综述：中国有色金属行业脱碳探索概述：基于生命周期评估的铝工业研究

《Process Safety and Environmental Protection》：Overview of decarbonization exploration in China’s non-ferrous metal industry: A study of the aluminum industry based on life cycle assessment

中国铝工业碳减排潜力及挑战分析：基于生命周期评估的系统综述。研究整合现有LCA数据，揭示碳足迹范围12.4-22.2t CO?eq/t Al，主要差异源于电力结构假设（占比69-86%）和原料再生率（82-98%）。重点路径包括清洁能源替代（26%减排）和再生铝扩产（82-98%潜力），但数据质量与系统边界定义仍是主要障碍。

　　

杜宇新|谢明|赵明虎|刘勇|刘泽伟|李斌

昆明理工大学环境科学与工程学院，中国昆明650500

摘要

由于铝产业的高能源强度和复杂的生产链，它是工业碳排放的主要来源之一。生命周期评估被广泛用于量化该行业的排放量并评估脱碳路径。本综述综合了中国铝产业的生命周期评估研究，系统地探讨了其脱碳路径。据报道，中国原铝生产的碳足迹范围约为每吨铝12.4–22.2吨二氧化碳当量，这一差异主要受电力构成假设和背景数据完整性的影响。能源消耗，特别是电解过程中的电力使用和氧化铝精炼过程中的热需求，始终占总排放量的主导地位。根据已发布的情景，到2060年实现碳中和将主要依赖于能源系统的转型和二次铝生产的扩展，这两种措施分别具有约26%和82–98%的减排潜力。此外，惰性阳极和碳捕获、利用与储存等新兴技术对难以减少的排放也显示出长期的减排潜力。本综述还指出了与数据质量和系统表征相关的主要挑战，为中国的铝产业制定稳健的脱碳策略提供了综合的生命周期视角。

引言

工业化进程的加速引发了包括全球变暖在内的诸多环境问题（Zhang等人，2024年），这对人类与自然世界的可持续共存构成了重大挑战。2020年9月，中国提出了到2030年达到碳排放峰值并在2060年实现碳中和的计划。这一双重碳目标将对中国的发展产生深远影响（Dong等人，2021年）。

铝一直被视为一种关键金属（Huo等人，2024年）。如图1(a)和图1(b)所示，在中国，原铝一直是有色金属产业（NFMI）生产的重要贡献者。铝产业是一个典型的能源密集型和高温室气体排放产业（Billy等人，2022年）。根据中国有色金属工业协会的数据，2024年中国铝产业（CAI）的总碳排放量占有色金属产业总碳排放量的84%。CAI的脱碳是中国有色金属产业减排战略的核心目标。

碳中和指的是二氧化碳净零排放的状态，即人类活动向大气中释放的二氧化碳量与通过人类努力去除的二氧化碳量相等（Chen，2021年）。实现碳中和有两种主要途径：降低碳排放强度和增强碳捕获与封存（Lee等人，2022年）。碳捕获与封存技术仍在研究中，实际应用较少（Osman等人，2021年；Wang等人，2023a年），而旨在降低碳排放强度的研究则受到了更多关注（Ang等人，2023年；Rogelj等人，2016年）。为了实现铝产业的脱碳，目前正在进行的研究重点包括工艺改进（Bakhtom等人，2023年；Suzdaltsev等人，2021年）、原材料和辅助材料的利用（Feng等人，2023年；He等人，2021年）、废旧阳极等二次资源的利用（Chen等人，2023a年；Dong等人，2024年）以及能源利用效率（Khafajah等人，2024年）。这些都与中国政府的政策高度相关（国家发展和改革委员会，2022年）。

碳足迹核算是一种有助于减少碳排放的重要方法（Li等人，2024a年）。Liu等人（2016年）从文献中收集数据，并利用排放因子计算分析了CAI的碳排放特征和驱动因素。Li等人（2024b年）通过建模评估了河南省铝产业的减排潜力。然而，这些方法彼此独立，可比性较差。生命周期评估（LCA）是一种评估产品整个生命周期环境性能的关键工具（Xia和Li，2022年）。此外，LCA是一种具有统一框架和方法的碳足迹核算工具（Lackner等人，2023年；Müller等人，2020年）。它已被应用于评估各种工业领域的环境性能，如建筑（Jiménez等人，2015年；Sahoo等人，2021年）、废物处理（Lin等人，2024年）、能源（Kourkoumpas等人，2024年；Siddiqui和Dincer，2021年）、汽车（Lopes Silva等人，2018年）等。LCA以其系统性（Kokare等人，2023年）、定量性（Vargas-Gonzalez等人，2019年）、标准化（van Stijn等人，2021年）和普遍适用性（Chéron-Bessou等人，2024年）而受到认可。

现有文献回顾了铝产业的脱碳转型，但大多数研究仅关注特定领域或个别减排措施（Guo等人，2025年；Harmaji等人，2024年；Langhorst等人，2024年）。关于CAI的更广泛综述主要强调技术、战略和行业现状。Shen和Zhang（2024年）从工艺优化、能源结构、技术发展和回收利用的角度总结了CAI的脱碳路径。同样，Hou等人（2024年）从能源使用、碳排放和贸易动态的角度回顾了该行业，提出了能源优化和扩大再生铝生产作为关键策略。

如前文分析所示，LCA在评估铝产业脱碳路径方面表现出巨大潜力。早期专注于LCA的铝产业综述指出了方法学上的关键挑战，包括数据可用性、生命周期影响评估（LCIA）方法的选择以及系统边界的定义（Liu和Müller，2012年）。最近的综述表明，铝产业LCA研究中的方法学框架日益统一，但数据质量和透明度问题仍然普遍存在（Rossi等人，2025年）。然而，现有的LCA综述主要关注方法学的应用，而非系统地分析和比较报告的LCA结果（Mengarelli等人，2017年；Santero和Hendry，2016年）。尽管Ge等人（2026年）的综述提供了包含LCA研究的全球铝产业脱碳研究的综合分析，但其范围并未专门针对CAI。此外，LCA证据主要以描述性方式呈现，缺乏案例研究的详细比较或对方法选择、数据完整性和能源背景假设如何影响报告的碳足迹结果的深入探讨。

总体而言，尽管现有综述提供了关于技术、战略和行业脱碳路径的宝贵见解，但它们缺乏基于LCA证据的系统性综合，无法解释报告的碳足迹结果的显著差异。因此，需要一份整合LCA结果的全面综述，以支持对能源密集型铝产业脱碳策略的系统级理解。通过将分散的LCA发现转化为可比较的见解，本综述旨在为CAI的脱碳转型提供更稳健的策略制定和优先级设定。

此外，不同LCIA方法之间的碳足迹核算高度一致，并在环境评估中确立了其重要性（Malik等人，2022年）。因此，本研究旨在从整个过程的角度系统地评估CAI的碳排放特征。通过整合现有的LCA研究，确定了适用于CAI的可行脱碳路径。此外，本研究强调了与该行业脱碳相关的重大挑战和未来前景，并探讨了在其内部应用LCA方法的可能性。最后，提出了具体的脱碳策略，旨在促进工业领域的低碳和绿色发展。这项研究可以推动工业领域的环境可持续性，并有助于实现中国的“双重碳”目标。

部分摘录

中国铝生产的系统边界

对四个大规模原铝生产厂进行了现场调查，以确定研究范围，具体细节总结在表1中。该方法结合了三种互补的方法：半结构化员工访谈、技术文档的系统审查和现场工艺观察。

有色金属的加工流程包括三个主要阶段：采矿、冶炼和制造。冶炼过程是其中的关键环节

CAI研究中的LCA方法

在铝相关的碳足迹研究中，LCA提供了一个标准化的框架来量化生产链中的排放量。如图4(a)所示，LCA涉及在定义的尺度上收集库存数据，并通过图4(b)所示的特征化将其转换为可比较的环境影响值，其中二氧化碳当量的计算结果即为碳足迹。基于ISO规范的标准化程序步骤在图4(c)中概述。

CAI研究的LCA概述

铝产业包括

CAI的脱碳路径

基于上述发现，本节回顾了CAI的多方面脱碳路径。如图6所示，这些路径可以大致分为与能源相关的脱碳、工艺层面的策略、二次资源的利用以及碳捕获、利用和储存（CCUS）技术的整合。

碳峰值和碳中和的预测

现有基于LCA的预测研究综合表明，CAI很可能在2030年前实现碳峰值，而要在2060年实现碳中和，则需要政策措施、技术进步、能源系统转型和CCUS部署的协调支持（Li等人，2022b年；Su等人，2025年；Yuan等人，2026年；Zhu和Jin，2025年）。在所有审查的情景中，用低碳电源替代化石能源成为

CAI碳排放减少的挑战与前景

CAI的脱碳将实现中国有色金属产业的可持续发展。然而，如图8所示，CAI碳排放减少的前景和挑战可以总结如下：

(1) 向可再生能源转型和工艺优化

工艺的全面更新需要广泛的研究。例如，低温电解技术仍需克服氧化铝转化率低的问题，惰性阳极需要克服其不足

结论

本研究阐明了控制CAI碳排放的关键方面和潜在途径，并概述了从不同角度应用LCA来评估CAI脱碳探索的情况。主要结论总结如下：

(1) 能源结构在CAI碳排放减少中起主导作用，占研究中的69–86%。同时，采用更清洁的能源可为中国原铝生产减少27%的碳排放

CRediT作者贡献声明

杜宇新：撰写——初稿、调查、正式分析、数据管理。刘勇：软件、方法论。赵明虎：撰写——审稿与编辑、正式分析、数据管理。谢明：撰写——审稿与编辑、正式分析、数据管理。刘泽伟：撰写——审稿与编辑、验证、监督、资金获取、概念构思。李斌：项目管理、方法论、概念构思。

利益冲突声明

作者声明他们没有已知的可能影响本文工作的财务利益或个人关系。

致谢

本研究得到了云南省重点研发计划（编号：202403AC100027）、云南省低碳发展项目（编号：202237）和云南省基础研究（编号：202401AS070085）的支持。