Life cycle analysis of electricity generation systems with implications on climate change policy

From the case study results, the methodology was capable of estimating with good confidence the life cycle carbon emission factor of existing electricity generation systems.. It was also

LIFE CYCLE ANALYSIS OF ELECTRICITY GENERATION  SYSTEMS WITH IMPLICATIONS ON CLIMATE 

CHANGE POLICY 

      NIAN JIALIANG VICTOR 

      NATIONAL UNIVERSITY OF SINGAPORE 

  LIFE CYCLE ANALYSIS OF ELECTRICITY GENERATION  SYSTEMS WITH IMPLICATIONS ON CLIMATE 

CHANGE POLICY 

NIAN JIALIANG VICTOR 

B.Eng. (Hons.), NUS 

A THESIS SUBMITTED 

  FOR THE DEGREE OF DOCTOR OF PHILOSOPHY 

  DEPARTMENT OF MECHANICAL ENGINEERING 

  NATIONAL UNIVERSITY OF SINGAPORE 

2014 

I hereby declare that,this thesis is my original work and it has been written by

me in its entirety

I have duly acknowledged all the sources of information which have been

used in the thesis

This thesis has also not been submitted for any degree in any university

previously

Nian Jialiang Victor

3 January 2014

I would like to gratefully and sincerely thank my thesis supervisor, Professor Chou  Siaw  Kiang  for  his  guidance,  understanding,  and  patience  during  my graduate studies at the National University of Singapore. His mentorship was paramount in providing a well‐rounded experience consistent my long‐term career  goals.  He  encouraged  me  to  not  only  grow  as  an  engineer  and  an academic researcher, but also as an instructor and an independent thinker. I 

am grateful for his confidence in my development of my individuality and self‐sufficiency by being allowed to work with such independence. For everything you’ve done for me, Professor Chou, I thank you. I would also like to thank the Department of Mechanical Engineering, especially all members in my thesis committee for their advice in shaping the focus of my research. 

I would also like to thank Dr. John Bauly for his guidance in getting my graduate career started on the right foot and providing me generously with his expert knowledge valuable to my research. I am grateful for his generous sharing of his vast experiences in nuclear engineering. Despite his busy schedule and the long  distance  between  Singapore  and  Zurich,  his  valuable  comments  and advice had always been reaching me in a timely manner. Working with him granted me with the unique opportunity to gain a wider breadth of research experiences. 

I would like to thank the Energy Studies Institute for giving me the opportunity 

to participate in important research projects. I was honoured to be awarded with  a  research  scholarship  top‐up  from  the  institute  for  the  project  on  an energy economy model of the Singapore’s electricity sector.  

Finally, and most importantly, I would like to thank my family, especially my parents, for their support, encouragement, quiet patience and unfailing love. I 

am  grateful  for  their  faith  in  me  and  allowing  me  to  be  as  ambitious  as  I 

Summary   iv 

List of Figures   vi 

List of Tables   viii 

List of Abbreviations   ix 

List of Symbols   xi 

1  Introduction   1 

2  Literature Review   13 

3  Development of the Methodology   27 

3.1  Generic power generation system definition   27 

3.2  Levelled system structure and associated boundaries   40 

3.3  Kaya Identity and decomposition   53 

4  Case Study on a Reference Light Water Reactor   107 

4.1  Reference global uranium supply chain   107 

4.2  Uranium fuel cycle calculation   109 

4.3  Process Chain Analysis for the LWR   116 

4.4  Life cycle energy and carbon emission analysis   134 

4.5  Further analysis   147 

5  Case Study on Future Small Medium Reactors   169 

5.1  The state of fission power reactor development   169 

5.2  Reactor technology roadmap towards Generation IV   181 

5.3  The prospects of the SMRs   190 

5.4  Evolution towards “Smarter Energy” future   207 

6  Discussions   217 

6.1  Technical Benefits   217 

6.2  Policy Benefits   221 

6.3  Limitations   223 

7  Concluding Remarks   226 

References   231 

Given  the  urgency  to  mitigate  the  warming  climate  caused  by  excess anthropogenic  carbon  emissions,  decarbonizing  the  global  energy  system ranked as one of the top priorities. In evaluating the alternative low carbon technologies, life cycle analysis (LCA) emerged strongly as a modelling tool for supporting  the  decision  making  process.  An  LCA  focusing  on  energy consumption  and  carbon  emissions  can  provide  insights  on  climate  change policy. Over the decades, two dominant approaches were established in the LCA literature, namely the Input‐Output Analysis (IOA), and the Process Chain Analysis (PCA) approaches. 

The IOA is an economic driven top‐down approach that considers aggregated flows between economic sectors. The PCA is a bottom‐up approach that uses engineering  and  process‐specific  data.  PCA  generally  yields  more  accurate results,  but  it  is  a  time  consuming  exercise.  Thus,  a  PCA  exercise  is  usually simplified  by  applying  “cut‐off”  criteria  to  exclude  less  relevant  processes, leading towards potential under‐estimation of the impact. On the other hand, the results from IOA are more complete and less case dependent, but they are also  less  precise.  There  are  also  transparency  issues  due  to  the  lack  of granularity at the process level. 

From  a  quick  scan,  we  detected  a  large  dispersion  on  the  life  cycle  carbon emission factors of electricity generation system, nuclear power in particular. 

in  the  PCA  approach  for  benchmarking.  In  response,  we  proposed  a methodology to streamline the formulation of the life cycle energy system. The methodology, developed based on the first principle, can give clear depiction 

on  the  elementary  mechanisms  of  the  input‐output  interactions  across  the system boundaries. The resulting system boundaries can facilitate the use of Kaya Identity and the decomposition concept to objectively establish the “cut‐off” criteria for an LCA‐PCA exercise. 

Two case studies were developed with one on a reference large size reactor system and the other on a Small and Medium Reactor (SMR) system. From the case  study  results,  the  methodology  was  capable  of  estimating  with  good confidence  the  life  cycle  carbon  emission  factor  of  existing  electricity generation systems. It was also capable of projecting the life cycle energy input and carbon emissions of future electricity generation technologies, such as an advanced  SMR  system.  Moreover,  the  methodology  was  also  capable  of analysing  the  influence  of  key  design  parameters  on  the  life  cycle  carbon emissions  of  the  system.  These  capabilities  can  provide  insights  directly relevant for energy system planning and climate change policymaking. 

Figure 1‐1 The “450 Scenario” developed by the IEA   3 

Figure 1‐2 General framework of an LCA on fission power generation   6 

Figure 1‐3 Life cycle carbon emissions of fission power generation reported in  the literature (logarithm plot)   7 

Figure 2‐1 Criteria on the evaluation of LCA methodologies   14 

Figure 3‐1 Schematic of a heat engine   28 

Figure 3‐2 Schematic of steam electricity generation   29 

Figure 3‐3 Schematic of the generic electricity generation system   30 

Figure 3‐4 Generic electricity generation system with representations on  environmental impact   31 

Figure 3‐5 Power generation and upstream systems   32 

Figure 3‐6 Schematic of a broader fuel fabrication system   34 

Figure 3‐7 Extended energy input definition for power generation system   35 

Figure 3‐8 Formation of life cycle electricity generation system via system  merging   36 

Figure 3‐9 Complete representation of the life cycle electricity generation  system   37 

Figure 3‐10 Generic life cycle electricity generation system   37 

Figure 3‐11 Generic “LCA Main System” definition for electricity generation in  the PCA approach   38 

Figure 3‐12 Boundaries between the technological system and its  surroundings   45 

Figure 3‐13 Boundaries between the “LCA Main System” and the “LCA Sub‐ systems”   45 

Figure 3‐14 Expanded view of levelled system structure   49 

Figure 3‐15 Defining the carbon emission streams with CInt and CExt   55 

Figure 3‐16 Simplified multi‐process system representation   58 

Figure 3‐17 Schematic for decomposing at Level 1 ‐ “Energy Input” side  63 

Figure 3‐18 Schematic for decomposing at Level 2 ‐ “Energy Input” side  71 

Figure 3‐19 Schematic for decomposing at Level 1 ‐ “Non‐Energy Input” side . 82 

Figure 3‐20 Schematic for decomposing at Level 2 ‐ “Non‐Energy Input” side . 85 

Figure 4‐1 Global uranium supply chain for the case study   109 

Figure 4‐2 Summary of uranium fuel cycle calculation results   116 

Figure 4‐3 Schematic of the uranium mining and milling “Process”   118 

Figure 4‐4 Schematic of uranium conversion “Process”   120 

Figure 4‐5 Schematic of uranium enrichment “Process” (Scenario 1)   122 

Figure 4‐6 Schematic of uranium enrichment “Process” (Scenario 2)   123 

Figure 4‐7 Schematic of uranium enrichment “Process” (Scenario 3)   123 

Figure 4‐8 Schematic of fuel fabrication “Process”   126 

Figure 4‐9 Schematic of power generation “Process”   129 

Figure 4‐10 Schematic of SF interim storage “Process”   131 

Figure 4‐11 Schematic of spent fuel disposal “Process”   133 

published LCA results   142 

Figure 4‐13 Benchmarking the case study results for Level 0 against the  median of published LCA results   143 

Figure 4‐14 Benchmarking the case study results against the average of  published values   144 

Figure 4‐15 Benchmarking the case study results for Level 0 against the  average of published values   145 

Figure 4‐16 Distribution of “Process Energy Input”   149 

Figure 4‐17 Share of “Process Energy Input”   150 

Figure 4‐18 Distribution of upstream “Process Energy Input”   151 

Figure 4‐19 Distribution of “Process” carbon emissions   153 

Figure 4‐20 Share of “Process” carbon emissions   154 

Figure 4‐21 Distribution of upstream “Process” carbon emissions   155 

Figure 4‐22 Influence of uranium ore grade to the life cycle carbon emission  factor of the reference LWR system   158 

Figure 4‐23 Typical initial loading map for a reactor core   160 

Figure 4‐24 Impact of enrichment concentration to the life cycle emission  factor   162 

Figure 4‐25 Scenario dependent trajectories of emission factors   163 

Figure 4‐26 Influence of 235 U Concentration in Scenario 1  164 

Figure 4‐27 Influence of 235 U Concentration in Scenario 2  166 

Figure 4‐28 Influence of 235 U Concentration in Scenario 3  168 

Figure 5‐1 Graphite “pebble” for Pebble Bed Reactor   171 

Figure 5‐2 Olkiluoto nuclear power station Unit 3 (EPR unit)   174 

Figure 5‐3 Loviisa nuclear power station with two units of VVER‐440   174 

Figure 5‐4 Qinshan CANDU nuclear power station   175 

Figure 5‐5 Shika nuclear power station (BWR and ABWR)   176 

Figure 5‐6 Leningrad nuclear power plant (RMBK and VVER reactors)   177 

Figure 5‐7 Monju nuclear power station (sodium cooled LMFBR)   179 

Figure 5‐8 Torness AGR power station, Scotland   180 

Figure 5‐9 Roadmap for fission power reactors   183 

Figure 5‐10 The prospect of future reactor licensing   184 

Figure 5‐11 Benchmarking life cycle carbon emission factors   192 

Figure 5‐12 Benchmarking the life cycle carbon emission factor of the SMR in  the technology conservative scenario   195 

Figure 5‐13 Benchmarking the life cycle carbon emission factor of the SMR in  the technology optimistic scenario   197 

Figure 5‐14 Influence of uranium ore grade to the life cycle carbon emission  factor of the conceptualized SMR   199 

Figure 5‐15 LCOEs of alternative power generation technologies   201 

Figure 5‐16 Capital costs of alternative power generation technologies   202 

Figure 5‐17 Capital costs of alternative power generation technologies  including SMR   203 

Figure 5‐18 LCOEs of alternative power generation technologies including  SMR   204 

Table 2‐1 Summary of significant milestones in LCA development   25 

Table 4‐1 Operating conditions of the reference LWR system in Singapore 110  Table 4‐2 Summary of SWU calculation   114 

Table 4‐3 Mining and milling “Process” inputs   119 

Table 4‐4 Conversion “Process” inputs   121 

Table 4‐5 Enrichment “Process” inputs ‐ Scenario 1   124 

Table 4‐6 Enrichment “Process” inputs ‐ Scenario 2   124 

Table 4‐7 Enrichment “Process” inputs ‐ Scenario 3   125 

Table 4‐8 Fuel fabrication “Process Energy Input” ‐ Scenario 1   127 

Table 4‐9 Fuel fabrication “Process Energy Input” ‐ Scenario 2   127 

Table 4‐10 Fuel fabrication “Process Energy Input” ‐ Scenario 3   127 

Table 4‐11 Fuel fabrication “Process Non‐Energy Input” ‐ all scenarios   128 

Table 4‐12 Power generation “Process” inputs   129 

Table 4‐13 SF interim storage “Process” inputs   131 

Table 4‐14 Spent fuel disposal “Process” inputs   133 

Table 4‐15 Carbon emission factors of electricity   134 

Table 4‐16 Carbon emission factors of fuels   135 

Table 4‐17 Carbon emission factors of power plant maintenance activities 135  Table 4‐18 Energy and carbon emission analysis for Scenario 1   135 

Table 4‐19 Energy and carbon emission analysis for Scenario 2   136 

Table 4‐20 Energy and carbon emission analysis for Scenario 3   137 

Table 4‐21 Carbon emission factors of “Non‐Energy Input”   139 

Table 4‐22 Case study results for the reference LWR system   140 

Table 4‐23 Life cycle carbon emissions on fission power reported globally . 140  Table 4‐24 Summary of results for energy and carbon emission analysis   147 

Table 4‐25 Summary of “Process Energy Input” in physical unit   149 

Table 4‐26 Summary of “Process Energy Input” in percentage   150 

Table 4‐27 Summary of “Process” carbon emissions in physical unit   152 

Table 4‐28 Summary of “Process” carbon emissions in percentage   154 

Table 4‐29 Initial 235 U enrichment vs. average assembly burn‐up for Leibstadt  LWR   161 

Table 5‐1 Summary of current SMR designs   186 

Table 5‐2 SMR operating conditions – technology conservative scenario   193 

Table 5‐3 Summary of case study results for the conceptualized SMR in the  technology conservative scenario   194 

Table 5‐4 SMR operating conditions – technology optimistic scenario   196 

Table 5‐5 Summary of case study results for the conceptualized SMR in the  technology optimistic scenario   196 

Table 5‐6 Overnight cost and the LCOE of the conceptualized SMR design . 203  Table 5‐7 Benchmarking the key characteristics of alternative power  generation technologies   211 

MWt  Megawatt of thermal energy 

OCGT  Open cycle gas turbine 

OECD  Organization for Economic Cooperation and Development OMR  Organically moderated reactor 

USC  Ultra‐supercritical 

U.S. DOE  United States Department of Energy 

U.S. EIA  United States Energy Information Administration 

U.S. NERAC  United States Nuclear Energy Research Advisory Committee U.S. NRC  United States Nuclear Regulatory Commission 

  : the n th  process of the “LCA Sub‐system” on the “Energy Input” 

side   : “product” of “Process”   

  : mass of different forms of fuel (denoted by each respective 

subscript) 

  : mass of wastes (residues) from the fuel fabrication process   : mass of fuel for producing thermal energy 

  : wastes (residues) from the power generation process (quasi‐heat‐engine definition) 

  : system energy efficiency 

  : dimensionless energy payback time   : loading factor 

1 Introduction

Global  warming  caused  by  anthropogenic  carbon  emissions  has  received increasing attention over the decades [1]. There is a strong scientific consensus that continued rising trend of global warming will lead to catastrophic climate change,  threatening  life  of  millions  [2].  According  to  the  ADB  [3],  climate change will have severe adverse effects on the sustainable development and poverty  eradication  efforts  globally  and  particularly  to  the  Southeast  Asian region.  First,  a  large  population  (about  563  million  people)  lives  along  the coastlines, measuring about 173,251 kilometres long. These populations are highly  vulnerable  to  sea  level  rises.  Second,  even  though  rapid  economic growth and structural transformation brought millions out of extreme poverty, there were still about 93 million (18.8%) living in extreme poverty as of 2005. Third,  agriculture  accounted  for  about  43%  of  the  total  employment  in Southeast  Asia  and  contributed  about  11%  GDP  in  2006.  The  increase  in extreme weather events (such as droughts, floods, and tropical cyclones, and warming), and forest fires due to climate change seriously threaten the export 

of  agricultural  produce.  Lastly,  increases  in  frequency  and  intensity  of  heat waves, droughts, floods, and tropical cyclones will lead to more frequent and extensive damage to properties and human lives. It is therefore important to take on urgent action in decarbonizing our energy systems. 

One  of  the  typical  approaches  in  identifying  the  means  of  reducing  carbon emissions  is  energy  systems  modelling.  Under  the  broad  family  of  energy 

system modelling frameworks, there is a large pool of methodologies and tools focusing on the assessment of environmental impacts, reported by Finnveden [4].  By  examining  the  pool  of  methodologies,  life  cycle  analysis  (LCA)  is  the most  relevant  methodology  for  quantifying  major  potential  environmental impacts  related  to  the  product  or  service.  In  this  case,  the  environmental impacts refer to carbon emissions, which cause global warming.  

The interest in LCA experienced rapid growth since the early 1990s. Initially, LCAs were applied for products [5, 6] as a decision support tool for selection among  different  alternatives.  In  the  early  development,  LCA  received  both high expectation and varied criticisms, as seen in Udo de Haes [7], Ayres [8], Ehrenfeld [9], Krozer and Viz [10], and Finnveden [11]. These expectations and criticisms  stimulated  strong  development  efforts  globally.  Over  the  years, international  standards,  ISO14040  [12]  on  principles  and  framework,  and ISO14044  [13]  on  requirements  and  guidelines  were  established.  These standards were complemented by operational guides, such as Guinée [14], and textbooks, such as Wenzel and others [15], and Baumann and Tillman [16].  

Over  the  decades,  LCA  has  been  progressively  applied  to  energy  producing systems,  especially  power  generation  [17].  From  1973  to  2011,  the  global energy  production  increased  from  6,129  TWh  to  22,202  TWh  at  an  average annual growth rate of 3.5% [18]. In 2010, power generation was accountable for  41%  of  carbon  emissions  with  67.8%  of  the  world  electricity  production 

of the popular targets for LCA studies [22]. In the “450 Scenario” developed by the  International  Energy  Agency  (IEA),  fission  power  was  expected  to contribute  to  6%  of  the  carbon  emissions  reductions  from  the  Business‐As‐Usual (BAU) scenario (Figure 1‐1 drawn based on the information from [23]).  

Figure 1‐1 The “450 Scenario” developed by the IEA 

According to Turconi  [17], there were broadly four phases in conducting an LCA: 1) goal and scope definition, 2) inventory analysis, 3) impact assessment, and 4) interpretation. Although there was a regulatory framework defined in ISO 14040 and ISO 14044, the guidelines provided in the current ISO standards for  conducting  an  LCA  study  allowed  for  flexibility  in  interpreting  key methodological issues [24]. Such flexibility has led to subjective approaches in the  formulation  of  an  LCA  methodology,  which  may  produce  incompatible results with other LCA studies of identical goals and scope. In the absence of a 

standardized  approach,  it  was  difficult  to  benchmark  the  LCA  results  from different methodologies. 

In general, there are broadly two approaches in the LCA literature, the Process Chain Analysis (PCA) and the Input‐Output Analysis (IOA). PCA is a bottom‐up approach that uses engineering and process‐specific data. Ideally, these data are obtained directly from the actual plants in the supply chain. PCA generally yields  more  accurate  results,  but  it  is  a  time  consuming  exercise  [25].  Very often, a PCA exercise is simplified by applying “cut‐off” criteria to exclude less relevant processes, leading towards potential under‐estimation of the impact [26]. On the other hand, the IOA is an economic driven top‐down approach that considers aggregated flows between economic sectors. It is often used for tracking the embodied energy or embodied carbon emissions in trade [27, 28] with the ability to consider the feedback effects in a multi‐regional setting [29]. Compared with  PCA,  the  results  from  IOA  are  more  complete  and  less  case dependent,  but  they  are  also  less  precise  [30].  There  are  also  transparency issues due to the lack of granularity at the process level. 

In the literature, there were also developments on the hybrid approaches by linking up the IOA and PCA, such as Bullard [31], Wilting [32], Treloar [33], Suh [34]. However, there were not many studies using these approaches available 

in the literature [17]. Wiedmann and others [35] used two hybrid approaches 

as well as the PCA approach to estimate the life cycle carbon emissions of wind 

For both the IOA and PCA approaches, it is necessary for an LCA study to select 

an  appropriate  set  of  LCIs  to  reflect  the  local  conditions  and  the  temporal scope  of  the  study  [17].  The  selection  of  LCI  is  closely  dependent  on  the formulation  of  the  life  cycle  system.  In  the  case  of  a  PCA,  the  granularity requirement for the LCI dataset is high and can be difficult to obtain. However, the same set of LCIs can lead to considerably different results in the absence 

of a properly formulated LCA methodology in the PCA approach. The cause of such variation was found to be related to the reliability of the methodological development in the PCA approach. 

Using fission power as an illustration, a general framework for an LCA study in the PCA approach can be outlined as schematized in Figure 1‐2. Based on this approach, several LCA methodologies on fission power, such as [36‐47] were developed  with  corresponding  life  cycle  carbon  emission  factors  reported. However, there is a lack of a standardized methodology in the PCA approach for  benchmarking  the  current  LCA  results  on  fission  power.  Without  a standardized  methodology,  it  is  also  difficult  to  benchmark  the  life  cycle carbon emissions of alternative power generation systems. 

Figure 1‐2 General framework of an LCA on fission power generation 

Based on our assessment on the credibility and reputation, we have carefully selected a list of more than 50 LCA studies in the PCA approach. These studies constitute  more  than  90  sample  points  for  the  LCA  results.  Based  on  our observation, the reported values of the life cycle carbon emission factors of fission  power  varied  by  more  than  a  factor  of  100  (Figure  1‐3).  Such  a magnitude of dispersion are hardly plausible. It seems to suggest that there are reliability issues with the current methodologies. Thus, it suggests the need 

to carefully investigate the issues associated with the current LCA studies. In brief, we found that there were reliability issues from both the methodological development and LCI selection aspects. 

carbon  emissions  from  alternative  power  generation  technologies  with  key policy recommendations. The LCA results were also used by the consultants at Mckinsey  for  the  development  of  a  global  Marginal  Abatement  Cost  Curve (MACC) [50, 51]. At the regional level, the ADB referenced LCA results in the discussion about climate change in Southeast Asia [3]. At the country level, the U.S.  Energy  Information  Administration  (EIA)  referenced  LCA  results  for  the agency’s Annual Energy Outlook series [52]. All of these authoritative works may become unreliable with the use of unreliable LCA results. As such, it may lead to the ill‐informed decision making, which could result in adverse effects 

in decarbonizing the energy systems. 

To  understand  the  root  cause  of  the  issues  with  the  current  LCA methodologies,  we  employ  a  scorecard  method  (explained  in  Appendix  A), developed  by  Nian  and  others  [53].  This  method  allows  for  a  systematic evaluation on the key aspects of an LCA methodology related to estimating the life  cycle  carbon  emissions  of  energy  systems  (explained  in  Chapter  2).  Our findings  suggest  that  the  cause  of  the  issues  are  rooted  primarily  from  the system  boundary  definition.  The  definition  of  system  boundaries  originated from the development of a cradle‐to‐grave system as well as the input‐output definitions. The definitions for a life cycle system, its input‐output interactions, and  boundary  selections  are  fundamental  to  an  LCA  methodology  on estimating carbon emissions. Thus, the reliability issues need to be addressed fundamentally. 

There were four other issues with the current LCA methodologies on power generation in the literature. First of all, none of the existing LCA methodologies were  capable  of  analysing  “design”  related  issues.  These  “design”  related issues  include  projecting  the  life  cycle  carbon  emissions  of  future  and/or advanced energy systems, and the influence on the life cycle carbon emissions from  the  change  in  design  parameters  (e.g.  reactor  size,  enrichment concentration,  and  uranium  ore  grade).  Indicators  derived  from  these capabilities  are  very  important  for  climate  change  policymaking.  Secondly, there was no standardized LCA methodology even though they were based on 

a similar framework. In other words, the current methodologies were usually case  specific.  An  LCA  methodology  for  solar  PV  power  generation  system cannot be used on a fission power generation system without re‐defining the entire life cycle system. Thirdly, there was a lack of generic representation on the energy systems. A life cycle system defined for solar PV cannot be used to represent a hybrid diesel‐backed solar PV system. These problems created a barrier  for  establishing  a  common  platform  for  repeatability  and benchmarking.  

In view of the above discussion, the objectives of this dissertation are: (i) to develop a generic methodology for analysing carbon emissions from electricity generation systems using the LCA‐PCA approach; (ii) to establish the cut‐off criteria for an LCA‐PCA by using the generic methodology together with the concept  of  Kaya  Identity  and  decomposition;  (iii)  to  apply  the  generic methodology to determine the life cycle carbon emission factor (measured in 

t‐CO2/GWh) of a large sized reactor system with reference design parameters; (iv)  to  apply  the  generic  methodology  to  determine  the  life  cycle  carbon emission  factor  (measured  in  t‐CO2/GWh)  of  a  small  and  medium  reactor (SMR)  system  with  conceptualized  design  parameters;  and  (v)  to  apply  the generic  methodology  in  a  parametric  study  to  understand  the  influence  of design parameters on life cycle carbon emissions. 

In  brief,  the  proposed  methodology  is  formulated  based  on  three  generic definitions:  generic  system  definition,  generic  input‐output  definition,  and generic  system  boundary  definitions.  The  life  cycle  system  definition  is conceptualized based on the first principle. In the formulation of the process chain, the methodology allows for explicit representation of key engineering parameters,  such  as  the  uranium  ore  grade,  power  plant  thermal  efficiency and  loading  factor,  uranium  fuel  burn‐up,  and  uranium  enrichment concentration.  Applying  the  concept  of  energy  balance  with  reference  to thermodynamics, the methodology enables clear depiction on the elementary mechanism of the input‐output interactions across the system boundaries. The resulting system boundaries definitions can facilitate the use of Kaya Identity and the decomposition concept to objectively establish the “cut‐off” criteria for an LCA exercise.  

There are multiple benefits with the proposed methodology. First of all, it is a generic methodology that can standardize the LCAs for electricity generation 

cycle  system  formulation  can  help  minimize  potential  hazards  in  an  LCA exercise, such as incorrect lifetime definition, biased boundary selections, and insufficient granularity in LCI dataset. The methodology enables transparent and balanced carbon emission analysis due to the use of energy with accurate inclusion of carbon emission streams. Thus, it is able to estimate with good confidence  the  life  cycle  energy  input  and  carbon  emissions  of  current electricity generation systems. The methodology is explicit in representing the relevant  design  parameters  at  the  process  level.  Thus,  it  can  be  used  to examine  the  influence  from  the  variation  of  these  parameters,  which advantages  conventional  sensitivity  analysis  (such  as  a  Monte‐Carlo simulation).  In  turn,  this  methodology  can  be  used  to  project  the  life  cycle energy input and carbon emissions of future power generation technologies, such as an advanced nuclear reactor. 

In this dissertation, we start with a literature review in Chapter 2. Based on the literature  review,  Chapter  3  describes  the  formulation  of  the  methodology, which  includes  life  cycle  system  conceptualization,  input‐output  definitions, and the selection of system boundaries and “cut‐off” criteria. The concepts of Kaya  Identify  and  decomposition  are  used  to  facilitate  the  discussion  on system boundaries. In Chapter 4, we conduct a case study on a reference light water reactor (LWR) system. The LWR system is assumed to be operating in Singapore with a reference global uranium supply chain. The case study also includes sensitivity analyses related to design parameters, such as uranium ore grade.  To  demonstrate  the  ability  to  project  life  cycle  carbon  emissions  of 

on an SMR system with conceptualized design parameters. Chapter 6 discusses about  the  benefits  and  limitations  of  the  methodology.  Finally,  Chapter  7 concludes the dissertation with recommendations for future research. 

2 Literature Review

In  the  literature,  there  were  broadly  two  approaches  for  an  LCA  of  power generation, the IOA approach, and the PCA approach. The IOA was generally referred to as the top‐down approach while the PCA was referred to as the bottom‐up  approach.  From  a  system  design  and  modelling  perspective,  the top‐down approach (also known as decomposition) is the breaking down of a larger  system  into  smaller  segments  to  gain  insights  to  its  compositional elements. This approach typically employs a “black box”, which tends to lose details at the elementary mechanism. The bottom‐up approach assembles the smaller  segments  and  the  elementary  mechanisms  that  can  eventually  give rise to a larger system. In this approach, elements at the base level are firstly specified in great detail before being assembled to form a larger segment. In general,  engineering  design  process  usually  come  from  the  bottom‐up approach, also known as synthesis. 

In  the  top‐down  approach,  the  IOA  enabled  a  standardized  platform  for scholars to evaluate energy systems in a multiregional setting [27, 28], with the ability to estimate the feedback effects [29] among the different systems. 

In  brief,  it  was  a  proven  method  in  evaluating  energy  systems  at  the macroeconomic  level  but  lacking  in  granularity  at  the  elementary  process level.  In  contrast,  the  bottom‐up  approach  enabled  high  granularity  at  the elementary level, which was useful for engineering analysis on energy systems. However, methodologies developed in the PCA approach were case specific.  

According  to  Nian  and  others  [53],  there  was  not  yet  a  standardized methodology in the bottom up approach. The unifying and standardizing effort required a comprehensive evaluation of the current methodologies in the PCA approach. The authors argued that there were four main criteria in evaluating LCA‐PCA methodologies, namely, LCA scope, LCA system, and LCA inventory data.  Each  of  the  main  criteria  can  be  further  divided  into  sub‐criteria  to enhance the granularity of analysis (Figure 2‐1).  

systems with minimum effort of adjustments; whether the methodology was capable of analysing different aspects of the an LCA, such as carbon emissions, waste  generation,  and  overall  energy  efficiency;  and  whether  the  LCA  can accurately account for the carbon emission streams. Under the “LCA Scope”, 

we examined how specific a published LCA method was in a cradle‐to‐grave analysis;  how  expandable  the  scope  was  such  that  it  can  be  systematically expanded to include different streams of carbon emissions; and whether there was  a  visible  and  justifiable  timeframe  in  defining  the  “lifetime”  in  the  LCA methodology. Under the “LCA System”, we examined whether the system and its  input‐output  definitions  were  sufficiently  generic  to  represent  all  energy systems;  benchmarked  on  the  granularity  of  the  PCA  used  in  the  methods; critically examined the system boundaries defined in each methodology; and assessed the completeness of a cradle‐to‐grave life cycle definition. Under the 

“LCA  Inventory  Data”,  we  examined  the  accessibility  of  the  LCI  dataset referenced by the current methodologies; benchmarked the granularity of the LCA dataset; and examined whether the published methodology can lead to engineering analysis from design perspective. With reference to the scorecard, 

we selected a list of well recognised works for our literature review. 

White  [54]  employed  a  typical  cradle‐to‐grave  approach  with  net  energy analysis, which considers the energy (and related emissions) expanded at all phases  of  the  power  plants  lifetime.  The  merit  of  this  work  lied  with  its comprehensive assessment of environmental impacts from power generation, including  a  broad  coverage  of  gaseous  emissions  beyond  mere  greenhouse 

of fossil fuels. Apart from thermal electricity generation, fossil fuels were also consumed in the process of manufacturing the materials used for power plant and  other  facilities  constructions.  However,  there  was  a  lack  of  detailed discussion  on  the  definitions  of  the  life  cycle  systems  for  fission  power generation  and  system  boundaries.  Without  a  clearly  defined  system boundary, this method can be unreliable in accurately registering the emission streams relevant to the life cycle power generation system. In turn, it could lead unreliable results. Moreover, this method was specifically applicable to thermal electricity generation, which hindered the possibility of benchmarking against renewables. 

Hondo  and  others  [38]  (with  subsequent  update  [47])  from  the  Central Research  Institute  of  the  Electric  Power  Industry  (CRIEPI)  conducted  a comprehensive  assessment  on  the  life  cycle  carbon  emissions  of  different power  generation  technologies,  including  fission,  coal,  natural  gas,  hydro, geothermal, wind, and solar PV. The assessment report contained a rich set of verifiable primary and secondary data sources of high granularity. Leveraging 

on  the  rich  data  set,  Hondo  [36]  conducted  a  life  cycle  carbon  emission specifically on fission power. The merit of the [36] lied with the introduction of life  cycle  thinking  and  the  importance  of  setting  a  specific  scope  for  LCA exercises. Similar to [54], [36] included the emission streams from the use of both  fossil  fuels  and  materials.  There  is  lack  of  discussion  on  the  system 

cycle  carbon  emissions  of  different  electricity  generation  systems.  Again, system  boundaries  were  not  discussed.  Moreover,  the  LCI  dataset  of  [37] might be conceived as non‐verifiable because [47] and [36] were only available 

in Japanese. 

Van de Vate [22] discussed the “full‐energy‐chain (FENCH)” methodology on assessing  the  life  cycle  emissions  for  benchmarking  different  electricity generation systems. The topic on FENCH‐GHG emission was discussed in the expert meeting hosted  by the International Atomic Energy Agency (IAEA) in 

1994  in  Beijing.  Subsequently,  van  de  Vate  [42]  conducted  a  FENCH‐GHG comparison among fission, hydro, solar, and wind technologies. Similar to [22], the  FENCH‐GHG  method  included  the  carbon  emissions  streams  from  both energy  and  material  use.  However,  [42]  used  directly  carbon  emission equivalent  per  unit  of  electricity  produced  for  each  stage  of  fission  power generation from mining to final waste disposal with key LCI dataset from the IAEA [55]. Although relevant for benchmarking, it was difficult to access and verify the reference materials. Furthermore, there was no discussion on the definitions of a life cycle system, input‐output, and system boundaries. 

Dones  and  others  [56]  developed  a  methodology  for  an  LCA  on  the  carbon emissions of fission power plant in the US. The methodology was based on the schematic of a model US uranium supply chain. The framework was intended for  the  development  of  the  Eco‐invent  database  [57],  an  internationally recognized  LCI  database.  However,  the  methodology  was  lacking  a  clear 

timeframe  for  the  analysis  with  poor  analytical  granularity.  An  earlier  work involved a study of fission power life cycle emissions in China by Dones and others  [44]  adopted  similar  framework  but  the  reported  a  large  range  of carbon emission factors. 

Tokimatsu and others [46] evaluated the life cycle carbon emission of fission power under different nuclear scenarios. With reference to [22, 36, 38, 42], this  paper  included  a  detailed  discussion  on  the  inclusion  of  embodied emissions for materials. This paper reported a large range of life cycle carbon emission  factors  of  fission  power  (from  10  to  200  kg‐CO2/kWh)  under  the different  nuclear  scenarios  in  Japan.  It  was  reasonable  to  assume  that  the carbon emission factor of fission power could reduce when more fission power plants  were  deployed,  because  the  enrichment  process  and  many  other activities in the uranium supply chain required large amount of electricity. This methodology was useful for a geographically bounded region covered by the same  electricity  grid.  However,  the  methodology  was  difficult  to  be generalized  in  a  multi‐regional  setting.  In  the  case  of  a  global  uranium  fuel cycle program involving multilateral cooperation for uranium fuel and waste management across different geographical regions, this methodology may not produce reliable results. Furthermore, this work was lacking a clearly defined life  cycle  system,  input‐output,  and  system  boundaries.  As  such,  it  was susceptible to incorrect inclusion of embodied carbon emission streams.  

Meier [58] developed an LCA methodology on the carbon emissions based on net  energy  analysis.  This  work  included  a  detailed  discussion  on  the  energy input  to  each  process  relevant  to  electricity  generation  including  upstream processes  (such  as  mining  of  raw  materials  for  plant  construction)  and downstream  processes  (such  as  plant  decommissioning).  This  methodology enabled  clear  tracking  of  carbon  emissions  streams  from  the  fuel  use. Moreover,  it  was  capable  of  computing  other  important  system  indicators, such as overall system energy efficiency, and energy payback. In general, it was 

a well‐articulated methodology with potential of further improvements. These improvements could be directed at conceiving a generic electricity generation system, establishing a set of clearly and objectively defined system boundaries, and improving the granularity of the PCA exercise. 

Lenzen [43] conducted a life cycle energy related carbon emission analysis on fission power to compare the embodied energy and carbon emissions of an LWR system and a heavy water reactor (HWR) system. Apart from the carbon emissions, other indicators such as energy payback were also included. Lenzen explained  in  details  some  of  the  key  processes  involved  in  fission  power generation. Overall, it was a well formulated methodology based on the PCA approach.    However,  the  methodology  could  be  further  improved  with discussions  on  system  boundary  definitions.  Furthermore,  it  would  also  be beneficial  to  improve  the  methodology  with  generic  system  definitions  on power generation to allow benchmarking. Another improvement to this work 

Sovacool  [39]  conducted  a  comprehensive  survey  on  the  current  LCA methodologies  and  results  on  fission  power.  This  paper  provided  a comprehensive collection of LCA works on fission power in the literature. The life cycle emission factor of fission power was obtained by taking the mean value  of  selected  literature  reference.  The  selection  of  references  was streamlined to exclude less relevant references based on the following criteria: 1) outdated reference data; 2) unavailable in the public domain; 3) methods relying on unpublished data or unverifiable data. These criteria were useful for selecting  the  list  of  published  works  for  our  literature  review.  Sovacool’s methodology was developed based on the PCA approach but the granularity 

of data analysis can be further improved. Another potential improvement can 

be directed at the life cycle system and associated boundary definitions.  

Storm  van  Leeuwen  and  Smith  [40]  conducted  a  detailed  LCA  on  carbon emissions  from  fission  power  with  an  update  in  [41].  This  peer‐reviewed technical report employed the concept of energy balance in computing the life cycle  carbon  emissions  as  well  as  the  net  energy  gain.  The  energy  balance concept was also useful for the development of our LCA methodology. Storm van  Leeuwen  and  Smith  included  a  detailed  discussion  on  the  dynamism  of energy input expanded at different stages of fission power generation. It also 

a  wide  range  of  verifiable  LCI  dataset.  A  first  potential  improvement  could come from a structured view on the process chain, and the associated input‐output definitions of the life cycle system when discussing the uranium supply chain. A second potential improvement could come from a thorough analysis 

on  the  system  boundaries  and  elementary  mechanisms  of  the  input‐output interactions  across  the  system  boundaries.  Without  these  improvements, there can be reliability issues with the methodology, especially on the inclusion 

of carbon emission streams. 

Warner and Heath [59] schematized a harmonization method for an LCA on fission  power  generation.  The  objective  of  this  paper  was  to  determine  the causes of variability in estimating the life cycle carbon emissions from fission power so as to reduce such variations. This paper used meta‐analytical process called  “harmonization”  in  defining  the  life  cycle  system,  its  processes,  and system  boundaries.  By  harmonization,  the  paper  aggregated  the  different stages for fission power generation into upstream processes (such as facility construction and supply of materials), operational processes (such as mining, milling,  conversion,  enrichment,  and  power  generation),  and  downstream processes (such as facility decommissioning and radioactive waste disposal). The upstream processes were applicable to all “operational processes” in the definition.  By  harmonization,  Warner  and  Heath  argued  that  all  of  these processes should be included in the life cycle carbon emission accounting. The 

harmonizing  method  effectively  established  a  consistently  defined  gross system  boundary.  However,  there  was  a  lack  of  transparency  on  the elementary  input‐output  interactions  across  the  system  boundary.  As  such, there could be reliability issues on the inclusion of carbon emission streams from the process inputs.  

Echávarri [60] reported a range of life cycle carbon emission factors of fission power from 2.6 to 5.5 kg‐CO2/kWh. This range of values was considered very low compared with the selected literature. The primary focus of this work was more  on  the  comparison  of  life  cycle  carbon  emissions  among  power generation technologies, and less on the LCA methodology. For fission power, the LCA emission values were referenced from [61], which was superseded by [62]. One might argue that the inclusion of Echávarri’s work into the literature review was less relevant due to the differences in the focuses of discussions. However,  this  highlighted  a  critical  issue  on  the  reliability  of  the  reference data.  Pro‐nuclear  publication  might  report  favourably  low  carbon  emission factors  while  anti‐nuclear  ones  might  report  otherwise.  Depending  on  the granularity of the PCA, system boundary definitions, and the reference data, it was possible to manipulate an LCA on carbon emissions towards favourable results. Therefore, it was important to discuss in details on the formulation of 

a  life  cycle  electricity  generation  system  and  system  boundaries.  A  careful analysis on the credibility of the reference data was crucial, especially when an LCA  work  only  referenced  the  final  life  cycle  carbon  emission  factors  from 

Suh and others [63] argued that there were practical difficulties in drawing the system boundaries with current LCA methodologies, including the relevant ISO method. There was a lack of scientific basis in determining the cut‐off criteria (inclusion/exclusion  of  processes).  In  response,  Suh  and  others  proposed  a hybrid  approach  in  determining  the  system  boundaries,  which  incorporated the  use  of  PCA  as  well  as  the  economic  Input‐Output  method.  Overall,  this method was more of a top‐down IOA dominant one with less focus on the PCA. 

It  was  a  useful  method  for  clarifying  some  of  the  boundary  issues  at  the framework  level.  A  potential  improvement  could  come  from  a  quantitative analysis in the PCA approach for scientifically justifying the selection of system boundaries. 

In his most recent report published in 2012, which served as an update to [40] and  [41],  Storm  van  Leeuwen  [64]  pointed  out  that  there  were  still  “many controversies  with  regard  to  fission  power  turn  out  to  originate  applying different system boundaries and time horizon: which processes and activities are included in the system and which are not. Often the system boundaries are not  explicitly  defined”.  This  was  another  clear  indication  that  there  were critical  issues  with  the  selection  of  system  boundaries  in  the  current  LCA methodologies yet to be addressed at the fundamental level. 

In  summary,  there  were  issues  pertaining  to  all  four  criteria  defined  in  the scorecard. Under the “LCA Framework”, there was a lack of standardization in 

the  LCA  framework.  Each  published  work  represented  a  unique  life  cycle technology system even though they were based on a similar approach. There was a lack of transparency in tracking the emission streams. Most critically, none  of  the  published  methodologies  was  capable  of  representing  complex electricity  generation  systems.  For  example,  this  complexity  may  refer  to  a system comprised of more than one input fuel type and/or technology system, such  as  hybrid  diesel‐backed  solar  PV  power  generation  system.  Under  the 

“LCA Scope”, most of the published work seemed to have diluted the scope for assessment  with  the  most  common  dilution  between  the  study  on  carbon emissions  and  waste  stream  generation.  On  the  timeframe  of  assessment, there was a lack of distinction between lifetime of a power plant and lifetime 

of the value chain for power generation. Under the “LCA System”, there was a lack of a generic system and its associated input‐output definitions; and there was little attention paid to the system boundaries. Under the “LCA Inventory Data”, there were issues with the accessibility of data, such as language barrier and proprietary protections. Many of the published works were lacking in data granularity, which increased the difficulty in validation and benchmarking. In most instances, there was a lack of transparent analysis on the fuel‐to‐fuel, and fuel‐to‐energy conversion but heavy reliance on secondary sources with only gross process or system carbon emission factors. For better visualization, the milestones in the literature is summarised in Table 2‐1.