全球能源行业的快速脱碳加速了太阳能光伏和风能等可变可再生能源（VRES）的部署。尽管这些能源具有环境效益，但其间歇性给系统稳定性、充足性和长期平衡带来了重大挑战。因此，大规模储能技术（LSESTs）在通过提供从快速频率调节到季节性能量转移等服务来促进可再生能源整合方面发挥着关键作用。然而，选择最佳技术是一项多维度的任务，需要考虑技术、经济、环境和系统集成等因素。
目前已有或正在开发多种LSESTs，包括机械系统（飞轮储能、压缩空气储能、液态空气储能）、热储能（显热储能、潜热储能、热化学储能）、电化学电池、基于氢的储能以及先进的电磁系统（电容器、超导磁能储能）。每种技术都在效率、投资成本、寿命、环境足迹和可扩展性方面具有独特的特点，而水资源短缺、极端气候条件、燃料价格和基础设施可用性等情境因素也会显著影响其可行性。
大多数比较评估侧重于资本支出（CAPEX）、运营成本（OPEX）或平准化电力成本（LCOS）等经济指标，但在水资源消耗、气候适应性或长期能力至关重要的地区，这些指标 alone 是不够的。忽略这些情境因素可能会导致次优的规划决策。MCDM提供了一种有价值的方法，可以将技术、经济、环境和定性标准整合到结构化的评估中。它特别适用于能源技术规划，因为需要同时考虑定量指标（如LCOS、效率）和定性因素（如政策兼容性、气候适应性）。
选择LSESTs本质上是一个复杂的过程，需要同时评估经济、技术、环境和社会维度[1]、[2]、[3]。先前的研究表明，依赖单一维度会导致结果不完整，而多标准框架能够捕捉到成本、效率、生命周期影响和社会接受度之间的多种权衡[4]、[5]、[6]。由于标准之间的冲突频繁，因此广泛应用了分析层次过程（AHP）、基于与理想解相似性的偏好排序技术（TOPSIS）和多标准优化与折中解决方案（VIKOR）等MCDM方法[7]、[8]。混合模糊和交互式多标准决策（TODIM）方法进一步改善了对模糊性和专家犹豫的处理，支持在统一尺度上进行一致的技术比较[9]、[10]。
当涉及多个利益相关者时，群体决策和基于共识的方法也很重要[11]、[12]，以确保与脱碳、能源安全和社会经济发展等更广泛的目标保持一致[13]。稳健性分析加强了这些评估：敏感性测试揭示了在优先级变化下哪些排名仍然稳定[14]，而特定应用的适用性区分了适用于短时服务的技术和适用于季节性储能的技术[7]、[15]、[16]。经济考虑因素，特别是平准化电力成本（LCOS），仍然至关重要，而特定应用的背景（例如太阳能海水淡化）突显了环境和热性能的重要性[17]。
技术指标如能量密度、循环寿命和往返效率决定了电化学和机械储能选项的适用性[18]、[19]，而对于高比例可变可再生能源（VRE）的电网来说，可扩展性至关重要[20]。环境维度（包括可持续性指数、排放量和资源使用）在储能选择中变得越来越重要[17]、[22]。从传统的AHP/TOPSIS到模糊和混合SWARA–ARAS–VIKOR组合的各种MCDM方法已被用来整合这些不同的因素[10]、[21]、[23]、[24]、[25]。案例研究一致表明，锂离子电池适用于多种服务[26]，压缩空气储能（CAES）适用于长寿命和低自衰减情况，而热储能则适用于高可持续性要求。
总之，LSEST的优先排序需要平衡经济可行性、技术性能和环境可持续性。虽然MCDM框架解决了这种复杂性，但现有文献大多依赖于单一的加权或排序方法，这可能会引入偏见。许多先前的评估还假设了温和且水资源丰富的条件，并忽略了系统特定因素，如用水量、气候压力、长期需求以及与天然气或出口基础设施的协同作用——这些因素对于像伊朗这样水资源紧张、天然气丰富的系统来说至关重要。
最近的研究开始纳入动态和随时间变化的标准演变。例如，Yang等人提出了时间依赖的MCDM模型[27]，Dong等人提出了多阶段群体决策框架[28]，Hernández-Torres等人对新兴技术与成熟技术进行了动态评估[29]。Sahoo和Goswami认为混合数据驱动/动态MCDM是一个重要的研究方向[30]。
尽管有上述进展，现有文献中仍存在几个关键空白。大多数研究依赖于单一的加权或排序方法，这可能会在评估过程中引入偏见。此外，很少有评估明确考虑水资源短缺、气候适应性和长期适用性以及与天然气基础设施的协同作用。在这些因素对于像伊朗这样炎热干旱、水资源紧张且天然气丰富的系统来说至关重要。另一个重要限制是，储能技术的技术经济标准（包括平准化电力成本、效率和寿命）的时间演变很少被纳入MCDM中。
为了解决这些空白，本研究做出了三项创新贡献。首先，它提出了一种多权重和多排序架构，结合了六种加权方法（AHP、BWM、SWARA、Entropy、CRITIC、MEREC）和十一种排序算法，并使用两级Borda共识来减少方法依赖的偏见。其次，它引入了两个新的针对伊朗的具体标准，即长期适用性和基础设施/出口协同作用，以及用水量和气候适应性。第三，它提出了一个动态MCDM扩展模型，该模型使用特定群体的学习率来预测成熟技术、中间技术和新兴技术在10年和20年范围内的表现。该框架通过广泛的敏感性测试和蒙特卡洛模拟得到了验证，为LSEST规划提供了一个稳健且具有前瞻性的决策支持工具。
本文的其余部分结构如下。第2节详细介绍了所提出的MCDM方法，包括标准定义、数据来源、权重和排序方法、共识方法以及动态扩展。第3节展示了伊朗案例研究的结果，包括基线排名、不确定性和敏感性分析以及动态MCDM的结果。第3节还讨论了研究发现和政策含义，第4节提出了将该框架应用于其他领域的建议。
