技术深度解析
该代码库的核心创新并非新模型，而是一种模型交付的*新方法*。原 Duan 等人的研究使用了一个定制的、单体式的 Python 脚本，将数据加载、优化和后处理混在一起。复制研究将其重构为一个使用两个关键工具的干净流水线：
- PyPSA（Python 电力系统分析库）： 一个用于模拟和优化电力系统的开源库，尤其适用于可再生能源占比高的系统。它处理核心的线性规划优化（通常使用 Gurobi 或 GLPK 等求解器），以在满足发电机调度、输电限制和储能运行等约束条件下最小化系统成本。复制研究使用 PyPSA 的 `Network` 对象来表示整个美国电力系统，每个平衡机构作为一个节点，输电走廊作为边。先进核反应堆被建模为具有特定成本、效率和爬坡约束的新型发电机类型。
- Snakemake： 一个工作流管理系统，将整个分析定义为一个有向无环图（DAG）的规则集合。每条规则指定输入、输出以及一个 shell 或 Python 命令。这确保了从下载原始数据到运行优化再到生成图表的每一步都被明确定义，并且可以确定性地重新运行。Snakemake 还处理依赖追踪、并行执行和容器化（通过 Conda 或 Singularity），使流水线在不同系统间可移植。
架构：
1. 数据摄取： Snakemake 规则下载并预处理输入数据：可再生能源资源潜力（来自 NREL 的 WIND Toolkit 和 NSRDB）、现有发电机组（来自 EIA-860）、输电拓扑（来自美国东部和西部互联电网）以及核能成本预测（来自原 Duan 等人论文及更新来源）。
2. 场景生成： 流水线定义了多个场景：基准场景（无新建核能）、先进核能部署场景（具有不同的成本假设）以及敏感性分析场景（例如，高/低天然气价格、碳约束）。
3. 优化： PyPSA 为每个场景求解一个多时段（例如，8760 小时）的容量扩展与调度问题。目标是使总系统成本最小化，包括资本、燃料、运维和排放成本。求解结果决定了发电机、储能和输电升级的最优组合。
4. 后处理： 结果被汇总为摘要指标（系统成本、CO2 排放、发电结构），并使用 Matplotlib/Seaborn 绘制图表。
基准测试与可复现性：
该代码库包含一个 `Snakefile` 和一个 `config.yaml`，完全指定了分析过程。用户可以通过运行 `snakemake --use-conda` 自动创建一个包含所有依赖项（PyPSA、pandas、numpy 等）的 Conda 环境，并执行整个工作流。这消除了“在我机器上能跑”的问题。作者还提供了一个用于容器化执行的 Dockerfile。
| 特性 | 原始研究 | 复制研究 |
|---|---|---|
| 代码库 | 单体式 Python 脚本 | 模块化 PyPSA + Snakemake 流水线 |
| 可复现性 | 手动，易出错 | 全自动，确定性 |
| 可扩展性 | 困难（硬编码路径、假设） | 容易（配置驱动、模块化规则） |
| 可移植性 | 单机 | Conda/Docker，支持 HPC |
| 透明度 | 不透明 | 通过 Snakemake 日志提供完整审计追踪 |
数据要点： 复制研究在可复现性和可扩展性方面实现了阶跃式提升。原研究的发现现在可以被独立验证并在此基础上构建，这对于政策相关的能源模型至关重要。
关键参与者与案例研究
- Lei Duan（原作者）： 加州大学伯克利分校的研究员，其 2022 年发表在 *Joule* 上的研究对先进核反应堆进行了详细的技术经济分析。原研究具有影响力，但因缺乏开放代码而受到批评。复制研究在解决透明度差距的同时，隐含地验证了 Duan 的核心结果。
- PyPSA 社区： 由法兰克福高等研究所（FIAS）和柏林工业大学的研究人员领导，PyPSA 已成为欧洲开源电力系统建模的事实标准。其在此处的使用标志着欧洲与美国建模实践之间日益增长的融合。PyPSA-Earth 项目（GitHub：`pypsa/pypsa-earth`）将其扩展到全球尺度。
- Snakemake： 由弗莱堡大学 Möbius 实验室开发，Snakemake 在生物信息学中被广泛使用，但在能源建模领域正获得关注。其在此处的整合为其他能源建模者提供了一个模板。
- 与其他核能建模工具的比较：
| 工具 | 类型 | 开源？ | 可复现性 | 用例 |
|---|---|---|---|---|
| Duan 等人（原版） | 自定义脚本 | 否 | 低 | 学术研究 |
| GCAM（全球变化评估模型） | 综合评估 | 部分（Java | | |