市場不確定條件下煤制烯烴技術經濟分析方法

張媛媛，王永剛，田亞峻，謝克昌

（1中國礦業大學（北京）化學與環境工程學院，北京 100083；2北京低碳清潔能源研究所，北京 102209；3太原理工大學煤科學與技術教育部和山西省重點實驗室，山西 太原 030024；4清華大學熱能工程系，北京 100084）

市場不確定條件下煤制烯烴技術經濟分析方法

張媛媛1,2，王永剛1，田亞峻2，謝克昌3,4

（1中國礦業大學（北京）化學與環境工程學院，北京 100083；2北京低碳清潔能源研究所，北京 102209；3太原理工大學煤科學與技術教育部和山西省重點實驗室，山西 太原 030024；4清華大學熱能工程系，北京 100084）

建立了一種用于市場不確定條件下現代煤化工項目技術經濟分析的方法。以煤制烯烴投資項目內部收益率、投資回收期、財務凈現值、稅后利潤和單位利潤CO2排放量為主要目標，以聚烯烴價格、煤炭價格、建設投資及碳稅稅率為表征市場不確定性的4個變量，建立煤制烯烴技術經濟分析模型。根據該模型，繪制了預測公式曲面圖和等高線圖，并在此基礎上開展了敏感性分析和不確定性分析。敏感性分析表明聚烯烴價格變化與煤炭價格變化對各評價指標的影響最顯著；利用Monte Carlo模擬的方法量化考察了市場不確定條件下煤制烯烴技術的經濟性以及各風險因素對評價指標的影響，分析結果表明，在市場低迷情況下，當聚烯烴價格處于6000～8000元/噸、煤炭價格處于100～300元/噸的低位時，煤制烯烴仍可盈利。

煤制烯烴；技術經濟分析；市場不確定性；碳稅；試驗設計；模型；Monte Carlo模擬

引 言

煤制烯烴作為一種新的煤制大宗化工品路線越來越受到人們的關注[1]。然而該路線是否可以發展成為產業，在很大程度上取決于技術經濟性能的優劣。許多研究者針對煤制烯烴項目的經濟性做了分析和判斷[2-4]，但大多建立在特定市場價格體系之上。

周文戟等[5-7]分析了煤價、負荷因子、初始投資、硫磺價格和水價對煤間接液化生產成本的影響，得出硫磺價格和水價對煤間接液化的成本影響很小，雖然水資源是制約現代煤化工發展的主要因素，但其作用并不能通過生產成本體現出來。因此，本文在分析煤制烯烴經濟性的主要影響因素時，也沒有將水耗和水價作為主要影響因素，而是根據實際情況進行了設定。

韓紅梅等[8]分析了碳稅對我國化學工業和煤化工的影響，具體研究了碳稅對煤制天然氣、煤制油、煤制烯烴、煤制甲醇以及煤制合成氨項目經濟性的影響程度。通過計算，得出碳稅占煤化工產品出廠價格的比例如下：假設碳稅的稅率區間為 10～100元/噸，則碳稅約占煤制天然氣出廠價的0.2%～2%，碳稅占煤制油、煤制烯烴、煤制甲醇、煤制合成氨出廠價格的比例區間大致為 0.1%～1%。另外，得出碳稅對煤化工項目內部收益率（IRR）的影響約為0.2～2個百分點。

技術經濟分析有多種比較成熟的方法，而一個專業的分析需要大量的輸入信息，這在很多情況下是難以做到的。即使有足夠的信息，很多的分析也是建立在特定的價格體系下，面對市場的多種不確定性，參考性和可靠性都比較低[9-11]。近年來能源以及大宗商品的市場波動劇烈，對煤制烯烴項目以及其他煤化工項目經濟性的影響越來越復雜，因此需要探索一種適用范圍較寬且不失參考性的分析方法，為項目的科學決策提供有價值的支持。事實上，許多化工項目都面臨投資大、風險高等類似問題，當多種影響因素同時變化時，如何快速、科學地判斷項目經濟性對于項目決策至關重要。

本文建立了一種新的技術經濟分析方法。該方法在多變量的波動范圍內利用試驗設計的方法設計一系列特定條件，以成熟的技術經濟分析工具計算特定條件下的經濟性指標；然后通過統計分析的手段將目標指標和主要變量關聯，形成一組可反映技術經濟性的簡單方程組；最后在此基礎上開展經濟指標的敏感性分析、不確定性分析等。以煤制烯烴項目的技術經濟分析為例，分析了聚烯烴價格、煤炭價格、建設投資和碳稅稅率的不確定性對項目投資所得稅后內部收益率、靜態投資所得稅后投資回收期（含建設期）、項目投資所得稅后財務凈現值、稅后利潤和單位利潤（稅后）CO2排放量的影響。實踐表明采用該方法得到的運算關系簡單、適用范圍寬、分析結果科學合理，可以大幅縮短分析周期，節省大量人力和財力。

1 建模過程

1.1 明確研究邊界，定義目標參數

本文的研究邊界是以煤為原料經過甲醇制烯烴合成聚烯烴（產品包括聚乙烯和聚丙烯）的過程[12-13]。主要研究煤制烯烴項目的經濟性受市場不確定性以及碳稅不確定性的影響。項目的投資決策一般以內部收益率、投資回收期、財務凈現值、營業利潤為主要參考，因此本文以項目投資所得稅后內部收益率（IRR）、靜態投資所得稅后投資回收期（含建設期，Pt）、項目投資所得稅后財務凈現值（NPV）和稅后利潤（Pat）為衡量煤制烯烴經濟性的目標參數。另外，考慮到碳稅今后可能成為影響煤制烯烴經濟性的重要因素，因此增加單位利潤（稅后）CO2排放量（E/Pat）目標參數，用以評價煤制烯烴過程的低碳水平和碳排放強度[14-15]。

1.2 確定關鍵影響因素及其水平

影響煤制烯烴的技術經濟性指標的因素非常多，包括產品產量、產品價格、各種原材料消耗量、原材料價格、水耗、水價、電耗、電價、生產定員、人員工資、制造費用、銷售費用、管理費用、融資方式、貸款利率等。然而，收集如此多變量的精確值并不是件容易的事情，另一方面有些變量的變化對于結果的影響是非常有限的，過多的變量只會增加分析的復雜性。因此，根據項目的實際情況和已經發表的研究成果，對變量進行篩選是必要的。

以60×104噸/年煤制烯烴項目為例，主產品是聚乙烯和聚丙烯，副產品有混合碳四、混合碳五、硫磺等。為了綜合反映產品價格變化對于煤制烯烴經濟性的影響，本文按照各產品的經濟價值將副產品年產量折算為主產品年產量，得到的綜合年產量為64.66×104噸/年，具體見表1。

表1 60×104噸/年煤制烯烴項目的各類產品年產量Table 1 Annual total output of 600 kt·a-1 coal to olefins project

根據文獻調研和市場分析，本研究確定的煤制烯烴技術經濟分析的主要參數設定見表2。

催化劑與化學品、生產定員、電耗等因素在規模一定的情況下變化不大，人員工資、電價、福利費用、修理費用、利息支出、銷售費用、管理費用等因素與工業技術關系較小，因此也根據實際情況進行了設定或按一定比例進行折算[5]。

從成本構成的角度看，原料與燃料動力約占煤制烯烴成本的60%，表明影響煤制烯烴成本的主要因素是煤炭價格。另外，折舊與維護費用約占煤制烯烴成本的25%，說明建設投資也是影響生產成本的重要因素。

最終，本研究確定關鍵影響因素為：聚烯烴價格（Ppo）、煤炭價格（Pc）、建設投資（Ic）和碳稅稅率（rct）。

根據文獻及市場調研，國內聚乙烯和聚丙烯的市場價格在 8000～12000 元/噸之間波動[20]。煤制烯烴項目大多建在靠近原料產地的地方，因此原料價格接近于坑口價格，根據文獻及市場調研，煤制烯烴的原料煤和燃料煤的價格在100～500 元/噸之間波動[3,20]。

根據某煤制烯烴項目的投資情況，60×104噸/年煤制烯烴項目的建設投資一般在165 億元左右。而建設投資同時也受其他市場的影響，其一方面受到技術研發和技術進步情況的影響，另一方面與鋼材、水泥等生產要素市場的波動有關，因此會在一定范圍內調整。預計未來新建 60×104噸/年煤制烯烴項目的建設投資在(155～175)億元之間波動[12,19]。

表2 60×104噸/年煤制烯烴項目技術經濟分析的主要參數設定[16-19]Table 2 Main parameters setting of techno-economic analysis of 600 kt·a-1 coal to olefins project[16-19]

二氧化碳排放稅（簡稱為“碳稅”）是針對二氧化碳等溫室氣體排放所征收的稅種。目前來看，碳稅的計稅依據主要有兩種，其一是按消耗的燃料總量和燃料的含碳量計算碳稅，其二是按二氧化碳的排放量征稅。由于煤制烯烴所用原料煤中的碳元素有相當一部分轉入產品，以CO2排放的碳元素僅是所有碳中的一部分，所以，本文在計算碳稅時，采用第二種計稅方法，即按二氧化碳的排放量征稅。根據相關研究，我國碳稅的稅率水平將由低到高逐步實施，近期的稅率水平較低，約為 10 元/噸 CO2，遠期的稅率水平將可能達到80～100 元/噸CO2，二氧化碳稅率區間下限和上限相差 8～10倍[8]。

綜上，本文確定的煤制烯烴技術經濟分析的關鍵影響因子及其水平見表3。

表3 關鍵影響因子及其水平Table 3 Key influence factors and levels

1.3 試驗設計和數據運算

試驗設計是用于經濟、科學地安排試驗的一項技術，包括早期的單因素和多因素方差分析、傳統的正交試驗法和近代的調優設計法等。在調優設計法中，響應曲面法（response surface methodology，RSM）是應用較廣的一類。采用響應曲面法可以建立連續變量曲面模型，對影響因子及其交互作用進行分析評價，并可以確定影響因子的最佳水平范圍[21]。響應曲面法所需要的試驗組數相對較少，可節省人力物力，因此使用較為廣泛。

本文選用響應曲面分析法中的Box-Behnken設計和中心復合設計相結合的設計方法。基于Box-Behnken設計的響應曲面法允許開展因素數在3～7個內的試驗，適用于所有因素均為計量值的試驗，設計不存在軸向點。中心復合設計（central composite design）是響應曲面法中最常用的二階設計，它由立方體點、中心點和星點三部分組成[21]。中心復合設計比Box-Behnken設計能更好地擬合響應曲面，但在中心復合設計的過程中，有很多點會同時出現較極端的水平，使得試驗結果不具有參考性，因此二者結合可以優勢互補。

根據響應曲面分析法中的Box-Behnken設計共得到27組試驗。但由于其中有2組試驗設計重復，對于軟件計算來講，相同的試驗條件不存在誤差，因此重復計算沒有意義。然后結合中心復合設計的特點，多增加了5組試驗，最后共計30組試驗。根據表2確定的主要參數及取值，運用技術經濟分析軟件，對這30組試驗進行運算得到30組結果數據，見附錄1。

1.4 模型篩選與驗證

本研究使用 JMP軟件工具進行模型的擬合與篩選。JMP軟件是由SAS推出的一種交互式可視化統計發現軟件，該軟件以統計方法的實際應用為導向，交互性、可視化能力強，使用方便[22-26]。JMP軟件的應用領域包括業務可視化、探索性數據分析、6 sigma 及持續改善、試驗設計、統計分析與建模、交互式數據挖掘等[27-31]。

為達到簡單、實用、合理的目標，本文在建立及篩選模型的過程中，遵循以下原則。

（1）由簡至繁的原則。依次按照一次項、交叉項、二次項表達式的優先順序擬合影響因素和目標指標的關系，若簡單的一次項模型即能滿足預測需求，則不再增加交叉項和二次項。

（2）檢驗結果顯著性原則。為了減少“無關”項的干擾，需要剔除表達式中不顯著項，研究中優先剔除p值較大的項。p值是用來判定假設檢驗結果的一個參數，p值越小，表明檢驗的結果越顯著。但是檢驗的結果究竟是“顯著的”、“中度顯著的”還是“高度顯著的”，需要根據p值的大小和實際問題來解決。本文在擬合模型的過程中，將p≤0.1的項全部保留，p>0.1的項將考慮予以剔除。

（3）聯系實際原則：由軟件所擬合的多元多次表達式，完全是軟件根據統計學而得到的，并沒有“考慮”實際的情況。因此，要結合實際意義，剔除模型中不符合實際意義的項。譬如，在選擇交叉項時，本文僅選擇了在現實中可能具有交互影響的3個交叉項，分別是：聚烯烴價格與煤炭價格（PpoPc）、聚烯烴價格和碳稅稅率（Pporct）以及煤炭價格與碳稅稅率（Pcrct），其余的交叉項由于沒有“交叉”影響的可能性未被考慮。

（4）R2可接受原則：殘差平方（R2）是判斷模型合理性的一個重要指標，R2在 0～1范圍內，當R2越接近1時，表示相關的方程式擬合程度越好，參考價值越高。本文在建立模型時，要求預測公式的 R2≥0.95。

2 煤制烯烴技術經濟分析模型的建立

根據1.4節中確立的原則，運用附錄1中的試驗數據進行分析，采用JMP建立目標指標（Y）與影響因素（X）的數學模型，建立的煤制烯烴技術經濟分析模型如下。

式中，Yi為目標參數，i=1,2,3,4,5；Ic為建設投資，億元；Ppo為聚烯烴價格，元/噸；Pc為煤炭價格，元/噸；rct為碳稅稅率，元/噸；Y1為項目投資所得稅后內部收益率（IRR），%；Y2為靜態投資所得稅后投資回收期（含建設期，Pt），年；Y3為項目投資所得稅后財務凈現值（NPV），萬元；Y4為稅后利潤（Pat），萬元/年；Y5為單位利潤（稅后）CO2排放量（E/Pat），噸/萬元。

圖1 預測公式Y1～Y5的殘差分析Fig.1 Residual analysis of Y1—Y5 simulated equations

表4 煤制烯烴技術經濟分析模型中各系數的取值Table 4 Value of coefficients of coal to olefins techno-economic analysis model

式（1）中各系數的取值見表4。

對預測公式Y1～Y5進行殘差分析，得到的結果如圖1所示。

以上技術經濟分析模型中的5個公式，其決定系數R2均大于或等于0.99，根據殘差分析，模型的實際值基本均在預測公式的置信區間內，因此能夠滿足預測需求。

圖2 內部收益率和投資回收期的預測公式曲面圖Fig.2 Simulated equation surface graphs of internal rate of return and payback period

3 模型分析與討論

3.1 預測公式曲面圖及等高線圖

根據以上預測公式，可以繪制任意兩個自變量和目標值之間的曲面圖，本文以煤炭價格和聚烯烴價格為自變量為例，分3種情況繪制了內部收益率和投資回收期的曲面圖（圖2），其中，綠色曲面為內部收益率，棕色曲面為投資回收期。這3種情況的建設投資均為165億元，但碳稅稅率不同，分別0、40、80 元/噸。由圖2可見，在建設投資一定的情況下，隨著碳稅稅率的提高，投資回收期的曲面越來越高，內部收益率的曲面越來越低。

圖3 煤制烯烴技術經濟分析模型預測公式等高線圖Fig.3 Simulated equation contour graphs of coal to olefins techno-economic analysis model

此外，還可以根據預測公式繪制等高線圖（見圖3）。仍然將建設投資固定為165 億元，分別就碳稅稅率為0、40和80 元/噸 3種情況討論，每一條等高線實際上規定了在目標值相同的情況下煤炭價格和聚烯烴價格的對應值。在碳稅稅率為0的情況下，若規定投資回收期的上限為9 年，則圖3（a）中的等高線3以下的區域是不能滿足要求的；若規定單位利潤CO2排放量的上限為42 噸/萬元，則圖3（a）中的等高線1以下的區域是不能滿足要求的；若規定內部收益率的下限為12%，則圖3（a）中的等高線2以下的區域是不能滿足要求的。在碳稅稅率為40 元/噸和80 元/噸的情況下，以上分析也同樣適用，具體見圖3（b）、（c）。由圖3可以看出，在建設投資一定的情況下，隨著碳稅稅率的提高，5個目標參數的等高線均有提高，只是提高的幅度不同。以內部收益率的下限為12%為例（圖3中等高線2），伴隨著碳稅稅率的提高，等高線2以下的區域，即內部收益率低于12%的區域面積越來越大。

3.2 敏感性分析

對預測公式進行敏感性分析，得出煤制烯烴技術經濟分析模型各目標參數對影響因子的敏感度系數見表5。敏感度系數等于目標參數的變動幅度除以影響因子的變動幅度，用以評價影響因子對目標參數的影響程度。由表5可以看出，聚烯烴價格對各目標參數的影響最大，敏感度系數為 0.632～0.687，因此聚烯烴市場是決定煤制烯烴經濟性最關鍵最直接的因素；其次是煤炭價格，敏感度系數為0.286～0.297，說明煤炭市場對煤制烯烴經濟性也有著十分重要的影響；第三是碳稅稅率，敏感度系數為 0.035～0.058，碳稅稅率主要受國家政策和碳交易市場的影響；最后是建設投資，敏感度系數為0.007～0.045?？傮w來看，碳稅稅率和建設投資對煤制烯烴經濟性的影響不如聚烯烴價格和煤炭價格的影響顯著。

表5 煤制烯烴技術經濟分析模型敏感度系數Table 5 Sensitivity coefficients of coal to olefins techno-economic analysis model

3.3 不確定性分析

本研究設立的4個不確定變量包括：煤炭價格、聚烯烴價格、建設投資和碳稅稅率。假定以上變量均以一定分布在某個范圍內變動。根據參考文獻以及市場數據統計分析結果，煤炭價格、聚烯烴價格和碳稅稅率均設定為均勻分布，建設投資設定為三角分布[5]，如表6所示。本研究利用Monte Carlo模擬的方法考察以上不確定變量對煤制烯烴技術經濟性的影響。

本文分別就以下情景進行了Monte Carlo模擬，得出結果如下。

（1）市場低迷情況下，聚烯烴價格、煤炭價格、碳稅稅率均較低，具體分布情況見表7。

表6 Monte Carlo模擬不確定變量的分布設定Table 6 Uncertain variables distribution setting of Monte Carlo simulation

根據表7中變量的分布，經模擬得到內部收益率、投資回收期、財務凈現值、稅后利潤和單位利潤CO2排放量的頻率分布圖，隨機模擬10000次，對模擬結果進行正態擬合，所得結果如圖4所示。

表7 市場低迷情況下不確定變量的分布設定Table 7 Uncertain variables distribution setting in downturn market

由圖4可以看出，模擬結果近似服從于正態分布。本文整理出模擬結果的部分關鍵性統計數據見表8。

由表8的統計信息可見，在煤炭價格100～300元/噸，聚烯烴價格6000～8000 元/噸，碳稅稅率0～40 元/噸的情況下，60×104噸/年煤制烯烴項目的內部收益率為13.43%～13.50%的概率為95%，煤制烯烴尚可盈利；在煤炭價格300～500 元/噸，聚烯烴價格6000～8000 元/噸，不征收碳稅的情況下，該煤制烯烴項目的內部收益率為 10.01%～10.08%的概率為95%，煤制烯烴已沒有經濟性。

（2）普通市場情況下，聚烯烴價格、煤炭價格和碳稅稅率均處于一般水平，具體分布情況見表9。

根據表9中變量的分布，經模擬得到5個目標參數的頻率分布，隨機模擬10000次，對模擬結果進行正態擬合，得到模擬結果的部分關鍵性統計數據見表10。

圖4 市場低迷情況下的模擬結果Fig.4 Sketch maps of simulation results in downturn market

表8 市場低迷情況下模擬結果的部分關鍵性統計數據Table 8 Part of key statistical data of simulation results in downturn market

表9 普通市場情況下不確定變量的分布設定Table 9 Uncertain variables distribution setting in normal market

由表10的統計信息可見，在煤炭價格200～400元/噸，聚烯烴價格 8000～10000 元/噸，碳稅稅率20～60 元/噸的情況下，煤制烯烴投資項目的內部收益率為15.69%～15.77%的概率為95%；在煤炭價格 300～500 元/噸，聚烯烴價格 8000～10000 元/噸，且不征收碳稅的情況下，煤制烯烴投資項目的內部收益率為15.14%～15.21%的概率為95%，比情景Ⅲ下降了約0.56個百分點；在煤炭價格300～500元/噸，聚烯烴價格 8000～10000 元/噸，碳稅稅率40～80 元/噸的情況下，煤制烯烴投資項目的內部收益率為13.21%～13.28%的概率為95%，比情景Ⅳ下降了約1.92個百分點；在煤炭價格300～500 元/噸，聚烯烴價格8000～10000 元/噸，碳稅稅率80～120 元/噸的情況下，煤制烯烴投資項目的內部收益率為11.96%～12.04%的概率為95%，比情景Ⅴ下降了約1.25個百分點。

（3）市場過熱情況下，聚烯烴價格、煤炭價格和碳稅稅率一般均較高，具體分布情況見表11。

根據表11中變量的分布，經模擬得到5個目標參數的頻率分布，隨機模擬10000次，對模擬結果進行正態擬合，得到模擬結果的部分關鍵性統計數據見表12。

表10 普通市場情況下模擬結果的部分關鍵性統計數據Table 10 Part of key statistical data of simulation results in normal market

表11 市場過熱情況下不確定變量的分布設定Table 11 Uncertain variables distribution setting in overheated market

表12 市場過熱情況下模擬結果的部分關鍵性統計數據Table 12 Part of key statistical data of simulation results in overheated market

由表12的統計信息可見，在煤炭價格300～500元/噸，聚烯烴價格10000～12000 元/噸，碳稅稅率40～80元/噸的情況下，煤制烯烴投資項目的內部收益率在 95%置信水平下的置信區間為 15.15%～15.22%；在煤炭價格500～700 元/噸，聚烯烴價格8000～10000 元/噸，不征收碳稅的情況下，煤制烯烴投資項目的內部收益率在95%置信水平下的置信區間為 11.60%～11.68%，比情景Ⅶ下降了約 3.54個百分點；在煤炭價格500～700 元/噸，聚烯烴價格 9000～11000 元/噸，碳稅稅率 40～80 元/噸的情況下，煤制烯烴投資項目的內部收益率在95%置信水平下的置信區間為12.53%～12.61%。

4 結 論

運用本文建立的技術經濟分析方法，得出了煤制烯烴技術經濟分析模型。運用該模型繪制了預測公式曲面圖和等高線圖，進行了參數敏感性分析和不確定性分析。通過參數敏感性分析可知，聚烯烴價格對于各評價指標的影響最大，其次是煤炭價格，碳稅稅率和建設投資對各評價指標也有較明顯的影響，但相比之下，其影響程度不如聚烯烴價格和煤炭價格的影響顯著。Monte Carlo模擬分析結果表明，在市場低迷情況下，當聚烯烴價格處于6000～8000 元/噸的低位時，只要煤炭價格也處于 100～300元/噸的低位水平，煤制烯烴仍可盈利；在普通市場情況下，即聚烯烴價格 8000～10000 元/噸，煤炭價格200～400 元/噸，碳稅稅率20～60 元/噸的情況下，煤制烯烴項目的內部收益率在95%置信水平下的置信區間為15.69%～15.77%；在市場過熱情況下，當煤炭價格處于500～700 元/噸的高位，聚烯烴價格處于 8000～10000 元/噸的中位時，煤制烯烴的盈利狀況不佳，內部收益率在95%置信水平下的置信區間為11.60%～11.68%。

符 號 說 明

E/Pat——單位利潤（稅后）CO2排放量，噸/萬元

Ic——建設投資，億元

IRR ——項目投資所得稅后內部收益率，%

NPV ——項目投資所得稅后財務凈現值，萬元

Pat——稅后利潤，萬元/年

Pc——煤炭價格，元/噸

Ppo——聚烯烴價格，元/噸

Pt——靜態投資所得稅后投資回收期（含建設期），年

rct——碳稅稅率，元/噸

Yi——目標參數，i=1,2,3,4,5

[1] 錢宇, 楊思宇, 賈小平. 能源和化工系統的全生命周期評價和可持續性研究[J].化工學報, 2013, 64(1): 133-147.QIAN Y, YANG S Y, JIA X P. Life cycle assessment and sustainability of energy and chemical processes[J]. CIESC Journal,2013, 64(1): 133-147.

[2] XIANG D, YANG S Y, LIU X,et al.Techno-economic performance of the coal-to-olefins process with CCS[J]. Chemical Engineering Journal, 2014, 240: 45-54.

[3] 陳顯倫. 煤制烯烴項目經濟效益臨界點分析及與煤制油項目的對比[J]. 化學工業, 2010, 28(1): 22-24.CHEN X L. Critical point analysis on economic benefit of MTP project and contrast with CTO project[J]. Chemical Industry, 2010,28(1): 22-24.

[4] 楊學萍, 董麗. 合成氣直接制低碳烯烴技術進展與經濟性分析[J].化工進展, 2012, 31(8): 1726-1731.YANG X P, DONG L. Technical progress and economical analysis on the direct production of light olefins from syngas[J]. Chemical Industry and Engineering Progress, 2012, 31(8): 1726-1731.

[5] 周文戟, 朱兵, 王偉. 市場不確定條件下煤間接液化技術經濟分析[J]. 清華大學學報(自然科學版), 2010, 50(9): 1432-1436.ZHOU W J, ZHU B, WANG W. Techno-economic analysis of indirect coal-to-liquid process with market uncertainty[J]. Journal of Tsinghua University (Science and Technology), 2010, 50(9):1432-1436.

[6] 周文戟, 朱兵, 費維揚. 不確定條件下煤化工技術經濟評價方法[J]. 化工進展, 2009, 28(12): 2087-2091.ZHOU W J, ZHU B, FEI W Y. Techno-economic assessment method under uncertainty in coal chemical industry[J]. Chemical Industry and Engineering Progress, 2009, 28(12): 2087-2091.

[7] 周文戟, 金華, 朱兵, 等. 石油價格不確定下煤間接液化應用碳捕集的成本分析[J]. 中國科技論文, 2012, 7(3): 165-169.ZHOU W J, JIN H, ZHU B,et al.Cost analysis of indirect coal-to-liquids (ICL) applying CO2capture (CC) under uncertainty of oil price[J]. China Science Paper, 2012, 7(3): 165-169.

[8] 韓紅梅, 顧宗勤, 王玉倩, 等. 碳稅對我國化學工業的影響分析[J].化學工業, 2014, 32(1): 1-10.HAN H M, GU Z Q, WANG Y Q,et al.Analysis of carbon tax to China chemical industries affection[J]. Chemical Industry, 2014,32(1): 1-10.

[9] 牛新祥. 煤制烯烴經濟性分析[J]. 煤炭加工與綜合利用, 2014, (4):43-49.NIU X X. Economic analysis on coal alkene[J]. Coal Processing &Comprehensive Utilization, 2014, (4):43-49.

[10] 李建華, 孫艷萍. 煤制烯烴的技術進展及經濟分析[J]. 化工技術經濟, 2006, 24(11): 43-52.LI J H, SUN Y P. Process technology and economic analysis of coal to olefin[J]. Chemical Techno-Economics, 2006, 24(11): 43-52.

[11] XIANG D, QIAN Y, MAN Y,et al.Techno-economic analysis of the coal-to-olefins process in comparison with the oil-to-olefins process[J]. Applied Energy, 2014, 113: 639-647.

[12] 唐宏青. 現代煤化工新技術[M]. 2版. 北京: 化學工業出版社,2015: 310-322.TANG H Q. New Technologies of Modern Coal Chemical Industry[M]. 2nd ed. Beijing: Chemical Industry Press, 2015:310-322.

[13] CHEN J Q, BOZZANO A, GLOVER B,et al.Recent advancements in ethylene and propylene production using the UOP/Hydro MTO process[J]. Catalysis Today, 2005, 106: 103-107.

[14] FRIEDLINGSTEIN P, ANDREW R M, ROGELJ J,et al.Persistent growth of CO2emissions and implications for reaching climate targets[J]. Nature Geoscience, 2014, 7(10): 709-715.

[15] 金涌, 周禹成, 胡山鷹. 低碳理念指導的煤化工產業發展探討[J].化工學報, 2012, 63(1): 3-8.JIN Y, ZHOU Y C, HU S Y. Discussion on development of coal chemical industry using low-carbon concept[J]. CIESC Journal, 2012,63(1): 3-8.

[16] 韓紅梅. 石腦油、煤、天然氣路線制烯烴的經濟性分析[J]. 化工技術經濟, 2005, 23(12): 14-18.HAN H M. Economic analysis of producing olefin from naphtha, coal and natural gas[J]. Chemical Techno-Economics, 2005, 23(12): 14-18.

[17] 羅騰. 甲醇制烯烴技術-經濟-環境評價研究[D]. 北京: 煤炭科學研究總院, 2009.LUO T. Study on technology-economy-environment assessment of methanol-based olefins[D]. Beijing: China Coal Research Institute,2009.

[18] 陳貴鋒, 李振濤, 羅騰. 現代煤化工技術經濟及產業鏈研究[J]. 煤炭工程, 2014, 46(10): 68-71.CHEN G F, LI Z T, LUO T. Research on technology economic and industrial chain of modern coal chemistry industry[J]. Coal Engineering, 2014, 46(10): 68-71.

[19] 項東, 彭麗娟, 楊思宇, 等. 石油與煤路線制烯烴過程技術評述[J].化工進展, 2013, 32(5): 959-970.XIANG D, PENG L J, YANG S Y,et al.A review of oil-based and coal-based processes for olefins production[J]. Chemical Industry and Engineering Progress, 2013, 32(5): 959-970.

[20] 牛新祥, 袁泉. 煤化工主要產品經濟性分析(待續)[J]. 化學工業,2013, 31(8): 20-24.NIU X X, YUAN Q. The analysis coal chemical industry economy[J].Chemical Industry, 2013, 31(8): 20-24.

[21] 胡雅琴. 響應曲面二階設計方法比較研究[D]. 天津: 天津大學,2005.HU Y Q. A comparative study on the second-order designs in response surface methodology[D]. Tianjin: Tianjin University, 2005.

[22] 馬彥輝, 何楨. 基于QFD、TRIZ和DOE的DFSS集成模式研究[J].組合機床與自動化加工技術, 2007, (1): 17-20.MA Y H, HE Z. Research of integration frame based on QFD, TRIZ,and DOE[J]. Modular Machine Tool & Automatic Manufacturing Technique, 2007, (1): 17-20.

[23] 熊霞. 六西格瑪管理軟件比較[J]. 計量與測試技術, 2008, 35(5):27-28.XIONG X. Comparison of six sigma management software[J].Metrology & Measurement Technique, 2008, 35(5): 27-28.

[24] 劉曉婷, 王寶冬, 肖永豐, 等. 粉煤灰提鋁殘渣制備硅酸鈣板的工藝優化研究[J]. 新型建筑材料, 2015, 42(1): 83-85.LIU X T, WANG B D, XIAO Y F,et al.Study of preparation process optimization of calcium silicate board by using JMP[J]. New Building Materials, 2015, 42(1): 83-85.

[25] 李景, 趙效洪, 金環年, 等. 六西格瑪方法在Pt、SAPO-11加氫異構催化劑評價反應中的應用[J]. 工業催化, 2017, 25(1): 16-24.LI J, ZHAO X H, JIN H N,et al.Application of 6-sigma methodology in the evaluation of Pt/ SAPO-11 hydroisomerization catalyst[J]. Industrial Catalysis, 2017, 25(1): 16-24.

[26] 王新民. JMP指令功能辨析[J]. 黑龍江大學自然科學學報, 1997,14(4): 81-83.WANG X M. Discussion on the function of the JMP instruction[J].Journal of Natural Science of Heilongjiang University, 1997, 14(4):81-83.

[27] CHEN S Y, FAN S H, XIONG J W,et al.The design of JMP/SAP based six sigma management system and its application in SMED[J].Procedia Engineering, 2017, 174: 416-424.

[28] 雷祥, 江陵, 張少華, 等. JMP二次開發方法研究[J]. 軟件, 2014,35(2): 48-49.LEI X, JIANG L, ZHANG S H,et al.Research on the secondary development methods of JMP[J]. Software, 2014, 35(2): 48-49.

[29] 王剛, 張曉寧. 運用六西格瑪方法優化煤的工業分析流程[J]. 煤質技術, 2010, (4): 14-20.WANG G, ZHANG X N. Discussion on the optimization of the coal proximate analysis process with 6-sigma method[J]. Coal Quality Technology, 2010, (4): 14-20.

[30] QAZI S, P SAMUEL, VENKATACHALAM T K,et al.Evaluation dissolution of an anti-HIV agent using ANOVA and non-linear regression models in JMP software[J]. International Journal of Pharmaceutics, 2003, 252: 27-39.

[31] YE C, LIU J, REN F,et al.Design of experiment and data analysis by JMP (SAS institute) in analytical method validation[J]. Journal of Pharmaceutical and Biomedical Analysis, 2000, 23: 581-589.

附錄1 試驗設計和計算結果Appendix 1 Experimental design and calculation results

date:2017-02-21.

Prof. TIAN Yajun, tianyajun@nicenergy.com

supported by the Chinese Academy of Engineering Major Consulting Project(2016-ZD-07,CKCEST-2017-2-4).

Techno-economic analysis method of coal to olefins process with market uncertainty

ZHANG Yuanyuan1,2, WANG Yonggang1, TIAN Yajun2, XIE Kechang3,4
(1School of Chemical & Environmental Engineering,China University of Mining and Technology(Beijing),Beijing100083,China;2National Institute of Clean-and-Low-Carbon Energy,Beijing102209,China;3Laboratory of Coal Science and Technology,Ministry of Education and Shanxi Province,Taiyuan University of Technology,Taiyuan030024,Shanxi,China;4Department of Thermal Engineering,Tsinghua University,Beijing100084,China)

A techno-economic analysis method for modern coal chemical projects under the condition of market uncertainty was established. With financial internal rate of return, payback period of investment, financial net present value, after-tax profits and the CO2emissions per unit of after-tax profit of coal to olefins investment project as the main objective indicators, and with polyolefin price, coal price, construction investment and carbon tax rate as four variables characterizing market uncertainty, the techno-economic analysis models of coal to olefins were established. Based on these models, the surface graphs and contour graphs of the simulated equations were drew. The sensitivity and uncertainty analysis were further carried out. Sensitivity analysis shows that the influence of polyolefin price and coal price changes on each objective indicator is most remarkable. The economy of coal to olefins technology and the influence of various risk factors on the objective indicators under the condition of market uncertainty were quantitatively analyzed using the Monte Carlo simulation method. The results show that coal to olefins project is still profitable under the condition of market downturn, when polyolefin prices are 6000—8000 CNY·t-1, and coal prices are 100—300 CNY·t-1.

coal to olefins; techno-economic analysis; market uncertainty; carbon tax; experimental design;model; Monte Carlo simulation

[TQ-9]

A

0438—1157（2017）11—4288—13

10.11949/j.issn.0438-1157.20170158

2017-02-21收到初稿，2017-07-10收到修改稿。

聯系人：田亞峻。

張媛媛（1983—），女，博士，工程師。

中國工程院重大咨詢項目“碳約束條件下我國能源結構優化研究”（2016-ZD-07）、“中國工程科技知識中心建設——能源專業知識服務系統”（CKCEST-2017-2-4）。