全生命周期表现取决于生产电力、转换损失、储存、运输以及泄漏。全行业缓解途径保留了这一区分[4]。智能能源评估同样表明，机场的采用取决于技术与环境标准的加权方式[5]。航空的气候负担超越了直接的二氧化碳排放[6]。因此，氢应被视为一种有条件的低碳载体，而非本质上零碳的燃料[7]。

可持续航空燃料可以利用部分现有的液体燃料基础设施，从而降低某些采用壁垒[8]。原料加工和转换性能仍然是决定性的。微藻途径说明了燃料产量对生物质组成的敏感性[9]。废弃物衍生的培养策略改变了资源需求和回收效率[10]。酒精制航空燃料路线有其自身的转换和资本要求[11]。因此，过程模拟已被用于在规模放大之前测试经济可行性[12]，而结合技术经济评估和生命周期评估则揭示了单一环境指标所无法捕捉的权衡[13]。

机场实施需要与地面支持设备、储存系统、电气网络、消防安全规程和维护能力兼容。对太阳能地面支持设备的定量研究展示了基础设施特定负荷如何改变可再生供应的价值[14]。由于技术上吸引人的方案可能在实施质量被忽视时失败，因此需要结构化的项目评估[15]。实际运营行为也会改变机场电动汽车可用的灵活性[16]。因此，氢-机场规划必须整合供应、储存、分配和安全，而非仅评估飞机[17]。在组件层面，材料研究也表明，在相关服务条件下必须将性能和耐久性共同评估[18]。

经济可行性由资本支出、利用率、能源价格暴露、维护、更换周期以及资产搁浅概率决定。氢可能重塑能源系统，但其价值取决于具体途径[19]。民航的环境指导也得出相同结论：在比较替代方案之前，必须明确系统边界和影响类别[20]。因此，决策问题本质上是多标准的。近期的建筑能源研究同样表明，能源表现受运营配置和边界条件的影响，这强化了评估系统级效应而非孤立效率值的必要性[21]、[22]。

可靠电力对机场运营至关重要。本地能源系统必须在电网扰动期间维持航站楼服务、导航支持、地面处理、热负荷和应急功能。因此，可靠性和韧性被与技术可行性分开评估。这一区分防止了将技术成熟度等同于服务连续性。相关的航空系统分析也表明，服务可用性取决于系统配置和故障途径的处理方式[23]。材料耐久性研究同样将组件性能与组成和服务环境联系起来[24]。

可扩展性引入了进一步的约束。乘客需求、机队构成、充电负荷、氢吞吐量和本地发电可能在不同的时间尺度上变化。在示范规模上表现良好的方案，当部署到枢纽机场时，可能需要不成比例的储存、电网加固或冗余。因此，评估将电网连接和多源发电作为独立的替代方案保留。

机场能源决策还分配了本地空气质量效益、噪声暴露、就业影响、供应链风险以及对韧性电力的获取。政策可以通过燃料强制令、基础设施义务和核算规则改变这些分配。这些治理效应是实质性的，因为忽略实施机构的排序可能会高估优选技术的实际准备程度。

多标准决策法（MCDM）提供了一种透明的手段来保留这些相互竞争的目标。其在航空领域的应用包括可持续性评估[1]、智能能源选择[5]、机场能源分析[14]、项目质量评估[15]、供应商选择[25]和运营商负荷评估[26]。可持续航空燃料研究已将专家比较扩展到燃料选择[27]、采用标准[28]和比较途径评估[29]。

现有研究通常孤立地考察利益相关者优先性、补偿性排序、超越排名、专利活动或数据驱动的诊断。这种分离掩盖了方法依赖的排序反转，并可能导致将发表数量误认为准备程度。需要一种可复现的比较，其中相同的航空能源层级贯穿于AHP、TOPSIS和PROMETHEE，同时决策树和专利分析被赋予适当有限的证据角色。先前的可再生能源发电工作已将AHP生成的情景与机器学习相结合[30]，因此这种组合本身不被视为贡献。

研究了三个研究问题。RQ1：航空运营商、机场运营和设施管理者以及环境和可持续性专家如何对机场能源技术的环境、技术、经济和韧性维度进行加权？RQ2：当补偿性方法和超越排名方法应用于相同的决策结构时，哪些替代方案仍保持高排名？RQ3：排序对利益相关者影响和权重扰动的敏感性如何，专利-发表活动增加了哪些上下文洞察？

本研究旨在构建一个四标准、十二子标准的层级结构；征询并测试群体层面的AHP判断；通过AHP、TOPSIS和PROMETHEE比较七个替代方案；在每个层级保留群体特定的机器学习概况；量化±10%和±20%扰动下的排序稳定性；并使用浅层决策树仅用于诊断AHP聚合排序的非线性再现。专利发表被单独考察，以表征技术类别和司法管辖区的创新关注度。

主要贡献是在共同的决策架构内进行的受控比较。AHP、TOPSIS和PROMETHEE被应用于相同的层级和利益相关者特定输入。层级层面的机器学习概况被保留，AHP一致性和利益相关者一致性被量化，并且TOPSIS和PROMETHEE排序之间的分歧被明确解释。小样本决策树被视为内部诊断，并通过留一替代方案交叉验证进行评估。实际意义在机场试点部署、ReFuelEU Aviation和国际航空碳抵消和减排计划（CORSIA）的背景下进行了考量。

参考决策背景是一个中大型、并网连接的欧洲机场，年旅客吞吐量约1000万至4000万人次，具有航站楼热负荷、电动地面支持设备、备用发电需求以及本地可再生能源发电潜力。专家小组由具有不同地理和学科背景的参与者组成。由于使用了目的性专家征询，所产生的优先级被视为结构化判断，而非欧洲机场的总体估计。向参考背景的迁移性通过透明的标准、利益相关者特定优先级向量、情景分析和敏感性测试进行了考察。

第2节回顾了相关证据基础。第3节专利格局、第4节层次分析法、第5节理想解相似度排序法、第6节富集评估偏好排序组织法、第7节机器学习集成与决策树诊断分别呈现了专利格局、AHP、TOPSIS、PROMETHEE、层级层面机器学习概况和决策树诊断。第8节评估了排序稳健性和利益相关者影响情景。研究局限性和结论分别在第9节局限性与未来研究和第10节结论中呈现。

分节摘要

航空脱碳、治理与机场系统

航空脱碳受物理限制、制度选择和过渡成本分配的共同治理。氢已被研究作为飞机燃料和机场基础设施问题[31]。系统综述将其与空气动力学、运营、推进和燃料措施并列，而非将其视为独立的解决方案[32]。机场脱碳研究也将技术变革与区域立法和运输统计数据联系起来[33]。机场研究具有…

专利格局

专利检索在世界知识产权组织（WIPO）PATENTSCOPE数据库中进行[65]，并使用Espacenet验证发表记录[66]，时间范围为2000年1月至2022年12月。每个技术类别通过组合（航空 或 飞机 或 机场）与相关表达分别查询："氢燃料电池"、"混合能源系统"、"并网电池"、"多源发电"、"生物质气化"、"热电联产"或"冷热电三联供CCHP"。

层次分析法

层次分析法（AHP）被用于在嵌套的航空能源决策结构中征询优先级[75]。该层级包含一个目标、四个主要标准、十二个子标准和七个替代方案。Saaty的优先级理论提供了成对比较和一致性框架[76]。

图1展示了完整的层级结构。环境影响（EI）、技术可行性（TF）、经济可行性（EV）和可靠性和韧性（RR）构成主要标准层面。

理想解相似度排序法

理想解相似度排序法（TOPSIS）通过同时计算与正理想解的接近度和与负理想解的距离来对替代方案进行排名[91]。其在航空领域的应用包括在不确定判断下的飞机选择[92]。保留了AHP导出的性能矩阵和标准化标准权重，仅改变了聚合规则。

设X = [x??]为m × n决策矩阵，其中x??为替代方案i在标准j上的表现，m为…

富集评估偏好排序组织法

富集评估偏好排序组织法（PROMETHEE II）从净成对偏好流对替代方案进行排名[93]。保留了标准化的AHP权重，而将聚合机制从加性优先级更改为成对超越。

对于替代方案a和b，在标准j上的差异为d?(a,b) = g?(a) ? g?(b)，其中g?(·)为绩效函数。线性偏好函数具有无差异阈值q?和严格偏好阈值p?…

层级层面的机器学习权重概况

机器学习组件在决策层级的三个层面均被保留，因为群体条件输出保留了单一聚合排名中不可见的信息。在每个利益相关者组内，模型导出的得分在主要标准、子标准和替代方案层面被标准化为单位总和，然后分配降序竞争排名。这些概况作为模型输出报告。它们与用于…的等权群体AHP目标不同。

敏感性和跨方法稳健性

跨方法比较产生一个不变结果：H2C在AHP、TOPSIS、PROMETHEE和决策树拟合下均排名第一。MSEG在AHP、PROMETHEE和决策树下排名第二，但在TOPSIS下排名第四。较低位置更为方法依赖，因为TOPSIS是补偿性的，PROMETHEE是成对的，而决策树近似于AHP目标。

逐一对主要标准、子标准、替代方案优先级和利益相关者影响层面进行了敏感性评估。

局限性与未来研究

在解释研究结果时考虑了若干局限性。专家小组被目的性选择，因为需要角色特定的航空和能源专业知识。它由55名来自不同地理和学科背景的专业人员组成。因此，所产生的优先级被视为结构化专家判断，而非总体估计。应用利益相关者影响情景以考察可能的群体效应。

机器学习概况与决策树…

结论

综合评估将H2C列为参考机场类型的优先方案。恢复的机器学习概况保留了在标准、子标准和替代方案层面观察到的利益相关者机制。MSEG在AHP、PROMETHEE和决策树拟合下排名第二，但在TOPSIS下排名第四。这一差异是实质性的：补偿性接近理想解并不能再现成对超越或加权优先级聚合。因此，文章报告了一个稳健的领先方案。

CRediT作者贡献声明

Mohammad Fawaier：写作 – 审阅与编辑，写作 – 初稿，方法论，调查，形式分析，概念化。Omar Alharasees：写作 – 审阅与编辑，写作 – 初稿，方法论，调查，形式分析，数据整理，概念化。Farzad Zolfaghari：可视化，验证，软件，数据整理。Laith Al-Hyari：写作 – 审阅与编辑，写作 – 初稿，方法论，调查，形式分析。Haitham A. Al Hasanat：

伦理声明

从所有参与者或其法律代表那里获得了口头知情同意，同意参与研究并发表文章。五十五名航空、机场设施和可持续性专业人员自愿提供了成对判断；响应在群体层面进行分析并以汇总形式报告，不包含个人标识符。已遵守参与者的隐私权。

本研究是按照相关法律、法规框架进行的，且…

致谢

本项目获得了立陶宛研究理事会（LMTLT）的资金支持，协议编号S-PD-24-180。

Mohammad Fawaier|Omar Alharasees|Farzad Zolfaghari|Laith Al-Hyari|Haitham A. Al Hasanat|Artūras Kilikevi?ius|Utku Kale