工业深度脱碳：建模方法和数据挑战（英）

工业深度脱碳 ： 建模方法和数据挑战Elena Verdolini ， Lorenzo Torreggiani ， Sara Giarola ， Massimo Tavoni ， Marc Hafstead 和 Lillian Anderson报告 23 - 102023 年 8 月 未来的资源i关于作者Elena Verdolini是气候经济学家。她是布雷西亚大学法律系政治经济学教授 ， 也是 RFF 的高级科学家 -CMCC 欧洲经济与环境研究所 （ EIEE ） 的欧洲地中海气候变化中心，在那里她领导的研究小组 “可持续创新和数字化 ” 。她是 2D4D “脱碳破坏性数字化 ” 项目的首席研究员，该项目由欧洲研究理事会通过启动赠款资助，也是“ 促进对挑战，政策选择和措施的理解，以实现 JUST 欧盟能源转型 ” 的协调员。她是 IPCC 第六次评估报告第三工作组的主要作者。埃琳娜拥有帕维亚大学政治学学位，西雅图华盛顿大学公共管理硕士和国际研究硕士，以及米兰天主教大学公共管理经济学和金融学博士学位。她的研究兴趣包括创新的动力和驱动因素，采用和转让节能和气候友好型技术; 数字技术在能源转型中的作用; 以及气候和能源政策的经济和分配影响。Lorenzo Torreggiani他对气候变化、可再生能源、环境经济学和统计学感兴趣。Sarah Giarola是米兰理工大学的玛丽 · 居里研究员。她致力于使用机器学习技术对气候经济模型中的技术，认知和社会经济不确定性进行建模。她于 2012 年获得帕多瓦大学化学工程博士学位。她于 2012 年加入伦敦帝国理工学院，2014 年成为可持续气体研究所的 BG 研究员，并于 2020 年加入化学工程系。她的研究兴趣在于宏观能源系统，重点是多尺度建模，以捕捉技术扩散和社会行为之间的联系。在能源系统建模和优化领域，她发表了 36 篇期刊文章和 3 本书章节。 工业深度脱碳 ： 建模方法和数据挑战2Massimo Tavoni是 EIEE 的主任。他也是米兰理工大学管理学院的正式教授。他在 2015 年之间协调了 Eni Enrico Mattei 基金会的气候变化缓解计划和 2018 年。他曾是斯坦福大学行为科学高级研究中心的研究员和普林斯顿大学的博士后研究员。他的研究是关于缓解气候变化的政策，并出现在主要的科学期刊上。他是 IPCC （ 第 5 次和第 6 次评估报告 ） 的主要作者，是国际能源研讨会的联合指导，也是该杂志的副主编。气候变化他获得了欧洲研究理事会 ERC 的资助。他曾就气候变化问题为几个国际机构提供建议 ， 包括经合组织、亚洲开发银行、世界银行。马克 · 哈夫斯特德2013 年从斯坦福大学加入 RFF 。他是 RFF 研究员，也是碳定价倡议和气候金融与金融风险倡议的主任。他的研究主要集中在使用复杂的美国经济多部门模型评估和设计联邦和州一级的气候和能源政策。与斯坦福大学教授和 RFF 大学研究员 Lawrece H.古尔德，他写道。应对气候挑战 ： 美国的政策选择（ 哥伦比亚大学出版社 ） 评估联邦碳税 ， 限额与交易计划 ， 清洁能源标准和汽油的环境和经济影响。他的研究还分析了碳定价的分配和就业影响以及税收调整机制的设计 ， 以减少碳税政策的排放不确定性。他的论文“碳税对美国家庭收入群体的影响 ： 什么是公平 - 效率权衡 ？ “（ 与 Larry Goulder ， GyuRim Kim 和仙灵 Long 一起 ） 赢得了公共经济学杂志2021 年阿特金森奖在 2018 年至 2020 年间发表在该杂志上的最佳论文。 Hafstead 已在大众媒体上被引用 ， 包括华尔街日报, the华盛顿邮报,Axios和 CNNMoney 。莉莲 · 安德森是 RFF 的研究助理。她在南加州大学获得了经济学和数学的本科学位和经济发展规划的硕士学位。此前 ， 她曾与国际食品政策研究所的前瞻性和政策建模团队合作。她的重点是与经济模型合作、开发和适应。 工业深度脱碳 ： 建模方法和数据挑战3Acknowledgements这项研究是在突破能源的支持下进行的。本报告中提供的结果反映了作者的观点，而不一定是支持组织的观点。Elea Verdolii 感谢欧洲研究委员会 （ ERC ） 根据欧盟的 Horizo 2020 研究和创新计划 （ 项目 “2D4D - 脱碳破坏性数字化 ”，赠款协议号 853487 ） 提供的支持。Massimo Tavoi 感谢技术引起的能源需求变化的支持。和由日本经济 ， 贸易和工业部 （ METI ） 资助的社会创新 （ EDITS ） 项目。关于 RFF未来资源 (RFF) 是华盛顿特区一家独立的非营利性研究机构。其使命是通过公正的经济研究和政策参与来改善环境、能源和自然资源决策。这里表达的观点是作者个人的观点 ， 可能与其他 RFF 专家、官员或董事的观点不同。分享我们的工作我们的工作可在归因 - 非商业 - NoDerivatives 4.0 国际 （ CC BY - NC - ND 4.0 ） 许可证下进行共享和改编。您可以以任何媒介或格式复制和重新分发我们的材料 ； 您必须给予适当的信用，提供许可证的链接，并指出是否进行了更改，并且您可能不会应用其他限制。您可以以任何合理的方式这样做，但不得以任何方式暗示许可方认可您或您的使用。您不得将材料用于商业目的。如果在材料上重新混合、变换或构建 ， 则不得分发修改后的材料。有关更多信息 ， 请访问https: / / creativecommons. org / licenses / by - nc - nd / 4.0 /. 未来的资源4Abstract工业能源消耗占当前全球总最终消费量的近 40 ％，并且仍然以化石燃料为主。在本文中，我们介绍了关键的脱碳选择 - 即燃料转换和电气化，碳效率，材料效率，碳捕获和存储以及循环经济实践 - 并分析了它们在六个主要能源密集型工业部门的脱碳潜力 ： 钢铁，水泥，化工，轻工制造，铝和纸浆。paper.然后，我们开发了一个框架来区分工业能源需求和排放的不同建模方法，特别关注限制建模的数据挑战以及建模创新和技术扩散的困难。我们提供了最广泛使用的工业能源需求和排放模型，并将其分类为三个关键维度 ： 每个模型的分析方法，用于生成脱碳途径的方法以及代表不同工业部门的粒度。通过强调工业排放建模可用工具的优势和劣势 ， 我们指出了必要的未来模型开发工作 ， 这将大大提高开发工业深度脱碳途径的能力。 工业深度脱碳 ： 建模方法和数据挑战5Contents1.2.部门22.1.2.2.2.3.2.4.Manufacturing32.5.铝32.6.纸张43.脱碳43.1.电气化43.2.Process63.3.效率73.4.Technologies73.5.Approaches84.部门104.1.4.2.混凝土124.3.4.4.Manufacturing154.5.金属154.6.纸张165.排放量175.1.分类175.2.载体175.3.产品185.4.数据库185.5.Input185.6.Technologies195.7.Flows196.建模206.1.模型206.2.Approaches216.3.建模22 工业深度脱碳 ： 建模方法和数据挑战6工业深度脱碳 ： 建模方法和数据挑战7.Policies248.排放量269.局限性39部门49B.1.所有经济活动的国际标准行业分类 (ISIC) 50B.2.(NAICS)50B.3.(NACE)51摘要52模型72D.1.模型72D.2.D.3.D.4.D.5.D.6.D.7.D.8.框架73D.9.D.10.D.11.D.12.D.13.资源为未来vi 工业深度脱碳 ： 建模方法和数据挑战11.Introduction提高碳效率和在工业生产中转向碳中和技术对于实现深度温室气体 （ GHG ） 减排和应对气候变化以及缓解对能源安全和能源价格上涨的担忧至关重要。工业部门的能源消耗占当前全球最终消费总量的近 40 ％，并且仍然以化石燃料，特别是煤炭为主。2021 年，工业是仅次于发电的第二大排放部门，直接负责排放。9.4 千兆吨 （ Gt ） 的 CO2。这一估计相当于全球排放量的四分之一 ， 不包括用于工业过程的电力的间接排放量 （ IEA 2022c ） 。工业能源和碳强度差异很大跨部门以及不同国家的部门内部 ， 有六个部门成为能源和排放密集型部门 (见第 2 节) 。本文的目的是描述工业排放建模的最常见方法，特别关注可用模型描述与能源密集型行业相关的不同缓解方案的能力。这些选择范围从提高能源效率到开发和部署新型负、零或低排放技术。重要的是，产生定量预测。of industrial energy demand and emissions is strongly dependent on the availability of past data for model calibration. Furthermore, different modeling approaches and methods are characterized by the capacity to provide more or less detailed scenares在地理 ， 部门和技术细节方面。了解工业能源和排放建模的可用方法和工具的优缺点 ， 为开发和解释可用于指导能源和气候相关决策的结果提供了基础。我们还描述了每个行业最有前途的深度脱碳方案 ， 并讨论了这些方案是否以及如何在工业能源模型中得到体现。重要的是要认识到，不能仅通过单一的脱碳战略来实现深度减排 ； 相反，这些减排更有可能通过许多缓解方案的组合以及对不同技术和子技术的投资和支持来实现。相反，忽略其中一些选项并仅推广某些选项会降低实现深度脱碳目标的可能性。因此，我们对工业深度脱碳的各种缓解方案的相关性的评估不应被解释为建议应选择一种方案而不是其他方案。 未来的资源2论文组织如下。第 2 节确定并描述了占工业能源需求和排放大部分的能源密集型部门，这是本文的重点。第 3 节回顾了可以减少工业能源排放的可用策略。第 4 节说明了每个关键能源密集型部门中更详细和具体的技术选择。第 5 节概述了可用于衡量工业能源需求和排放的数据，这些数据是模型开发和校准的关键输入。它还讨论了获取数据以对几种相关的脱碳方法进行建模的难度。在工业部门进行深度脱碳，由于数据覆盖范围和细节有限。第 6 节提出了一个框架，以区分工业能源需求和排放的不同建模方法，而第 7 节总结了建模创新和技术扩散的常见方法。第 8 节着眼于文献中为此目的使用的关键模型，第 9 节得出结论。2.能源密集型行业虽然所有工业部门的生产活动都依赖化石燃料，但它们的能源强度差异很大。全球能源密集型行业是钢铁、水泥、化工、轻工制造 （ 定义见第 2.4 节 ） 、铝、纸浆和造纸。从历史上看，这些行业约占所有工业部门交付能源使用量的一半 (EIA 2016) 。本节的目的是通过描述碳密集型行业对经济增长 （ 产出 ），能源需求和 CO 的贡献来证明我们对有限数量的碳密集型行业的关注。2排放。为此 ， 我们依赖钢铁、水泥和化学品的 IPCC 第六次评估报告 （ IPCC 2022 ） 和轻工制造、铝、纸浆和造纸的 IEA 报告 （ IEA 2022a ， d ， e ） 。重要的是要注意 ， 在提供此概述时 ， 我们采用了全球视角 ， 主要从国家具体情况和部门间异质性中抽象出来。2.1.Steel2008 年至 2020 年 ， 全球粗钢产量增长了 41 ％ 。在全球范围内 ， 约 40 ％ 的钢铁用于建筑物 ， 20 ％ 用于工业设备 ， 18 ％ 用于消费品 ， 13 ％ 用于基础设施 ， 10 ％ 用于车辆。与钢铁生产相关的排放量 1 ， 主要来自焦炉和高炉的使用 ， 估计为 3.7 至 4.1 千兆吨的 CO2当量 (GtC