未来能源研究所-工业深度脱碳：建模方法和数据挑战（英）-2023.8-82页_7mb

工业深度脱碳建模挑战总结

背景

• 工业能源消费占全球最终消费的40%，主要依赖化石燃料
• 工业部门（钢铁、水泥等）直接排放CO₂约9.4 Gt(2021)，占全球排放总量的25%

关键脱碳路径

• 燃料转换与电气化：氢、氨等替代燃料；工业规模应用可再生能源
• 能量效率提升：工艺改进、数字技术应用、碳捕集利用与封存
• 材料效率：轻量化设计、设计寿命延长、废弃物再利用
• 循环经济：实行“减量化、再利用和再循环”原则

行业脱碳路径重点（表1）

数据挑战（第5章）

1. 无统一的全球工业部门统计分类系统
2. 缺乏详细的能耗结构数据
3. 无分类细分产品的能耗数据
4. 数据覆盖周期与地区范围不足
5. 排放数据与能源投入难以对应
6. 新兴技术成本预测准确性不足
7. 缺乏完整的物料流能量流数据

建模方法分类（第6章）

分析方法

• 自下而上：技术细节丰富，但忽略部门联系
• 自上而下：宏观决策模拟，但技术细节不足

方法学

• 模拟型：还原系统运行
• 优化型：寻求最佳路径

详细程度

• 高层次：行业聚合表示
• 低层次：详细部门分解

模型局限性

• 技术层面：难以充分描述突破性技术
• 创新模式：技术采纳速度和深度模拟不充分
• 政策影响：复杂政策工具难以完全建模

政策启示（第7章）

• 需要结合技术驱动与政策引导
• 碳定价与其他政策措施协同
• 超越简单成本效益分析，关注系统性障碍

结论（第9章）

• 深入建模需加强数据收集
• 强化模型部门细节模拟
• 促进模型间边耦合机制
• 加强多学科交叉研究