绿色智能电弧炉炼钢短流程关键技术体系与工程应用

——物质流、能量流、信息流与碳流协同视角

作者：张意 武汉善达化工有限公司

摘  要：在钢铁流程深度脱碳、废钢资源高值循环和制造过程数字化的共同驱动下，电弧炉（EAF）短流程正在由单机节能技术转向原料、冶金、能源与数据系统的协同优化。本文面向工程应用，建立“物质流—能量流—信息流—碳流”四流协同分析框架，系统讨论废钢分级与残余元素控制、连续加料与烟气预热、超高功率供电、氧碳复合吹炼与泡沫渣、留钢与熔池搅拌、炉外精炼—连铸—直接轧制、烟气净化与余热回收、数字孪生与人工智能、工业绿色微电网、DRI/HBI协同以及氢冶金和CCUS等关键技术。基于统一边界的工程情景分析表明：先进全废钢EAF的稳定电耗可进入320～360 kWh/t、出钢到出钢周期约28～35 min，但低于该区间的个别数据通常与热金属掺配、炉料条件或供应商特定边界有关，不能直接作为全废钢项目的通用设计值；当液态钢电耗为350 kWh/t时，购电碳因子每变化0.10 kgCO2e/kWh，可使吨钢碳足迹变化约35 kgCO2e。DRI/HBI能够稀释Cu、Sn等难去除残余元素并扩展高端钢种边界，但其低碳属性取决于还原气、电力、球团和热装条件。研究认为，近期产业化重点应放在成熟技术的系统集成和运行稳定性，中期形成“废钢+DRI/HBI+绿电+数字闭环”的可复制方案，氢基DRI-EAF与CCUS则应在低碳电力、低成本氢源及产品碳价值可兑现的条件下分阶段推进。本文给出技术成熟度矩阵、路线选择方法、情景化能碳模型和2026—2035年研发路线图，可为工程可研、技术改造与产品碳足迹管理提供参考。

关键词：电弧炉；短流程炼钢；废钢预热；直接还原铁；数字孪生；工业微电网；全生命周期碳排放

 

Key Technology System and Engineering Applications of Green and Intelligent Electric Arc Furnace Short-Process Steelmaking

A Coordinated Perspective of Material, Energy, Information and Carbon Flows

Abstract: Driven by deep decarbonization, high-value scrap recycling and digital manufacturing, electric arc furnace (EAF) short-process steelmaking is evolving from isolated equipment improvement toward system-level coordination. This paper proposes a four-flow framework covering material, energy, information and carbon flows, and reviews the engineering mechanisms and deployment conditions of scrap sorting, residual-element control, continuous charging and preheating, ultra-high-power EAFs, oxygen-carbon injection and foamy slag, hot heel and bath stirring, secondary refining-casting-direct rolling, off-gas treatment and heat recovery, digital twins and artificial intelligence, industrial green microgrids, DRI/HBI blending, hydrogen-based direct reduction and CCUS. A boundary-consistent scenario analysis indicates that advanced all-scrap EAF lines can stably reach 320-360 kWh/t liquid steel and 28-35 min tap-to-tap time, while exceptionally low values are often associated with hot-metal charging or supplier-specific operating boundaries. At 350 kWh/t, a change of 0.10 kgCO2e/kWh in the electricity emission factor changes the product carbon footprint by approximately 35 kgCO2e/t. DRI/HBI can dilute tramp elements and extend the quality envelope, but its carbon benefit depends on the reduction gas, electricity mix, pellet quality and hot-charging conditions. The near-term priority is reliable integration of mature technologies; the medium-term target is a replicable scrap-DRI/HBI-green power-digital closed-loop solution; hydrogen-based DRI-EAF and CCUS should be deployed in stages where low-carbon electricity, affordable hydrogen and monetizable low-carbon products are available. The paper provides a technology-readiness matrix, route-selection method, energy-carbon scenario model and a 2026-2035 roadmap for engineering studies, plant retrofits and product carbon-footprint management.

Keywords: electric arc furnace; short-process steelmaking; scrap preheating; direct reduced iron; digital twin; industrial microgrid; life-cycle carbon emissions

 

1  引言

钢铁材料具有高强度、可循环和规模化制造等特征，但传统高炉—转炉（BF-BOF）流程依赖焦炭和煤粉完成铁矿石还原，碳排放具有明显的流程锁定效应。worldsteel统计显示，2025年全球粗钢产量约18.49亿t，中国约9.61亿t；IEA判断全球粗钢仍有约70%来自BF-BOF路线[7,10]。因此，钢铁行业减排不能只依靠末端治理，而需要同时改变原料结构、能量来源和生产组织。

EAF短流程以废钢为主体，并可配置DRI/HBI、少量生铁或其他原铁单元，经EAF熔化、炉外精炼、连铸及轧制形成钢材。相较长流程，其结构性优势在于省去焦化、烧结和高炉等高碳环节，启停与负荷调节更灵活，也能更直接地承接社会废钢循环。然而，EAF并非天然等同于“低成本、高品质和近零碳”：废钢残余元素、电价与电网碳强度、炉料密度、氮氢控制、熔炼节拍、精炼匹配、余热利用以及产品碳足迹边界均会改变最终结果。

中国近年来连续出台电炉钢、节能降碳、全国碳市场、工业绿色微电网和粗钢工序能耗限额等政策与标准[1-6]。与此同时，全废钢连续加料、烟气预热、高效供电、二噁英深度治理和连铸直接轧制等技术已完成工业示范；公开示范数据包括废钢预热约400 ℃、最低电耗322 kWh/t、最短冶炼周期27.9 min和直轧率超过99%等[11]。这些指标证明先进短流程具有工程可行性，但“最佳炉次”与“长期稳定平均值”之间仍存在差异，跨项目比较必须说明炉料、钢种、边界和统计周期。

现有研究多集中于单台EAF、电极控制、终点预测或氢冶金某一环节，对原料质量、热量回收、精炼连铸、电力系统与碳核算的耦合讨论相对不足。本文的目标不是给出一套脱离资源条件的统一工艺，而是建立可用于工程决策的系统框架：第一，明确全废钢EAF、废钢+DRI/HBI EAF和氢基DRI-EAF三类路线的边界；第二，分析关键技术的作用机制、适用条件和技术成熟度；第三，在统一功能单位下开展能量、碳排放和成本敏感性分析；第四，结合国内外案例提出分阶段研发与产业化路径。

 

2  研究边界、方法与评价指标

2.1  工艺边界与路线分类

本文以1 t合格粗钢或液态钢为主要功能单位，工程情景默认边界为“废钢/DRI准备—EAF—炉外精炼—连铸”，在碳足迹部分扩展至cradle-to-gate，并单列轧制与运输。研究对象分为三类：①全废钢EAF，用于长材、部分特钢及废钢质量较好的产品；②废钢+DRI/HBI协同EAF，通过高金属化原铁单元稀释Cu、Sn等残余元素并改善洁净度；③氢基或富氢竖炉—EAF，用于低碳铁源和高等级板材的深度脱碳。EAF中高比例掺入高炉铁水虽可显著降低电耗，但其铁前碳排放仍属于长流程边界，不能与全废钢EAF直接比较。

图1 绿色智能EAF短流程总体工艺、系统边界与外部接口

注：图为本文原创示意。虚线接口表示可选的DRI/HBI、绿电、储能和碳管理模块。

表1 主要EAF路线的研究边界与适用条件

路线	典型炉料结构	主要产品	优势	关键约束
全废钢EAF	废钢80%～100%，必要时少量生铁/DRI	长材、部分特钢、部分薄板坯产品	流程短、循环属性强、资本强度相对低	高品质废钢、电价、Cu/Sn与氮控制
废钢+DRI/HBI EAF	废钢40%～80%+DRI/HBI 20%～60%	高端棒线材、特钢、汽车板及板带	质量窗口宽、可动态优化残余元素与能量	DRI价格、金属化率、脉石、碳含量和供给稳定性
氢基/富氢DRI-EAF	低碳DRI为主，辅以废钢	面向近零碳板材和低碳认证市场	深度减排潜力高、原料纯净	绿电和氢成本、球团资源、系统资本强度
EAF+高比例铁水	铁水+废钢	既有长流程增废钢或混合流程	电耗低、冶炼节拍快	铁前排放仍高，不应作为全废钢低碳路线对标

注：配比为工程常见区间而非强制设计值；最终取决于钢种、废钢等级、DRI质量和成本。

2.2  评价指标与证据分级

EAF项目应同时考察生产率、质量、能源、环境、成本和数字化六组指标。生产率包括tap-to-tap、power-on time、年作业率与产能利用率；质量包括终点温度/碳/磷命中率、P/S/N/H、夹杂物、残余元素和连铸稳定性；能源包括电耗、氧气、燃气、喷碳、蒸汽回收和峰值负荷；环境包括Scope 1、Scope 2、关键Scope 3、粉尘、NOx、二噁英和固废资源化；成本包括废钢、DRI、电力、合金、耐火材料、电极、固定成本和副产品收益；数字化指标则关注数据完整率、模型漂移、闭环控制覆盖率和人工接管机制。单一“最低电耗”不能代表系统最优。

本文采用分级证据：国家标准、政策和经同行评议文献为一级证据；协会公布的鉴定/示范数据和企业正式披露为二级证据；设备供应商案例为三级证据。对三级证据，仅作为特定炉型和边界下的工程参考，并在正文中标注“供应商公开口径”或“案例值”。情景模型用于解释变量敏感性，不替代项目能评、环评、碳核查和EPC保证值。

E_s = (E_el + E_fuel + E_oxy + E_feed - E_rec) / m_ls   (1)

式中，E_s为吨液态钢综合能量输入；E_el、E_fuel、E_oxy和E_feed分别为电能、燃料化学能、氧气制备分摊和预热炉料带入能量；E_rec为回收并被系统有效利用的能量；m_ls为液态钢质量。

CF = Σ(A_i × EF_i) / m_product   (2)

式中，CF为产品碳足迹，A_i为活动数据，EF_i为相应排放因子。采用废钢循环收益时，必须明确负荷分配与终端回收信用，避免重复计算。

c_mix,j = Σ(M_i × c_i,j × η_i) / Σ(M_i × η_i)    (3)

式中，c_mix,j为混合炉料中元素j的质量分数，M_i为第i类炉料质量，c_i,j为其元素含量，η_i为金属收得率。该式可用于Cu、Sn、Ni、Cr等残余元素的配料初算。

C_total = C_scrap + C_DRI + C_el + C_flux + C_electrode + C_fixed - C_byproduct    (4)

式中，各项分别为废钢、DRI/HBI、电力、熔剂、电极、固定成本与副产品收益。实际决策还应加入质量风险、停机损失和碳成本。

 

3  四流协同的系统架构

绿色智能EAF短流程的本质是四类流的同步收敛。物质流决定炉料化学组成、密度、金属收得率与钢种上限；能量流决定熔化速率、热损失和电网负荷；信息流将称量、光谱、烟气、功率、温度、炉衬和设备状态转化为操作决策；碳流则把燃料、电力、DRI来源、合金、石灰和运输的排放按统一边界归集。四流之间不是并列关系：例如，提高DRI比例通常降低残余元素，但冷装DRI会增加显热需求；提高喷氧和喷碳可缩短power-on time，却可能增加FeO、粉尘和直接碳排放；将生产移至低电价时段可能降低成本，但不一定降低电力碳强度。

图2 物质流、能量流、信息流与碳流的耦合关系

注：四流协同的优化目标应包含质量约束，避免以牺牲收得率、炉龄或产品稳定性换取局部能耗下降。

工程上可将系统划分为四层。炉料层完成废钢分级、除杂、破碎压块、预热以及DRI/HBI配比；冶金层包括EAF熔化、氧碳复合吹炼、泡沫渣、留钢/搅拌、LF/VD/RH与连铸；能源层包括烟气余热、绿电PPA、储能、无功补偿、需求响应和厂级微电网；数字层以L1基础自动化、L2过程模型、MES/APS/EMS与碳管理平台为主。前两层决定“能否稳定生产”，能源层决定“能否低成本低碳”，数字层决定“能否复制、追溯和持续优化”。

 

4  关键技术与工程控制要点

4.1  废钢分级、预处理与残余元素控制

废钢是全废钢EAF的主要成本项和质量边界。尺寸过大、堆密度过低或封闭容器会增加装料次数、弧暴露和安全风险；油漆、塑料、橡胶及含氯物质会加剧烟气有机污染物和二噁英前体；Cu、Sn等元素在常规氧化精炼条件下难以经济去除，通常只能依靠源头分选、稀释和产品分流控制。因而，“废钢吨价最低”并不等于“吨钢成本最低”，应采用按钢种反推的质量分级与采购策略。

推荐的废钢质量控制链包括：供应商准入和来源追溯；门禁辐射、称量和图像识别；剪切/破碎与磁选、涡电流分选；必要时采用XRF、LIBS或火花光谱抽检；基于历史炉次建立“供应商—料型—残余元素—收得率”数据库。对于汽车板、电工钢和高洁净特钢，DRI/HBI不仅是补铁源，更是残余元素稀释剂。以示意炉料中Cu=0.35%、Sn=0.045%的废钢，与Cu=0.02%、Sn=0.003%的DRI混配，DRI比例提高可显著降低混合料残余元素，但同时增加DRI价格、脉石和热量负荷。

图3 DRI/HBI比例对典型残余元素的稀释作用（情景示意）

注：图中废钢和DRI成分为说明稀释机理的假设值，不代表特定原料批次。

4.2  连续加料与废钢预热

传统料篮装料会造成炉盖开启、热量外逸、弧中断和粉尘瞬时峰值。水平连续加料（如Consteel类）通过振动输送槽将废钢连续送入炉内，并利用高温烟气逆向预热；竖井式和双竖井式方案则利用炉顶或侧部竖井实现较高温度预热。两类方案都能降低冷料热负荷、平滑电弧功率和减少炉盖开启，但对废钢粒度、堆密度、粘结和异物控制提出更高要求。Tenova公开资料显示Consteel全球安装量已超过80套[22]，中国示范线废钢预热温度约400 ℃[11]。

预热系统的关键并非追求单一最高温度，而是保证持续可用。工程设计应控制三个风险：一是含油、含氯废钢在200～450 ℃区间可能形成有机污染物，必须配置充分后燃、急冷和高效袋滤；二是薄板、切屑和高温烟尘可能在通道内粘结堵塞，需控制料型比例、振动强度和清灰；三是封闭容器、含水废钢和不明危险品可能引发爆炸。应将废钢质检、预热通道压差、烟气CO/CO2/O2、温度和二噁英控制纳入同一联锁逻辑。

4.3  高效EAF炉体、供电与电网接口

现代EAF以超高功率交流或直流供电、偏心炉底出钢（EBT）、水冷炉壁/炉盖、铜质导电横臂、优化短网和长弧泡沫渣操作为核心。交流炉成熟度高、设备生态完整；直流炉通常电极消耗和闪变较低，但底电极结构、检修和投资条件不同，不能简单以炉型判断优劣。炉体设计应与炉料密度、装料方式、热装DRI比例、目标钢种和电网短路容量一体化。

图4 EAF主要结构、冶金功能与在线控制点

注：图为通用结构示意，并非某一设备供应商的专有设计。

供电系统优化包括炉变压器档位、串联电抗、阻抗设定、动态电极调节、功率因数控制、SVC/STATCOM或电力电子供电。Danieli在日本Q-One案例中报告约8%～12%的节电和显著闪变降低[24-25]；ABB ArcSave公开的典型效益为产能提高5%～7%、电耗降低3%～5%[23]。这些数据均来自供应商特定项目，实际收益取决于改造前基线、炉料和电网。Primetals在中国80 t EAF Quantum特殊钢案例中报告32 min节拍，掺25%～30%铁水时电耗低于230～240 kWh/t[21]；该指标不能作为全废钢EAF的通用基准。对先进全废钢项目，长期稳定设计宜优先采用320～360 kWh/t和28～35 min作为评估区间，再通过项目试验修正。

4.4  氧碳复合吹炼、泡沫渣与收得率

氧气和碳质燃料用于切割废钢、后燃CO、脱碳和形成泡沫渣。典型操作中，氧气约25～45 Nm³/t，喷碳约5～12 kg/t，燃气约3～10 Nm³/t，但具体窗口随废钢碳含量、DRI碳含量、炉渣量和目标钢种变化。稳定泡沫渣可覆盖电弧，降低对炉壁和炉盖的辐射，提升弧功率利用率并减少电极消耗。其形成依赖FeO与碳反应产生CO，同时受碱度、MgO饱和度、温度、黏度、表面张力和固相颗粒影响[18]。

泡沫渣控制的难点是能量、收得率和排放的平衡。过量供氧会提高渣中FeO，造成金属损失和耐火材料侵蚀；过量喷碳可能降低泡沫稳定性并增加粉尘、CO和化石碳排放。较可靠的控制策略是将烟气CO/CO2、炉渣FeO、弧电压、电极位置、声学/振动信号和渣门图像联合用于闭环调节。生物炭可部分替代化石喷碳，但其密度、反应性、灰分和润湿性差异大。实验研究表明，生物炭与石油焦按一定比例混合可能兼顾初期反应强度和泡沫持续性[19]，目前仍需中试和工业炉次验证。

4.5  留钢、熔池搅拌、低氮控制与出钢

留钢操作通过保留一定质量的高温钢液和炉渣，改善下一炉的电弧稳定、传热和早期造渣；底吹氩、惰性气体搅拌或电磁搅拌可加快成分和温度均匀化。ABB ArcSave属于电磁搅拌应用之一[23]。工程收益取决于搅拌强度、炉底结构、耐材寿命和钢种敏感性，不能将搅拌视为独立节电设备。

低氮钢生产需要避免电弧暴露和空气卷吸，尽量保持泡沫渣覆盖，控制炉内负压，缩短炉盖开启时间，并在出钢过程中减少下渣和二次氧化。EBT和无渣出钢有利于降低氧化渣进入钢包，减少脱氧剂和合金消耗。对于超低氮、超低氢或深脱碳产品，应依靠VD/RH等真空精炼完成最终控制，而不宜把所有精炼任务压在EAF内。

4.6  炉外精炼、连铸与直接轧制

EAF负责熔化和初步精炼，钢水洁净度和产品一致性主要由LF/VD/RH、钢包耐材、精炼渣、软吹、连铸保护浇注和二冷控制共同决定。长材短流程通常采用EAF—LF—方/矩坯连铸—直接轧制；高端板带和特殊钢可能需要VD或RH、板坯/薄板坯连铸及更严格的夹杂物控制。DRI能够降低残余元素，但其脉石会增加渣量，DRI碳含量又会改变氧碳平衡，需要在配料阶段和LF合金化阶段同步优化。

直接轧制的价值不只在省去加热炉燃料，更在减少铸坯库存、提高热链效率和缩短交付周期。其前提是炼钢、精炼、连铸和轧机的节拍、断面、钢种序列与设备可靠性高度匹配。公开示范线直轧率超过99%属于特定产品和稳定运行条件[11]；一般项目更适合将长期热送/直轧率>95%作为成熟目标，并保留缓冲和再加热能力以处理检修、改钢种和质量异常。

4.7  烟气治理、二噁英控制、粉尘资源化与余热回收

EAF烟气具有流量和温度周期波动大、CO含量高、粉尘细且含Zn/Pb、装料与出钢时存在无组织排放等特点。一次烟气宜采用炉内负压、第四孔或炉盖抽烟，二次烟气通过屋顶罩或密闭罩收集；高温CO在后燃室充分燃烧后，快速跨越二噁英再合成温区，再经急冷、活性炭（视需要）和袋式除尘。中国示范工程“三段法”实测二噁英0.0017 ng-TEQ/Nm³[11]，说明深度控制具备工程可行性，但长期稳定值取决于废钢有机物、含氯物、温度停留时间和滤袋管理。

EAF粉尘通常富集Zn、Pb、Cl和碱金属，可通过转底炉、Waelz窑、火法/湿法联合工艺回收锌并处置铁。路线选择应基于粉尘成分、规模、危险废物属性和区域处置条件。烟气显热可优先用于废钢预热，也可通过余热锅炉、蒸汽蓄热器和园区蒸汽网回收。由于烟气脉动显著，热回收系统必须配置防积灰、耐腐蚀、旁路和蓄热/蓄汽，不能只按平均温度计算理论回收量。

图5 100万t/a级全废钢EAF情景的能量流示意

注：输入与损失为用于解释能量结构的情景值，功能单位为1 t液态钢；实际项目应以热平衡测试校核。

4.8  耐火材料、电极与预测性维护

EAF炉衬以MgO-C耐火材料、喷补料和水冷构件为主，炉龄受电弧偏弧、渣中FeO、MgO饱和度、热冲击、底吹构件和出钢口侵蚀影响。仅提高材料档次未必经济，关键是形成炉衬温度、渣线侵蚀、炉底厚度、冷却水温差/流量和炉次操作的寿命模型。红外热像、激光扫描、光纤测温、水冷泄漏监测和炉壁热流密度可用于状态评估。

电极消耗受电弧稳定、氧化、断裂、接头质量和泡沫渣覆盖影响。公开示范最低电极消耗0.63 kg/t属于优秀炉况[11]，一般设计不宜直接采用极限值。预测性维护应首先覆盖高后果设备——水冷板、炉盖、液压倾动、短网、除尘风机、变压器与电极系统，并建立人工确认、联锁降级和故障后复盘机制。

4.9  机理模型、数字孪生与人工智能闭环控制

EAF过程具有原料离散、强非线性、测量稀疏和时变特征。单纯依靠黑箱模型容易发生数据漂移和跨钢种失效；单纯依靠机理模型又难以完整描述废钢几何、弧—渣相互作用和局部反应。较稳健的数字孪生应采用“机理模型+数据驱动校正+不确定性估计”的混合架构。Logar和Škrjanc建立的下一代机理模型覆盖热量、质量、化学反应、烟气与弧—渣耦合，工业验证中钢浴温度误差约10～20 ℃[13]。

近期研究表明，EAF终点温度、碳和磷预测可以达到较高精度。Lu等构建的可解释LightGBM模型在测试集上RMSE为4.26 ℃，工业外部验证中±10 ℃命中率94.3%[14]；Li等的机理约束TabNet磷预测模型MAE为0.0024%、±0.005%命中率90.82%[15]；Shi等采用LWOA-SCN联合预测终点温度和碳含量，为复杂非线性终点控制提供了另一种数据驱动路径[16]。这些成果说明数据模型具有潜力，但发表数据通常经过清洗并针对特定产线。上线时应保持三个边界：模型输出必须给出置信区间；异常工况必须能转人工；模型更新需经版本控制和A/B验证，避免训练数据泄漏和“看见未来”变量。

图6 绿色智能EAF数字孪生与闭环控制架构

注：L1/L2/MES/EMS之间应统一炉次主键、时间戳、单位和数据质量标签。

数字化的优先级应从“可测、可信、可闭环”展开。第一阶段统一炉次、料篮、钢包、连铸坯和订单标识，治理称量、功率、氧碳、烟气、温度和化验数据；第二阶段建设配料、终点温度/碳/磷、能量平衡和设备健康模型；第三阶段将APS排产、现货电价、绿电、储能和碳因子纳入多目标优化。Yi等的多目标研究表明，成本、能耗、碳排放和节拍之间存在明确权衡[17]，工业系统不应只输出单一“最优点”，而应输出在质量和安全约束下的Pareto方案。

4.10  工业绿色微电网、储能与柔性负荷

EAF是高功率、周期性和冲击性负荷。钢厂能源系统需同时解决三类问题：一是电弧造成的闪变、谐波和无功；二是峰谷电价、需量和现货市场风险；三是绿电的时间匹配与产品碳核算。工业绿色微电网可集成分布式光伏/风电、余热发电、储能、SVC/STATCOM、需求响应和EMS，并与炼钢MES联动。2026—2030年工业绿色微电网指南已将高载能行业的源网荷储协同和智能能管纳入政策框架[4]。

储能的合理定位不是“独立支撑一炉钢的全部电量”，而是削峰、需量控制、短时功率平滑、辅助服务和异常保供。以100 t、350 kWh/t炉次计算，单炉电量约35 MWh，若要求完全由电池供电，容量和功率投资通常不经济；20～100 MW级储能更适合与多炉排产、变压器容量和当地电力市场联动。绿电PPA能降低年度Scope 2，但若产品要求小时级或位置级匹配，还需保存电量、时段和证书的可核查链条。

4.11  DRI/HBI、氢冶金与CCUS

DRI/HBI的工程价值包括稀释残余元素、稳定金属收得率、提高炉料一致性和支持高端钢。关键质量参数包括金属化率、总铁、脉石、碳、硫、磷、粒度和温度。高金属化率通常有利于降低EAF还原负荷；适量碳可提供化学能并促进泡沫渣，但过高碳会增加供氧和烟气。冷装DRI吸热并可能降低产能，热装DRI可显著节电，但需要密闭输送、惰性化和防再氧化。河钢张宣1.2 Mt/a氢冶金示范公开金属化率>94%[26]，宝武湛江1 Mt/a氢基竖炉完成168 h满负荷连续运行[27]，表明富氢过渡路线已具工业验证基础。

氢基DRI-EAF的排放高度依赖制氢电力、球团生产、运输和EAF购电。IEA估计当前氢基DRI-EAF相较传统路线仍存在约50%～140%的成本差，区域低价绿电、碳价、补贴与低碳钢溢价是经济性关键[10]。因此，国内项目更适合采用“焦炉煤气/天然气富氢—提高氢比—绿氢切换”的阶段路线，并在初期预留100%氢气、热装和碳捕集接口。

CCUS对EAF本体的适用性有限：EAF一次烟气间歇、流量大且CO2浓度波动，捕集成本和设备利用率不利。更适合的高浓度源包括天然气/富氢DRI尾气、石灰窑和部分燃烧烟气。Nucor与ExxonMobil计划从路易斯安那DRI装置每年捕集最高80万t CO2[28]，体现了“在低碳铁源端集中捕集”的思路。CCUS应与CO2运输、封存责任、长期监测和产品碳核算同步设计，不能仅以捕集装置规模判断减排有效性。

图7 关键技术的成熟度、减碳潜力与资本强度矩阵

注：TRL为本文基于公开工业案例的工程研判；同一技术在不同规模和产品场景下可能变化。

表2 关键技术的作用机制、评价指标与研发重点

技术模块	核心机制	主要评价指标	成熟度	工程重点
高质量废钢分选	来源追溯、破碎、磁选/涡流、光谱抽检	残余元素、堆密度、封闭容器率	TRL 8～9	先建立按钢种分级的采购标准
连续加料/预热	水平输送或竖井预热、后燃和急冷	预热温度、堵料率、收集率、二噁英	TRL 8～9	质量与烟气联锁优先于最高温度
UHP   EAF与供电	EBT、短网、电极调节、电力电子/无功补偿	kWh/t、min/heat、闪变、功率因数	TRL 8～9	以稳定均值而非最佳炉次验收
氧碳/泡沫渣	供氧、喷碳、FeO/MgO/碱度闭环	收得率、电极、炉龄、CO/CO2	TRL 8～9	烟气+渣样+电弧多源反馈
LF/VD/RH—连铸—直轧	质量窗口与节拍耦合	P/S/N/H、夹杂、热送率、直轧率	TRL 8～9	按产品分层配置精炼能力
数字孪生/AI	机理+数据驱动、软测量、MPC/优化	命中率、漂移、闭环覆盖率	TRL 6～9	先数据治理，后自治控制
微电网/储能	EMS、PPA、储能、需求响应	电价、需量、绿电匹配、功率质量	TRL 6～8	收益依赖当地电力市场
氢基DRI-EAF	富氢/纯氢竖炉、热装、绿电EAF	氢耗、电耗、金属化率、碳足迹	TRL 6～8	分阶段提高氢比并核验全边界
CCUS	DRI尾气/石灰窑捕集、运输、封存	捕集率、能耗、利用率、永久封存	TRL 5～7	优先高浓度、连续排放源

注：成熟度为本文研判，不能替代企业首台套或项目尽调。

 

5  情景化能量、碳排放与经济性分析

5.1  情景假设与能量边界

为避免不同路线因边界不一致而产生误判，本文设置100万t/a级、100 t/heat的全废钢EAF示范情景。液态钢收得率取91%，电耗350 kWh/t，氧气35 Nm³/t，天然气8 Nm³/t，喷碳10 kg/t，石灰/白云石35 kg/t，电极1.2 kg/t。该组参数位于公开工业案例的中高水平区间，用于敏感性分析而非设备保证值。能量流图中，电能1.26 GJ/t、燃料及氧化反应等化学能0.55 GJ/t、预热炉料带入0.15 GJ/t，总输入约1.96 GJ/t；钢液显热、烟气、冷却、炉渣和其他损失构成输出。

表3 能量—碳情景的主要假设

项目	基准值	边界说明
产能与炉容	1.0 Mt/a；100 t/heat	用于归一化固定成本和排产
炉料	全废钢；另设70%废钢+30% DRI情景	废钢成分、密度和DRI质量需项目化
收得率	91%	废钢锈蚀、渣中FeO和除尘损失均影响
液态钢电耗	350 kWh/t	先进稳定区间320～360 kWh/t
氧气/天然气/喷碳	35   Nm³/t；8 Nm³/t；10 kg/t	用于化学能、脱碳和泡沫渣
电力碳因子	0.5777 kgCO2e/kWh；绿电情景0.05	0.5777为中国2024年全国电力平均碳足迹因子[6]
功能单位	1 t合格粗钢/液态钢	对外披露需说明是否包含轧制、运输和循环信用

注：情景值用于说明变量影响；正式核算应使用企业活动数据、地区/合同电力因子和经审核的产品分配规则。

5.2  碳排放情景与电力敏感性

图8比较五种路线的cradle-to-gate示意结果。BF-BOF基准取2.05 tCO2e/t；全废钢EAF在全国平均电力条件下取0.55 tCO2e/t，其中购电约0.20 t；采用低碳电力后可降至约0.22 t。70%废钢+30%天然气DRI并采用绿电EAF的示意值为0.72 t，原因是DRI上游还原仍有较大排放；氢基DRI-EAF在低碳电力条件下可降至约0.30 t。上述数值的目的不是给出行业统一结论，而是说明“EAF+DRI”不必然低碳，决定变量是电力和原铁单元的全生命周期边界。

图8 不同工艺路线的吨钢碳足迹情景比较

注：为统一边界的示意模型，非企业碳声明。实际值随废钢循环分配、DRI气源、绿电匹配和轧制边界显著变化。

在基准电耗350 kWh/t下，电力碳因子每变化0.10 kgCO2e/kWh，吨钢碳足迹变化35 kgCO2e；若电耗从350降至330 kWh/t，在0.5777 kgCO2e/kWh电力因子下可减少约11.6 kgCO2e/t。由此可见，电网脱碳的边际影响通常高于继续压缩少量电耗，但节电仍能同时降低成本、容量和间接排放。对外发布低碳钢声明时，应至少披露Scope 1、Scope 2、废钢/DRI来源、购电方法（location-based或market-based）、功能单位和分配规则。worldsteel 2026 LCI数据库采用cradle-to-gate边界并覆盖多类钢材，为跨路线比较提供了重要方法学参照[8]。 

5.3  成本敏感性与路线选择

全废钢EAF的主要成本由废钢、合金和电力构成，DRI-EAF则进一步增加DRI或球团、还原气、制氢与资本成本。由于市场价格高度波动，本文不提供单一吨钢绝对成本，而采用边际敏感性。基准电耗350 kWh/t时，电价每变化0.10元/kWh，吨钢成本变化约35元；收得率91%时，废钢价格每变化100元/t，吨钢成本约变化110元；将tap-to-tap从35 min缩短至30 min，理论炉次频率提高16.7%，但实际产能增幅受精炼、连铸、轧制和检修制约。

表4 关键变量的边际敏感性

变量	变化幅度	示意影响	管理含义
外购电价	±0.10 元/kWh	约±35 元/t	优化电价、需量、现货/峰谷与排产
电力碳因子	±0.10 kgCO2e/kWh	约±35 kgCO2e/t	绿电匹配往往比再节省少量电耗更影响碳足迹
废钢到厂价	±100 元/t废钢	约±110 元/t钢	收得率和质量风险应计入采购比较
高品质废钢溢价	+200 元/t	约+220 元/t钢	若可减少DRI、合金和降级品，需看全成本
DRI比例	+10个百分点	质量改善；成本和能耗方向不确定	取决于DRI价格、温度、金属化率和脉石
tap-to-tap	35→30 min	理论炉次频率+16.7%	下游瓶颈和维修窗口决定实际收益
收得率	+1个百分点	显著摊薄废钢、能耗和固废成本	FeO控制和废钢锈蚀管理常比极限节电更有价值

注：影响为线性近似，未考虑价格联动、税费、产能利用率和质量溢价。

路线选择可用废钢质量、低碳电力、产品洁净度和资本承受能力四个变量判断。废钢充足且产品以长材为主时，应优先全废钢连续加料EAF；高端产品且优质废钢不足时，采用DRI/HBI稀释并配置VD/RH；绿电和氢条件优、客户愿意为低碳产品付费时，才具备氢基DRI-EAF的商业化基础。对于既有长流程，EAF项目还应考虑存量资产折旧、铁水去向、区域环保容量和转型节奏。

图9 绿色智能EAF短流程的路线选择矩阵

注：矩阵用于方案初筛；最终应以钢种、原料、电力、物流、碳政策和财务模型综合决策。

 

6  国内外工程案例与可迁移经验

工程案例的价值不在于复制单个指标，而在于识别指标背后的资源和边界。中国全废钢示范体现了连续加料—预热—快速冶炼—精炼—连铸—直轧的系统增益；河钢张宣和宝武湛江体现了富氢DRI与EAF衔接；国外案例则展示了电力电子供电、电磁搅拌、DRI原料安全、CCUS和绿氢一体化。表5按“工艺配置—公开指标—可迁移经验—边界”进行归纳。

表5 典型工程案例及其可迁移经验

案例	工艺配置	公开指标/状态	可迁移经验	使用边界
徐州金虹示范线	全废钢连续加料、预热、LF、方坯连铸、直轧	最低322 kWh/t；27.9 min；二噁英0.0017   ng-TEQ/Nm³；直轧率>99%[11]	系统节拍和热链匹配比单机极限更关键	最佳/示范数据，需核验年度均值和钢种
淮钢EAF Quantum	80 t EAF Quantum，特殊钢，铁水+废钢	32 min；25%铁水时约240 kWh/t，30%铁水时<230 kWh/t[21]	预热和连续加料可缩短节拍	非全废钢；供应商案例
河钢石钢新区	双竖井预热直流EAF、特钢精炼与智能制造	企业公开称相较老厂综合能耗、用水、碳排和污染物显著下降	短流程可支撑特钢，需配套深度精炼和质量数据库	搬迁前后边界可能不同
河钢张宣氢冶金	1.2 Mt/a富氢DRI，面向EAF	DRI金属化率>94%，已开展绿氢工况验证[26]	副产气/富氢过渡有助降低一步到位风险	碳足迹取决于气源和电力
宝武湛江	1 Mt/a氢基竖炉+220 t   EAF+板坯连铸	竖炉完成168   h满负荷连续运行[27]	高端板材路线需把低碳铁源与精炼、连铸、热轧一体设计	项目仍处于产线爬坡和产品扩展期
Danieli Q-One日本案例	电力电子供电EAF	公开报告节电约8%～12%、闪变显著下降[24-25]	适用于电网约束强、供电升级项目	收益依赖原供电基线；供应商数据
Nucor路易斯安那DRI-CCS	气基DRI+CO2捕集与封存	计划最高捕集80万t   CO2/a[28]	CCUS优先布置在连续、高浓度DRI尾气	需验证实际捕集率、运行能耗和永久封存
Stegra Boden	约700 MW电解水制氢—H2-DRI—EAF一体化	规划初期2.5 Mt/a、2030年5 Mt/a，宣称较传统路线减排最高95%[29]	近零碳项目依赖绿电、融资、施工和市场承购同步	建设中；首批交付预期与项目进度存在不确定性
日本制铁八幡规划	340 t级Consteel   EAF	2026年选定大型EAF方案[30]	大型化反映板材EAF与废钢高值利用趋势	规划项目，尚无稳定运行数据

注：企业与供应商公开指标均应在项目尽调时核验统计周期、炉料结构、钢种、系统边界和保证条件。

案例比较得到三点共性。其一，成熟全废钢路线的竞争力来自连续加料、稳定供电、泡沫渣、出钢—精炼—连铸节拍和直轧的组合，而不是某一台设备。其二，高端钢短流程的关键是“优质废钢+低残余DRI/HBI+充分炉外精炼”，单纯扩大废钢比例可能增加降级和质量成本。其三，氢基DRI-EAF的技术链已具示范基础，但商业化仍受绿电、氢、球团、基础设施、融资和低碳钢溢价的共同约束，不能把技术可行性等同于项目可融资性。 

 

7  主要瓶颈、风险与评价边界

7.1  技术与质量风险

高端EAF钢面临的首要风险仍是原料质量：Cu、Sn、As、Sb等残余元素易累积，镀锌废钢增加Zn负荷，含油和含氯废钢影响烟气，低密度料增加装料和热损失。DRI可改善残余元素，却可能因脉石、低金属化率或冷装造成渣量和电耗增加。EAF—LF—VD/RH—连铸之间的钢水温度和时间窗口较窄，任何一环节波动都可能抵消电炉的效率提升。

7.2  能源与经济风险

EAF成本对电价和需量高度敏感，且低价时段、低碳时段和生产最优时段可能不一致。绿电PPA降低年度碳足迹，但不能自动解决闪变、功率和容量；储能收益依赖辅助服务、价差和容量机制。DRI/HBI和氢基DRI的价格又受矿石品位、球团、天然气、氢和海运影响。因而，项目财务模型至少应设置电价、废钢/DRI价差、产能利用率、收得率、碳价和低碳产品溢价的联合情景。

7.3  数据、网络与模型风险

工业AI的主要风险包括传感器漂移、炉次标签错误、化验延迟、操作制度变化、网络隔离和供应商算法不可解释。模型在历史数据上高精度，并不保证跨钢种、跨炉役和异常状态的可靠性。建议采用数据质量评分、模型置信区间、漂移监测、人工接管、回滚版本、网络分区和最小权限控制。对安全联锁和漏钢/水冷泄漏等高后果场景，AI只能提供辅助判断，不能替代独立安全仪表系统。

7.4  碳核算与市场风险

短流程产品的碳足迹对废钢循环分配、电力方法、DRI来源和产品分配高度敏感。若企业只披露炉内直接排放而不披露购电和DRI上游，会低估实际差异；若对废钢同时计算上游零负荷和终端回收信用，则可能重复受益。当前中国钢铁已纳入全国碳市场，但EAF使用绿电的间接减排价值仍需与绿证、产品碳足迹和下游绿色采购进一步衔接[3]。在低碳钢溢价尚不稳定时，深度脱碳项目应优先锁定承购协议、认证方法和数据权属。

表6 绿色智能EAF短流程风险矩阵与缓释措施

风险	发生可能性	影响	主要缓释措施
高品质废钢不足/残余元素超限	高	高	按钢种分级采购；在线/抽样光谱；DRI/HBI稀释；产品分流
预热通道堵料、粘结或爆炸	中	高	料型限制；封闭容器识别；含水/危险品联锁；旁路和在线压差
电网闪变、容量与电价风险	高	高	短路容量评估；SVC/STATCOM/电力电子；EMS、储能和合同管理
收得率下降和渣中FeO偏高	中	高	氧碳闭环；渣样/烟气/功率联合；炉渣和金属平衡
DRI低金属化率或高脉石	中	高	供应商质量协议；热平衡和渣量模型；在线称量与批次追溯
AI模型漂移/误动作	高	中～高	置信区间、人工接管、A/B验证、模型版本与回滚
碳边界或认证规则变化	中	中～高	保留原始活动数据；并行location/market口径；第三方核证
低碳产品溢价不足	高	高	承购协议、分阶段CAPEX、绿色金融、与客户联合开发

注：可能性和影响为通用研判；项目应依据地区、钢种和组织能力重新评分。

 

8  2026—2035年研发与产业化路线图

近期（2026—2027年）的重点是“把基础盘做实”：建立按钢种的废钢分级和残余元素数据库；以GB 21256—2025、超低排放和碳市场要求统一能碳边界；改造称量、烟气、功率、温度、炉衬和设备数据；对现有EAF开展热平衡、物料平衡和电能质量诊断。此阶段优先部署TRL 8～9技术，目标是提升稳定性和年度平均指标，而非追求单炉极限。

中期（2028—2030年）的重点是“形成系统闭环”：在资源条件适宜的基地复制连续加料/预热、高效供电、LF/VD—连铸—直轧协同；建设EMS与储能/需求响应；上线配料、终点和设备健康模型；建立DRI/HBI与废钢协同配料窗口，向高端特钢和板带扩展。低碳产品应形成可核查的EPD/PCF、绿电凭证和供应链追溯。

远期（2031—2035年）的重点是“深度脱碳与规模验证”：在低价低碳电力、绿氢和高品位球团条件较好的区域建设高比例氢基DRI-EAF；在DRI尾气和石灰窑布局CCUS；推进小时级绿电匹配、全厂数字孪生和跨工序自治优化。到这一阶段，路线竞争力将更多取决于低碳铁源和电力系统，而非EAF本体是否先进。

图10  2026—2035年绿色智能EAF短流程研发与产业化路线图

注：路线图强调“成熟技术先复制、系统技术再集成、深度脱碳后放大”，各地区可按资源条件调整节奏。

表7 分阶段研发任务与建议评价指标

阶段	主线	重点任务	建议评价
2026—2027	基线与合规	废钢分级、热/物料平衡、能耗标准、超低排放、炉次数据主线	年度平均电耗/节拍稳定；关键数据完整率>98%；统一LCA/MRV边界
2028—2030	系统集成	连续加料预热、供电升级、精炼连铸直轧、微电网/储能、AI终点和配料	320～360 kWh/t稳定区间；热送/直轧率>95%（适用产品）；模型闭环受控
2028—2030	高端化	DRI/HBI混配数据库、低氮/洁净钢窗口、产品碳足迹和客户联合认证	形成汽车板、特钢等可复制钢种包；低碳产品可核查
2031—2035	深度脱碳	高比例氢基DRI、热装、绿电小时级匹配、DRI/石灰窑CCUS	在具备资源条件区域完成规模商业验证
持续推进	安全与韧性	炉衬寿命预测、水冷泄漏、网络安全、模型漂移、供应链多源化	重大安全零容忍；关键系统可降级、可回滚、可审计

注：指标需按炉容、产品和统计周期细化；不应以一条产线的最佳公开值作为所有项目验收线。

 

9  结论

（1）绿色智能EAF短流程已经从单机装备竞争进入系统集成竞争。废钢质量、连续加料/预热、供电、氧碳/泡沫渣、炉外精炼—连铸—直轧、烟气余热和数字控制必须在统一节拍下协同，任何单点先进都不能自动转化为长期低电耗和高作业率。

（2）先进全废钢EAF在良好炉料和运行组织下，稳定电耗320～360 kWh/t、tap-to-tap 28～35 min具有工程可达性；更低的公开值需辨明是否掺铁水、热装DRI、采用特殊产品或仅为最佳炉次。评价体系应从“最低kWh/t”扩展为kWh/t、min/heat、金属收得率、质量命中率、kgCO2e/t和年度作业率的联合指标。

（3）低碳电力是EAF碳足迹的决定变量之一。以350 kWh/t计，电力碳因子每变化0.10 kgCO2e/kWh，吨钢碳足迹约变化35 kgCO2e。绿电采购、微电网和储能应与排产、电能质量和碳凭证管理协同，而不应被简化为单一电源替代。

（4）DRI/HBI的首要价值是扩展质量和原料边界，而非天然低碳。只有当DRI金属化率、脉石、碳含量、还原气和电力均受控时，“废钢+DRI/HBI+EAF”才能同时实现高品质和低碳；氢基DRI-EAF应采用富氢过渡、逐步提高氢比并预留热装和CCUS接口。

（5）数字孪生与AI的价值在于形成可验证的闭环，而不是增加平台数量。推荐采用机理约束、数据校正、置信区间、漂移监测和人工接管的混合架构，并将质量、安全和设备寿命作为硬约束。近期应优先复制TRL 8～9技术，中期形成可复制的四流协同方案，远期再在资源和市场条件成熟地区放大氢基DRI-EAF与CCUS。

 

致谢、利益冲突与数据声明

致谢：作者感谢相关标准、政策、学术论文、行业协会和企业公开资料的提供者。

利益冲突：作者声明不存在可能影响本文观点的商业或财务利益冲突。

数据可得性：本文采用公开资料和情景化工程模型。图4、图5和图8中的数值用于方法说明，不构成特定企业的能耗、碳排放或质量声明。

参考文献

[1] 工业和信息化部, 国家发展改革委, 生态环境部. 关于促进钢铁工业高质量发展的指导意见[EB/OL]. 2022.

[2] 国家发展改革委等. 钢铁行业节能降碳专项行动计划[EB/OL]. 2024.

[3] 生态环境部. 全国碳排放权交易市场覆盖钢铁、水泥、铝冶炼行业工作方案[EB/OL]. 2025.

[4] 工业和信息化部等. 工业绿色微电网建设与应用指南（2026—2030年）[EB/OL]. 2026.

[5] 国家市场监督管理总局, 国家标准化管理委员会. GB 21256—2025 粗钢生产主要工序单位产品能源消耗限额[S]. 北京: 中国标准出版社, 2025.

[6] 生态环境部. 2024年全国电力平均碳足迹因子公告[EB/OL]. 2025.

[7] WORLD STEEL ASSOCIATION. World Steel in Figures 2026[R]. Brussels: worldsteel, 2026.

[8] WORLD STEEL ASSOCIATION. 2026 Life Cycle Inventory Database and Methodology[R]. Brussels: worldsteel, 2026.

[9] INTERNATIONAL ENERGY AGENCY. Iron and Steel Technology Roadmap[R]. Paris: IEA, 2020.

[10] INTERNATIONAL ENERGY AGENCY. Breakthrough Agenda Report 2025: Steel[R]. Paris: IEA, 2025.

[11] 中国金属学会. 科技新进展：绿色智能电弧炉炼钢短流程关键技术开发与应用[EB/OL]. 2025.

[12] 张福君, 杨树峰, 李京社, 等. “双碳”背景下低碳排炼钢流程选择及关键技术[J]. 工程科学学报, 2022, 44(9): 1483-1495. DOI: 10.13374/j.issn2095-9389.2021.12.29.004.

[13] LOGAR V, ŠKRJANC I. Development and validation of a next-generation mechanistic model of the electric arc furnace[J]. Steel Research International, 2026: e202501071. DOI: 10.1002/srin.202501071.

[14] LU H B, ZHU H C, JIANG Z H, et al. High-precision prediction model for electric arc furnace steel endpoint temperature using interpretable machine learning with in-depth analysis of driving factors[J]. Steel Research International, 2026: e202501292. DOI: 10.1002/srin.202501292.

[15] LI T, FENG H, ZHANG S C, et al. Integrating metallurgical mechanisms and explainable deep learning methods to predict phosphorus content in electric arc furnace steelmaking for enhanced efficiency[J]. ISIJ International, 2025, 65(8): 1111-1123. DOI: 10.2355/isijinternational.ISIJINT-2024-326.

[16] SHI C Y, ZHANG L, ZHOU T, WANG Y K, MA Z C. Prediction of end-point temperature and carbon content in electric arc furnace steelmaking based on a whale optimization algorithm with Lévy flight and stochastic configuration network algorithm[J]. Materials Today Communications, 2025, 42: 111326. DOI: 10.1016/j.mtcomm.2024.111326.

[17] YI X Y, YUE Q, DOU Z H, BU Q C. Enhancing efficiency in electric arc furnace steelmaking: A multi-objective optimization approach using the non-dominated sorting genetic algorithm II[J]. Steel Research International, 2025, 96: 2400370. DOI: 10.1002/srin.202400370.

[18] KIEUSH L, et al. Influence of carbon material properties on slag-foaming dynamics in electric arc furnaces: A review[J]. Steel Research International, 2025, 96: 2400235. DOI: 10.1002/srin.202400235.

[19] DIGIOVANNI C, LI D, NG K W, HUANG X. Evaluation of biochar and coke blends for slag foaming applications in electric arc furnace steelmaking[J]. Steel Research International, 2025, 96: 2400518. DOI: 10.1002/srin.202400518.

[20] JIN Y, et al. Energy and mass flow analysis and economic evaluation of hydrogen-based direct reduction electric arc furnace process[J]. Steel Research International, 2025, 96: 2400808. DOI: 10.1002/srin.202400808.

[21] PRIMETALS TECHNOLOGIES. FAC received for EAF Quantum deployed for special steel production in China[EB/OL].

[22] TENOVA. Consteel® EAF: Continuous scrap preheating and charging technology[EB/OL].

[23] ABB. ArcSave electromagnetic stirrer for electric arc furnaces[EB/OL].

[24] DANIELI. Q-One power feeder operation at Tokyo Steel[EB/OL].

[25] DANIELI. Q-One power feeder operation at Shinkansai Steel, Japan[EB/OL].

[26] 河钢集团. 120万t氢冶金示范工程及绿氢工业试验相关公开资料[EB/OL].

[27] 中国宝武. 湛江钢铁百万吨级氢基竖炉及近零碳产线公开资料[EB/OL].

[28] NUCOR CORPORATION. Nucor enters into carbon capture and storage agreement with ExxonMobil[EB/OL]. 2023.

[29] STEGRA. The Boden plant: Green hydrogen, DRI and steel production[EB/OL].

[30] NIPPON STEEL CORPORATION. Large-scale electric arc furnace plan for the Yawata Area[EB/OL]. 2026.

[31] GREENHOUSE GAS PROTOCOL. GHG Protocol Scope 2 Guidance[R]. Washington, DC: WRI/WBCSD, 2015.

[32] INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO 14040: Environmental management—Life cycle assessment—Principles and framework[S]. Geneva: ISO, 2006.

[33] INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO 14067: Greenhouse gases—Carbon footprint of products—Requirements and guidelines for quantification[S]. Geneva: ISO, 2018.