摘要:为了准确预报我国钢铁工业未来生产结构、能耗和排放情况,构建了钢铁生产、加工、消费、折旧的全生命周期模型和基于人均钢铁存储量的产量预测模型,结合工序能耗和排放特征,针对基准、折旧寿命延长、废钢回收率提升、能源效率提高及综合等五种情景进行了情景预测. 中国钢铁产量、能耗和排放会历经一个峰值后下降,电炉短流程会逐渐替代高炉长流程成为主流. 流程结构转变是未来中国钢铁行业节能减排的关键“红利冶,而节能技术的作用在后期越发凸显. 中国钢铁行业要达到 2050 年减排一半的目标,需结合综合情景实施生产结构调整、废钢回收、节能减排技术推广等相应措施.

关键词:废钢; 钢铁生产; 生产流程分析; 能耗; 二氧化碳排放; 情景分析

经过较长时间的演变,中国钢铁生产流程逐渐形成以铁矿石、煤炭等为源头的高炉—转炉“长流程冶(BF 鄄鄄 BOF 流程)和以废钢、电力为源头的电炉“短流程冶(EAF 流程)两类,其中电炉“短流程冶要较高炉—转炉“长流程冶具有更加良好的节能减排环保效果,吨钢可节约铁矿石 1郾 3 t,降低能耗 350 kg标煤,减排 CO 2 1郾 4t,减排废渣600kg [1] . 因此,大力发展电炉“短流程冶成为解决日益增长的钢铁社会需求与生产过程的铁矿资源短缺、能耗高和环境污染严重矛盾的重要途径. 然而,废钢是由钢铁生产、制品加工和制品使用这一复杂漫长生命周期过程产生的自产废钢、加工废钢和折旧废钢组成. 由于中国钢铁产量的增长迅速,而钢铁工业废钢资源增长相对缓慢,致使中国电炉钢比出现与世界背道而驰的现象(见图 1)[2] . 但可以预期的,随着中国逐渐完成现代化和工业化的使命及钢铁行业进入和西方发达国家一样的“成熟期冶,中国废钢产量会逐渐增多并替代铁矿石成为钢铁生产的关键主流资源,钢铁行业迈向“废钢世纪冶[3] . 在这种大背景下,对中国废钢未来的产生量、回收量展开全面的情景预测,并深入、定量分析不同情景下废钢增长趋势对钢铁流程的结构演变及其能耗和排放的影响,对于未来中国钢铁行业调整产业结构以及实现节能减排、清洁生产和循环经济显得极为重要和迫切. 于人均钢铁库存量模型得到未来中国各行业钢铁消费量增长规律,分析这五种情景下中国未来钢铁行业的流程结构、能耗及排放的变化情况. 本研究对废钢资源系统研究具有重要的理论意义,在一定程度上填补国内对废钢系统研究的空白,同时本文提出的研究方法可以为其他金属资源的研究提供借鉴作用.

1中国钢铁生命周期物质流及能耗、排放的计算方法

1.1 中国钢铁生命周期物质流分析与建模

钢铁由采选得到的铁矿石及废钢等原料进入冶炼生产之后,经由钢铁加工企业加工成具有不同用途的多种产品,之后进入到使用环节,成为社会钢铁资源库存,并有一部分前期的钢铁折旧变成现期的废钢. 因此,钢铁的生命周期循环可分为钢铁材料生产、钢铁制品制造加工、钢铁制品的使用或消费和库存废钢折旧四个阶段 [4] . 为了更加精确、全面地展示和分析钢铁生命周期物质流特征及废钢资源的消耗、 产生情况, 本文在相关学者研究的基 础上 [4鄄鄄8] ,结合本文研究目的忽略采选阶段,建立符合中国国情的包含还原阶段、炼钢阶段、铸造阶段、热轧、冷轧、镀层、产品加工、使用消费及折旧废钢产生的钢铁生命周期物质流模型(见图 2). 其中下文如无特别说明,钢铁产品的量都折算为含铁量. 关于钢铁生命周期物质流模型有以下几点说明:(1) 图中的损失量为离开本系统的铁素量,具体包含散失环境的铁素量以及净出口量.(2) 图中 n i (i = 1,2,…,24)为各工序的生产率,并按重点企业的技术经济参数来计算.(3) 本模型在参考文献[9]基础上,结合钢铁统计年鉴的相关数据和相关文献的整理数据,并采用铁素平衡的原理来推算其他物质的量,对于某生产率为 n 的工序的铁素平衡原理由移 [m i (t) 伊琢 i (t)] = 移 [m忆 i (t) 伊琢忆 i (t)] +移 [m义 i (t) 伊琢义 i (t)] =(1/ n) 伊 移 [m忆 i (t) 伊琢忆 i (t)](1)计算得到. 其中,m i (t)、m忆i (t)和 m义 i (t)为 t 年各项物质的量,琢 i (t)、琢忆i (t)和 琢义 i (t)为 t 年进入、离开此工序和工序损失的钢折算系数.(4) 废钢按来源分为自产废钢、加工废钢和折旧废钢. 其中自产废钢是指产生于钢铁冶炼内部的废钢(即钢铁生产过程中的各项工序产生的废钢和),加工废钢是指制造加工工业在对金属产品进行机械加工时产生的废钢,折旧废钢是指各种金属制品使用一定年限后报废形成的废钢. 由于折旧废钢并未由当期的使用消费钢量产生,所以模型中将该线画成虚线.

1.2折旧废钢的产生规律及估算方法

折旧废钢的计算是废钢量计算的关键部分,不少学者对此展开研究,国内学者通过计算废钢的平均折旧寿命,然后整体将废钢折算入折旧年得到折旧废钢量 [4鄄鄄5,8] . 实际上,社会生活上的钢铁随时都会报废,在统计上存在寿命分布 [6] ,显然固定年限折旧不能很好的反应实际情况. 因此,国外相关学者等利用 Weibull 分布方法得到折旧废钢量 [6鄄鄄7] .为此,本文采用 Weibull 寿命分布的动态物质流分析计算方法展开计算. 具体如下.F(t) [ ( =1 - exp -t)浊]茁. (2)其密度函数为f(t) ( =茁) (浊t)浊茁 -1[ (exp -t)浊]茁. (3)式中,t 为使用寿命,茁逸0 为形状参数,浊逸0 为尺度参数.平均使用寿命 t 和形状参数及尺度参数的关系为t = ( 浊祝 1 +1)茁郾 (4)式中,祝 为伽玛函数.Weibull 分布的方差为滓 2 = 浊 [2(祝 1 +2)茁- ( 祝 1 +1)茁]2郾 (5)利用寿命分布法计算思想,在 n 年进入钢铁积蓄量的钢铁消费量为 P(n),其废钢产生的可能性为R(n) = F(n) - F(n -1) =[ (exp -n -1)浊]茁(- exp -n)浊茁郾 (6)通过叠加可以得到 子 年的折旧废钢产生量为(能产生废钢的起始年为 s)S(子) = 移子-1n = sP(n)R(子 - n). (7)为了便于分析,本文按钢铁消费分成建筑、交通、机械、家电和其他行业展开计算. 同时,利用文献[5]得到的五大行业使用寿命结果数据进行加权平均来确定平均寿命,并利用文献[6]方法将形状参数值取为 5,采用式(4)求得尺度参数,从而计算得到的不同行业寿命分布数据如表1. 显然,以建筑业为例,通过式(7)可以了解到为了计算本年的折旧废钢,需要至少得到过去约 58 a (平均寿命的 2倍)的钢铁消费量. 本文假设在 1949 年以前中国钢铁消费量很小,可以忽略不计,利用 1949—2010 年各个行业的钢铁消费数据为基础 [10] ,计算得到1975—2010 年各行业的折旧废钢量,并利用式(8)得到 i 行业的 1975—2010 年的社会钢铁库存量为K i (子) = K i (子 -1) + P i (子) - S i (子) =移子-1n = s(P i (n) - S i (n)) + P i (子) - S i (子). (8)利用上述钢铁生命周期物质流计算模型和折旧废钢 Weibull 分布的计算方法,可以得到钢铁生命周期物质流的各项数据. 限于篇幅,本文只利用桑基图展示 2010 年的中国钢铁生命周期物质流的情况如图 3 所示.

1.3 中国钢铁流程能耗及排放计算

中国钢铁工业是全球最为典型的资源能源密集型产业,科学分析和评价钢铁生产过程的耗能和排放是其实现节能减排的基础. 本文在借鉴陆钟武院士等提出的“工序产量 鄄鄄 工序能耗冶思想 [11] 的基础上,从工序层次出发,以图 2 中钢铁生产阶段作为核算边界,“自下而上冶的叠加得到流程的综合能耗和排放. 具体计算如下:E = P 伊 移 [e(i) 伊 p(i)], (9)T = P 伊 移 [t(i) 伊 p(i)], (10)c(i) =t(i)e(i) .(11)式中,E 和 T 为流程的总能耗和总排放,P 为钢铁产量(钢铁消费量与钢铁产量在数值上是相同的),p(i)为各个工序的产量系数,e(i)、t(i)和 c(i)为工序的工序能耗、工序排放和工序综合排放因子 [12] .由于相关能源统计数据的缺失,本文无法得到中国钢铁工业的工序排放. 为此,本文以重点钢铁企业的工序能耗作为基础 [13] ,假设工序能源结构和欧洲钢铁流程各工序一致 [14] ,利用式(11)计算得到工序综合排放因子,从而折算得到重点企业的工序排放. 通过上文中得到的物质流数据折算为工序的产品比系数,利用式(9)和式(10)的计算方法得到流程的总能耗和总排放,具体计算结果见表 2. 其中,转炉工序排放无法通过能耗对应得到排放因子计算,本文假设工序 CO 2 排放固定为每吨产品0郾 211t [14] . 通过计算得到流程的 CO 2 综合排放因子为10郾 08 t · GJ-1 (每吨标煤 3郾 44 t),与文献[12]中对中国某钢铁企业的计算结果每吨标煤 3郾 10 t 较为接近,说明模型计算较为可靠.

2中国废钢未来产生量的情景预测

2.1 中国钢铁分行业消费量的长期预测

对中国钢铁需求量展开预测是对中国未来流程结构、能耗及排放的变化趋势情景分析的基础. 由于关注点不同,很多学者对中国粗钢生产量、表观消费量或者钢材的消费量、需求量展开预测,基本方法为基于时间序列趋势递推的方法、分用途预测法、行业发展阶段规律法、关联指标的计量经济学预测等,钢铁需求量的关联指标主要有 GDP、钢铁资源价格、经济结构、 城市化率和社会财富积累水 平等 [15鄄鄄17] . 然而上述预测都是短期预测,对于几十年以上的长期预测,Hatayama 等 [18] 和 Muller 等 [19] 通过对众多发达国家钢铁消费分析发现钢产量达到一定水平之后就与经济增长的相关指标没有关系,而人均钢铁库存量表现出很好“S冶型规律,很多学者采用此规律并结合物质流分析展开预测 [3,18鄄鄄19] . 为此,对于长期预测,本文利用 Pauliuk 等 [3] 提出的复合 Gompertz 模型的广义 Logistic 模型:L(子) =^摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇摇 摇摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇摇 摇L(1 +^LL(0))-1 伊 exp {a 伊 [1 - exp (b 伊 子)]}.(12)其中,L(子)为人均钢储存量,^L 为饱和人均钢储存量,L(0)为初始年份人均钢铁储存量,a 和 b 为形状系数.本文采用发达国家的各行业饱和人均钢储存量值作为该模型的定值,为保证模型的准确性,利用1975—2010 (1975 年为初始年份) 的数据,采用Matlab 的拟合分析软件 cftool 得到各行业的相关参数见表 3. 其中 SSE 为拟合误差,RMSE 为均方根误差. 可以看出,模型的拟合度十分好,拟合系数 R 2都在 0郾 95 以上,适合运用此模型展开回归.表 3摇 中国人均钢铁存储量分行业长期回归系数Table 3摇 Long鄄term regression coefficients of Chinese per capita steelstorage by industries行业^L a b R 2 SSE RMSE建筑 5 1郾 224 0郾 03527 0郾 998 0郾 0413 0郾 03255交通 1郾 9 1郾 132 0郾 03466 0郾 993 0郾 0037 0郾 00978机械 2郾 3 1郾 113 0郾 0311 0郾 986 0郾 0263 0郾 02597家电 0郾 3 0郾 191 0郾 075 0郾 974 0郾 0018 0郾 00688其他行业 0郾 5 0郾 927 0郾 041 0郾 952 0郾 0034 0郾 00934

2.2摇情景设定

(1) 基准情景(Business as Usual—BAU Scenar鄄io). 基准情景设定为:首先,生产、产品制造和使用折旧产生大量的废钢,但只有一部分被回收运用到钢铁流程中,因此废钢回收率对废钢资源的获取十分重要. 通过前文第一节计算可知,2010年废钢回收率为 53郾 7% ,而世界平均水平和发达国家水平分别为 82郾 5% 和 90% ,差距巨大. 为此,本文基准假设在没有国家相关政策大力提倡的条件下,未来废钢回收率会小幅提升,使得废钢回收率在2020 年达到70% ,2040 年达到80% ,2060 年达到 90% .为了计算转炉钢产量 x 和电炉钢产量 y,需要在 1郾 2 节的基础上,通过计算得到各个工序之间的物质流和钢铁产品的关系(即产品比),依据消费和生产两个环节建立物质守恒关系如下:x + y = r 1 P,茁 1 x/ n 10 + 茁 2 y/ n 10 = r 4 (S d + r 2 P + r 3 P){.(13)式中,P 为钢铁产品量,S d 为折旧废钢产量,茁 1 和 茁 2为转炉、电炉工序用废钢比,n 10 为二次冶金生产率,r 1 、r 2 和 r 3 分别为粗钢产品比、自产废钢产品比和加工废钢产品比,r 4 为废钢回收率.钢铁产品消费量和折旧废钢产量可以通过本文模型展开计算. 茁 1 、n 10 、r 1 、r 2 和 r 3 按 2010 年的值计算,其值分别为 0郾 07、0郾 992、1郾 1、0郾 08 和 0郾 059. 与此同时,转炉用废钢比维持稳定不变,而电炉用废钢比 2010 年为 52郾 1%,本文以每 5 a 增长 10%的比例依次上涨至 90%,直接还原铁按每 5 a 增长 2% ~10%展开计算.另外,钢铁产品的折旧年限对折旧废钢的产生影响较大,目前中国钢铁产品的使用寿命都比较短,如建筑钢铁平均寿命英国为 60 a,而中国仅为 29 a.因此,考虑到未来城市化、工业化的速度放缓以及“再制造冶水平提升,钢铁产品的使用寿命也会进一步的提升,主要体现在建筑行业钢铁使用上,其他行业由于和发达国家水平相差不大,因此基准情景只考虑建筑业钢铁使用寿命在 2020 年达到 30 a,2040年达到 35 a,2060 年达到 40 a. 能耗方面,基准情景的长流程维持 2010 年的能耗水平,短流程工艺中由于中国电炉中放入了大量的铁水使得其能耗要较世界先进能耗水平要低,而随着废钢越来越充足,电炉放铁水的现象会逐渐减少,因此本情景假设 2025 年之后中国电炉短流程的能耗和排放为世界先进水平.(2) 废钢回收效率提升情景(Scrap蒺s Recyclerate Improvement—RI scenario). 本情景假设政府加强对各种废旧钢铁的循环回收水平,同时废钢的处理、拆解和利用的产业链也十分完善,在 2020 年达到80%,到2040 年达到世界先进水平90%,到2060年达到 95%. 其他条件维持在基准情景.(3) 钢铁产品寿命提升情景(Steel Lifetime Im鄄provement—LI scenario). 本情景假设中国未来城市化、工业化的速度放缓以及政府出台增加钢铁产品耐用度及“再制造冶水平提升的相关政策,使得相关钢铁产品的使用寿命得到有效提升. 对建筑行业而言,其折旧寿命 2020 年达到 40 a,2040 年达到 50 a,2060 年达到 60 a;对交通行业而言,其折旧寿命2020 年达到 13 a 并一直维持在这个水平上;对机械行业而言,其折旧寿命一直维持在 15 a;对家电行业而言,其折旧寿命 2025 年达到 13 a,2040 年达到 16a 并一直维持在这个水平上;对其他行业而言,其折旧寿命 2020 年达到15a,2040 年达到25a 并一直维持在这个水平上.(4) 钢铁生产能效提升情景(Energy IntensityImprovement—EI scenario). 作为能耗和排放的大户的钢铁行业承担起越来越大的节能减排的压力,通过技术进步已经成为钢铁行业节能减排的重要途径之一. 为此,本文制定钢铁生产能效提升情景. 首先,本情景假设在 2010 年的能耗及排放的基础上分流程结构分别展开计算,预计中国钢铁行业在 2020年达到世界最佳技术实践 ( world best practice,WBP)的能耗和排放情况(见表 4)[20] . 其次,预计在世界最佳技术实践的情况下,钢铁行业还可通过相应的新技术展开进一步的节能减排工作,通过对文献[21]列举的近 30 项先进的技术和措施(inno鄄vative technologies, IT)的筛选,得到节能减排量,即在世界最佳技术实践的基础上对于 BF 鄄鄄 BOF 长流程每吨产品可降低4郾 86 GJ、减排0郾 76 t CO 2 ,对于废钢 鄄鄄 EAF 流程每吨产品可降低 1郾 54 GJ、减排 0郾 083 tCO 2 ,即本文设定其为钢铁行业于 2040 年达到的目标值. (5) 综合情景(ALL scenario). 本情景为考虑以上非基准情景全部发生的情况.

3 情景预测结果分析

3.1钢铁物质流及流程结构

(1) 人均存储量的变化. 中国未来人口增长趋势由联合国获取 [22] ,据其预测,中国人口大约在2028 年到达顶峰 13郾 89 亿,之后就开始递减到 2100年的 9 亿人口. 本文根据人口可以得到钢铁总库存量的变化趋势,之后通过人均库存量和未来人口量可以得到中国未来钢铁库存量的变化,再根据两年的库存量之差可以得到本年库存变化量,而根据以往各年的生产量可以得到本年折旧废钢产量,依据式(8)反算得到本年的钢铁产量. 计算得到 1949—2100 年的相关数据如图 4 所示. 可以看出,各行业的人均钢铁存储量在经历快速增长之后 2030 年左右先后进入饱和期,社会钢铁库存量表现出了相同的趋势,但是由于人口量达到饱和后开始递减,使得社会钢铁库存量预计在 2037 年左右达到 12737郾 5Mt 这个饱和点后下滑.

(2) 折旧废钢产量及钢铁消费量的变化. 根据上文结果和相关情境假设条件,可以计算得到不同情境下的折旧废钢量和社会钢铁消费需求量见图5. 对比图 5(a)和图 5(b)可以看出,各行业折旧废钢量总体显现先增长至饱和然后下降的趋势,折旧寿命改变对总折旧废钢的饱和点对应的时间没有大的变化,但对折旧废钢的产生量影响巨大,其中在BAU 情景下总折旧废钢在 2052 年达到饱和点 871Mt,而 LI 情境下总折旧废钢在 2058 年达到饱和点图 5摇 不同情境下折旧废钢产量及钢铁消费需求量 郾 (a), (c) BAU 鄄鄄 RI 鄄鄄 EI; (b), (d) LI 鄄鄄 ALLFig.5摇 Iron and steel demand and end鄄of鄄life scrap under different scenarios: (a), (c) BAU 鄄鄄 RI 鄄鄄 EI; (b), (d) LI 鄄鄄 ALL722 Mt. 值得注意的是,虽然基准情景的饱和点较高,但是后续废钢量一直下降,而寿命提升情景的后续变化较为缓和,说明延长寿命使得对应的折旧废钢折现速度变缓,有利于废钢资源的长期保障. 图5(c)和图 5(d)表示在不同情景下社会钢铁消费需求量的变化,基准情景下,建筑业会在 2017 年达到峰值 344 Mt,之后由于折旧寿命变化开始下降直到2054 年达到新的高峰 216 Mt 又开始下降,受建筑业影响,总量会在 2024 年达到顶峰 887 Mt,之后缓慢下降,最终维持在 600 Mt 左右. 对比图 5(d)可以发现在延长钢铁折旧寿命的情景下,虽然总量会和基准情景一样历经一个快速增长至顶峰 828郾 7 Mt,但是之后迅速下降,最后维持在 550 Mt 左右,说明延长折旧寿命会在一定程度下降低钢铁未来需求量,相应地也会减少钢铁产量.

(3)废钢产量及回收量的变化. 本文通过计算得到不同情景下折旧废钢、自产废钢和加工废钢的生产量如图 6 所示. 由图 6(a)和图 6(b)可以得知,无论何种情景下未来中国废钢主要来自于折旧废钢(占比 80% 以上),保障折旧废钢供应对于未来中国钢铁原料来源十分重要. 与此同时,LI 鄄鄄 ALL 情景的废钢产量要比其他情景相对要低,峰值要少 176 Mt(图 6(c)). 另一方面,通过调整废钢回收率得到不同情景的结果见图 6(d). 可以看出,未来废钢回收量由多至少的情景依次为 RI、BAU&EI、ALL 和 LI 情景,说明延长钢铁折旧寿命会在一定程度上降低废钢的回收量使得 RI 和BAU 鄄鄄 EI 情景要比 AL

(4)钢铁流程结构的变化. 通过模型计算得到不同情景下中国钢铁生产流程结构的变化如图 7 所示. 可以看出,无论在何种情景下,转炉钢产量会快速增长之后开始下滑,而电炉钢则一直增长至某一值或保持稳定. 更为明显的是,未来中国钢铁的电炉短流程会在 2035 年左右超越长流程成为主要的生产方式. 与此同时,各种情景的电炉钢比增长趋势也存在不少的差异. 对于 BAU 鄄鄄 EI 情景和 LI 情景而言,电炉钢比历经 2040 年的跃迁逐渐上升至2065 年之后稳定在 0郾 84 附近. 对于 RI 和 ALL 情景而言,电炉钢比一直快速增长至 2040 年之后就最终稳定在 0郾 90 左右. 总而言之,电炉短流程会逐渐替代长流程并在 21 世纪 30 年代之后成为主流,废钢的回收率是对钢铁流程结构影响较大的因素,废钢回收率提升会提升电炉钢比值,有助于缩短到达钢铁流程结构稳定的时间.

3.2钢铁流程的能耗及排放的变化

通过情景假设数据和物质流计算结果可以得到中国钢铁行业的能耗、排放、每吨产品能耗和每吨产品排放结果见图 8.就钢铁行业能耗变化而言, 所有的情景在2010—2019 年的能耗变化趋势基本维持一致. 之后由于各个情景的钢铁生产量、钢铁流程结果和流程能耗不同而出现分化成为五种不同的曲线. 对于BAU 情景而言,其能耗逐渐下降到 2100 年的 6352PJ,与此同时,每吨产品能耗也大幅下降,由 2010 年的 16郾 6 GJ 下降到 2100 年的 8郾 1 GJ,说明在 BAU 情景下,流程结构的调整能使每吨产品能耗下降48郾 6%. 对于 EI 情景而言,通过有效节能减排技术使用使其能耗最终下降到 2100 年的 4593 PJ,相应的每吨产品能耗下降到 5郾 83 GJ,扣除 BAU 情景的作用,EI 只能降低每吨产品能耗 2郾 3 GJ,说明技术节能不如流程节能效果明显. 对于 LI 情景而言,其能耗最终下降到 2100 年的 5126 PJ,相应的每吨产品能耗下降到 7郾 9 GJ. 可以看出,寿命提升可以有效降低社会对钢铁的需求(见图 7(b)),从而降低了总能耗和总排放,但每吨产品能耗和每吨产品排放却无明显变化. 对于 RI 情景而言,废钢有效回收的节能效果较为显著,主要原因是废钢的有效回收保障了废钢的充足供应从而使流程的短流程工序占比提升(见图 7(c)),降低流程能耗至 2100 年的5878 GJ. 对于 ALL 情景而言,通过提升行业钢铁折旧寿命、有效促进废钢回收和加大节能减排技术使用使总能耗下降到 2100 年的 3503 PJ,每吨产品能耗下降到 5郾 4 GJ. 如果分析各个情景对该下降值的贡献情况的话,发现流程结构变迁的 BAU 情景占比76%,钢铁使用寿命提升的 LI 情景占比为1郾 2%,有效回收废钢的 RI 情景占比 4郾 2%,积极推动节能减排技术的 EI 情景占比 14郾 7%,各个情景共同作用的效果占比为 3郾 7%.对于流程的 CO 2 排放而言,其相应的变化趋势和能耗情况类似,所有情景在 2010—2025 年间的CO 2 排放值迅速上升至 1847 Mt,之后由于各个情景的差异开始分化成不同的情况. 但通过图 8 可以看到各个情景下的最终碳排放效果差距不如能耗差距明显,2100 年 BAU、EI、LI、RI 和 ALL 情景的 CO 2 排放量为 507、347、405、447 和 256 Mt. 对每吨产品的排放而言,其值不像总排放一样会先上升后下降而是一直下降,说明在 2010—2025 年间的总排放上升是由于产量变化引起的. 最终 2100 年各情景每吨产品 CO 2 排放值为 0郾 644 (BAU)、0郾 44 (EI)、0郾 627(LI)、0郾 568 (RI)和 0郾 397 t (ALL). 若分析各个情景对 ALL 情景较 2010 年的每吨产品排放下降的贡献情况的话,可以发现流程结构变迁的 BAU 情景占比为 81郾 24%,钢铁使用寿命提升的 LI 情景占比为1郾 3%,有效回收废钢的 RI 情景占比 4郾 5%,积极推动节能减排技术的 EI 情景占比 9郾 6%,各个情景共同作用的效果占比为3郾 3%. 由此可知,节能减排技术对每吨产品 CO 2 排放的下降十分有限,远远不及流程结构调整作用大. 根据 IPCC 第四次评估报告,如果温升控制在 2 ~3 益,2010—2030 年全球 CO 2 排放将到达顶峰并开始下降,2050 年的排放量要显著低于目前排放水平甚至减少一半以上. 作为能耗和排放大户的中国钢铁行业而言,其在 2019 年达到顶峰之后开始下降,符合 IPCC 报告的预期. 但是,对于 2050 年减排一半(497 Mt)的目标而言,只有 ALL情景在 2050 年就下降到 321 Mt. 其他情景实现该目标值存在一定困难. 因此,中国钢铁行业应该参考 ALL 情景实施结构调整、加强废钢回收并积极推广节能减排技术. 总体而言,在钢铁需求量的下降、废钢有效回收、节能减排技术进步等良好的背景下,未来中国钢铁行业的能耗和排放会在 2023 年左右达到顶峰之后开始下降,整体节能减排效果十分显著. 从每吨产品能耗和每吨产品排放角度来看,相比于国外成熟的钢铁生产结构,中国的流程结构转变对于节能减排的作用效果十分明显(占每吨产品能耗下降的76%,每吨产品排放下降的 81%),成为促进中国钢铁行业未来节能减排的关键“红利冶,但到达一定时期后,技术推广的作用越来越明显. 然而,未来中国钢铁行业只有在 ALL 情景下才能达到 2050 年减排一半的目标,应参考该情景实施结构调整、废钢回收措施并积极推动节能减排技术等政策.

4结论

(1) 在中国钢铁行业 1949—2010 年统计数据的基础上,以钢铁生命周期详细的物质流为基础,得到三大废钢的产生规律及钢铁全生命周期结构的计算模型. 其次,创建基准情景、延长折旧寿命、提升废钢回收、提升能源效率及综合最优五种情景,利用基于人均钢铁消费量的钢铁消费预测模型得到未来中国各行业钢铁消费量增长规律,并分析这五种情景下中国未来钢铁行业的流程结构、能耗及排放的变化情况.

(2) 建立符合中国国情的包含还原阶段、炼钢阶段、铸造阶段、热轧、冷轧、镀层、产品加工、使用消费及折旧废钢产生的钢铁全生命周期物质流模型,并在分析折旧废钢的产生规律基础上,利用 Weibull分布将钢铁消费量分为建筑、交通、机械、家电和其他行业展开计算得到折旧废钢的结果,并由此得到各行业的 1975—2010 年的社会钢铁库存量. 最后利用桑基图展示 2010 年的中国钢铁生命周期物质流的情况. 并在此基础上,利用复合 Gompertz 模型的广义 Logistic 模型对人均钢储量自回归预测.

(3) 利用自工序出发的“自下而上冶方法计算得到中国钢铁工序的能耗和排放值. 并利用物质流计算模型得到不同情景下 2010—2100 的折旧废钢产量及钢铁消费量、总废钢产量及回收量的变化情况.

(4) 利用物质守恒原理得到各情景下中国钢铁生产流程的变化,结果发现无论在何种情景下,转炉钢产量会快速增长之后开始下滑,而电炉钢则一直增长至某一值或保持稳定,电炉短流程会逐渐替代BF 鄄鄄 BOF 长流程并在 21 世纪 30 年代之后成为主流.

(5) 通过能耗和排放的计算方法可以得到未来中国钢铁行业的总能耗、总排放、每吨产品能耗和每吨产品排放的演变趋势. 所有情景能耗和排放在前期变化趋势一致,达到峰值之后由于各个情景设定不同而分化成为五种不同的曲线. 与此同时,2010—2100 年的每吨产品能耗和单排放却一直下降. 相比于国外成熟的钢铁生产结构,中国的流程结构转变对于节能减排的作用效果十分明显,成为促进中国钢铁行业未来节能减排的关键“红利冶,但到达一定时期后,技术推广的作用越来越明显. 同时,未来中国钢铁行业达到 2050 年减排一半的目标面临一定的困难,应参考该情景实施结构调整、废钢回收措施并积极推动节能减排技术等政策.

参考文献[1] Yin R Y, Zhang S R, Gang Y, et al. Major Consulting Project ofChinese Academy of Engineering “Strategy Research of Mineral Re鄄sources in China Sustainable Development冶, Ferrous Metal Volume.Beijing: Science Press, 2004(殷瑞钰, 张寿荣, 干勇, 等. 中国工程院重大咨询项目“中国可持续发展矿产资源战略研究冶,黑色金属卷. 北京: 科学出版社, 2004)[2]摇 World Steel Association. Steel Statistical Yearbook ( 1976—2012). Brussels: World Steel Association Press, 2013[3]摇 Pauliuk S, Milford R L, Muller D B, et al. The steel scrap age.Environ Sci Technol, 2013, 47(7): 3448[4]摇 Lu Z W, Yu Q. The study of metal cycles in China. Eng Sci,2010, 8(2): 2[5]摇 Bu Q C. Substance Flow Analysis and Its Application in Steel In鄄dustry [Dissertation]. Shenyang: Northeasten University, 2005(卜庆才. 物质流分析及其在钢铁工业中的应用. 沈阳:东北大学, 2005)[6] 摇 Davis J, Geyer R, Ley J, et al. Time鄄dependent material flowanalysis of iron and steel in the UK: Part 2. Scrap generation andrecycling. Resour Conserv Recycl, 2007, 51(1): 118[7]摇 Park J, Hong S, Kim I, et al. Dynamic material flow analysis ofsteel resources in Korea. Resour Conserv Recycl, 2011, 55(4):456[8]摇 Lu Z W. Iron鄄flow analysis for the life cycle of steel products: astudy on the source index for iron emission. Acta Metall Sin,2002, 38(1): 58(陆钟武. 钢铁产品生命周期的铁流分析: 关于铁排放量源头指标等问题的基础研究. 金属学报, 2002, 38(1): 58)[9]摇 Cullen J M, Allwood J M, Bambach M D. Mapping the global flowof steel: from steelmaking to end鄄use goods. Environ Sci Technol, 2012, 46(24): 13048[10]摇 Pauliuk S, Wang T, M俟ller D B. Steel all over the world: esti鄄mating in鄄use stocks of iron for 200 countries. Resour Conserv Re鄄cycl, 2013, 71: 22[11]摇 Lu Z W, Zhai Q G, Xie A G, et al. Prediction on the energy in鄄tensity of Chinese steel industry. Iron Steel, 1997(5): 69(陆钟武, 翟庆国, 谢安国, 等. 我国钢铁工业能耗预测. 钢铁, 1997(5): 69)[12]摇 Lu X, Bai H, Zhao L H, et al. Relationship between the energyconsumption and CO 2 emission reduction of iron and steel plants.J Univ Sci Technol Beijing, 2012, 34(12): 1445(卢鑫, 白皓, 赵立华, 等. 钢铁企业能源消耗与 CO 2 减排关系. 北京科技大学学报, 2012, 34(12): 1445)[13]摇 Wang W X. Review of the 2010 energy consumption of key steelenterprises / / 2011 Small and Medium鄄sized Blast Furnace Iron鄄making Annual Conference Proceedings, 2011: 565(王维兴. 2010 年重点钢铁企业能耗述评 / / 2011 全国中小高炉炼铁学术年会论文集, 2011: 565)[14]摇 Moya J A, Pardo N. The potential for improvements in energy ef鄄ficiency and CO 2 emissions in the EU27 iron and steel industryunder different payback periods. J Clean Prod, 2013, 52: 719[15]摇 Niu J K. Prediction of demand for iron ores in China based onprincipal component regression analysis. J Univ Sci Technal Bei鄄jing, 2011, 33(10): 1177(牛京考. 基于主成分回归分析法预测中国铁矿石需求. 北京科技大学学报, 2011, 33(10): 1177)[16]摇 Yan J M, Pu G Q, Liu Z, et al. Study on needs prediction modelin steel industry based on different levels. Sci Technol ManageRes, 2012, 32(18): 254(阎建明, 蒲刚清, 刘贞, 等. 基于分行业级别的钢铁需求预测研究. 科技管理研究, 2012, 32(18): 254)[17]摇 Gao X R, Wang A J. The prediction of China蒺s steel demandbased on S鄄shaped regularity. Acta Geosci Sin, 2010, 31(5):645(高芯蕊, 王安建. 基于“S冶规律的中国钢需求预测. 地球学报, 2010, 31(5): 645)[18]摇 Hatayama H, Daigo I, Matsuno Y, et al. Outlook of the worldsteel cycle based on the stock and flow dynamics. Environ SciTechnol, 2010, 44(16): 6457[19]摇 Muller D B, Wang T, Duval B. Patterns of iron use in societalevolution. Environ Sci Technol, 2010, 45(1): 182[20]摇 Worrell E, Price L, Neelis M, et al. World Best Practice EnergyIntensity Values for Selected Industrial Sectors. Berkeley CA:Lawrence Berkeley National Laboratory, 2007[21]摇 Worrell E, Blinde P, Neelis M, et al. Energy Efficiency Improve鄄ment Opportunities for the Iron and Steel Industry. Berkeley CA:Lawrence Berkeley National Laboratory, 2006[22]摇 United Nations. Population Division (2010): Population Projec鄄tions Using Probabilistic Projections of Total Fertility and Life Ex鄄pectancy at Birth, Based on a Bayesian Hierarchical Model(BHM). New York: United Nations Press, 2010