光伏退役的时空相关性:来自社会经济与地理气候数据的机器学习洞察

《Environmental Impact Assessment Review》:Spatiotemporal correlations of PV decommissioning: Machine-learning insights from socioeconomic and geoclimatic data

【字体: 大 中 小 】 时间:2026年07月09日 来源:Environmental Impact Assessment Review 12.2

编辑推荐:

  光伏(PV)技术已成为实现全球脱碳目标的关键工具。然而,在大规模部署下,快速累积的PV废弃物对清洁能源转型的可持续性构成了新兴挑战。尽管其重要性日益增长,但上下文特征与PV退役动态(PV废弃物产生和PV寿命)之间的潜在相关性仍知之甚少。从研究人员先前研究中的近

  
光伏(PV)技术已成为实现全球脱碳目标的关键工具。然而,在大规模部署下,快速累积的PV废弃物对清洁能源转型的可持续性构成了新兴挑战。尽管其重要性日益增长,但上下文特征与PV退役动态(PV废弃物产生和PV寿命)之间的潜在相关性仍知之甚少。从研究人员先前研究中的近端变量转向更高层级的上下文特征,本研究开发了相关性和空间验证模型,以表征经济、社会、地理和气候特征如何与澳大利亚的PV退役动态相关。结果揭示了这些相关性中显著的时空异质性,在国家和州层面,其强度、方向、极化和时间演变存在显著差异。在国家层面,社会经济特征,特别是家庭收入、家庭数量和人口规模,与PV废弃物产生强相关,并呈现出从负到正的明显时间反转。然而,地理气候特征与PV寿命强相关,且这些相关性是极化且一致的:降水(precipitation)和全球水平辐照度(global horizontal irradiation, GHI)因平衡经济和技术寿命而呈正相关;而气温(air temperature)和组件最佳倾角(optimal tilt angle of modules)则呈负相关。相关性的内部结构在不同脱碳路径下保持稳定。在纳入空间属性后,相关性表现出强空间一致性、稳定性和显著性。研究人员的发现为基于风险、空间差异化的PV废弃物治理以及弹性回收基础设施和区域定制政策的投资提供了数据驱动的基础。
论文解读文章

**研究背景与问题**

在全球脱碳目标的推动下,光伏(PV)技术正经历大规模部署,预计到2050年将贡献全球超过20%的电力。然而,快速累积的PV废弃物对清洁能源转型的可持续性构成严峻挑战,预计到2050年全球PV废弃物将超过2亿吨。现有研究主要聚焦于回收技术(如从报废组件中提取材料)和管理策略(如废弃物预测、政策分析、生命周期评估),但鲜有研究揭示社会经济与地理气候等上下文特征与PV退役动态(包括PV废弃物产生量和PV寿命)之间的相关性。传统研究往往将上下文特征视为背景条件,而非系统性地表征其与PV退役动态在时空维度上的关联。研究人员先前提出的理性退役模型(Rational Decommissioning Model, RDM)以近端变量(如安装成本、补贴、电价)解释退役决策,但这些变量本身嵌入于更高层级的上下文特征中,其与退役动态的关联尚未被打开。这一空白导致回收网络和政策设计可能基于“平均”PV用户,忽略了区域差异,从而引发产能错配和环境不公。因此,有必要开展研究,揭示这些高层级特征与PV退役动态之间的相关性,为风险导向、空间差异化的PV废弃物治理提供数据基础。

**研究内容与结论**

本研究以澳大利亚为案例,开发了一个层次化的三阶段分析框架,通过机器学习预测、夏普利加法解释(SHAP)解释和空间验证,将RDM输出的PV废弃物产生量和寿命与高层级经济、社会、地理、气候特征相关联。研究使用了来自2634个澳大利亚邮政编码区域的数据,包括15个特征(经济:家庭收入、租金、抵押贷款;社会:人口、家庭数、户均人数、私人住宅;地理:PV输出功率和组件最佳倾角;气候:降水、气温、直接法向辐照度、全球水平辐照度、散射水平辐照度、最佳倾角倾斜辐照度)。研究在三种脱碳情景(Progress Change, Step Change, Green Energy Export)下进行分析。结论表明:社会经济特征与PV废弃物产生强相关,且存在从负到正的时间反转;地理气候特征与PV寿命强相关,且方向稳定(降水、全球水平辐照度正相关;气温、最佳倾角负相关);相关性的内部结构在不同脱碳路径下保持稳定;空间验证后,相关性具有显著的空间一致性、稳定性和显著性。该研究为风险导向、空间差异化的PV废弃物治理和弹性回收基础设施投资提供了数据驱动的基础。论文发表在《Environmental Impact Assessment Review》。

**关键技术方法**

研究人员采用以下关键方法:1)基于梯度提升树算法(XGBoost、LightGBM、CatBoost)、深度学习序列算法(长短期记忆网络LSTM)和核方法统计学习算法(支持向量机SVM)构建预测模型,通过平均绝对缩放误差(MASE)、归一化均方根误差(NRMSE)和决定系数(R2)选择最优模型,其中XGBoost用于PV废弃物产生,LightGBM用于PV寿命。2)利用SHAP值量化每个特征对预测值的边际贡献,表征相关强度与方向。3)采用混合地理加权回归(MGWR)模型进行空间验证,评估SHAP值在纳入空间距离后的空间贡献、稳定性和显著性。样本来源:澳大利亚2634个邮政编码区域,PV废弃产生和寿命数据来自研究人员先前RDM研究(Chen et al., 2026b)。

**研究结果**

**3.1 模型评估指标与P值检验**:通过比较五种机器学习算法,梯度提升树算法(XGBoost、LightGBM、CatBoost)在PV废弃物产生和寿命预测任务中均表现最优。XGBoost在PV废弃物产生任务中具有最低的MASE和NRMSE及最高的R2;LightGBM在PV寿命任务中表现最佳。所有模型的多组及多数两组P值检验均达到极显著水平(P<0.001)。

**3.2 时间演变分析**:对于PV废弃物产生,社会经济特征(特别是家庭收入、家庭数、人口)的相关性从2008-2020年的负相关逐渐转变为正相关,且强度随脱碳目标增强而增大,但内部结构(特征排序)保持稳定。对于PV寿命,地理气候特征(气温、降水、全球水平辐照度、最佳倾角)表现出强且一致的正或负相关,时间敏感性低,方向不发生反转,且在不同脱碳路径下保持稳定。

**3.3 州级分析**:各州间的相关性存在显著区域异质性。对于PV废弃物产生,社会经济特征在大多数州(如新南威尔士州、昆士兰州)相关性最强,但强度、方向和时间趋势差异显著。对于PV寿命,地理气候特征在各州均占主导,但不同州对同一特征的响应(如气温、全球水平辐照度)在强度、方向和极化上表现出明显差异,反映了经济与技术寿命的平衡。

**3.4 空间演变分析**:PV废弃物产生的空间相关性主要由城市化沿海与人口稀少内陆的对比驱动,社会经济特征在沿海地区呈正相关,内陆呈负相关;地理气候特征则呈现内陆到沿海的纬度梯度。PV寿命的空间相关性主要由地理气候特征组织,社会经济特征较弱;气温、全球水平辐照度和最佳倾角显示出大范围的内陆与沿海符号反转。

**3.5 空间验证**:通过MGWR模型,所有特征SHAP值的局部β值均显著大于零,表明特征贡献与真值之间存在空间一致性;seβ值接近零且t值达极高置信水平,验证了空间贡献的稳定性和显著性。

**讨论与结论**

讨论部分指出,PV废弃物产生与社会经济特征的相关性从负转正反映了PV市场从早期扩散到大众普及的转变,与澳大利亚市场成熟度、补贴变化及安装基数扩张一致。PV寿命与地理气候特征的极化稳定相关性与澳大利亚多样气候区一致,降水、辐照度通过影响清洁和收益延长经济寿命,而气温和最佳倾角通过热应力和结构应力缩短寿命。空间异质性限制了统一国家产品管理的适用性,建议州级政策差异化,如在新南威尔士州、昆士兰州等社会经济敏感地区采取需求响应工具,在热区加强监测和储备规划。研究还讨论了宏观尺度相关性与微观热过程的联系,指出邮政编码尺度相关性能筛选区域敏感性,但微观机制需进一步研究。此外,外部一致性检验验证了结果与澳大利亚市场演变(如南澳大利亚高渗透率)的相符性,并承认了数据系统不成熟性和模型可迁移性。

结论部分翻译:本研究通过将焦点从近端变量转向与PV退役动态相关的更高层级经济、社会、地理和气候上下文特征,扩展了研究人员先前的RDM框架。以澳大利亚为案例,本研究回答了三个问题:哪些建模方法最能捕捉这些相关性,它们呈现何种时空模式,以及纳入地理属性后这些相关性是否保持空间一致性。方法学贡献在于开发了一个层次化相关性框架,通过机器学习预测、SHAP解释和空间验证将退役结果与上下文特征层连接。结果提供了若干实证洞察:梯度提升树模型在PV废弃物产生和寿命相关性建模中表现最可靠;两种相关性在时空上均呈现强异质性;社会经济特征与PV废弃物产生相关性更强,而地理气候特征与PV寿命相关性更强;部分相关性表现出时间方向与强度转变;纳入空间属性后,相关性保持空间一致性和统计稳健性。这些发现表明,PV退役动态不仅可以解释为预测的废弃物和寿命量,还可以解释为时空异质的上下文相关性模式,对风险感知的PV废弃物管理规划具有重要价值。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号