贝叶斯优化在焦油裂解动力学中的应用:Aspen HYSYS–Python工作流中热裂解路径与催化裂解路径的能量经济性比较

《Computers & Chemical Engineering》:Bayesian optimisation of tar-cracking kinetics: Energy–economic comparison of thermal and catalytic routes in an Aspen HYSYS–Python workflow

【字体: 大 中 小 】 时间:2026年10月23日 来源:Computers & Chemical Engineering 4.9

编辑推荐:

  •贝叶斯优化在Aspen HYSYS–Python工作流中校准了焦油裂解动力学。•敏感性筛选在优化前减少了动力学搜索空间。•比较了热裂解和催化裂解路径。•量化了试点条件下的能量和运营费用(OPEX)权衡。 1. 引言 生物质气化是一种有前景的热化学方法,可将可再生碳资源转化为合

  •贝叶斯优化在Aspen HYSYS–Python工作流中校准了焦油裂解动力学。•敏感性筛选在优化前减少了动力学搜索空间。•比较了热裂解和催化裂解路径。•量化了试点条件下的能量和运营费用(OPEX)权衡。

1. 引言
生物质气化是一种有前景的热化学方法,可将可再生碳资源转化为合成气,合成气包括CO、CO2、H2、CH4和轻质烃,适用于电力、燃料和化学品生产(Khlifi等,2024年)。随着社会追求低碳能源系统,气化使得农业废弃物、林业副产品和城市固体废弃物等残渣得到利用,从而减少对化石燃料的依赖,并支持循环经济目标(Khlifi等,2024年)。尽管具有这些优势,气化仍面临重大操作障碍,最显著的问题是在挥发分脱除和重质有机蒸汽不完全裂解过程中形成焦油(Narnaware和Panwar,2021年)。这些焦油在较低温度下凝结,导致下游单元发生堵塞、腐蚀和催化剂失活,最终限制了效率和技术商业化应用(Al-Rahbi和Williams,2022年)。因此,焦油缓解仍然是生物质气化研究的核心焦点(Jothiprakash等,2025年)。在现有的焦油缓解策略中,热裂解和催化裂解是研究最广泛的途径。热裂解涉及将含有焦油的合成气加热到约850°C以上,将复杂的烃类分解为H2、CO和CH4等较轻的气体(Narnaware和Panwar,2021年)。其操作简单性使其适合分散式系统,尽管需要昂贵的氧气生成基础设施来维持高温的氧化部分。相比之下,催化裂解通过使用白云石、镍基材料或沸石等催化剂降低温度要求并提高转化选择性(Jothiprakash等,2025年)。白云石价格低廉且耐硫(Islam,2020年),镍催化剂效率高但容易结焦和失活(Shang等,2020年),而沸石具有优异的热稳定性和抗结焦性,但合成成本较高(Kostyniuk和Kovalchuk,2021年)。比较实验结果表明,催化裂解的焦油减少率约为98%,而热裂解方法约为90%(Lateh等,2021年)。催化方法还可能减少碳沉积(Lateh等,2021年),尽管仍存在挑战,包括催化剂失活、成本以及性能随时间下降的问题(Jothiprakash等,2025年)。因此,理解热裂解和催化裂解路径在运营费用(OPEX)、能量使用和合成气产量之间的权衡对于设计能有效平衡性能和经济效益的合成气净化装置至关重要(Jothiprakash等,2025年)。虽然催化方法在提高合成气质量方面表现优异,但其广泛应用取决于开发更经济实惠和耐用的催化剂以及优化操作条件以实现经济可行性(Prasetiyo等,2024年)。建模和仿真工具对于评估这些权衡至关重要,为实证研究提供了系统框架(Azeez等,2023年)。然而,文献中的大多数模型侧重于催化剂行为、反应机理或合成气成分优化,而不是直接量化热裂解和催化裂解路径之间的能量-产量权衡。已经开发了多种建模研究来描述热裂解、催化裂解和等离子辅助条件下的焦油裂解现象。早期的动力学工作包括Juneja等人(2010年)对甲苯转化的建模,该模型估计了在生物炭上蒸汽重整的反应速率常数和活化能(Juneja等,2010年)。补充的热力学-动力学模型,如Donskoy(2024年)的模型,模拟了各种气化条件下的焦油演变,并评估了分阶段热裂解和催化裂解方案(Donskoy,2024年)。建模工作还研究了催化剂失活这一催化裂解性能的关键因素,或利用CFD分析了丙烷脱氢过程中的结焦动态(Mosleh和Darvishi,2022年)。同样,Niknaddaf等人(2013年)采用了单层-多层动力学机制来描述Pt–Sn/γ-Al2O3催化剂上的结焦形成(Niknaddaf等,2013年)。总体而言,这些研究表明,焦油裂解建模涵盖了动力学、热力学、等离子体、平衡和CFD框架,每个框架都对焦油演变和合成气调节的机理理解有所贡献。然而,缺乏综合考虑能量和经济权衡的热裂解和催化裂解之间的全面比较,这是合成气净化和调节研究中的一个重要空白,可以通过先进的过程仿真技术来解决。例如,基于能量和熵的模型已被应用于过程模拟器中评估热裂解和催化裂解系统。Hu等人(2023年)使用ReaxFF分子动力学结合动力学机制分析了茴香醚的部分氧化,展示了氧气添加如何增加活性自由基和热量释放(Hu等,2023年)。Dai等人(2018年)通过动力学集总和质量/能量平衡方程对煤焦油加氢进行了建模,准确再现了温度分布和产物产量(Dai等,2018年)。催化剂再生建模通过模糊逻辑和神经模糊系统研究了超临界CO2中的Ni/Al2O3再生(Ghadirinejad等,2021年),以及CFD-动力学耦合用于流式催化裂化(FCC)催化剂再生(Singh和Gbordzoe,2017年)。像Aspen HYSYS这样的过程模拟器是焦油裂解研究中的传统工具,广泛用于能源和技术经济优化。例如,Azeez等人研究了温度和停留时间,以确定在保持高合成气质量的同时最小化能源需求的操作条件(Azeez等,2023年)。类似的方法也被应用于烃类重整,通过优化温度和H2与烃的比例来最小化苯的形成(Velázquez-Alonso等,2025年)。最近应用机器学习(ML)和统计方法进行焦油裂解的研究,如基于ML的镍基催化剂优化或自动化过程优化框架,突显了以数据为中心的工具在提高生物质气化性能方面的潜力(Wang等,2024年;Bianco等,2018年)。同样,Alizadeh和Sadrameli(2016年)应用人工神经网络-遗传算法(ANN–GA)优化技术对热裂解炉进行优化,以量化熵效率和识别不可逆性来源(Alizadeh和Sadrameli,2016年)。尽管取得了这些进展,基于Aspen的建模主要应用于技术经济和动力学研究(Faheem Ul Hasnain等,2024年),但在集成贝叶斯优化等先进优化技术方面存在明显差距。例如,动力学参数的校准是一个计算要求高的核心建模步骤,因为需要穷尽网格探索的高维搜索空间。基于物理的ML模型常用于超参数调整,以最小化这些模型误差,这种方案适用于通过全面的Python–Aspen工作流进行反应速率校准的过程建模(Cihan,2025年)。替代模型辅助的贝叶斯优化策略为导航超参数空间朝向物理上一致的动力学参数提供了一种有前景的方法(Fan等,2024年)。本研究旨在通过基于模拟的评估方法比较热裂解和催化裂解路径的焦油去除性能、能源需求和直接运营成本。该方法包括两个顺序阶段。首先,通过Python COM自动化将贝叶斯优化与Aspen HYSYS结合,通过最小化均方误差(MSE)来校准动力学参数,以匹配实验数据。校准完成后,选定参数固定,并在定义的操作矩阵上独立模拟两种路径。然后计算能量负荷和直接运营成本作为下游过程模型的输出;这些指标不进入BO目标或获取函数。所得工作流支持两种路径的比较,并为试点规模的合成气净化装置提供放大决策依据。

2. 方法论
2.1. 通用模型架构
本研究是在Moving2Neutrality(M2N)框架内开发的,该框架专注于通过可持续燃料和低碳技术实现交通脱碳。在这个更广泛的倡议中,本文研究了与生物质气化相关的试点规模合成气净化部分,特别是热裂解和催化裂解阶段。当前研究中使用的试点焦油裂解装置是一种带有外部炉子加热的盒式单元。因此,HYSYS流程图提供了M2N过程的代表性稳态配置。其再生分支实现为连续固体循环,用于材料、再生空气和能量核算;它不代表FCC提升管和再生器之间的物理催化剂循环。热裂解(Th)和催化裂解(Cat)路径使用顺序HYSYS–Python工作流进行评估,其中基于替代模型的贝叶斯优化仅限于动力学校准。通用架构如图1所示,遵循Fan等人(2024年)的概念结构,包括三个协调层:(i)针对两种裂解路径的机理过程仿真层,按照气体净化工作流在Aspen中实现;(ii)全局参数调整层,其中高斯过程(GP)替代模型近似目标函数并指导贝叶斯优化(BO)算法得到一致的动力学参数;(iii)路径评估层,其中使用校准后的模型来量化转化路径并评估技术经济性能指标。选择BO进行动力学校准是因为通过Python COM访问HYSYS时,校准目标的分析导数不可用,而数值导数估计需要额外的流程图模拟。每个候选参数集都需要完成八温度的HYSYS扫描,才能评估焦油去除MSE。因此,GP替代模型重用已完成的模拟来指导后续评估,遵循文献指导的参数范围。整个工作流通过Python–HYSYS COM自动化进行协调,并使用skopt库实现。在此架构中,BO仅限于动力学参数校准,使用方程(5)中的焦油去除MSE作为目标。校准后,选定的动力学参数在HYSYS反应包中固定,并在操作矩阵上独立模拟热裂解和催化裂解路径。随后使用HYSYS Energy Analyzer和Aspen Process Economic Analyzer分别评估能量负荷和直接运营成本;这些量不进入BO目标或获取函数。因此,BO不选择裂解路径、温度或合成气流量,下游的能量-经济结果也不反馈到GP替代模型或获取函数中。

过程仿真层从气化-旋风系统的出口开始,其中含有永久气体、焦油和残余细粒的合成气进入数值复制器(DUPL),该复制器创建两个相同的分支,以并行评估热裂解(Th)和催化裂解(Cat)路径。Th路径包括一个预热交换器,然后是一个根据试点设计尺寸的塞流反应器,其中焦油表示为经历全局热裂解的集总伪组分。Cat路径具有类似的结构,但包括催化剂-烟灰分离和简化的再生循环,以捕获结焦和活性恢复。在两种路径中,裂解后的合成气随后冷却至400°C,以匹配陶瓷过滤步骤的入口,该步骤位于模型边界之外,所有热负荷和出口成分都记录下来,以便后续进行能量和成本评估。在此流程图之上,贝叶斯校准层通过迭代更新HYSYS中的反应包,运行温度扫描模拟,将预测的焦油去除和气体成分与文献中的实验数据进行比较,并精炼高斯过程替代模型,以指导新参数集的选择。随后,使用调整后的模型在焦油裂解路径评估层中系统比较热裂解和催化裂解路径在焦油转化、合成气质量、能源需求和整体经济影响方面的性能。

下载:下载高分辨率图片(562KB)
下载:下载全尺寸图片
图1. 焦油裂解工作流的简化示意图。贝叶斯优化仅限于动力学参数校准;校准后评估能量和成本。

2.2. 过程仿真层
仿真边界从气化-旋风系统的出口开始,其中含有永久气体、焦油和残余细粒的粗合成气进入焦油裂解部分。数值DUPL模块生成两个相同的合成气分支,以在相同的入口条件下独立评估热裂解(Path Th)和催化裂解(Path Cat)路径。典型操作条件反映了试点范围,合成气流量在4–10 Nm3/h之间,入口焦油浓度在0–100 g/m3之间,上游温度在400–650°C之间。在Path Th中,合成气预热至600–1200°C,并引入项目代表性的几何形状的塞流反应器(长度≈1.1 m;直径≈0.20 m),停留时间在8–12秒之间。焦油表示为经历全局热裂解反应的集总伪组分。随后将流出物冷却至400°C,以满足陶瓷过滤单元的入口要求,该单元位于建模边界之外。热量负荷和出口组分数据被保留下来,以供后续的能量和成本评估使用。Path Cat采用了类似的拓扑结构,但在400–800°C的温度范围内运行,并包含了催化剂与烟尘的分离以及简化的再生循环。催化PFR(固定床反应器)涵盖了焦油裂解和烟尘沉积反应。所采用的催化剂配方为Ni/Mg/Al2O3,这一配方由Lateh等人(2021年)提出,该催化剂是通过将硝酸镁沉积到γ-Al2O3上,然后进行镍浸渍制备得到的商业级催化剂。携带的固体颗粒通过旋风分离器去除,并被引导至一个再生器中,该再生器被建模为一个等温转化反应器,其体积是催化反应器的15–20倍,并且供应大约20%的过量空气,遵循典型的再生配置(Zhao等人,2020年)。再生后的固体颗粒按与合成气质量流量成比例的速率进行回收。裂解后的气体同样被冷却至400°C,所有相关的性能指标——如焦油去除率、产物气体组成、加热需求和再生负荷——都被提取出来以便进一步比较分析。该流程图使用Aspen HYSYS V14软件实现,其中的热力学和传输计算采用了Peng–Robinson状态方程(PR-EOS)。焦油被表示为一个假设的伪组分,其物理性质数据来源于Talero和Kansha(2023年)的研究,从而确保了在热路径和催化路径上都能进行一致的气液和反应建模。裂解反应器被建模为等温的固定床反应器(PFR),而催化剂再生阶段则用一个等温的RConv模块表示,其尺寸是根据固体循环比确定的。两种路径中都包含了旋风分离器,其标称分离效率超过99%。这些模块构成了催化催化剂再生的等效连续表示,适用于稳态分析和年度会计。它们并不意味着在基于滤芯的装置中存在实际的连续催化剂循环。该流程考虑了烟尘的氧化、再生空气的处理以及相关的负荷,但并未跟踪催化剂活性随时间的变化,包括 coke 覆盖率、中毒或烧结等因素。因此,所获得的催化结果反映了在假设的稳态再生条件下的运行情况,而不是FCC(流化床催化)反应器-再生器的实际设计。等温规格被采用作为外部加热、温度控制的试点焦油裂解器的稳态近似模型。

表1. 用于模型验证的文献数据集汇总。

| 研究 | 裂解类型 | 反应器设计 | 温度范围 | 气体流量 |
| -------- | -------- | ------------ | -------- | -------- |
| Monir等人(2020年) | 热裂解 | 数字马福炉 | 700–1000°C | 未提供 |
| Lateh等人(2021年) | 热裂解 & 催化 | 微波-氧化铝反应器(16厘米高,2.54厘米内径) | 700–1200°C | 3.8–5升/分钟 |
| Weston等人(2014年) | 热裂解 | Coanda焦油裂解系统(CTC) | 650–991°C(最高1290°C) | 4–40升/分钟(空气) |
| Hu等人(2021年) | 热裂解 & 催化 | 微流化床反应器分析仪(MFBRA) | 1023–1223 K | 氩气作为载体 |

2.2.1. 反应机制和动力学搜索空间的定义
本研究采用的焦油裂解动力学遵循了一个综合了一阶反应模型,结合了Ledesma等人(2015年)提出的结构化裂解网络和Morf等人(2002年)描述的二次焦油行为。来自气化器的初级焦油被表示为一个伪组分TAR?,它分解为轻质气体和一个更重的含氧化合物TAR2?。这种表述反映了生物质焦油的实验观察到的两阶段行为:在中等温度下首先发生解聚和氧化物的形成,随后在高温下裂解生成永久性气体、轻质烃类和芳香烃类。对于催化路径,反应机制中还包括了一个额外的烟尘形成步骤,以解释碳的沉积及其后续再生过程。在Aspen HYSYS软件中,动力学集通过一组紧凑的全局平行反应来实现这一机制。热途径用反应(1)表示,而二次焦油的分解过程则用反应(2)表示。对于催化路径,还添加了一个氧化循环,如反应(3)所示:
(1) TAR? → {CO, CO2, H2, CH4, C2H6, TAR2?}
(2) TAR2? → {CO, CO2, H2, CH4, C3H6}
(3) TAR2? → SOOT, SOOT + O2 → CO2
TAR?和TAR2?的转化路径分别用对每个伪组分的一阶阿伦尼乌斯(Arrhenius)表达式来表示。选择这种表述是因为现有的校准数据描述的是整体焦油转化率,而不是每个组分内的个别基本反应,并且与采用的综合动力学研究一致。固定反应级数也可以避免引入与Ea和K0相关的额外参数;因此,拟合值是基于一阶公式得出的。文献中的数据用于指导动力学搜索空间的定义:Ledesma等人报告了来自愈创木酚模型的焦油的Ea值为46–188 kJ mol?1(Ledesma等人,2015年),而Morf等人报告了二次焦油裂解和芳香烃增长的Ea值为70–130 kJ mol?1(Morf等人,2002年)。指前因子(pre-exponential factors)的范围为10°–106 s?1。这些文献中的范围指导了最初的手动校准和对结果参数的解释;随后使用围绕校准基线的反应特定界限进行了贝叶斯优化。

2.2.2. 模型验证和参数稳健性
模型验证基于文献中的实验数据,这些数据测量了气体组成和焦油去除效率的温度依赖性趋势,以确定热裂解和催化裂解路径的动力学参数。表1总结了文献中报告的主要数据集,其操作条件与当前的试点装置相当。Lateh等人(2021年)的研究特别相关,因为他们提供了在相同条件下进行的熱裂解和催化裂解实验,并报告了整个相关温度范围内的完整合成气组成剖面和焦油去除效率。他们的反应器(160毫米×25.4毫米)以大约0.34千克/小时的流量处理合成气,初始焦油浓度为0.23 wt%,热裂解和催化模式(后者使用500°C下煅烧的Ni/Mg/Al2O3催化剂)产生了适合定量比较的温度依赖性的H2、CO、CH4、CO2和焦油转化趋势。这些测量结果提供了用于校准HYSYS动力学模型并随后进行评估的参考曲线。

在应用贝叶斯优化之前,首先进行了一次初步的稳健性分析,以识别对模型-实验不匹配影响最大的动力学参数。通过HYSYS–Python自动化接口实施了局部Morris型一次性因素敏感性分析,在此分析中,每个反应的活化能(Ea)和指前因子(K0)在其基准值周围被扰动±90%。对于每次扰动,HYSYS执行温度扫描,并通过计算焦油去除效率和H2/CO比值的标准化对数导数指数来量化敏感性。这一筛选步骤揭示了一小部分对输出具有持续高影响的反应,同时确认其余反应对整体模型误差的影响可以忽略不计。选择±90%的区间是作为一个有意图的宽范围的一次性因素应力测试,用于参数排序,并不被认为是物理上合理的不确定性范围或贝叶斯优化的领域。只有那些在优化过程中返回有界转化率和一致产品产量的HYSYS案例被用于筛选。物理一致性是针对文献指导的动力学范围和实验温度依赖性的焦油去除及气体组成趋势分别进行评估的,而贝叶斯优化使用了围绕手动校准基线的更窄的、特定于参数的界限。通过减少校准空间的维度,该程序改善了数值条件,并降低了贝叶斯优化过程中的参数相关性和过度参数化的风险。筛选过程用于将低影响力的参数从BO决策向量中排除;相关的反应在HYSYS反应网络中保留,其参数固定在特定于路径的参考值上。

2.3. 焦油裂解动力学的贝叶斯优化
动力学参数的校准被构建为一个基于替代模型的贝叶斯优化问题,遵循Fan等人(2024年)所展示的原则。Guo等人(2024年)的工作也强调了BO在动力学优化中的有效性。决策向量收集了并行焦油裂解反应的活化能和对数指前因子(公式(4))。Ea,i表示反应i的活化能(kJ mol?1),K0,i是相应的指前因子(s?1),d是校准中包含的动力学参数总数。对于每个候选参数向量x,使用公式(5)中的均方误差来量化模拟和实验焦油去除量之间的差异。NT是实验温度点的数量,ηtar,exp(Tj)是在温度Tj下的测量焦油去除效率,ηtar,model(Tj;x)是在相同温度下给定参数向量x的模型预测焦油去除效率。贝叶斯优化采用了高斯过程替代模型以及期望改进(EI)获取函数(公式(6)来选择下一个动力学参数向量,通过排名最大化EI(x)的候选点x。f?是迄今为止观察到的最佳(最小)目标值,μ(x)和σ(x)分别是x处的高斯过程预测均值和标准差,Φ(?)和?(?)表示标准正态累积分布和概率密度函数。
(4) x = Ea,i, log(K0,i) ∈ Rd.
(5) MSEtar(x) = 1/NT ∑j=1^NT ηtar,exp(Tj) ? ηtar,model(Tj;x)
(6) EIj(k) = ∫xj EIk(xj) dxj = ∫xj [f? ? μ(x)Φf? ? μ(x)σ(x) + σ(x)?f? ? μ(x)σ(x)] dxj

为了表征每个动力学参数对优化进程的贡献,期望改进(Expected Improvement)被分解为一维的逐参数剖面,遵循Fan等人(2024年)的方法。对于每次迭代k和参数xj,通过仅在其允许的范围内变化xj来获得一维函数EIk(xj),同时保持决策向量的所有其他组件固定在参考点上。这个参考点被定义为BO搜索域的中心:xj在其优化范围内变化,而所有其他参数固定在它们各自界限的中点。对于以对数形式优化的K0,其中点在对数空间中定义。然后通过在整个xj域上积分这个剖面来定义参数相关性的标量指标(Eq. (6))。由此得到的量EIj(k)提供了参数xj的变化在迭代k时预期带来改进程度的度量,反映了替代模型的不确定性及其对目标函数的局部估计。EIj(k)的演变因此提供了一个系统的诊断,展示了优化过程如何逐渐关注并随后减弱个别动力学参数的重要性。

优化过程使用Python中的scikit-optimise(skopt)库来实现。通过COM自动化访问Aspen HYSYS V14,允许Python更新HYSYS反应包中的动力学参数,运行温度扫描模拟,并从电子表格块中检索焦油和气体组成数据。每次BO迭代(i)提出一个位于有界搜索空间内的新参数向量(x),(ii)将相应的动力学参数写入HYSYS,(iii)执行流程图并评估MSEtar(x),(iv)更新高斯过程替代模型。配置使用了总计60次评估,包括10个初始探索点和探索参数ξ=0.02的EI获取函数。最终采用的参数集最小化了MSEtar,作为热裂解和催化焦油模拟的校准动力学模型。

2.4. 热裂解和催化裂解的比较评估
热裂解(“Th”)和催化裂解(“Cat”)路径的比较评估,在相同的入口条件下,评估了它们在能量消耗、直接运营成本和焦油去除性能方面的权衡,遵循Bozzini等人(2023年)提出的经济建模架构。焦油去除性能使用标准去除效率指标(公式(7)来量化,该指标在整个评估过程中用于将能量和成本指标规范化,以便于根据从合成气流中有效去除的焦油量进行比较。mtar,in和mtar,out分别是入口和出口的焦油质量流量(千克/小时),ηtar是相应的焦油去除效率。
(7) ηtar = (mtar,in ? mtar,out) / mtar,in

能量分析使用HYSYS Energy Analyzer进行,其中热合成气以800°C的温度进入裂解部分作为参考进料状态。两个裂解反应器都被指定为等温反应器,上游的温度控制换热器决定了它们的入口设定点。模型报告的反应器负荷代表了维持规定温度所需的平衡热量,并在能量平衡中保留。公用事业分配遵循欧盟关于极高温度加热、冷却水和再生负荷的度量模板。符号化的特定能量消耗(SEC)指标通过公式(8)进行标准化,该指标通过焦油去除量进行归一化。QHX和Qreactor分别表示换热器和裂解反应器的符号化热量负荷,总和涵盖了裂解部分内代表的所有单元。正的负荷表示供给该部分的热量,而负的负荷表示移除的热量,可能可用于过程整合。分母(mtar,in ? mtar,out)是去除的焦油的质量流量。热量负荷和质量流量必须以相互一致的单位表示;因此,这里报告的SEC值为kJ g?1。正的SEC值表示净热量需求,负的值表示在采用的800°C参考和系统边界下的净热量可用性。植物规模效率指标(例如, pinch integration)未包含在内,因为这些指标取决于裂解部分之外的整个工厂热网络设计。(8)SEC=∑QHX+∑Qreactormtar,in?mtar,out。经济评估使用Aspen Process Economic Analyzer (APEA) 在EU_metric配置下进行,采用基于文献的流体价格和EU标准公用事业指数,与Bozzini等人(2023年)和SCENT方法论(Ereev和Patel,2012年)的结果一致。对于每个操作点,APEA返回直接运营成本OPEXdirect,其中包括加热、冷却、催化剂处理、再生空气和流体供应的贡献。按Tar去除量标准化的成本由公式(9)给出,其中Cheat和Ccool是与加热和冷却公用事业相关的年成本,Ccat是年度催化剂相关成本(制造和处理),Cair是再生空气的成本,Cstreams汇集了其余的工艺流体成本(所有单位为欧元/年)。分母再次是每年去除的Tar质量(千克/年),因此Specific OPEXdirect代表每去除一单位Tar的直接运营成本(欧元/千克)。(9)Specific OPEXdirect=Cheat+Ccool+Ccat+Cair+Cstreamsmtar,in?mtar,out。本研究使用的主要建模和能源经济参数在表A.4(附录)中进行了总结。对于每个校准的动力学模型,Aspen HYSYS流程图在为本研究定义的完整操作矩阵上执行:合成气流量分别为1.0、2.5、5.0和7.5 Nm3/h,裂解温度范围为800–1300 °C(热路线)和400–650 °C(催化路线)。每个操作点产生稳态质量流量、Tar浓度、公用事业负荷和反应器热负荷。输出——Tar-out浓度、去除效率、Qtot、OPEXdirect和带符号的SEC指标——被导出到一个统一的数据集中。Python–Excel–HYSYS自动化循环对两种路径进行了完整的矩阵模拟。3. 结果和讨论3.1. 基于灵敏度的动力学校准通过贝叶斯优化在进行贝叶斯优化程序(BO)之前,使用灵敏度分析预选出控制Tar去除效率的最相关动力学系数,如图2(a)所示。TAR2裂解路径中的Ea和K0灵敏度表明,除了主要降解外,次要Tar裂解反应较为稀少。这一子集中的Ea灵敏度也超过了相应的K0项,表明温度依赖性是模型变异的主要驱动因素。根据Tar裂解文献,高温(高于800°C)下的Tar降解表现出强烈的Arrhenius温度依赖性,并且主要形成H2、CH4和CO2(Mao等人,2015年)。C2+片段(例如与乙烷相关的路径)的二次裂解和CO相关的分解步骤也被确定为800°C以上较重中间体转化的关键控制因素(Abu El-Rub,2004年)。Jayanarasimhan等人同样将热Tar裂解描述为一个受温度和停留时间影响的转化过程,随着裂解温度的升高,Tar破坏速度加快(Jayanarasimhan等人,2024年)。因此,图2中简单气相路径的相对较低影响在这里被解释为当前灵敏度分析的结果,而不是动力学饱和的证据。灵敏度筛选和文献发现支持将BO参数初步限制在TAR2二次裂解子集:H2–TAR2、CH4–TAR2、CO2–TAR2、C2H6–TAR2、CO–TAR2和TAR–TAR2。图2(b)显示了基于预期改进(EI)和预选步骤的最终贝叶斯优化结果。催化案例在找到竞争区域后显示出最初的不规则搜索,随后迅速稳定,而热案例则更逐渐收敛,并在后续迭代中保持间歇性的探索评估,尽管已经有一个稳定的最佳值。EI自然地在局部细化和由不确定性驱动的评估之间交替,遵循公式(6)中的利用和探索方案。首先使用减少MSEtar的参数和区域利用搜索域(f??μ(x)),而探索项(σ(x))驱动替代不确定性仍然较高的区域。晚期目标偏差的持续存在而没有进一步改进表明,在找到主导的最优区域后,后续评估主要是细化替代置信度,而不是进一步减少MSEtar。这种行为最好用Barrie(2012年)提出的“动力学补偿效应”来解释。当实验数据覆盖的温度区间有限或变化平滑时,不同的(A,Ea)组合可以生成几乎相同的温度依赖性速率常数k(T),因此无法区分的反应速率剖面(Qin和Buehler,2014年)。在参数空间中,这导致了一个近等效解的扩展区域,在该区域内目标函数几乎保持不变。因此,贝叶斯优化算法没有识别出唯一的物理动力学常数,而是选择了在校准窗口内编码等效动力学的参数组合(Sontag,2017年)。因此,贝叶斯优化并没有解决由校准数据引起的不可识别性。在当前工作流中,基于灵敏度的参数减少、固定的表观一级公式、K0的对数处理以及文献指导的参数范围限制了可接受的搜索域,但没有确定参数的唯一性。因此,报告的Ea和K0值应被视为在采用的集中机制和校准数据集条件下的代表性有效参数;没有进行正式的结构可识别性分析。下载:下载高分辨率图像(376KB)下载:下载全尺寸图像图2. (a) Tar去除效率对Arrhenius参数(Ea, K0)的标准化灵敏度,突出显示主导的TAR2裂解路径。(b) 在基于灵敏度引导的参数减少后,催化(Cat)和热(Th)裂解的贝叶斯优化收敛情况。“目标”剖面表示每次迭代的瞬时损失,而现有的“迄今为止最佳”剖面记录了累积最小值,表明Th和Cat模型都实现了稳定收敛。具有更明显温度依赖性的数据集,通常是催化活化机制的典型特征,减少了这种补偿区域并导致快速收敛,而更广泛的热数据集则保持了扩展的补偿区域并持续了残余探索。因此,观察到的收敛模式反映了数据施加的参数可识别性差异,而不是算法效率低下或竞争反应机制的结果。在初步候选集中包括Ea,C2H6是基于其在图2(a)中的标准化灵敏度0.240,这与保留的CO2-和H2形成的TAR2路径(分别为0.236和0.278)相当。因此,图2(a)用于初步候选选择,而图3描述了随后的BO探索工作分配,并没有量化可归因于单个参数的边际改进。图3中的参数解析EI分析提供了对动力学参数的BO探索工作的额外见解。在两种裂解路径中都明显观察到Ea,CO的优势,它始终表现出最高的预期增益,因此驱动了大部分替代模型不确定性的减少。次要但间歇性的贡献来自Ea,H2、Ea,CO2和Ea,TAR,而所有对数前指数因子在整个过程中几乎保持无效,EI接近于零。每次迭代的最大EI的相应下降确认了信息搜索方向的逐渐饱和和参数估计的稳定。图3进一步支持了灵敏度筛选步骤,而添加辅助的H2–TAR和CO2–TAR反应并没有改善Tar–气体动力学拟合。初步优化运行在50次尝试中表现出不稳定行为,活化能在110–135 kJ mol?1的范围内波动,前指数因子达到最高上限K0≈5×105。然而,这些波动并没有系统地减少拟合误差,因为配置产生的MSEtar>200,经常超过1000。这些振荡表明优化器通过非物理参数膨胀进行了补偿,而不是提高预测质量。完整模型中最可靠的解决方案继续与仅使用主要反应获得的解决方案对齐,实现了MSEtar≈18–22,而扩展的反应集在最小可实现误差方面没有系统性的改进。只有少数孤立案例接近中等性能(例如MSE≈25–30),但这些值在没有辅助反应的情况下同样可以实现,证明了扩展的反应网络并没有提高模型的结构保真度。表2展示了在BO程序后的最终动力学参数集,比较了从初步文献引导的手动校准获得的场景与贝叶斯优化后获得的Th和Cat Tar裂解模型场景。下载:下载高分辨率图像(233KB)下载:下载全尺寸图像图3. (a) 和 (b) 的参数解析预期改进(EI)热图,分别用于热和催化Tar裂解。颜色强度表示BO在参数选择后分配的探索工作,并不衡量可归因于单个参数的拟合误差的边际减少。因为TAR和TAR2是累积的伪组分而不是单独的化学物种,所以拟合的Arrhenius参数取决于采用的伪组分定义、物理属性表示和反应划分。因此,不同的定义可能会产生不同的有效Ea和K0值,同时再现类似的整体Tar转化行为;报告的参数应该仅与相应的累积反应网络定义一起转移。表2. 在之前的和优化的校准中获得的Arrhenius参数对比,用于热(Th)和催化(Cat) Tar裂解模型。反应Prev. ThPrev. CatOpt. ThOpt. Cat活化能Ea (J mol?1)CO–TAR119 100119 100119 100119 100CO2–TAR123 370123 370123 370123 370H2–TAR123 700123 700123 700123 700CO2–TAR256 36556 36565 00064 264CO–TAR2202 172115 534228 587175 000CH4–TAR270 00073 00073 90373 903H2–TAR288 83080 00093 76285 000C2H6–TAR270 00070 00078 27668 061前指数因子ln(K0)CO–TAR9.659.659.659.65CO2–TAR11.3411.3411.3411.34H2–TAR11.3411.3411.34CH4–TAR11.1111.1111.11TAR2–TAR11.359.4311.5139.598CO2–TAR2?2.13?2.13?2.270?0.223CO–TAR24.260.630.3993.914CH4–TAR20.960.961.2382.996H2–TAR22.085.70?0.897?1.204C2H6–TAR20.595.30?0.6762.996目标指标(% g/g)MSEtar6.6117.3614.8364.532注意:BO被限制在H2–TAR2、CH4–TAR2、CO2–TAR2、C2H6–TAR2、CO–TAR2和TAR–TAR2。此决策域之外的参数保持在其路径特定的参考值;因此,它们之前的和优化的条目是相同的。优化结果显示,在大多数TAR2二次裂解反应(特别是H2–TAR2、CO–TAR2和C2H6–TAR2)中,催化案例的活化能一致较低,这对于催化系统是预期的,并且与Tar热裂解和炭催化重整的实验比较一致(Hu等人,2021年)。此外,优化主要将参数调整转移到Ea而不是ln(K0),并降低了MSEtar,这与动力学研究一致,显示活化能差异在热-催化区分中占主导地位(Mao等人,2015年)。优化活化能的绝对幅度也与独立的热裂解测量结果一致,其中CH4和CO2形成路径在高温度条件下的报告值在60–70 kJ mol?1范围内(Mao等人,2015年)。对于CO形成TAR2反应获得的较高活化能反映了反应网络中包含的二次分解步骤,并与多步骤Tar重整和芳香族分解机制的报告值一致(Di Giuliano等人,2021年)。3.2. 校准策略和模型简约性的基准测试进行了一个辅助基准测试,以评估BO与传统的参数估计方法相比的优势,并评估是否可以通过固定C2H6动力学参数来简化校准。使用相同的催化HYSYS模型、八次实验观测、未加权的Tar去除MSE目标和50次完整温度扫描的共同预算,比较了三种处理方式:(i) 全部12个动力学参数的信任区域反射非线性最小二乘(Full TRF),(ii) 具有相同12个参数限制的BO(Full BO),以及(iii) 保留其余10个变量的相同限制同时将C2H6–TAR2反应的活化能和前指数因子固定在其参考值的减少BO配置(BO without C2H6)。两个C2H6系数都被固定,以避免让配对的Arrhenius参数自由直接补偿另一个系数。这种减少的处理测试了从校准决策向量中移除C2H6参数对;它并没有从HYSYS机制中删除表示的C2H6–TAR2反应。每次评估都包括完整的八温度HYSYS扫描。选择TRF作为传统比较器,因为它支持带限制的非线性最小二乘。标准Levenberg–Marquardt优化不直接适用,因为问题包含的拟合参数比实验残差多,需要明确的限制。这个辅助基准测试独立于表2中报告的最终校准进行,仅用于在受控的计算预算下比较优化处理。如图4所示,Full BO在评估35时达到了最低的MSEtar 13.7983,而Full TRF在评估48时达到了25.2607;因此,BO在共同的模拟预算内实现了45.4%的最佳MSE降低。这种受控比较支持选择BO用于当前的模拟密集型校准,同时仍然取决于测试的运行情况,而不是建立普遍的算法优势。减少的BO配置在评估46时达到了MSE 17.4601,因此允许C2H6参数对变化将拟合误差降低了21.0%。这个结果支持在BO决策向量中保留这对参数,尽管这种改进不能单独归因于Ea,C2H6。尽管如此,减少的BO仍然低于Full TRF,表明观察到的BO优势不能仅归因于额外的C2H6自由度。因此,图2支持初步参数选择,图3描述了包含后的BO探索,而当前的消融直接量化了保留C2H6参数对的增量拟合效益。下载:下载高分辨率图像(252KB)下载:下载全尺寸图像图4. 催化Tar裂解模型的等预算校准基准。这些曲线报告了在50次完整的HYSYS温度扫描过程中,对于全12参数TRF、全12参数BO以及使用固定C2H6动力学参数的简化10参数BO的累计最佳焦油去除均方误差(MSE)。3.3. 对比权衡在这项比较中,校准条件指的是Lateh等人报告的反应器、进料和温度条件,并用于拟合动力学模型。工艺条件指的是在当前研究中使用特定的反应器几何形状、进料特性、焦油负荷和工艺模拟层中描述的受控温度操作范围来应用校准后的模型。图5总结了在校准和当前研究工艺条件下,热裂化(Th)和催化裂化(Cat)在焦油去除方面的关键性能权衡。催化裂化在远低于热裂化的温度下实现了高焦油去除效率,同时再现了Lateh等人(2021年)报告的实验趋势,证实了优化动力学模型捕捉到的不同温度敏感性。根据试点规格,焦油裂化器后的焦油浓度必须降低到约0.15克/立方纳米(g/Nm3)以下,以保护下游的陶瓷过滤和吸附剂床层,而对于最终合成气的利用,则需要进一步降低到约0.015克/立方纳米以下。结果显示,催化裂化在中间温度(大约600-650摄氏度)即可达到焦油裂化器的规格,并且在800摄氏度以下接近完全去除焦油,而热裂化则需要显著更高的温度,通常超过950摄氏度才能达到相当的性能。因此,催化裂化提供了更宽的操作窗口和更低的热强度,而热裂化则需要以更高的操作温度和增加的合成气净化单元的热负荷和材料限制为代价。图6展示了在固定入口焦油浓度为100克/立方纳米的情况下,净热负荷指标和直接运营成本(OPEXdirect)随残余焦油分数(1?η)的变化情况,其中Cat裂化在400-800摄氏度之间运行,Th裂化在800-1200摄氏度之间运行,同时改变合成气流量V?syng。图6(a)报告了以800摄氏度时离开气化炉的热合成气为参照的净热负荷指标,考虑了已经由流携带的显热和可回收的反应热。按照这种 convention,负值表示用于工艺整合的净热可用性,而正值表示净热需求。尽管Tcracking和V?syng有所变化,热裂化在整个探索的残余焦油范围内显示出几乎恒定的净热负荷。这反映了操作完全在热裂化温度窗口(800-1200摄氏度)内进行,其中焦油的破坏受热强度控制。为了将合成气温度提高到气化炉出口温度以上而使用的额外显热与气化炉出口温度时的合成气显焓相比是有限的。因此,近乎恒定的净热负荷曲线归因于本研究中采用的能量参考 convention 以及模型中显热和反应热之间的平衡,而不是热焦油裂化的固有特征。实验上,Zeng等人显示反应温度显著影响热焦油裂化过程中的气态产物的形成和碳转化率,证实温度是高温焦油转化中的重要动力学变量(Zeng等人,2023年)。能源部
活性炭:�/kg 1.50
数据来源:Hydrogen Europe(2024年)

催化剂-TC:�/kg 15.03
数据来源:Kostyniuk等人(2019年)

催化剂组成:�/kg 0.35
数据来源:Kostyniuk等人(2019年)

再生用空气:�/kg 0.01
数据来源:Ereev和Patel(2012年)

合成气裂解过滤器:�/kg 1.00
数据来源:Kostyniuk等人(2019年)

**一般经济参数设置**
运行时间:8766小时/年
APEA配置
工厂寿命:20年

**4. 结论**
本研究证明,结合Python与Aspen COM自动化的代理辅助贝叶斯优化方法,为在高维非凸参数空间内校准焦油裂解动力学提供了一种可再现的方法。贝叶斯优化(BO)的作用仅限于最小化焦油去除的均方误差(MSE);校准完成后,选定的动力学参数将被固定,并用于热裂解和催化路径的单独过程、能源及经济评估。在约1075°C的温度下,使用大约5 Nm3/h的合成气流量进行热裂解时,可实现高达99.8%的焦油去除率,同时保持净热可用性以及最低的直接运营成本(约8.5 �/克去除的焦油)。催化裂解在较低温度下也能达到类似的转化率,但运营成本更高且更不稳定(约22 �/克),这反映了模型中催化剂相关因素和再生需求的影响。在试点装置的背景下,当优先考虑成本稳定性和热集成潜力时,热裂解被确定为更具经济优势和运营稳定性的方案。更广泛地说,Aspen HYSYS–Python工作流程将动力学校准与下游的能源经济比较分开,为评估焦油裂解方案提供了统一的基础,并有助于支持合成气净化系统的放大决策。

**术语表**
**符号** | **描述** |
|------------------|----------------------------------------|
| Ea | 活化能(kJ mol?1) |
| K? | 预指数因子(s?1) |
| x | 动力学参数向量 |
| N_T | 温度点数量 |
| η_tar | 焦油去除效率 |
| m_tar,in | 焦油入口质量流量(单位时间质量) |
| m_tar,out | 焦油出口质量流量(单位时间质量) |
| QHX | 带符号的热交换器负荷(单位时间能量) |
| Q/reactor | 带符号的反应器热负荷(单位时间能量) |
| SECS | 带符号的特定能量消耗/净热负荷指标(kJ g?1) |
| OPEX | 直接运营成本(EUR kg?1) |
| Cheat | 加热成本(EUR年) |
| Ccool | 冷却水成本(EUR年) |
| Ccat | 催化剂成本(EUR年) |
| Cair | 再生用空气成本(EUR年) |
| Cstreams | 其他流体相关成本(EUR年) |
| f? | 目前观察到的最佳目标值 |
| μ(x) | 高斯过程的预测均值 |
| σ(x) | 高斯过程的预测标准差 |
| BO | 贝叶斯优化 |
| GPG | 高斯过程 |
| MSE | 均方误差 |
| OPEX | 运营支出 |
| SECS | 带符号的特定能量消耗 |
| TCT | 焦油裂解 |
| Th | 热裂解 |
| Cat | 催化裂解 |
| VHT | 高温系统;APEA加热服务 |
| CRedi | 作者贡献声明 |

**作者名单**
Gabriel Talero:撰写——原始草稿、可视化、软件实现、方法论研究、数据分析、概念构建
Octávio Alves:撰写——审稿与编辑、验证、方法论研究、数据分析、概念构建
Bruno Garcia:撰写——审稿与编辑、概念构建
Gon?alo Lourinho:撰写——原始草稿、项目监督、资金获取、概念构建
Joana R. Bernardo:项目管理工作、资金获取

**关于手稿制备过程中生成式AI和AI辅助技术的声明**
在准备本工作时,作者使用了生成式AI工具来改进语言表达、结构及可读性。作者对所有生成的内容进行了审阅和编辑,并对最终稿件负全责。

**资金支持**
本项目得到了欧盟“Recovery and Resilience Plan (PRR)”通过“Moving2Neutrality”议程的支持(项目编号32,参考号C644927397-00000038)。

**作者列**
Gabriel Talero | Octávio Alves | Bruno Garcia | Gon?alo Lourinho | Joana R. Bernardo
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号