基于生命周期法的煤电碳足迹评估

温室气体的过量排放问题，已经引起了世界的广泛关注，而CO2气体的过量排放是造成全球变暖的主要原因之一。CO2排放主要是由电力、水泥和钢铁等高排放行业的化石能源消耗所造成，2022年由能源使用造成的碳排放达34.3 Gt，其中中国贡献近1/3，排放量达10.5 Gt。“十四五规划”中就重点提出要控制化石能源消费。

《中国电力》2024年第7期刊发了刘含笑等撰写的《基于生命周期法的煤电碳足迹评估》一文。文章研究以河北省某燃煤电厂项目为例，基于生命周期评价法（life cycle assessment，LCA）进行了燃煤发电产品碳足迹评价，从上游和核心2个环节分析燃煤机组的电力碳足迹及影响因素，对燃煤发电的温室气体排放进行完整的生命周期评价，同时与传统煤电碳核查的考核对象和指标进行对比，为煤电减碳提供数据支撑和思路方向。

（来源：中国电力 作者：刘含笑 单思珂 魏书洲 于立元 王帅 刘美玲 崔盈）

碳足迹是量化碳排放的重要工具，能够为燃煤发电碳减排提供数据支撑。为研究燃煤机组的电力碳足迹及影响因素，基于生命周期法进行了实际案例计算及敏感性分析。碳足迹计算结果显示，300 MW燃煤发电机组的单位上网电量碳足迹为0.932 kgCO2e/(kW·h)，主要排放源为煤炭燃烧，占比约为79%，其次是煤炭的上游生产和加工，占比约为20%。碳足迹和碳核查的对比分析结论表明，减碳不仅应从燃煤电厂的常规减碳方式入手，降低上游的煤炭供给阶段排放仍是一种有效方案。

01评价方法

1.1 生命周期法

生命周期法是一种“自下而上”的碳足迹评价方法，评价的内容包括产品或服务在原材料开采、生产、加工、储运、使用和废弃处理等过程中的温室气体排放。一个完整的LCA过程应至少包括目标与范围的界定、清单分析、影响评价和结果解释4个步骤。基于LCA的基本步骤，建立燃煤发电碳足迹的生命周期评价流程，如图1所示。

图1 燃煤发电碳足迹生命周期评价流程

Fig.1 LCA evaluation process of carbon footprint of coal-fired power generation

1.2 目标与范围的界定

1.2.1 功能单位

功能单位的选取考虑了以下因素。

1）根据《环境管理 生命周期评价 原则与框架》(GB/T 24040—2008)，功能单位的首要目的是为相关的输入和输出提供参考，应当保证结果的可比性。

2）功能单位及研究边界需要基于研究目标确定，本研究目标为核算燃煤发电产品的碳足迹，以挖掘煤电生命周期减碳潜力，为电力行业碳双控提供数据支持。

3）以往的燃煤发电生命周期评价案例中，发电产品的功能单位对象一般选取机组的发电量或供电量，数量为1 kW·h。

基于以上原因以及本案例所能收集到的数据种类，确定本案例中功能单位选取为整个燃煤发电厂生产的1 kW·h供电量。

1.2.2 边界划分

产品碳足迹的研究边界要基于产品的生产工艺流程划分，应包括原材料的开采、制造、加工、包装、储存、使用和废弃等。燃煤发电的工艺流程如图2所示。

图2 燃煤发电工艺流程

Fig.2 Process flow of coal-fired power generation

本文选取了GHG protocol所规定的范围1、范围2和部分范围3包含的排放类别，根据燃煤发电的工艺流程划分边界，除图2所示工艺流程中的所有生产单元过程外，还包括单元过程的能源输入、水的输入、废物处理及再利用，最终划分生命周期评价边界，如图3所示。同时参考国际环境产品认证所发布的电力相关产品种类规则（product category rules，PCR）《Electricity, steam and hot cold water generation and distribution》，并结合案例数据来源，将燃煤发电产品生命周期被分为上游和核心2个环节，不计算电力在电网的输送及用户使用，也不考虑电厂的建设退役回收阶段，属于“从摇篮到大门”式的生命周期边界。

图3 燃煤发电生命周期评价边界

Fig.3 LCA boundary of coal-fired power generation

1.3 排放清单

根据排放方式不同，温室气体排放可以分为直接排放和间接排放。因此，依据物质流和能量流，对上游环节和核心环节分别进行直接排放和间接排放分析，排放清单如图4所示。

图4 燃煤发电产品生命周期碳排放清单

Fig.4 Carbon emission list of the life cycle of coal-fired power generation products

上游环节主要涉及的排放可以分为煤炭供给、辅料供给2个过程。煤炭供给过程中，涉及的直接排放有煤炭开采及矿后的甲烷（CH4）逸散和炸药爆破、化石燃料使用、煤炭自燃等，间接排放包括电力使用、煤炭运输等。辅料供给过程中，涉及的直接排放有辅料原料开采排放、制造加工和化石燃料使用等，间接排放包括电力使用、辅料运输等，辅料包括助燃剂、脱硫剂等烟气处理辅料、润滑油等机组运行辅料等。

核心环节主要涉及的排放可以分为运行发电、废物处理2个过程。运行发电过程涉及的直接排放包括煤炭、助燃剂燃烧等，间接排放包括外购电力使用、厂内运输。燃煤电厂的厂自用电和并网电耗由于来自燃烧排放，为避免重复计算，不列入排放清单中。废物处理过程涉及的直接排放包括废物预处理、湿法脱硫、化石燃料使用等，间接排放包括电力使用、废物运输等，废物包括废气、废水和粉煤灰等固体废弃物。有些废物（如脱硫石膏）在再利用时进入了其他产品的生命周期，替代掉了原有的生产原料，从而产生了碳抵扣，这部分碳抵扣将作为负碳排放计入废物处理过程的直接排放中。

1.4 计算方法

02结果与分析

2.1 数据来源

排放计算数据包括现场数据和背景数据2种。现场数据主要包涵企业的生产数据，包括通过测量和调查等方式取得的清单上的所有的输入输出。背景数据来自数据库、相关文献和已发布的标准指南等。

2.1.1 现场数据来源

现场数据来源为河北省某燃煤电厂生产过程中实测，该燃煤电厂有2×300 MW和2×315 MW共4台凝汽式热电联产机组，以及共用的1套烟气处理设备，煤炭来自中国陕西省神东矿区。数据时间尺度选取2022年全年，获得方式为电厂自查，涉及主要现场数据如表1所示。

表1 燃煤发电的现场数据

Table 1 Field data for the coal-fired power generation

2.1.2 背景数据

背景数据主要是来自Ecoinvent 3.8数据库及相关文献，并经比较后选取的符合电厂情况的碳排放因子，不同单元过程的碳排放因子如表2所示。其中粉煤灰、脱硫石膏等固废的排放因子采用系统扩展法计算，通过对文献中的单位排放结果分配后得到。系统扩展法是根据废物利用的实际用途，抵扣其所替代的产品的环境负荷。例如，对脱硫石膏进入下游建筑生命周期后，因此产生的碳抵扣量为其替代的石膏生产流程产生的碳排放值。

表2 碳排放因子

Table 2 Carbon emission factors

2.2 与其他文献的结果对比分析

根据碳足迹的计算结果，2022年的燃煤电厂发电产品的上网电量碳足迹总量为7.4×106 tCO2e。本案例电厂的供热比为0.244，在对燃煤发电输出的电热产品基于供热比进行热电分摊后，得到整个燃煤电厂的单位上网电量碳足迹结果为0.932 kgCO2e/(kW·h)。为确定碳足迹计算结果的可信程度，将碳足迹结果与文献进行对比分析，并从评价方法、机组容量及类型等方面分析差异原因。

文献[36]对不同类型的机组进行了碳足迹生命周期评价，其中300 MW的亚临界机组和600 MW的超临界机组的单位碳足迹结果为0.971 kgCO2e/(kW·h)和0.830 kgCO2e/(kW·h)。跟本文相比，该结果是偏低的，尤其300 MW的亚临界机组评估结果。其原因是对上游环节的煤炭开采排放估算较低，在总排放占比8%，本文中这一结果约为15%。该文献中边界选取围绕煤炭流向，忽略了辅料流向和废物流向2部分，本文对此边界清单进行了补足，虽然这并不是结果差距的主要原因，但从边界清单方面，本文划分更加科学，对类似机组的碳足迹结果的可信性有了较大提升，对电厂碳足迹评估方法的标准化和推广可能具有较大贡献。文献[37]对山西省某电厂进行了碳足迹的生命周期评估，结果为0.800 kgCO2e/(kW·h)，其结果大幅度偏低的原因是文献计算时尚处于中国碳足迹研究不足的时间，所用的排放因子基本来自行业总值估算，并且存在和文献[36]一样的问题，对边界的划分仅仅集中于煤炭而失去了对燃煤发电碳足迹中其他物质流的关注。

文献[38]对韩国某500 MW超临界燃煤电厂进行了生命周期环境评价，结果为1.03 kgCO2e/(kW·h)，这是由于虽然电厂为超临界机组，但建造年份久，电厂老化导致了热效率的大幅度降低，直接燃烧排放很高。文献[39]对385~545 MW超临界机组进行的碳足迹评估结果为0.970 kgCO2e/(kW·h)，工况和其他数据与本文类似，可能是由于文献考察的纯发电机组，而本文热电联产机组提高了电厂的热效率，从能量利用的角度降低了碳足迹结果。这2篇文献表现了机组状况对于碳足迹值的影响，并显示了电厂降低碳足迹努力的方向是提高热效率。

文献[40]对巴基斯坦的660 MW超临界电厂进行了碳足迹评估，结果仅有0.751 kgCO2e/(kW·h)，这是由于该文献所研究的超临界电厂机组热效率高于本文的亚临界机组，这点可以从电煤比的对比看出，文献[40]中单位供电量的煤耗量为0.375 t/(MW·h)，本文为0.518 t/(MW·h)，差距较大的原因是文献[40]中的超临界电厂作为工业示范项目，投入高，即使与其他超临界的电厂相比热效率仍然更高，可以达到44%，而文献[36,38]中这一数据分别为41%和38%。这更说明了降低热效率对于降低碳足迹的重要性和有效性。为和本文亚临界机组类型的热效率比较，举例如下。文献[41]对荷兰某460 MW亚临界电厂进行碳足迹评估，结果为1.092 kgCO2e/(kW·h)，和本文相比，该机组同为亚临界类型，且容量相近，其比本文结果高的原因是因为热效率较低，仅有35%，而本文案例为38%~39%。

综上所述，碳足迹计算结果差异主要是边界划分、煤质和机组工艺、数据来源这3方面原因所导致。边界方面，由于缺乏相关数据，本案例并未将建设期纳入碳足迹，导致总碳足迹结果理论上偏低，一般电厂建设的碳足迹值占总碳足迹的1%左右，因此建设期不纳入边界的影响是可接受的；煤质和机组工艺方面，仅影响碳足迹计算结果，此处不做具体分析；数据来源方面，现场数据中均为电厂自采，且通过核查验证，因此现场数据质量较高，背景数据中，部分排放因子来自国外数据库，导致本土性不足，影响了结果的可信度。这里选择国外数据库的原因是国内缺少可靠的本土数据库，国内虽然在筹建相关的燃煤发电排放因子数据库，目前也存在许多排放因子的研究，但无论是系统性还是可信性和国际上已经广泛商用的数据库相比仍然存在不小的差距。

通过文献结果的对比分析，本文对边界清单划分的严谨性和完整性具有独特的优势，对中国电厂碳足迹评估的方法标准化具有较大贡献。