编辑推荐：
工作流体在有机朗肯循环（ORC）中的多目标优化需平衡热效率与环境、安全、经济约束，现有方法因未考虑参数与偏好双重不确定性导致决策偏差。本研究提出MC-DEA-MCDM-SMAA-GSA集成框架，通过蒙特卡洛模拟量化参数不确定性，结合随机多准则决策分析解决DEA前沿退化问题，并利用Morris-Sobol敏感性分析揭示交互效应主导排名波动。案例研究20种候选流体发现，DEA高效流体（如硅氧烷）在综合约束下稳健性低（前五概率仅11.6%），而芳香族二甲苯表现优异（前五概率96%）。该方法为不确定性条件下的技术选型提供系统性解决方案，特别适用于新兴市场ORC规模化应用。
Mugahed Al-Kolaibi
可持续系统与工程学院，约旦德国大学安曼分校，Madaba街，Madaba 11180，约旦
摘要
在能源系统中选择技术时，需要在热力学效率与环境、安全及经济约束之间取得平衡，同时面临着运行参数和利益相关者偏好方面的巨大不确定性。当前的方法依赖于确定性筛选，或单独应用数据包络分析（DEA）和多标准决策制定（MCDM），但未能解决技术前沿效率与偏好依赖的稳健性之间的冲突。本研究提出了一种新的综合框架，将蒙特卡洛不确定性传播与随机DEA（MC-DEA）、通过MCDM-SMAA（随机多标准可接受性分析）进行的偏好稳健概率排序以及双重方法全局敏感性分析（Morris和Sobol）相结合，以系统地评估在双重不确定性下的竞争性替代方案。该方法在中温有机朗肯循环（ORC）应用的工作流体选择上进行了演示，评估了20种候选流体。
分析带来了三个主要贡献。首先，MC-DEA量化了严重的前沿退化现象：50%的候选流体的平均效率约为1.0，表明基于效率的筛选无法区分技术上最优的替代方案。其次，综合的MCDM-SMAA通过5000个联合场景的概率加权解决了这种退化问题，揭示了“效率悖论”：当施加环境和安全约束时，DEA效率高的硅氧烷整体稳健性较低（P（前5名）约为11.6%），而芳香族化合物m-二甲苯和o-二甲苯仍保持较高的稳健性（P（前5名）约为96%）。第三，基于方差的敏感性分析表明，排序稳定性主要由交互效应主导（占比高达85%），而非单个参数；Morris-Sobol排名相关性ρ = 0.90证实了方法间的一致性。
这项工作建立了首个用于在参数和偏好不确定性下进行技术选择的综合框架MC-DEA–MCDM-SMAA–GSA。该方法不仅适用于ORC流体，还可推广到需要协调技术效率与监管和利益相关者约束的过程设计决策中，包括溶剂、催化剂和强化设计等方面。
引言
工作流体的选择是有机朗肯循环（ORC）在地质热资源、工业废热流、聚光太阳能电站以及其他低温至中温热源中应用时的基本设计决策。流体选择决定了涡轮机的尺寸、换热器的兼容性、在不同负载下的运行性能以及项目的经济效益，然而传统的工程实践仍然主要依赖于单一目标的热力学筛选方法，这种方法低估了监管、环境和成本约束。理论上的热力学最优解与实际应用可行性之间的差距一直是ORC技术规模化的主要障碍，尤其是在新兴市场中。要解决这一差距，需要一个透明的决策框架，该框架能够整合技术效率、环境合规性、安全分类和经济可行性，并明确考虑系统参数和利益相关者优先级的不确定性（Yan等人，2021年；Pirouzfar等人，2024年；White和Sayma，2019年）。
尽管存在这种公认的需求，但目前的多维方法仍然不完善。大多数研究使用数据包络分析（DEA）来识别与权重无关的高效前沿，并通过多标准决策制定（MCDM）将性能、环境、安全和成本指标汇总为综合排名。然而，仍存在三个关键问题：（i）DEA常常遭受前沿退化，许多流体获得相同的效率分数，从而限制了技术上等效候选方案之间的区分；（ii）确定性的MCDM假设权重固定，掩盖了在不同利益相关者偏好下的排名变化；（iii）不确定性/敏感性分析通常仅应用于单个指标，而不是排名结果，因此成本、全球变暖潜能（GWP）或效率的属性不确定性很少被传递到最终排名中，导致排名不稳定的参数仍未被识别（Zhang等人，2025年；Chauhan和Vaish，2013年；Frutiger等人，2016年）。
为了解决这些问题，本研究开发了一个综合的决策支持框架，将加权MCDM与随机多标准可接受性分析（MCDM-SMAA）用于处理偏好不确定性，DEA用于与权重无关的技术基准评估，以及蒙特卡洛（MC）模拟用于参数不确定性传播。该框架针对中温（150–200°C）热能转换系统的工作流体选择进行了研究，包括聚光太阳能（CSP）、地热能（GE）和工业废热回收，其中流体选择涉及效率、安全、成本和环境影响之间的强烈权衡。评估了20种候选流体，包括碳氢化合物、硅氧烷和低GWP制冷剂，以确保涵盖相关属性组合的广泛范围。所有候选流体都通过了随机分析阶段，以避免临时预筛选带来的偏见。
本研究通过以下方式为过程系统工程文献做出了贡献：（i）通过概率MCDM-SMAA层解决了前沿退化问题，区分了确定性DEA无法区分的约50%的候选流体；（ii）通过联合传播随机参数不确定性（通过MC）和认知偏好不确定性（通过SMAA）量化了双重不确定性；（iii）使用基于方差的全球敏感性分析（Sobol指数）诊断排名不稳定性，表明排名方差主要由交互效应主导（通常超过总方差的80%），而非单个参数的影响。结合Morris筛选方法，这种双重方法的GSA指出了哪些属性需要改进数据或针对性缓解措施（Chowdhury和Ehsan，2023年；Arjunan等人，2022年；Pelissari等人，2020年；Wang等人，2015年）。
综合工作流程提供了三个面向决策的输出：概率排名-可接受性概况、稳健性层级（例如，P（前5名）≥85%的层级1），以及基于方差的诊断结果，用于识别排名不确定性的主要驱动因素。据我们所知，这是首个同时解决DEA前沿退化、偏好模糊性和参数驱动排名不稳定性的ORC工作流体选择框架，从而将流体选择从确定性过程转变为基于不确定性的、可辩护的决策过程（Frutiger等人，2016年；Pelissari等人，2020年；Iooss和Lema?tre，2015年）。
本文的其余部分组织如下：第2节提供全面的文献综述；第3节详细描述了方法论框架；第4节展示结果和讨论；第5节总结关键发现（结论）。
章节摘录
ORC工作流体选择：从热力学方法到多维方法的演变
过去二十年里，ORC系统的工作流体选择方法经历了演变，反映了在技术、环境和经济目标之间取得平衡的挑战。早期的ORC研究（2000–2010年）侧重于使用第一定律或能量优化来最大化热力学效率，比较净功率输出（Wnet）和热效率
方法论框架概述
本研究开发的工作流体选择方法遵循一个多阶段、综合的工作流程（图1），旨在在不确定性下系统地筛选、排名和验证候选流体。该框架首先对20种候选流体进行初步的确定性筛选，所有这些流体都通过随机DEA和MCDM-SMAA阶段进行保留，以确保完全透明性和基准测试。基于所得到的概率性能层级，分析进一步进行
方法论严谨性和可重复性
为了确保方法论的严谨性和可重复性，支持本研究的所有基础数据和中间结果都提供在补充表S1-S9中。补充表S1报告了所有20种候选流体的完整初始MCDM筛选数据集，而补充表S2列出了用于识别前沿退化的相应确定性DEA效率分数和排名。补充表S3和S4包含了完整的DEA蒙特卡洛集合
结论
本研究在5000次蒙特卡洛实现的情况下评估了20种中温ORC系统的候选工作流体，展示了综合多方法评估如何解决单一方法筛选的局限性。有三个主要发现。首先，随机DEA量化了严重的前沿退化现象：50%的候选流体的平均效率约为1.0，前沿成员概率≥99%，使得基于效率的区分变得不可行，暴露了一个根本问题
写作过程中生成式AI和AI辅助技术的声明
在准备本作品时，作者使用了Perplexity AI进行研究综合和文献组织，以及Microsoft Copilot进行语言润色和手稿结构优化。使用这些工具后，作者审查并编辑了所有内容，核实了所有引用和数据，并对发表文章的科学准确性和原创性负全责。
利益冲突声明
作者声明他们没有已知的财务利益冲突或个人关系可能影响本文所述的工作。
