基于直接空气捕碳技术的航空燃料生产的区域技术经济性与全生命周期碳排放评估

《ENERGY CONVERSION AND MANAGEMENT》：Regional technoeconomic and life-cycle carbon assessment of direct air capture–based power-to-liquid sustainable aviation fuel production

　　

• 集成固体直接空气捕集（S-DAC）、质子交换膜（PEM）电解、逆水煤气变换（RWGS）和费托（FT）合成，SAF 产量为 1543 kg/h。
• 吉达（Jeddah）实现了最低的平准化产品成本（LCOP）（2976.82 美元/吨）和全球变暖潜能值（GWP）（2.84 kg CO2 当量/kg 燃料）。
• 法兰克福拥有最高的 LCOP（5861.39 美元/吨）和 GWP（4.97 kg CO2 当量/kg 燃料）。
• 在所有权重扰动场景下，SWOT-AHP 将吉达排在第一位（25.2%）。

1. 引言

工业和交通部门向深度脱碳的转型需要可再生能源系统与碳捕集技术的结合 [1]。在这些部门中，航空业因其高能量密度要求和直接电气化可行性有限而面临巨大挑战。因此，可持续航空燃料（SAF）已成为减少长途航空运输温室气体排放的最有前景的途径之一。SAF 和直接空气捕集（DAC）技术日益增长的科研和工业兴趣体现在 2021 年至 2025 年相关出版物的快速增长上，如图 1 所示。在提出的 SAF 生产路线中，电转液（PtL）途径日益被认为是航空脱碳的可行长期解决方案 [2]。在这些系统中，捕集的 CO2 和可再生 H2 被转化为合成烃燃料，从而实现部分碳循环 [3]。

下载：下载高分辨率图像 (849KB)
下载：下载全尺寸图像
图 1. SAF 研究的文献计量概览，展示了主要主题关键词以及从 2021 年到 2026 年（截至 2026 年 3 月）出版量的增长。

将 DAC 与合成燃料生产相结合已在多种过程构型中进行了研究，以提高整体系统效率并降低生命周期温室气体排放 [4]。与此同时，长期脱碳规划越来越多地纳入了过程优化方法，以支持低碳能源系统的可持续部署。例如，混合整数线性规划模型已应用于确定投资和部署策略，同时提高能源系统的长期可持续性表现 [5]。此外，各种 H2 生产途径的环境影响和技术成熟度也得到了广泛评估，以支持在航空和难以减排的交通部门内实施低碳燃料供应链的战略。

一项涵盖 101 条 H2 生产途径的 1283 个评估情景的综合荟萃分析发现，可再生电力驱动的电解和基于生物质的路线在当前可用技术中表现出最低的几种生命周期温室气体排放 [6]。从战略部署的角度来看，为东南亚国家联盟国家开发的氢能准备指数确定新加坡和马来西亚是未来 H2 部署准备最充分的国家，准备就绪得分分别为 10.0 分中的 7.0 分和 6.0 分 [7]。同时，集成的 PtL 和多联产系统因其最大化可再生能源利用和促进能源密集型部门脱碳的潜力而引起了越来越多的关注。

多项研究评估了用于 SAF 生产的集成 PtL 系统的技术经济和环境绩效。例如，Michaga 等人 [8] 对整合了 DAC、海上风力发电、碱性水电解、逆水煤气变换（RWGS）和费托（FT）合成的 PtL 系统进行了技术经济分析（TEA）和生命周期评估（LCA）。同样，Gray 等人 [9] 评估了部署 DAC 技术以支持航空脱碳的经济和环境意义，指出航空业占全球温室气体排放的约 2%。为了进一步降低 DAC 系统的热能需求，Han 等人 [10] 提出了一种与现场燃料合成相结合的光伏驱动 DAC 过程。他们的结果表明，用太阳能热能取代传统化石燃料衍生的热量使电力消耗减少了 63%，现场 CO2 排放减少了 59%，同时实现了 4.62 美元/kg 的 SAF 生产成本。

尽管取得了这些进展，但集成 PtL 系统的性能仍然受到区域环境条件和可再生能源资源变率的强烈影响。先前的研究表明，DAC 性能对环境和湿度波动高度敏感，这直接影响 CO2 捕集效率和系统能量需求 [11]。同样，维持 PEM 电解槽和 FT 合成单元的稳定运行是一个重大运营挑战，因为太阳能和风能发电本质上具有间歇性。因此，需要动态运营策略来减少效率损失并提高变可再生能源发电条件下的整体经济表现 [12]。

为了解决土地使用限制并改善可再生能源整合，多项研究探索了海上可再生能源驱动的 DAC 系统。例如，具有单乙醇胺生产的海上风力驱动 DAC 系统在实现海洋环境负排放方面显示出巨大潜力 [13]。此外，先进的优化和控制方法已被开发出来，以提高海上 DAC 系统的运行稳定性并管理风能不稳定性 [14]。类似的优化方法也已应用于可再生氨生产，其中混合整数规划技术被用于平衡可再生能源可用性的季节性变化与哈伯 - 博施（Haber-Bosch）工艺的操作灵活性限制 [15]。此外，基于动态模拟和符号有向图方法的韧性和可靠性分析已被用于评估集成化工过程中的扰动传播和系统稳定性 [16]。

尽管基于 PtL 的 SAF 生产取得了重大进展，但已发表的文献在共同决定已部署 DAC 至 SAF 设施可行性的维度上仍然支离破碎。结合详细 DAC 至 SAF 过程建模与技术经济和环境评估已经得到证实，最近的研究还解决了每小时可再生能源优化、大规模空间部署和多国 DAC 至 SAF 比较问题。然而，这些能力通常是在不同的过程构型、工厂规模、地理分辨率或能源供应假设下研究的。因此，报告的燃料成本和碳绩效差异并不总是能具体归因于区域条件，因为位置的变化通常伴随着过程设计或能源系统构型的变化。因此，目前考察不足的不是任何单个评估能力，而是它们的受控组合：一个相同的 DAC 至 SAF 设施，在过程构型和生产能力固定的情况下，在气候和经济对比不同的地点进行评估，同时解决特定地点的小时级可再生发电、电池运行和电网互动。这样的框架是必需的，以隔离区域可再生能源可用性、电网依赖性、电价和电网碳强度如何影响否则相同的 PtL SAF 设施的经济和碳绩效。表 1 从过程构型和规模、可再生能源调度处理和区域范围、关键技术经济结果、环境评估和应用的 LCA 边界、以及优化或决策框架等方面，对各代表性近期研究进行了基准对比，并列出了每项研究相对于本工作的主要差距。

表 1. 基于 DAC 和 CO2 的 PtL 航空燃料生产近期技术经济、环境和可再生能源整合研究比较。

| 研究 | 过程 / 规模 | 可再生能源处理与区域 | 关键技术经济结果 | 环境评估（LCA 边界）/ 决策分析 | 相对于本研究的主要差距 |
| :--- | :--- | :--- | :--- | :--- | :--- |
| [8] | L-DAC + 风 + 碱性电解槽 (AEL) + RWGS/FT。转化率 88%；H2 转化率 39.16%；PtL 效率 25.6% | 海上风电
单一英国站点 | MJSP 5.16 GBP/kg | 从井到翼生命周期分析
GWP（全球变暖潜能值）+ 水足迹 | 无每小时 PV（光伏）/风/BESS（电池储能系统）规模优化
无多站点排名 |
| [17] | H2 + 捕集 CO2
间接 RWGS-FT 与直接 CO2-FT 比较。66.2 vs 38.5 桶/天 | 经济情景
无每小时调度 | 单一情境研究
460–1435 vs 752–2364 美元/桶 | — | 无每小时调度、区域比较、LCA 或排名 |
| [18] | DAC + 电解 + FT/炼油 | 混合 PV-风。10 GWh 燃料/年
8760 小时类型每小时运行，带有电池/H2/CO2 储存
5390 个欧洲地点 | 1.21 → 0.71 EUR/L (1510 → 880 EUR/t) | — | 无区域碳评估或正式站点排名 |
| [19] | 高温钙循环 DAC + 电解 + RWGS/FT
5 种构型。25 t/h 喷气燃料效率 ≤ 39% | 电力/H2 作为输入
无每小时可再生调度 | MJSP 3.5–6.5 EUR/L | — | 无区域每小时可再生耦合或部署排名 |
| [20] | Aspen Plus
FT vs 甲醇 - 喷气燃料
重整和循环变体 | 成本/技术情景
无每小时调度 | LCOP 0.81 → 0.23 EUR/kWh_synth | — | 无每小时可再生耦合、区域比较或碳分析 |
| [21] | 捕集 CO2 + RWGS/FT
PEM vs SOEL vs 共电解 | 价格/碳强度情景
无 8760 小时调度 | LCOK 5.12 EUR/kg (0.5–6) | 从井到泵 LCA
?85–90% vs 化石喷气燃料 | 无每小时可再生规模优化、多站点比较或排名 |
| [22] | L-DAC 和 S-DAC + 绿色 H2
国家规模。≤ 102 Mt/年（2050 年需求的 84%） | 空间能源/资源假设
中国至 2050 年 | 3100 → 900 美元/吨 | — | 无固定产能工厂比较或工厂级每小时调度 |
| [10] | 太阳能驱动 L-DAC + 现场 CO2-FTS。1 MtCO2/年，8000 小时/年
CSP 驱动 | 五个国家
美国、智利、西班牙、南非、中国 | MSP 4.62 美元/kg (PEM 4.82–6.51)
WACC 4.2%
DAC 部分仅减碳 -63% 电力，-59% 现场 CO2 | — | 无每小时 PV/风/BESS/电网调度
无完整区域 SAF 碳分析/排名 |
| [23] | PtL 电子煤油
甲醇 vs 合成气中间体 | 8760 小时设计和调度优化
单一区域 | — | — | 无多站点比较、碳评估或排名 |
| [24] | S-DAC + CO2 储存
无燃料合成 | 电网、废热、弃电
地理空间欧洲 | CDR 成本按站点计 | 储存核算，非燃料 | 无 SAF 合成、产品经济、现场可再生规模优化或排名 |
| [25] | 5 种废弃 SAF 技术 × 6 种饲料
540 种途径情景 | 背景电网情景
美国、中国、印度、巴西 2025–2075 年 | — | 前瞻性从井到泵 LCA
18 ReCiPe 类别 | 非 DAC-PtL
无工厂级每小时可再生调度或站点特定 TEA |
| 本研究 | S-DAC + PEM + RWGS + FT + 加氢裂化 (Aspen Plus)
FT 热 → 再生，沼气 (LFG) → RWGS。70 MW
9269 kg/h CO2
1329.3 kg/h H2
1543 kg/h SAF | 每小时 PV/风/BESS/电网调度 + NSGA-II
五个站点，相同工厂产能
CAPEX 230.9–250.7 M 美元
LCOP 2977–5861 美元/吨 (25 年) | 生产阶段 | Ecoinvent 3.8 后果性分析
GWP 2.84–4.97 kg CO2-eq/kg | 固定过程基础 + 每小时区域调度 + TEA + 碳评估 + 部署排名的受控整合 |

为了解决这一差距，本研究评估了分布在五个地理位置多样化的地点的一个通用 70 MW DAC 基 PtL SAF 设施，同时保持相同的过程构型和生产能力作为方法论控制。主要贡献如下：

1. 通用 DAC 至 SAF 过程基础：使用一致的固体直接空气捕集（S-DAC）、PEM 水电解、RWGS、FT 合成、加氢裂化和产品分离的过程模型来量化连续 SAF 生产的物料和能量需求，包括燃料合成部分和捕集部分之间的内部热集成。
2. 每小时区域能量变率的传播：TRNSYS-Python 联合模拟框架解决了特定地点的小时级光伏和风能发电、电池运行和电网互动，同时使用 NSGA-III 对可再生能源系统进行规模优化。这使得能够量化区域可再生能源可用性对相同过程负荷下电网依赖性和可再生自给率的影响。
3. 受控的区域技术经济比较：对所有五个地点应用一致的技术经济框架，在相同过程产能下确定可再生自给率、电网电力依赖性和当地电价如何影响平准化产品成本（LCOP）。
4. 区域特定碳评估：使用后果性的、区域特定的电力数据集来量化电网碳强度和可再生渗透率如何影响相同工厂构型和生产规模下 DAC 基 PtL SAF 的生产阶段 GWP。
5. 部署导向的战略排名：随后应用基于优势、劣势、机会和威胁 - 层次分析法（SWOT-AHP）的多准则决策（MCDM）框架，以比较五个地点的部署条件并确定区域特定优先事项。

因此，本研究的创新性在于在相同工厂基础上协调应用既有的过程、可再生能源、经济、碳评估和决策分析方法，而不是任何单一方法本身。这种受控设计能够在不混淆过程构型或生产能力变化的情况下评估区域间可再生自给率、电网依赖性、LCOP 和 GWP 的差异。这种控制的价值在结果中得到了体现：仅选址就产生了大约两倍的 LCOP 跨度（对于否则相同的设施），并且站点间的经济和气候排序出现了分歧，这些发现在位置变化与设计变化纠缠在一起时无法隔离。

2. 材料与方法

本节介绍了通过集成 PtL 途径评估 SAF 连续生产的方法论（图 2）。首先进行过程建模和模拟，以建立 S-DAC、PEM 电解、RWGS、FT 合成和下游燃料升级的质量平衡和能量平衡。然后在五个地理区域进行地点特定的技术经济评估（TEA）和比较生命周期碳评估（LCCA），以量化经济可行性和环境绩效。基于这些结果，采用多目标优化框架来确定每个地点光伏阵列、风力和电池储能系统的最佳规模，以确保可靠满足集成 PtL SAF 设施的连续电力需求。最后，应用结合 SWOT 分析和模糊 AHP 的 MCDM 框架作为后优化决策支持阶段，对优化后的区域场景进行比较评估和排名；该阶段消耗优化结果，但不反馈到优化变量、目标函数或约束条件中。此外，还进行了敏感性分析，以评估结果部署排名在区域能源和经济不确定性下的稳健性。该框架的构建具有跨地点和参数集的转移性。过程模型，包括所有单元规范、动力学和固定的 70-MW 产能，在构建上是不依赖于地点的，所有区域特定性仅通过两个输入层进入：表 S1 中的每小时气象概况，以及表 2 和表 S2 中的地点特定经济参数和背景数据集。因此，将方法论应用于不同地点，或在替代技术或经济假设下进行评估，只需替换这些输入层，而表 S13-S16 中的验证基准定义了主要技术参数的允许范围。

下载：下载高分辨率图像 (614KB)
下载：下载全尺寸图像
图 2. 系统化方法论框架示意图。

表 2. 区域经济参数，包括五个选定地点的电网电价、产品市场价值和碳激励。

| 地点 | 煤油 (美元/吨) [40] | 柴油 (美元/吨) [41] | 汽油 (美元/吨) [42] | 工业电力 (美元/kWh) 费用 [43] | 可再生电力 (美元/kWh) 收入 [44], [45], [46], [47], [48] | 碳激励 (美元/吨 CO2) [31], [49], [50], [51], [52] |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| 法兰克福 (德国) | 2100 | 775 | 825 | 0.299 | 0.068 | 5 |
| 吉达 (沙特阿拉伯) | 1900 | 570 | 785 | 0.069 | 0.013 | 30 |
| 济州 (韩国) | 2000 | 745 | 785 | 0.118 | 0.122 | 0 |
| 拉斯维加斯 (美国) | 1300 | 805 | 860 | 0.156 | 0.041 | 80 |
| 珀斯 (澳大利亚) | 2200 | 760 | 790 | 0.291 | 0.064 | 0 |

2.1.

工艺描述

SAF生产工艺的配置方案如图3所示。本研究开发了一条连续的PtL技术路径，并在Aspen Plus中进行模拟以实现稳态运行。整体系统设计基于质量平衡以及主要转化单元之间的热集成，以减少外部能源需求。利用S-DAC从环境空气中捕获9269 kg/h的CO?，同时PEM电解槽以1329.3 kg/h的连续流量提供氢气。该70 MW的设施产能对应上述CO?和H?速率，作为代表性的假设案例研究，而非对任何特定现有或已公布设施的复制。该产能反映了当前从试点向早期商业部署过渡的PtL SAF项目的商业示范规模，并与可比已发表PtL技术经济评估中采用的电解槽规模基准一致[8]。在所有五个评估地点固定相同的工艺产能构成了一个有意的方法论控制，确保观察到的LCOP、GWP和自给率的差异归因于区域气象和经济条件，而非设施规模的差异。捕获的CO?和生产的H?随后在RWGS反应器中转化为下游FT合成所需的合成气组成。

图3. 基于可再生能的DAC-电解制液态SAF的概念设计。

所提配置方案的一个关键特征是燃料合成与碳捕获部分之间的内部热集成。放热型FT合成释放的热量被回收，用于部分满足S-DAC单元的热再生需求。此外，FT部分的轻燃料气(LFG)副产物被燃烧，为吸热型RWGS反应提供热量。在FT单元中，经调质的合成气经催化转化，生产出2808 kg/h的原始蜡油固定产量。为最大化航煤组分，利用专用的加氢裂化单元在H?存在下选择性裂解重质石蜡。最后，采用分馏将升级后的蜡油分离为严格定义的产品组：1543 kg/h的煤油级SAF（该设施的目标产品），以及421 kg/h的可再生柴油、561 kg/h的合成汽油和283 kg/h的轻燃料气，后者如上所述用作RWGS反应器的内部燃烧燃料。煤油、柴油和汽油作为可销售燃料产品出售，此外，在发电过剩期间向电网出口的富余可再生电力（描述于2.2节）以及利用捕获大气CO?所产生的碳激励均产生额外收入。这两条收入渠道均被纳入2.4节中呈现的年度总收入计算。

主要建模假设汇总如下。RWGS反应器采用基于Ni的催化剂，通过抑制竞争性的Sabatier甲烷化反应，使CO选择性接近100%，在800°C和H?/CO?进料摩尔比1.50条件下，CO?转化率可达55%，该参数在图9c中进行了参数化评估。FT合成在基于Co的催化剂上进行，操作窗口为210至240°C、20至30 bar，选择该催化剂是因为其对长链石蜡具有高选择性且固有的水汽变换活性低。链增长不由固定的Anderson-Schulz-Flory概率表示，而是在Langmuir-Hinshelwood-Hougen-Watson碳化物机理中计算碳数依赖的链增长概率，涉及70种离散石蜡和40种离散烯烃，完整的动力学公式在补充材料(SI)第1节中披露。FT蜡油的加氢裂化产生的中间馏分（煤油和柴油合计）占总蜡油的70%，与已报告的钴基FT蜡油理想加氢裂化中间馏分收率高达85%一致[26]。所有单元模型均在SI第3节中与文献和工业数据进行验证（表S13–S16），完整的流股级质量和能量平衡见表S6–S8。所有核心子系统的操作点基于系统级而非单一单元的最优值进行选择，受包括S-DAC解吸温度的吸附剂热稳定性以及电解槽阴极压力的直接压缩H?输送等约束条件的限制；评估范围、选定值和约束条件汇总于表4。在Aspen Plus中实施的反应机理、严格动力学模型和严格操作边界在补充材料(SI)第1节中进行了详细说明。

2.2 并网DAC-电解利用系统

本节描述用于为集成PtL系统供电的并网可再生能配置。并网PtL模型中关键工艺、物流和能量流的详细示意图如图4所示。将可变可再生发电与连续设施负荷集成的系统平衡电气部件被显式表示，包括标准化的DC/AC转换中枢、用于电网互连的升压变压器和高压开关、电池储能单元以及电网连接点。包括S-DAC单元、PEM电解槽、RWGS反应器和FT合成单元在内的核心子系统被集成到统一的PtL系统中，以确保SAF生产工艺的连续稳态运行。

图4. 并网PtL系统的详细工艺流程图，包括系统平衡电气部件（DC/AC转换、变压器和高压开关、电池储能和电网连接）及核心化学转化单元。

集成设施的电力需求主要由区域风力和太阳能光伏系统供应。电池储能系统用于缓冲太阳能和风力发电的间歇性输出。在可再生发电过剩期间，富余电力首先存储在电池系统中，当存储容量饱和时的额外余量可出口至区域电网。在可再生电力不足期间，电力首先由电池供应，当电池达到最低荷电状态限制时，从电网进口额外电力。该调度策略旨在保持化学合成系统连续运行，同时最大化可再生能源自给率。设计中不包含化学中间品、H?、CO?、合成气或液态产品的储存；可再生间歇性的缓冲仅在电气侧通过电池系统和电网连接在工艺边界上游进行。因此，PEM电解槽、S-DAC、RWGS和FT合成单元与可再生波动解耦，在恒定的70 MW负荷下连续稳态设计点运行。自给率定义为现场可再生能源和电池储能供应的总电力需求与系统总电力需求之比。该参数按年度运营期评估，表达于式(1)：

$$SS = 1 - \frac{\text{从电网进口的电力}}{\text{总需求}}$$

其中SS为年度能源自给率。较高的值表示对进口电网电力的依赖度较低，对本地生成的可再生资源的利用率更高。

2.3 所选案例研究地点的地理与气候特征

所提系统的运行稳定性和能效在很大程度上取决于安装地点的本地气象条件[27]。因此，本研究考虑了五个地理位置多样的地点：德国法兰克福、沙特阿拉伯吉达、韩国济州、美国拉斯维加斯和澳大利亚珀斯，如图5(a)所示。所选地点旨在作为说明性案例研究，有意选取以捕捉多样的气候条件、可再生资源可用性、电力发电特征和政策环境，而非作为各自区域的统计代表性样本；该框架向其他地点的推广性在2.1节中描述。逐小时气象数据取自国家太阳能辐射数据库(NSRDB)，使用通过2020年可用多年记录构建的典型气象年数据集[28]。如图5(b)所示，各地点跨越广泛的资源谱，月均GHI在约1.0至8.5 kWh/m2/天之间，月均风速在约2.0至4.8 m/s之间。完整的小时级曲线见S1–S5图，环境温湿度、GHI、DHI和风速的季节均值汇总于表S1。各地点采用的电网排放因子对应于表S2的区域电力数据集，各地点的特定电价和碳激励见表2。

图5. 案例研究概览，涵盖(a)多样地理位置和(b)所选地点的月度GHI及风速（10 m测量高度）。

法兰克福的选择基于德国在可再生部署和风电支持电力生产方面的领先地位，但其总能源供应仍以石油(34.4%)、天然气(27.5%)和煤炭(15.9%)为主[29]，使其成为能源转型活跃期的经济体的代表性案例。吉达的选择基于其卓越的光照潜力和全国旨在实现约50%可再生电力(60 GW)的计划[30]，而总能源供应几乎完全由石油(63.8%)和天然气(36.1%)组成。拉斯维加斯代表北美，该地区的《通胀削减法案》为可再生部署和碳管理提供了持续支持，包括本研究中应用的45Q条款税收抵免[31]，而全国总能源供应仍以石油(36.0%)和天然气(36.0%)为主[32]。济州的选择基于其2030无碳岛屿倡议及其独特的岛屿电力组合，包括本地热发电(51.2%)、高压直流(HVDC)进口(30.6%)、风电(10.5%)和光伏(7.7%)[33]。珀斯的选择基于澳大利亚正加速迈向2030年82%可再生电力目标[34]，而可再生在总能源供应中仍占较小份额。综合而言，这五个地点涵盖了使所提框架在其预期操作包络范围内全面运行的气候、资源、市场和政策多样性。就此而言，该研究的区域特征在于所有地点依赖输入层——气象、电网排放强度、电价和激励结构——的完全区域解析度，以及这些输入所产生的区域差异化结果，每个所选城市代表一种独特的气候区和能源市场原型组合，而非作为其更大范围的统计样本。

2.4 经济模型

进行技术经济分析(TEA)以评估五个所选地理位置中集成SAF生产设施的财务可行性。TEA框架采用自Moosazadeh等人的先前工作[35]，并根据本研究所考虑的系统配置和区域能源条件进行了修改。为系统评估经济可行性，分析通过严格的层级框架进行结构化。首先，安装部件成本被汇总为总投资成本(CapEx)。随后将该总投资转化为年度化资本成本。同时确定运营成本，包括固定维护、可变公用工程消耗和周期性部件更换。年度化资本成本和运营成本(OpEx)被合并计算为总年成本(TAC)。最终，从产品销售和碳激励计算总年收入(TAR)，从而推导最终经济指标——产品平准化成本(LCOP)。

CapEx通过汇总主要子系统的安装和设备成本计算得出，包括太阳能光伏、电池储能、转换器、PEM、S-DAC、RWGS和FT合成单元。

$$CapEx = \sum_{i=1}^{n} C_{eq,i}$$

其中$C_{eq,i}$代表组件i的设备成本。OpEx包括固定维护成本以及与电网电力消耗和项目寿命期内部件更换相关的可变成本[36]。

$$OpEx = C_{fixed} + C_{variable}$$

进口电网电力的年度成本，作为主要可变成本组成部分，明确计算为：

$$C_{grid} = E_{import} \times p_{elec}$$

其中$E_{import}$为2.7节调度模拟所得的年度电网电力进口量(kWh)，$p_{elec}$为表2中各地点特定的工业电价。

TAC代表年度化资本成本与年度运营支出之和。采用资本回收因子(CRF)基于指定的折现率和项目寿命期对初始投资进行年度化[37]。

$$TAC = (CapEx \times CRF) + OpEx$$

如2.1节所述，TAR由合成产品的市场销售（包括煤油、汽油和柴油）以及CO?激励和出口富余电力的收入产生[37]。

$$TAR = \sum (m_p \times P_p) + Revenue_{grid} + Incentive_{CO_2}$$

其中$m_p$为特定产品的质量，$P_p$为产品的市场价格。

最后，计算LCOP以量化SAF的单位质量生产成本[20]。(7)$LCO P=\frac{TAC-\sum(c_p \times P_{cp})-Revenue_{grid}-Incentive_{CO_2}}{m_{SAF}}$其中$m_{cp}$和$P_{cp}$为副产物柴油和汽油的质量及市场价格，$m_{SAF}$为年度SAF产量。因此，报告的LCOP代表副产品折价法下的盈亏平衡SAF价格，在此方法下，所有资本成本和运营成本均分配给整个设施，不在产品之间进行成本分摊。轻燃料气体不计入收入折价，因其作为RWGS燃烧燃料在内部消耗。所有货币值以2025年不变美元表示。资本回收因子按6%的贴现率计算，项目寿命为25年，得出CRF = 0.0782，定期更换支出按3.5%的长期通胀率递增。分析基于税前基础进行，排除公司所得税、折旧计划和债务融资结构，与比较性学术技术经济实践一致。资本成本估算对应于概念级别的精确度类别，约为±30%，该不确定性对LCOP的影响通过3.6节中呈现的敏感性分析进行检验。

组件降解通过两种不同机制在当前模型中处理。长期光伏性能衰减假设为年衰减率0.5%，作为时间平均折减因子应用于可再生能源调度模拟中使用的光伏输出，详见2.6节。电池和PEM电解槽降解通过定期整体更换而非连续性能衰减曲线来处理，更换成本嵌入年度运营支出中，如上所述。风力涡轮机、S-DAC吸附剂和RWGS/FT催化剂降解未纳入当前模型。风力涡轮机降解被认为对整体系统成本影响有限，鉴于其对总CapEx的贡献很小，在所有评估地点中最多为1.3%。吸附剂和催化剂在整个项目寿命内的性能损失被确定为研究范围限制，在4节中进一步讨论。

为突出区域经济差异，五个评估地点的具体电力购买和出售价格、燃料市场价值和碳激励措施总结于表2。此外，各组件的具体资本成本详见表3。

表3. 可再生能源和化学合成组件的具体资本成本参数。

| 参考文献 | 装置 | 再融资成本 | 单位 | Eq.中单位 | S |
|---|---|---|---|---|---|
| [24] | S-DAC | 8.08 M$ | 6854 kg CO?/h | 0.7 | |
| [53] | PEM | 43.68 M$ | 60.59 MW | 0.8 | |
| [54] | RWGS | 59.41 M$ | 5602 kg 合成气/h | 0.6 | |
| [55] | FT | 60.92 M$ | 2808 kg 蜡油/h | 0.7 | |
| [15] | 太阳能光伏 | 62 514 $/kw | ? | ? | 1* |
| [56] | 风力涡轮机 | 1316 $/kw | ? | ? | 1* |
| [15] | 电池 | 356 $/kw | ? | ? | 1* |
| | 变换器 | 600 $/kw | ? | ? | 1* |

*未明确定义缩放因子的组件，其成本按每单位输出（如每kW）表示，通过单位成本乘以系统容量进行线性缩放。

表4. 评估参数范围、选定操作点和核心子系统的约束条件。

| 单位 | 参数 | 评估范围 | 选定值 | 约束条件 |
|---|---|---|---|---|
| S-DAC | 解吸温度 | 60至120°C | 100°C | 吸附剂热稳定性，制造商上限373 K，降解起始398 K [81] |
| S-DAC | 解吸压力 | 0.1 bar | | 真空功与CO?纯度的权衡 |
| PEM | 操作温度 | 30至70°C | 70°C | 评估窗口内效率最优，图9b，在膜热极限范围内[11] |
| PEM | 阴极压力 | 2至10 atm（电堆级敏感性） | 30 bar（设计）* | 直接输送压缩H?，消除下游机械压缩，SI节3.2 |
| RWGS | 温度 | 600至800°C | 800°C | 甲烷化抑制和平衡转化，图9c |
| RWGS | H?/CO?进料比 | 0.50至1.50 | 1.50 | 下游FT合成气需求H?/CO = 2.0与H?消耗量 |

*图9b的阴极压力扫描表征电堆级压力敏感性，结果显示其较弱，在完整温度和压力窗口内差异低于1.6个百分点。30 bar的设计阴极压力基于系统级考量选定，接受边际电堆效率损失，以换取消除下游H?压缩机组，后者的资本和电力需求将超过电堆内等效电化学压缩成本。

为确保经济透明度，所有组件更换成本和寿命均明确定义。项目总寿命假设为25年。然而，若干关键组件需要定期更换以维持持续运行。锂离子电池储能系统寿命为10年，评估期内需进行两次完整更换。同样，PEM电解槽预计在80,000运行小时后降解，与PEM和碱性系统60,000–80,000 h的基础负荷电堆寿命报告一致[38], [39]。因此，项目寿命内安排两次电堆更换，每次更换成本为初始电解槽CapEx的40%。所有电池和电堆更换成本严格嵌入可变运营支出中。

2.5 全生命周期碳评估

进行全面的LCCA以量化SAF生产过程的环境影响。采用运营阶段、门禁级系统边界，涵盖集成设施的运营排放，包括可再生能源发电、DAC、H?生产和燃料合成，以及Ecoinvent背景数据集中的所有消耗能源和物料输入的完整上游负担。光伏和风力发电基础设施的制造排放因此被纳入各自的电力数据集中，而转化设施本身的隐含排放，包括DAC模块、电解槽制造、催化剂、电池系统、工厂建设和组件更换，则被排除在边界之外，详见4节。SAF产品的燃烧和其他终端使用排放超出此边界，未包含在报告中。使用SimaPro 9.4.0.3软件建模生命周期清单并评估环境绩效。根据成熟的的研究，运营阶段通常主导全生命周期排放，在复杂能源和化学系统中贡献90%至98%的总碳排放[57], [58], [59]。功能单位定义为1 kg生产的SAF。

物料和能量流的前景数据直接从严格的流程模拟中提取。原材料、电网电力和能源系统组件的背景数据来源自Ecoinvent 3.8数据库（系统过程），采用后果性系统模型来表示设施引入的额外区域需求对边际电力生产的响应。GWP表征因子采用IPCC 2021 GWP20影响评估方法，因其与航空气候政策相关的近期脱碳时间框架更加契合。五个评估地点的特定区域电力和背景数据集汇总于补充材料表S2中。每个地点的年度电网电力进口量由调度模拟获得，以相应区域电网数据集进行核算，因此维持连续运行的电网备用在报告的GWP中按其实际年度份额比例反映。选择GWP作为主要环境影响指标来衡量温室气体排放，与近期PtL SAF研究中采用全球变暖潜能值作为唯一评估影响类别的做法一致，鉴于其与航空脱碳政策和认证框架的直接相关性[60]。涵盖气候变化以外影响类别的完整多类别生命周期评估超出当前碳聚焦评估的范围。总环境影响通过将清单流乘以各自的表征因子计算，如下式所示[61]：(8)$Impact = \sum_{i=1}^{n}(m_i \times CF_i)$其中Impact代表总环境影响类别指标，$m_i$为基础流i的数量（质量或能量），$CF_i$为基础流i对应的表征因子。此外，净生产阶段平衡通过将大气直接捕获的CO?从总过程相关排放中减去计算得出[62]。鉴于设施产生的多种副产物——SAF、柴油、汽油和轻燃料气体，共用的上游环境负担通过质量和能量分配法在产品流之间进行分配。两种基准对SAF特别而言产生高度一致的结果：按质量54.95%，按能量含量54.76%，反映了四种烃产品流之间相似的比能量密度。因此，报告的LCCA结果对分配基准的选择具有鲁棒性。(9)$Net_{Production-Stage} = E_{process} - CO_{2,captured}$其中$E_{process}$为运营阶段的总CO?当量排放，由与式(8)门禁级GWP相同的表征清单计算得出，$CO_{2,captured}$为S-DAC单元提取的总CO?量。此净平衡仅作为诊断量报告，说明大气CO?吸收规模与运营排放之间的关系；它不被带入表5报告的GWP或表6的从井到尾迹强度中，也不代表修正或减少后的排放数值，这与下文确立的循环利用而非移除的框架一致。

就此而言，当前系统构成碳的捕获与利用式循环，而非永久性二氧化碳移除：束缚在SAF中的大气碳在燃烧时重新释放，该路径的气候效益来源于以生命周期强度显著较低的燃料替代化石航空燃油，而非从大气中净移除CO?。因为从大气中捕获并在燃烧时释放的CO?形成封闭的大气循环，与CORSIA方法中对DAC衍生燃料的处理方式一致[61]，化学计量燃烧释放与相应的大气捕获信用恰好相互抵消；独立于表5门禁级GWP计算的从井到尾迹碳强度因此与生产阶段结果在数值上重合，报告的与化石基线的差异完全归因于该路径的生产阶段绩效，而非任何假设的移除信用。因此，在3.5节中，补充的从井到尾迹强度与生产阶段结果并列报告。为确保环境建模的高空间分辨率和准确性，为五个选定的地点选择特定区域数据集。

表5. 门禁级GWP按上游电力来源和工艺单元的贡献分析。

| 地点 | 总计[kg CO?-eq/kg SAF] | 电网电力[kg CO?-eq] | 可再生电力[kg CO?-eq] | PEM电解 | S-DAC运行 | RWGS | FT+加氢裂化 |
|---|---|---|---|---|---|---|---|
| 吉达 | 2.84 | 0.94 (33.1%) | 1.90 (66.9%) | 86.6% | 11.3% | 0.1% | 2.0% |
| 拉斯维加斯 | 2.97 | 1.74 (58.6%) | 1.23 (41.4%) | 86.5% | 11.1% | 0.1% | 2.3% |
| 济州 | 3.49 | 1.57 (45.0%) | 1.92 (55.0%) | 86.5% | 11.2% | 0.1% | 2.2% |
| 珀斯 | 3.79 | 2.41 (63.6%) | 1.38 (36.4%) | 86.5% | 11.3% | 0.2% | 2.0% |
| 法兰克福 | 4.97 | 2.47 (49.7%) | 2.50 (50.3%) | 86.5% | 11.5% | 0.1% | 1.9% |

上游列和工艺单元列各自独立合计为100%，代表同一总量的两种分解。可再生电力通过表S2的Ecoinvent数据集包含光伏和风力基础设施的隐含制造排放。供水贡献低于0.1%，因工艺用水在内部循环：催化剂生产在2.5节定义的门禁级边界之外。

表6. 生产SAF的从井到尾迹GHG强度按地点分布，与CORSIA化石航空燃油基线89 g CO?-eq/MJ对比[82]。

| 地点 | 门禁级GWP [kg CO?-eq/kg SAF] | 从井到尾迹强度 [g CO?-eq/MJ] | 与化石基线的变化 |
|---|---|---|---|
| 吉达 | 2.84 | 64.5 | ?27.5% |
| 拉斯维加斯 | 2.97 | 67.5 | ?24.2% |
| 济州 | 3.49 | 79.3 | ?10.9% |
| 珀斯 | 3.79 | 86.1 | ?3.2% |
| 法兰克福 | 4.97 | 113.0 | +27.0% |

以LHV 44 MJ/kg计算：燃烧再释放与大气捕获信用大致相互抵消。

2.6 可再生能源组件模型

混合发电和储能系统的动态性能使用经过验证的TRNSYS模型在1小时时间分辨率下模拟完整年度周期，与NSRDB气象数据集的小时分辨率一致。首先，将五个评估地理地点的特定站点气象条件通过天气数据处理组件（Type 15）导入模拟环境。该组件读取典型气象年数据集，提取瞬时GHI、环境温度及风速曲线[63]。小时气象数据随后通过光伏、风力涡轮机、电池储能和电网交互模型传递，实现模拟年全程的逐时发电功率、能量平衡和整体系统绩效评估。为可靠满足由Aspen Plus质量和能量平衡模拟得出的SAF生产70 MW连续设施需求，集成了包括光伏、风力涡轮机、电池储能系统和电网电力在内的多种能源。总需求中，约60.5 MW由PEM电解槽用于生产1329.3 kg/h绿氢，其余电力分配给S-DAC单元、气体压缩和反应器热管理。

考虑到光伏在所有地点均为主要能源来源，光伏系统的电力输出使用考虑入射太阳辐射和环境温度条件的TRNSYS Type 103b建模。总直流功率发电通过等效单二极管表示的性能模型计算，考虑辐射和温度依赖效应，如式(10)所示：(10)$P_{PV} = Y_{PV} f_{PV}(G_T, G_{T,STC})(1 + \alpha_p(T_c - T_{c,STC}))$其中$P_{PV}$为发电功率，$Y_{PV}$为光伏阵列额定容量，$f_{PV}$为考虑系统损失的折减因子，$G_T$为入射太阳辐射，$G_{T,STC}$为标准测试条件下入射辐射，$\alpha_p$为功率温度系数，$T_c$为光伏电池温度，$T_{c,STC}$为标准参考条件下电池温度。假设光伏系统在25年项目寿命内运行而无需组件更换，与制造商保证在此期限内至少维持80%额定性能一致[64]。

长期性能衰减假定以每年0.5%的速率发生，通过施加于fPV的时间平均有效折减因子隐式纳入[65]。在组件层面，Type 103b采用等效单二极管电路模型来估算单个光伏组件的电流—电压特性[66]。电输出受入射太阳辐照度和二极管参数的控制，如式(11)和(12)所示：

$$I_{PV} = I_{L,PV} - I_{o,PV}\left[\exp\left(\frac{q\gamma}{kT_c}(V_{PV} + I_{PV}R_{s,PV})\right) - 1\right] \tag{11}$$

$$I_{L,PV} = I_{L,ref,PV}\frac{G_T}{G_{T,ref}} \tag{12}$$

其中，$I_{PV}$为光伏输出电流，$I_{o,PV}$为二极管反向饱和电流，$q$为元电荷，$k$为玻尔兹曼常数，$T_c$为组件温度，$I_{L,PV}$和$I_{L,ref,PV}$分别为光电流及其在参考条件下的值，$G_T$和$G_{T,ref}$分别为光伏阵列的入射太阳辐射及其参考值，$\gamma$为经验曲线拟合参数，$V_{PV}$为组件电压，$R_{s,PV}$为组件串联电阻。为考虑运行温度对光伏性能的影响，采用标称工作电池温度（NOCT）模型估算电池温度：

$$T_{c,PV} = T_a + G_T \frac{\tau\alpha}{U_{L,PV}}\left(1 - \frac{\eta_{PV}}{\tau\alpha}\right) \tag{13}$$

$$\frac{\tau\alpha}{U_{L,PV}} = \frac{T_{c,NOCT} - T_{a,NOCT}}{G_{T,NOCT}} \tag{14}$$

其中，$T_{c,PV}$和$T_a$分别表示光伏电池温度和环境温度，$\eta_{PV}$为组件转换效率，$\tau\alpha$为透过率—吸收率乘积，$U_{L,PV}$为总热损失系数，NOCT下标表示标称工作条件。本研究采用Sunpays生产的550 W单晶硅光伏组件[67]，用于复现模型所需的完整电气和热学规格（包括功率温度系数）汇总于表S12中。

与太阳能发电并行，NSRDB气象风数据记录于10 m参考高度，风速通过经验幂律系数（即Hellmann指数法）外推至风力发电机轮毂高度46 m，如风机技术文档所述[68]。风速分布按式(15)计算：

$$v = v_{ref}\left(\frac{h}{h_{ref}}\right)^{\alpha} \tag{15}$$

其中，$v$为轮毂高度$h$（46 m）处的风速，$v_{ref}$为参考高度$h_{ref}$（10 m）处的风速，$\alpha$为局部地形表面摩擦系数，设为常数0.16，接近经典的七分之一幂律指数，代表近中性大气条件下表面粗糙度较低的开敞地形[69]。所有评估地点均采用相同系数，以确保风速外推方法的一致性和优化混合可再生能源系统（HRES）配置的公平比较，从而将区域资源变异性与地形相关的剖面试差区分开来。该假设的敏感性有限：指数变化±0.05会使轮毂高度风速变化约±8%，鉴于风电在五个地点年可再生能源发电量中所占贡献为0.37%至3.43%，总发电量相应变化的幅度低于0.5%。可用机械功率随后通过由特定切入风速、额定风速和切出风速定义的标准化风机功率曲线转换为电输出。

为确保系统在太阳能和风电资源的间歇性下仍能稳定不间断运行，引入电池储能系统作为能量缓冲机制，以缓解短期可再生能源功率波动。据此，采用TRNSYS Type 47a对磷酸铁锂电池系统的动态荷电状态（SOC）进行建模，其中充放电过程受物理运行约束控制，表达式如下：

$$SOC(t) = SOC(t-1)(1-\sigma) + \frac{P_{bat}(t)\eta_c}{E_{bat}} \tag{16}$$

$$SOC(t) = SOC(t-1)(1-\sigma) + \frac{P_{bat}(t)}{E_{bat}\eta_d} \tag{17}$$

其中，$SOC(t)$为当前时间步的荷电状态，$\sigma$为小时自放电率，$P_{bat}(t)$为输入或输出功率，$\eta_c$和$\eta_d$分别为充电和放电效率，$E_{bat}$为电池系统的总额定容量。根据已报道的电池全生命周期性能数据，假设电池系统在项目寿命期内每十年更换一次[70]。最后，电力转换和分配采用TRNSYS调节器和逆变器模型（Type 48）进行管理，其中来自光伏和风电的可再生电力优先满足设施需求。多余电力储存于电池中，当电池储能容量饱和时则输送至电网。在可再生能源发电不足的时段，电池供电直至达到荷电状态限值，之后剩余需求通过从电网进口电力满足。所有模型的详细运行参数汇总于SI表S10中。

**2.7 可再生能源系统的最优设计与集成**

为持续维持目标SAF产量，需恒定70 MW电力负荷以维持PEM电解槽和FT合成单元的稳态稳定运行，确保每小时不间断生产1329.3 kg的H?并消耗9269 kg/h的CO?。该过程产能（包括PEM电解槽、S-DAC、RWGS和FT合成单元）由第2.1节所述的稳态质量与能量平衡确定，并在所有五个评估地点保持不变，与区域比较所采用的固定产能基准一致。因此，本研究采用的优化框架是分层的而非同步的，固定的过程需求作为后续可再生能源系统规模确定的边界条件，而非作为联合决策变量处理。这一结构反映了两个子问题的自然分辨率差异——化学过程的单一稳态运行点与逐小时、全年可再生能源调度和规模确定问题——并避免了对能表征部分负荷和瞬态运行的动态过程模型的依赖，该方向在第4节中被列为未来工作方向。能源系统组件的规模确定对于优化可再生能源集成SAF生产系统的性能、成本效益和运行可靠性至关重要[71]。本研究开发了TRNSYS–Python联合仿真框架，用于发电和储能系统的最优规模确定，旨在动态气象条件下最小化可再生能源系统的初始资本成本和年全生命周期CO?排放，同时最大化SS比率[72]。TRNSYS–Python联合仿真框架中实施的优化程序如图6所示。

为在波动的可再生能源条件下可靠且经济地满足持续的70 MW设施需求，在已确定的固定过程产能前提下，优化问题被建模为包含三个决策变量和三个性能目标。决策变量对应光伏系统、风力发电机（WT）和BESS的安装容量。光伏和风电系统产生的可再生能源电力首先用于直接满足设施需求；多余电力储存于电池系统；在可再生能源发电不足的时段，电池供电直至荷电状态达到最低限值10%，之后剩余需求通过从电网进口电力满足。优化过程在决策变量的可行容量范围内、逐小时功率平衡、电池SOC限制以及电池充放电运行约束的条件下，同时最小化可再生能源系统的初始资本成本和年全生命周期CO?排放，同时最大化SS比率，如式(18)和(19)所示：

$$\mathbf{X} = [C_{PV}, C_{WT}, C_{BES}] \tag{18}$$

$$\min_{\mathbf{X}} \mathbf{F}(\mathbf{X}) = [C_{CRES}(\mathbf{X}), CO_2(\mathbf{X}), -SS(\mathbf{X})]$$

$$\text{s.t.}\ C_{PV}^{min} \leq C_{PV} \leq C_{PV}^{max},\ C_{WT}^{min} \leq C_{WT} \leq C_{WT}^{max},\ C_{BES}^{min} \leq C_{BES} \leq C_{BES}^{max}$$

$$P_{PV}(t) + P_{WT}(t) + P_{dis}(t) + P_{grid}(t) = P_{dem} + P_{ch}(t) + P_{exp}(t) \quad \forall\, t$$

$$SOC^{min} \leq SOC(t) \leq SOC^{max},\ 0 \leq P_{ch}(t) \leq P_{ch}^{max},\ 0 \leq P_{dis}(t) \leq P_{dis}^{max}$$

$$P_{ch}(t) \cdot P_{dis}(t) = 0,\ P_{grid}(t) \cdot P_{exp}(t) = 0,\ SOC(T) = SOC(0) \tag{19}$$

其中，$C_{PV}$、$C_{WT}$和$C_{BES}$分别表示光伏系统（kW）、风力发电机（kW）和电池储能系统（kWh）的安装容量；$C_{CRES}(\mathbf{X})$、$CO_2(\mathbf{X})$和$SS(\mathbf{X})$分别表示在配置$\mathbf{X}$下评估的可再生能源系统初始资本成本、年全生命周期CO?排放和自给率。$P_{PV}(t)$和$P_{WT}(t)$分别表示光伏和风电系统的逐小时发电量，$P_{ch}(t)$和$P_{dis}(t)$分别表示时间步$t$的电池充电和放电功率。$P_{grid}(t)$和$P_{exp}(t)$分别表示从公共电网进口和出口的电力，$P_{dem}(t)$表示设施电力需求。电池SOC以$SOC(t)$表示，其中$SOC^{min}$和$SOC^{max}$定义其允许运行限值。$P_{ch}^{max}$和$P_{dis}^{max}$分别表示电池最大充电和放电功率。条件$P_{ch}(t) \cdot P_{dis}(t) = 0$和$P_{grid}(t) \cdot P_{exp}(t) = 0$分别表示电池充放电的互斥性和电网进出口的互斥性；两者在容量规模搜索中并非主动施加的约束，而是由第2.2节的基于规则的逐小时调度算法在构造上自然满足——该算法在每个小时将盈余或亏缺功率导向单一路径。年循环条件$SOC(T) = SOC(0)$（其中$T$为8760小时年度仿真时段的最后时刻）要求年末电池荷电状态等于其初始值，防止在仿真年度内出现人为的净能量累积或耗竭。多目标优化问题采用NSGA-III算法求解，种群规模为60，运行100代[33]。参考方向采用Das-Dennis方法生成，划分为5个分区[73]，并采用锦标赛选择进行父代选择以获得Pareto最优解。从所得Pareto前沿中，每个地点的最终配置选择为三个目标经极小—极大归一化后与理想点的欧几里得距离最小的解。平准化度电成本和产品平准化成本不作为优化目标；两者均在选定配置之后进行评估——前者作为优化后可再生能源系统的绩效指标进行报告，后者在第2.4节的TEA框架内进行评估。

**2.8 综合SWOT与多准则分析**

SWOT分析为可再生能源系统的部署决策提供了一个结构化的框架[74]。在完成所有五个地理位置HRES配置的优化后，SWOT分析严格作为后优化评估执行，对优化后的区域情景进行比较而不修改优化变量、目标函数或约束条件。在此，评估过程首先将可持续性与可行性维度整理为四个主要准则组，从中基于TRNSYS和Aspen Plus模型的耦合优化结果推导出16个子准则。这些参数捕捉了五个地理案例研究中关键的技术经济和环境指标，包括可再生能源利用效率、能源自给率、CapEx和区域气候变异性（图7）。为量化这些定性评估，采用多准则决策（MCDM）框架。采用层次分析法（AHP）以透明和结构化的方式分配准则权重。此外，模糊AHP通过引入模糊集合理论扩展了传统过程，使专家判断能以模糊数的形式表达，并提高了不确定性条件下权重推导的可靠性[75]。

成对比较矩阵采用模糊AHP（FAHP）语言标度构建，判断依据先前基于SWOT的可再生能源选址研究中常用的权重模式[77]以及本分析的目标进行指导。每个语言判断转换为由下界、中值和上界定义的三角形模糊数，互逆判断通过反转并取对应模糊边界的倒数获得。完整的数值语言标度及其互逆三角形模糊数提供于表S19中。随后使用成对判断的模糊几何均值确定SWOT准则的相对重要性。最大特征值用于确定一致性指数（CI）和一致性比率（CR）[76]。CR值低于0.10被认为表示成对判断具有可接受的一致性：

$$\tilde{a}_{ij} = (l_{ij}, m_{ij}, u_{ij}) \tag{20}$$

$$\tilde{a}_{ji} = \left(\frac{1}{u_{ij}}, \frac{1}{m_{ij}}, \frac{1}{l_{ij}}\right) \tag{21}$$

$$\tilde{r}_i = \left(\prod_{j=1}^{n} \tilde{a}_{ij}\right)^{1/n} \tag{22}$$

$$w_i^* = \frac{\bar{r}_L^i + 2\bar{r}_M^i + \bar{r}_U^i}{4} \tag{23}$$

$$w_i = \frac{w_i^*}{\sum_{i=1}^{n} w_i^*} \tag{24}$$

$$CI = \frac{\lambda_{max} - n}{n - 1} \tag{25}$$

$$CR = \frac{CI}{RI} \tag{26}$$

在模糊成对比较矩阵中，准则$i$和$j$之间的每个判断表示为三角形模糊数$\tilde{a}_{ij}$，其中$l_{ij}$、$m_{ij}$和$u_{ij}$分别表示对应判断的下界、中值和上界。互逆比较$\tilde{a}_{ji}$通过反转并取这些模糊边界的倒数获得。与每个准则相关的模糊判断随后使用模糊几何均值$\tilde{r}_i$进行聚合，其中$n$表示比较矩阵中包含的准则总数。所得的下界、中值和上界模糊优先权重，分别记为$\bar{r}_L^i$、$\bar{r}_M^i$和$\bar{r}_U^i$，在所有准则间进行归一化，随后通过加权质心去模糊化程序转换为精确优先权重$w_i^*$。这些去模糊化后的优先权重归一化后得到分配给每个准则的最终FAHP权重$w_i$。对于一致性评估，使用三角形模糊数的中值构建相应的精确成对比较矩阵。

随后确定最大特征值??max，用于计算一致性指数????，而通过将该指数与随机指数????进行比较来获得一致性比率????，其中随机指数取决于矩阵中的标准数量。当????值低于0.10时，即认为成对判断具有一致性。FAHP权重计算和一致性评估作为互补步骤进行。使用一致性比率????评估了成对比较矩阵的一致性，得到主要SWOT维度矩阵的一致性比率为0.0433，而优势、劣势、机会和威胁子标准矩阵的一致性比率分别为0.0121、0.0174、0.0121和0.0694。所有值均低于0.10的推荐阈值，证实了成对判断的一致性是可接受的，详见补充材料中的表S20。对于FAHP权重推导，将下界、中界和上界模糊优先级进行归一化，并通过加权质心去模糊化转换为确定值。所得最终权重分别为0.560879、0.118816、0.264321和0.055984，分别对应优势、劣势、机会和威胁，相应的中间模糊优先级和去模糊化权重报告于表S21。为进一步评估所推导FAHP权重的稳健性，每个SWOT类别的权重分别独立扰动±10%和±20%。尽管这些变化在候选地点评分中产生了中等程度的变化，但整体排名模式在测试场景中保持相对稳定，表明结果对标准权重的合理变化不敏感。相应的评分变化报告于表S22，而所有扰动场景下的排名稳定性汇总于补充材料中的表S23。

在FAHP权重推导后，构建了归一化决策矩阵以比较各候选地点在SWOT标准下的表现。每个标准被转换为无量纲归一化值，随后将所得值乘以相应的FAHP推导权重，以构建加权决策矩阵。最后，加权归一化值被聚合以在SWOT-FAHP框架内获得各候选地点的综合绩效评分。每个标准使用公式(27)归一化为无量纲单位：

ri j = x i j / Σi=1^m x i j

其中，r i j是替代方案i在标准j下的归一化值，x i j代表原始绩效值。然后，通过应用AHP推导的标准权重获得加权决策矩阵：

v i j = w j × r i j

其中，w j是与标准j相关的AHP权重。最后，加权归一化值被聚合以产生最可持续替代地点的定量排名。该排名在统一的SWOT-FAHP决策框架中整合了技术经济性能、直接环境影响和地理资源可用性。

3. 结果与讨论

3.1 系统能量与物料性能

集成PtL工厂的物料和能量平衡如图8所示。所提出的系统设计用于生产1543 kg/h煤油范围SAF，使用由S-DAC单元从大气中捕集的CO2和通过PEM电解生产的绿氢。S-DAC单元从大气中提供9269 kg/h的CO2。碳平衡表明，84.6%的输入碳被转化为液态燃料产品，包括煤油、柴油和汽油，而剩余的碳以轻燃料气形式排出，在内部作为RWGS燃烧燃料消耗，并以合成环路吹除中未转化的CO2形式排出（表S15）。该结果证实了RWGS和FT合成部分是为控制碳利用效率的主要转化单元。该过程还产生5365 kg/h的反应水。将此水分从分离单元回送至PEM电解器至关重要，因为这可以大幅降低整体工厂的淡水消耗强度。

图8. 用于SAF生产的集成PtL工厂的物料和能量流程图。a) 物料流程图和b) 能量流程图。

能量平衡表明，通过PEM电解生产H2是主要的电力消耗步骤。PEM电解器消耗60.59 MW的可再生电力，占总电力负荷的86.6%。该结果证实了电解器效率是运营成本的主要驱动因素。然而，图中所示的热集成策略显著缓解了整体能量惩罚。放热FT反应释放大量热量，可回收14.11 GJ/h的热能。所回收的热量足以满足S-DAC单元中CO2解吸所需的低品位热负荷。此外，轻燃料气的燃烧提供了驱动吸热RWGS反应所需的高温热量，使系统能够以最小外部热量输入运行。

主要生产数据通过明确的碳、氢、氧和能量平衡进行核对，这些平衡在补充材料中的表S15中呈现。在S-DAC单元作为CO2捕集的210.6 kmol/h碳中，93.7%被固定到四个产品流中，84.6%专门进入液态燃料，其余通过约577 kg/h未转化CO2和96 kg/h来自合成环路的H2的吹除流排出。氢平衡在碳氢化合物产品、RWGS和FT反应水以及吹除流之间闭合，氧平衡精确闭合，电力平衡在设计负荷70.00 MW处闭合，如图8中分配所示。所得整体PtL效率在低位发热量基准上为43.9%，在设施门口从输送电力到燃料产品定义，落在基于费托的PtL系统报告的37至53%范围内[20]、[78]、[79]，并且位于空气捕集特定基准37至42%的上限，这反映了FT反应热量的内部回收用于S-DAC吸附剂再生，消除了惩罚独立DAC配置的外部热负荷，而轻燃料气作为RWGS燃料的内部消耗计为过程输入而非产品输出。

内部热集成网络在表S18中量化。在220°C下由放热FT反应器释放的18.79 GJ/h中，14.11 GJ/h被回收用于100°C下的S-DAC吸附剂再生，跨越120 K的驱动力，相当于1.52 MJ/kg CO2的施加热负荷，与独立运行报告的3.5至14.5 MJ/kg相比，1.76 GJ/h用于加氢裂化进料预热，0.79 GJ/h用于RWGS冷端进料预热，2.13 GJ/h被排至冷却，整体回收效率为88.7%。在800°C下的吸热RWGS反应器位于FT供给温度之上，因此由内部轻燃料气燃烧服务，因此网络没有跨越热力学不可行的温度区间传递热量，并且稳态运行策略确保FT热源与所有汇之间持续的时间匹配。

3.2 电力制液态燃料系统的参数分析

选择S-DAC单元、PEM电解器和RWGS反应器进行参数评估，因为它们决定了整个工厂的基本物料和能量平衡。建立这些子系统的最佳运行范围至关重要，因为其性能决定了上游可再生能源基础设施的所需容量和内部热回收网络的可行性。表4总结了评估的参数范围、选定的操作点以及约束每次选择的原因。如表所示，每个操作点要么是评估窗口的最优值，如PEM操作温度和RWGS条件，要么是基于系统级约束而有意偏离单元最优值，S-DAC解吸温度由吸附剂热稳定性限制在参数最大值以下，而设计阴极压力被置于评估扫描范围以上以消除下游H2压缩。

评估了解吸温度对S-DAC单元CO2捕集速率和比能耗的影响（图9a）。将温度从60°C提高到120°C将CO2捕集速率从19.5 kg/h提高至最大49.5 kg/h，同时降低比能耗：较高的解吸温度增加了循环工作容量，在其上每个周期的近乎固定的显热加热和真空抽除负荷被摊销，如补充材料中的公式(1)所示，因此尽管绝对热输入增加，每千克所捕集CO2消耗的能量仍下降。选择100°C的操作温度，低于参数最大值，以保持在胺官能化吸附剂的热稳定性限度内（表4）。在此操作窗口内，用于吸附剂再生的低品位解吸热能部分由下游放热FT反应器回收的废热提供，从而消除了对外部加热公用工程的依赖。

图9. 核心子系统的参数性能评估。a) S-DAC、b) PEM电解器和c) RWGS反应器。

图9b显示了操作温度和阴极压力对电解器效率的联合作用。由于该单元决定了设施的整体电力需求，确定其最佳操作范围对于防止上游可再生能源基础设施过度配置至关重要。整体效率从30°C和10 atm的49.0%变化到70°C和2 atm的最大50.6%。在测试的温度和压力范围内，1.6个百分点的效率差异与Escobar-Yonoff等人[80]报告一致，他们在固定电流密度条件下变化温度和压力时报告最大效率差异为1.3%，与本研究中原PEM电解器运行的2.0 A/cm2固定标称电流密度密切匹配。在70°C效率最优点运行减少了上游太阳能光伏阵列和电池储能系统所需的容量，从而降低了资本支出，而扫描显示的弱压力敏感性允许将设计阴极压力置于评估范围以上的30 bar，直接输送压缩H2并消除下游机械压缩机组（表4）。

评估吸热RWGS反应器，因为它决定了工厂的高温热需求。如图9c所示，将温度提高到800°C并结合氢气与二氧化碳进料摩尔比为1.50可获得最大CO2转化率55%，而最小转化率20%发生在600°C和比值为0.50时。虽然高进料比最大化碳转化，但它放大了绿氢消耗，从而需要相应扩大上游电解器容量。因此，这些参数边界确定了一个最佳中间操作窗口，在此窗口中电解器电力需求与RWGS反应器热能需求保持平衡。

最终经济和环保指标对所选操作点的敏感性通过主要驱动因素PEM电力需求进行一阶传播界定。在整个图9b评估操作窗口内，1.6个百分点的效率跨度对应总设施电力需求约2.8%的变化，将由此产生的LCOP和GWP敏感性限制在约3%以下，比3.7节中检查的±50%电力价格扰动小一个数量级。鉴于其占设施电力的11%份额以及在所选100°C处动态捕集速率已接近参数最大值，S-DAC操作点的杠杆作用更小。

3.3 优化的可再生能源供电运行

对选定地点的可再生能源系统进行尺寸设计，使用了2.7节中形式化的NSGA-III多目标优化算法。除非另有说明，本节中报告的所有结果均对应每个地点的最终优化配置，通过2.7节中定义的最小欧几里德距离准则从帕累托前沿中选出，而不是基准情况或中间模拟输出。太阳能光伏阵列、风力涡轮机和电池储能系统的装机容量同时优化，以最小化可再生能源系统的初始资本成本和年度生命周期CO2排放量，同时最大化自给率。与加权总和或顺序方法不同，NSGA-III生成多样化的帕累托最优解集，明确捕捉相互冲突目标之间的权衡。如图10(a)所示，优化产生了一个分布良好的帕累托前沿，由可行的、满足约束的解组成，而通过非支配排序过程消除了被支配的解。该前沿表明，将自给率从20%提高到90%以上需要相应的可再生能源系统初始资本成本从约50 M$增加到250 M$以上，突出了能源自主性与经济投资之间的固有权衡。

图10. 可再生能源系统尺寸设计的多目标优化结果。

A) 可再生系统初始资本成本、全生命周期CO2排放量和自给率的三维Pareto前沿，以及b) 包含五个评估地点所选最优配置的等高线投影。图10(b)展示了Pareto前沿的等高线投影，并确定了五个评估地点各自所选的最优配置，该结果通过在三个目标函数经极小-极大归一化后求解到理想点的欧几里得距离最小值获得，如2.7节所述。如SI中表S9和S10详述，优化后的HRES配置在规模、运行性能和经济可行性方面表现出显著的地点依赖性差异。表S9总结了优化变量及电池功率和能量额定值，表S10则给出了相应的工程容量和年度运行特征，包括装机容量、电池放电、年度电网进口和出口以及年度容量系数。电池荷电状态的运行限制为10%至100%，在所有地点均一致适用。吉达实现了最高的93%自给率和最低的0.012美元/千瓦时平准化度电成本（LCOE），其装机容量为257.81兆瓦的太阳能光伏、10兆瓦风电场，以及由100个电芯组成的电池系统，能量容量为1000兆瓦时，同时电网进口量最低。电池每日在其完整可用窗口内近乎循环运行，其夜间平均放电约880兆瓦时，刚好处于10%至100%荷电状态限制之间的900兆瓦时可用范围内，因此仅在低辐照充电日后才发生少量黎明前进口，如图11(d)所示。法兰克福的自给率最低，仅为73%，且LCOE最高，为0.029美元/千瓦时，尽管其装机容量中风电容量最大（39兆瓦），光伏容量为450.94兆瓦，这反映了可再生能源资源条件相对较差。而济州、珀斯和拉斯维加斯分别达到85%、83%和80%，LCOE值介于0.014至0.021美元/千瓦时之间，代表了经济性能、环境影响和能源独立性之间的平衡折中。光伏容量系数从法兰克福的15.1%到吉达的30.3%，风电容量系数从2.9%到11.9%，证实了最优可再生能源系统的规模确定受到当地资源可用性和气候条件的强烈影响。

下载：下载高分辨率图像（1MB）
下载：下载全尺寸图像
图11 法兰克福和吉达的月度及小时级最优发电曲线。

为评估优化后HRES配置的运行性能，法兰克福和吉达的月度能量平衡分布分别如图11a和图11b所示。结果表明，该系统能够满足设施每月50,000–53,000兆瓦时的电力需求，具体取决于各月的天数。在法兰克福，冬季太阳能辐照度较低和日照时间短，显著增加了1月、2月、11月和12月对电网电力的依赖。在这些月份，由于光伏发电受限，电网进口占月度总能量需求的45%–75%。相比之下，夏季月份改善的太阳能条件大幅提升了光伏输出，使光伏系统能够满足月度总电力需求的65%–80%。相比之下，吉达由于持续较高的太阳能辐照度和晴朗的沙漠气候，全年保持稳定的高太阳能发电量。因此，在大多数月份中，光伏发电占月度电力需求的75%–90%，对电网电力的依赖降至最低。此外，在两个地点，电池储能系统均通过储存多余的可再生能源电力并在发电不足时段供电来增强运行稳定性，确保设施70兆瓦电力需求的持续满足。其余地点也表现出相似的能量平衡趋势和可再生能源贡献，如SI中图S5–S7所示。

为展示HRES的动态运行，图11c和图11d分别显示了法兰克福和吉达在2月9日的小时级发电曲线。从午夜到第7小时，太阳能光伏发电不可用，设施恒定的70兆瓦电力需求完全通过电池放电和电网电力进口的组合来满足，具体取决于电池的荷电状态。第7小时太阳能光伏发电开始。在法兰克福，光伏输出在第12小时达到最大小时平均值200兆瓦。在发电过剩期间，多余电力主要导向电池储能系统，几乎没有电力出口到电网。相反，吉达实现了更高的最大小时平均光伏输出，达245兆瓦。当电池达到最大储能容量后，多余电力出口到区域电网，小时级出口量最高可达35兆瓦。当第17小时后太阳能辐照度衰减时，电池储能系统放电以维持工厂持续电力需求，保障化学合成单元的连续不间断运行。这种日间能量转移策略大幅减少了甚至在某些时段消除了晚间对电网电力进口的需求。在整个24小时周期中，风电在两种配置中均仅提供总电力供应的一小部分，证明了大规模太阳能容量与电池储能的绝对必要性，以确保在风能资源间歇期间设施电力需求的持续满足。

图12展示了优化配置的年度能量平衡和自给率性能。在所有地点，太阳能光伏提供了可再生能源电力的主要份额，在吉达由于优越的太阳能资源每年达到约685吉瓦时。尽管风电在年发电量中仅占一小部分，但优化过程始终保留了有限的风电容量，因为其互补特性可在每年3450–3794小时低光伏时段支持需求，将自给率提高0.17%至2.31个百分点，并减少电网进口，其中法兰克福因相对较好的风能资源获益最大，如表S10量化所示。电池系统通过每日循环平衡发电与恒定70兆瓦需求之间的日间不匹配。吉达实现了最高的93%自给率，电网依赖度最低；济州、珀斯和拉斯维加斯分别达到85%、83%和80%；法兰克福因冬季辐照度较低和季节性波动较大而记录到最低的73%自给率和最高的年度进口量。所有优化配置的自给率均保持在70%以上，表明可可靠支持连续SAF生产，并大幅降低电网依赖及相关的CO2排放。

下载：下载高分辨率图像（1MB）
下载：下载全尺寸图像
图12 年度能量平衡图，展示了太阳能光伏发电、风电、电池储能运行和电网电力交换的贡献，以及五个评估地点相应的自给率。

3.4 技术经济分析

五个选定地点的CapEx（资本支出）分解如图13所示。总CapEx从拉斯维加斯的2.309亿美元到吉达的2.5073亿美元不等。在所有评估地点中，PEM电解槽是最大的单一工艺单元，占总支出的20.3%–22.1%。太阳能光伏和电力转换设备也构成主要成本组成部分，反映了为设施持续70兆瓦电力需求提供大容量可再生能源发电的需求。

下载：下载高分辨率图像（510KB）
下载：下载全尺寸图像
图13 五个评估地点的CapEx各组成部分的百分比分布及总CapEx值（a–e）。

总CapEx的差异主要由各评估地点优化后的可再生能源基础设施差异引起。在所有评估地点中，风力发电机投资均较小，在法兰克福中最多占总CapEx的1.3%。相比之下，光伏投资占总CapEx的17.3%–19.5%，具体取决于地点。电力转换设备同样代表相当大的成本，因为太阳能光伏系统产生的大量直流电必须经过调节和转换以满足电解槽及其他工厂负荷的电气要求。尽管电池储能对日间平衡至关重要，但其占CapEx的比例仍然较低，介于3.5%至5.0%之间。

吉达的总CapEx最高，因为优化方案倾向于较大的光伏和电力转换容量以实现高自给率。然而，这一高初始投资减少了长期电网电力采购，使其LCOE成为评估地点中最低。相比之下，拉斯维加斯总CapEx最低，表明其优化配置更依赖电网电力以降低初始投资成本。这些结果表明，对于电力密集型PtL系统，在能大幅降低年度电力采购成本的情况下，对可再生能源发电容量的大量投资在经济上是有利的。

五个地点的年度成本和收入分解如图14所示。电网电力采购是各评估地点中变化最大的运营成本组成部分。法兰克福的年度电力采购成本最高，达到4880万美元/年，因为其可再生能源自给率较低且高度依赖电网电力。相比之下，吉达的电网电力成本仅为267万美元/年，反映了其丰富的太阳能资源和有限的电网依赖。固定运维费用在各地点之间较为接近，介于1772万至1923万美元/年之间。

下载：下载高分辨率图像（631KB）
下载：下载全尺寸图像
图14 各评估地点的经济性能分解图，展示年度收入来源、运营成本组成部分及LCOE。

这些电网电力支出的差异对LCOP产生直接影响。法兰克福的LCOP最高，为每吨5861.39美元，主要归因于其高昂的电力进口成本。相比之下，吉达的LCOP最低，为每吨2976.82美元，得益于其高自给率、低电网电力成本以及优越的太阳能资源可用性。济州、拉斯维加斯和珀斯获得中间水平的LCOP，分别为每吨3685.43美元、3811.32美元和4703.18美元。

收入主要来自航空煤油范围SAF的销售，辅以柴油、汽油、出口电力和CO2相关激励的贡献。例如，在法兰克福，SAF销售产生3109万美元/年的收入，并辅以较小的柴油和汽油销售收入。在高可再生能源发电配置中，电力出口也可提供有意义的二次收入流。例如，济州从多余电力出口中获得1436万美元/年。尽管CO2激励的收入少于燃料销售，但在碳政策有利的地点仍然具有经济意义，在拉斯维加斯达到1081万美元/年。总体而言，技术经济分析确认，区域电力进口需求是控制基于DAC的PtL SAF生产经济可行性的主要因素。

3.5 全生命周期碳环境影响

PtL路径的环境性能表现出对地理位置选择的深刻敏感性，如桑基图所示。为进行严格评估，应明确区分过程的物理CO2平衡与综合LCCA（生命周期碳成本分析）。环境最不有利和最有利的两种场景，即法兰克福和吉达的碳流量分布分别如图15a和图15b所示。济州、拉斯维加斯和珀斯对应的结果见SI中图S9–S11。

下载：下载高分辨率图像（548KB）
下载：下载全尺寸图像
图15 生产1公斤SAF的LCCA结果及a) 法兰克福和b) 吉达的碳流量分布。

从过程质量平衡的角度来看，所有地点的物理碳输入相同，因为S-DAC装置捕获相同数量的大气CO2用于燃料合成。该捕获的CO2用作烃类生产的碳原料，并被纳入最终液体燃料产品中。然而，这种碳利用应区别于永久性CO2移除，因为燃料中所含碳在燃烧时预计会重新释放到大气中。因此，所报告的GWP（全球变暖潜能值）应根据LCCA框架中定义的运行和生产阶段边界进行解读。

最终GWP主要由与电力供应和能源基础设施相关的间接排放所控制。吉达由于高可再生能源自给率和相应较低的电网依赖，实现了最低的GWP，为2.84千克CO2当量/公斤SAF。这一结果表明，即使是电网本身可能碳密集的排放区域，大量利用太阳能也能降低与电网电力消耗相关的碳罚。拉斯维加斯也显示出较低的GWP，为2.97千克CO2当量/公斤SAF，得益于较强的太阳能资源可用性和较低的电网电力依赖度。

济州和珀斯的GWP值分别为3.49和3.79千克CO2当量/公斤SAF。这些数值反映了中等水平的可再生能源自给率以及在可再生能源发电不足时段对电网电力的部分依赖。法兰克福记录到最高的GWP，为4.97千克CO2当量/公斤SAF，因为可再生能源可用性低增加了年度电网进口。

这些结果证实，降低基于DAC的PtL SAF系统全生命周期碳排放强度，需要高比例的可再生能源自给和低碳备用电力。在五个选址中，与电力相关的排放始终是总过程全球变暖潜势的主要贡献者，与图14所示的碳流一致，即供给质子交换膜电解槽的电力在S-DAC、RWGS和费托合成单元中占据最大的单一CO2当量份额。这表明电网与可再生电力的碳排放强度，而非化学转化步骤本身，才是该生产路径的主要环境热点。

报告的2.84至4.97 kg CO2-eq/kg SAF的全球变暖潜势范围反映了一个仅涵盖运营阶段、大门级生产边界的结果，排除了燃烧阶段排放。近期采用"从井口到尾翼"边界的电转液SAF研究报告了按每兆焦为单位的较低数值，例如海上风电驱动的基于DAC的电转液系统为21.43 g CO2-eq/MJ [8]，在含燃烧后捕集和直接空气捕集的电网与可再生能源情景下范围为11至101 g CO2-eq/MJ [60]。由于本研究未纳入燃烧排放，与"从井口到尾翼"数据直接进行数值比较并不严格成立，所报告的量级差异反映的是边界定义的区别，而非底层工艺性能差异。本研究与所引文献均将电力碳排放强度确认为整体全球变暖潜势的主导驱动因素，与本研究五个评估地点所观测到的模式一致。

表5沿两个独立维度对总量进行了分解：上游电力来源和消耗工艺单元。各单元份额与设施的固定电力分配高度吻合：质子交换膜电解在所有地点约占工艺负担的86%，与其占70 MW负荷中60.59 MW的份额一致；S-DAC运行约占11%；RWGS和燃料合成部分合计占剩余的2%至3%，证实该物料清单在结构上由电力主导，跨区域的全球变暖潜势差异几乎完全来源于电网与可再生能源供给之间的上游分配，而非工艺侧变化。可再生能源并非零负担，因为其发电基础设施的隐含制造排放嵌入在表S2的区域数据集中，这也是接近完全可再生能源供给的地点仍保留有限全球变暖潜势下限的原因，最明显的是吉达，其66.9%的残余负担来源于可再生能源基础设施，尽管其总量最低。供水贡献可忽略不计，因为工艺水内部循环，仅新鲜补充水产生上游负担，催化剂生产则处于第2.5节定义的大门级边界之外。

为补充生产阶段视角，表6报告了"从井口到尾翼"强度，通过添加燃料所含碳的化学计量燃烧再释放量（约3.16 kg CO2/kg SAF）并应用相应的大气捕集信用值获得。由于燃料碳源自环境空气，这两项在构造上大体相互抵消，因此所得强度近似于生产阶段的毛排放值：以44 MJ/kg的低位发热量计，吉达为64.5 g CO2-eq/MJ，拉斯维加斯为67.5，济州为79.3，珀斯为86.1，法兰克福为113.0。对照CORSIA化石航空燃料基准89 g CO2-eq/MJ [82]，吉达方案实现了27.5%的"从井口到尾翼"减排，而法兰克福方案在其现有电网结构下超过了化石基准，珀斯则基本持平，表明仅靠以可再生能源为主供给并不能保证"从井口到尾翼"的优势，当残余电网份额碳排放强度较高时更是如此。值得注意的是，"从井口到尾翼"的排序与经济排序不同——拉斯维加斯在气候强度上排名第二，但在平准化燃料成本上排名第三，这凸显了本研究多准则评估的价值。这一对比构成了核心区域性发现的最尖锐表达：基于PtL的SAF的气候可行性主要由所供电力的碳排放强度决定，部署在高可再生能源、低电网依赖的地点是实现真正减排的前提条件。

为整合技术经济与环境影响评估中观测到的空间差异，表7汇总了所有评估地点的最佳和最差绩效指标。

表7. 所有评估地点最佳与最差绩效值汇总。

| 指标 | 最佳地点 | 最差地点 |
|------|----------|----------|
| 资本支出 | 拉斯维加斯（2.309亿美元） | 吉达（2.5073亿美元） |
| 总年成本 | 吉达（最小电力进口量，502万美元） | 法兰克福（最大电力进口量，988万美元） |
| 平准化燃料成本 | 吉达（2976.82美元/吨） | 法兰克福（5861.39美元/吨） |
| 自给率 | 吉达（90%） | 法兰克福（73%） |
| 全球变暖潜势 | 吉达（2.84 kg CO2-eq） | 法兰克福（4.97 kg CO2-eq） |

3.6 战略SWOT与多准则分析

集成SWOT框架的最终全局权重通过模糊层次分析法确定。在四个SWOT类别中，优势获得最高集体权重56.1%，其次是机遇26.4%，而劣势和威胁分别占总权重的11.9%和5.6%。图16(a)所示的全局权重分布表明，优化后的平准化燃料成本（S3）是最具影响力的子准则，全局权重为0.261。高能源自给率（S2）和绿色金融激励（O3）紧随其后，权重分别为0.184和0.141。权重集中在这些准则上表明，系统的经济可行性和内部能源自主性被赋予的优先级远超外部威胁。在劣势类别中，对天气低迷的脆弱性（W1）获得最高权重0.056；年际气候变化（T1）是最具影响力的威胁，权重为0.025。在所有子准则中，电网不稳定（T2）获得最低全局权重0.006，反映了评估区域内现代电网的基本稳定性。

图16(b)展示了战略管理流程。SO1策略将优化后的平准化燃料成本与绿色金融激励相关联，占决策矩阵最大份额66.5%。这一结果表明，有利的政策支持和低生产成本是集成PtL系统部署可行性的主要驱动力。SO2策略占14.1%，强调向可再生能源资源丰富地区出口剩余可再生能源电力对提升经济表现的重要性。相比之下，与内部劣势和外部威胁相关的缓解策略贡献份额较小但仍具相关性：ST2占5.3%，ST1占4.4%，WO1和WO2各占3.5%，WT1占2.5%，WT2占0.3%。

最终的选址排名将吉达确定为在评估情景和所采用决策框架下最适宜的地点，占总战略权重的25.2%。该排名主要受其丰富的太阳能资源、低电力采购成本、高可再生能源自给率和有利的平准化燃料成本驱动，尽管其初始资本支出相对较高。济州排名第二，占21.4%，拉斯维加斯以21.2%紧随其后。珀斯排名第四，占19.7%，法兰克福获得最低的整体权重12.5%。法兰克福排名较低主要归因于其较弱的太阳能资源可用性、对电网电力较高的依赖以及较高的电力采购成本。排名第二至第四的地点之间差距较小，表明在战略优先级发生适度变化时，济州、拉斯维加斯和珀斯仍然是具有竞争力的替代方案。

为评估排名对所赋予权重主观性的稳健性，通过独立扰动每个SWOT类别的权重±10%和±20%（同时按比例重新归一化其余类别），共17个情景（含基准情景）进行了敏感性分析。如表S20和S21所示，吉达在所有17个情景中均保持最高效用值和第一排名，变化仅限于第二位置：大多数情景中由济州占据，在优势权重降低、机遇权重升高的情景下由拉斯维加斯占据，而珀斯和法兰克福则始终保持第四和第五排名。因此，SWOT-AHP框架对所赋予权重的合理变化表现出稳健性，证实了最终选址优先级的可靠性。

3.7 对电网电价波动的经济韧性

为进一步评估经济评价的极端边界条件，通过对电网电力采购价格相对于基准值扰动±50%执行了扩展敏感性分析。该扰动范围同时也界定了第2.4节所述±30%概念级成本估算不确定性的影响范围，因为电网电力采购在所有评估地点构成主要的可变成本。该分析考察了电价不确定性对两个排名最高地点平准化燃料成本的影响，如图17所示。

对于济州方案，电价50%的波动导致平准化燃料成本出现显著变化。当基准电价0.118美元/kWh降低50%至0.059美元/kWh时，平准化燃料成本从3685.43美元/吨降至3215.65美元/吨。相反，电价提高50%至0.177美元/kWh时，平准化燃料成本升至4155.21美元/吨。这种显著的敏感性证实，济州方案的财务可行性在很大程度上受外部能源市场支配。由于当地可再生能源经历季节性低迷，持续70 MW的运行负荷决定了必须从高压网络进口电力。因此，市场价格波动对该特定地点合成燃料设施的经济可行性有重大影响。

相反，吉达方案对电价变化的敏感性较低。基准电价0.069美元/kWh降低50%至0.0345美元/kWh时，平准化燃料成本从2976.82美元/吨降至2888.11美元/吨。当电价升至0.1035美元/kWh时，平准化燃料成本仅升至最高3065.53美元/吨。平准化燃料成本如此微小的变化表明，吉达以太阳能为主的方案在数学上免受极端电网市场波动的冲击。由于该设施白天产生大量太阳能盈余以充放电储能系统，对进口电网电力的依赖实际上已被消除。因此，高辐照度地点在高电网定价情景下展现出增强的经济韧性。

为将评估范围延伸至电价以外，图18针对多准则评估中排名最高的两个地点，对十一个技术经济参数进行了一次一变量敏感性分析。该分析基于年化成本模型，校准以精确复现各地基准平准化燃料成本，组件级资本支出按照图13的资本支出分配进行分配，运营和维护支出直接取自经济模型输出，任何额外电力需求则保守地按固定可再生能源容量下的边际电网进口处理。

龙卷风分析揭示了两类方案之间的结构性差异。在吉达，平准化燃料成本由资本支出主导：折现率（在4%至8%之间变化）产生最大波动，约为±280美元/吨，其次是电解槽和可再生能源资本支出（±30%），而电网电价仅排第七位，与其93%的自给率所赋予的免受进口市场影响的能力一致。在济州，排序反转：电网电价是最大单一驱动因素（与图17一致），其次是折现率和电解槽效率，后者因每损失一个百分点的效率直接转化为按现行电价增加的电网进口而被放大。电池成本和碳激励在两个地点均排名最低——前者反映了电池占资本支出的份额仅为3.5%至5.0%，后者受限于两个司法管辖区中等水平的激励政策。SAF销售价格被排除在外，因为平准化燃料成本本身构成SAF盈亏平衡价格，因此与其无关。

对应的全球变暖潜势敏感性汇总于表8。在吉达，可再生能源基础设施的隐含排放构成最大的不确定性贡献，在±30%扰动下为±0.57 kg CO2-eq/kg SAF，超过电网碳排放强度的±0.28贡献，这是以可再生能源为主供给结构的直接结果；而在济州，两项贡献相当，分别为±0.58和±0.47。电解槽效率和DAC能量需求的贡献分别为±0.12至±0.15和±0.06至±0.08。

本分析存在两项局限：可再生能源产能因子通过年度电网进口量的±20%扰动来表征，而非重新执行TRNSYS-NSGA-III规模优化；在贴现率扰动下，包含在运营成本总额内的更换支出仍保持其基线贴现水平。

表8. Jeddah和Jeju配置中各主要环境参数对门禁级GWP的敏感性。

| 参数 | 扰动 | Jeddah ΔGWP [kg CO2-eq/kg SAF] | Jeju ΔGWP [kg CO2-eq/kg SAF] |
|------|------|------|------|
| 电网碳强度 | ±30% | ?0.28 | ?0.47 |
| 可再生能源（内含） | ±30% | ?0.57 | ?0.58 |
| 电解槽效率 | ±5% | ±0.12 | ±0.15 |
| DAC能量需求 | ±20% | ±0.06 | ±0.08 |

基线值为2.84（Jeddah）和3.49（Jeju）kg CO2-eq/kg SAF：电网和可再生能源扰动作用于表4的贡献份额。

### 4. 局限性与未来路径

尽管已对集成的PtL路径进行了全面的TEA和环境评估，但仍应承认若干局限性。首先，Aspen Plus模拟是在稳态和等温条件下进行的，并假设了理想气体行为。因此，工业规模运行下伴随波动性可再生能源供应的瞬态运行行为和非理想效应并未得到充分体现。然而，可再生能源的间歇性本身已在整个年度期间以1小时分辨率明确解决，并由2.2节的电力缓冲架构吸收，该缓冲的充分性通过S10表中的73%至93%的自给率、年度电池放电量和电网交换量进行了量化；仅动态过程行为、启动、停机及部分负荷运行尚未得到体现。其次，主要的降解和更换机制已纳入2.4节的经济模型中，光伏性能退化通过时间平均降额因子处理，电池每十年完全更换，PEM电堆按通胀调整后的成本更换；与其中所述范围一致，DAC吸附剂和催化单元在整个项目寿命期间的性能损失未予考虑。第三，与2.5节定义的门禁级边界一致，LCCA聚焦于运营阶段的排放，排除了设施基础设施建造、电解槽制造、催化剂生产以及转化工厂其他材料密集型组件的建造排放，而所消耗电力的上游排放（包括发电基础设施）仍通过背景数据集保留在边界内，在表4中报告的五个地点中，其贡献占门禁级GWP的33%至64%。此外，环境评估主要局限于气候变化影响。水消耗在过程层面进行了量化，进料需求为12,952.44 kg/h，而内部回收的工艺水为5,365 kg/h，对应的净淡水需求约为7,587 kg/h，即每千克SAF约4.9千克水，其中供水对生产阶段GWP的贡献低于0.1%，但未进行区域水压力评估。土地使用需求通过一阶估计进行了界定，在代表性公用事业级堆叠密度约40 MW/km2 [67] 的条件下，五个优化配置的直接光伏土地需求约为6至11 km2，而资源消耗和完整的选址分析超出了当前范围。

为应对这些局限性，建议开展以下几个方向的未来研究。应开发动态模拟框架以评估在可变可再生能源条件下的启动、停机和部分负荷运行。此外，应将吸附剂和催化剂老化纳入长期成本预测，以完善2.4节的降解处理。将当前的LCCA框架扩展为从摇篮到坟墓的LCA，将为整个系统生命周期中的环境影响提供更全面的评估。未来的研究还应纳入额外的可持续性指标，包括水足迹、土地利用强度和资源消耗，以评估集成PtL系统的整体可持续性绩效。最后，应研究先进热能存储技术和大规模H?存储系统的整合，以提高运行灵活性并减少可再生能源间歇性对连续燃料合成的影响。

### 5. 结论

本文针对五个地理多样的地点，对SAF生产的一体化PtL路径进行了全面的TEA和LCCA。结果表明，大规模PtL部署的可行性在很大程度上受到区域可再生能源可用性、电力价格和电网碳强度的影响，而不仅仅是过程层面的性能。通过整合TEA、LCCA、多目标优化和MCDM，本研究提供了对经济和环境上可行的SAF生产所需区域条件的洞察。主要发现总结如下：

- Jeddah实现了最低的LCOP，为2976.82美元/吨，而Frankfurt的LCOP最高，为5861.39美元/吨。结果表明，PEM电解槽的电力消耗是OpEx的主要贡献因素，凸显了低成本可再生能源电力对于基于PtL的SAF生产的重要性。

- 环境评估显示对环境评估显示出对当地电力供应特征的强烈依赖。Jeddah实现了93%的最高自给率（SS比），从而获得了最低的GWP，为2.84 kg CO?-eq/kg燃料。

- 相比之下，Frankfurt较低的可再生能源可用性增加了对电网电力进口的依赖，导致GWP最高，为4.97 kg CO?-eq/kg燃料。这些发现强调了可再生能源利用在提高PtL系统环境绩效方面的重要性。

- CapEx主要由可再生能源基础设施和维持连续运行所需的ESS主导。总CapEx范围从拉斯维加斯的230.90百万美元到Jeddah的250.73百万美元。

- 敏感性分析显示，太阳能辐照度高的地区在电网电价波动下表现出更大的经济稳定性。在电网电价上涨50%的情况下，Jeju配置的LCOP升至4155.21美元/吨，而Jeddah配置的LCOP仍保持在3065.53美元/吨以下。综合的SWOT-AHP评估确定Jeddah在所评估场景中是最合适的选址，在所有十七种权重扰动场景中排名保持不变。

本研究的可迁移发现与其地点特异性结果之间存在明确的区分。过程层面的结果，包括将捕获的碳的84.6%固定为液体产品、基于LHV的PtL整体效率为43.9%、产品组合，以及FT反应热维持S-DAC再生任务的内部热集成结构，均由稳态过程模型固定，独立于地点。同样可迁移的是结构性结论：PEM电解在电力需求和资本成本中的主导地位，仅由选址因素导致的LCOP约两倍的差距，电网碳强度在决定全生命周期排放是否低于化石喷气机燃料基线方面的门控作用，以及不同地点类型中资本主导型与市场主导型经济风险画像之间的对比。相比之下，LCOP、LCOE、自给率、优化系统容量、电网交换量和全生命周期强度的所有数值，以及五个地点的排名结果，都是地点特异性结果，在所评估地点的既定气象数据版本、市场价格和政策假设下有效，在扩展至任何其他地点之前，需要通过2节所述的输入层替换进行重新评估。

总体而言，研究结果对本文的主要受众产生了不同的影响。对于系统设计者，回收放热合成热用于吸附剂再生、以电化学方式输送压缩氢气，以及基于系统层面而非单单元最优选择运行点，是直接可迁移的设计原则。对于工业利益相关者，选址是一级投资决策，同一设施在所评估地区的LCOP范围相差近一倍，主导的财务风险从高自给率地点的资本成本风险转变为依赖电网地点的电力市场风险。对于政策制定者，电网碳强度是气候可行性的门控变量，在碳密集型电网中的部署即使以可再生能源为主供也可能超过化石喷气机燃料基线，使电网脱碳和可信的碳激励措施成为前置条件而非伴随措施。对于研究人员，优先方向已在4节中列出，首要的是过程与可再生能源供应容量的协同优化。因此，未来的部署应优先考虑兼具丰富可再生能源、低碳电力和支持性政策框架的地点。

### CRediT作者贡献声明

Mahmoud Kiannejad Amiri：撰写——审阅与编辑，撰写——初稿，可视化，软件，方法学，调查，概念化。

Mohammad Moosazadeh：撰写——审阅与编辑，监督，方法学，概念化。

Usama Ali：撰写——审阅与编辑，可视化，软件，方法学，概念化。

Umais Khan：软件，概念化。

ChangKyoo Yoo：监督，项目管理，资金获取，概念化。

Mahmoud Kiannejad Amiri | Mohammad Moosazadeh | Usama Ali | Umais Khan | ChangKyoo Yoo