《Chinese Journal of Chemical Engineering》:Learning curves for CO
2-to-liquid fuels
编辑推荐:
摘要电制液体燃料(PtL)为难以直接电气化的分子终端应用提供了一条可行的脱碳路径,但前提是电力、氢气和捕集CO2成本的下降能够转化为规模化生产的具有竞争力的燃料价格。我们开发了一个认知学习框架,将电力(光伏、风电)、电解和直接空气捕集(DAC)来源CO2供给的经验曲线整合到三
摘要
电制液体燃料(PtL)为难以直接电气化的分子终端应用提供了一条可行的脱碳路径,但前提是电力、氢气和捕集CO2成本的下降能够转化为规模化生产的具有竞争力的燃料价格。我们开发了一个认知学习框架,将电力(光伏、风电)、电解和直接空气捕集(DAC)来源CO2供给的经验曲线整合到三个产品的工厂级模型中:电子甲醇、电子汽油和电子可持续航空燃料(SAF)。我们提出了一种简化的敏感性指标来评估每种燃料从规模化中获益的程度。研究揭示了两个模式:第一,更廉价的电力(光伏和风电持续实现两位数学习率)降低了所有PtL路线的成本基础,而电解槽和DAC技术的进步则决定了氢气和碳输入的最低成本门槛。第二,规模化对不同燃料的影响差异显著:相对简单的甲醇循环路线显示出适度的能源增益但显著的成本下降,配合廉价电力和CO2时,百万吨级工厂可接近400–600 USD·t?1的成本区间。相比之下,汽油和SAF——多步烃类合成路线——对规模更为敏感:效率随着集成热回收和优化循环流的实施而显著提高。然而,实现与传统燃料的成本平价既需要降低上游输入成本,也需要催化技术的进步以提升单程转化率和非目标馏分的增值。该认知学习框架将经验曲线转化为设计工具,有效指明了研发、采购和政策在哪一环能实现最大的美元产出,从而加速通往净零液体燃料之路。
引言
将大气中的CO2转化为液体燃料,将碳从负担重新定义为资源:既维持高密度、可储存分子的便利性,又消除其化石燃料来源[1], [2]。然而,脱碳进程不仅受到物理定律的约束,同样受到政策缺口的制约。每一次转化——从水电解到CO2捕集、燃料合成和终端使用——都产生累积损耗,而可再生能源电力有限,且在电力、工业和建筑等多个部门之间存在需求竞争[3]。这构成了电力与分子之间的有效张力:在可行处直接电气化,并为真正难以电气化的领域(如长途航空和远洋航运)储备电制液体燃料(PtL)方案[4]。在此背景下,关键的科学问题不在于PtL是否应该存在,而在于它何时变得可行:可再生电力和绿氢的价格下降速度如何,CO2供给——尤其是直接空气捕集——沿成本曲线的进展程度如何,以及催化合成在选择性方面能积累多大的规模化效益。学习曲线为连接这些变量提供了共同语言,并实现了技术中立化的系统级评估[6], [7]。
在此背景下,三条共同演化的曲线决定了CO2制液体燃料能否成为一种切实可行的气候工具而非仅具学术兴趣的概念。第一,清洁电力的价格持续复合下降:公用事业级太阳能光伏的平准化成本学习率约为24%[8],风电约为15%[9],意味着装机容量每翻一番,电力价格可靠下降——电力历来是PtL最重要的输入要素。与此同时,电解槽正在系统层面展现出学习效应:自下而上的成本分析和现场数据表明PEM电堆的学习率为两位数[10],美国"氢能冲刺"计划明确以1 USD/kg H2为研发[11]、制造规模化和部署的统一目标。第二,碳原料来源正在发生转变。短期内,集中排放点将支撑项目落地[12];随着深度脱碳的推进,这些碳流将逐渐减少,前沿方向将转向直接空气捕集(DAC)——一项目前成本高昂但预期随规模和创新而下降的技术[13]。第三,分子与市场日益对齐。直接使用的电子煤油已可在现有ASTM框架下混用[14],而ReFuelEU则设定了明确的电子燃料子目标——这种需求拉动可加速边做边学效应[15]。与此同时,催化科学持续在CO2制液体燃料的三条技术路径中提升选择性和耐久性——以甲醇为中介(CO2→MeOH→MTH/MTG)[16]、经RWGS或协同电解产生合成气后通过费托合成[17]、以及新兴的直接CO2制烃(含航煤馏分燃料)[18]——逐步在工厂层面提升碳效率和能源效率。综合来看,这些规律凸显了需要对PtL进行集成化的、认知学习的评估,追踪共同演化的输入成本和原料可得性,同时兼顾催化选择性和规模化效应。
本文将该认知学习视角付诸实践。我们整合了PtL链条中的协调经验曲线,并将其转化为三类产品——电子甲醇、电子汽油和电子煤油/SAF——的前瞻性成本区间。通过整合电力、捕集CO2、催化性能和工厂规模的演化轨迹,分析识别了各阶段的主导杠杆因素以及实现市场初始进入所需的组合条件(电力价格 × H2成本 × CO2供给 × 碳效率)。核心洞察强调协同效应胜过孤立突破:当廉价电力与可靠碳源在工业规模上汇聚于碳高效合成工艺时,成本才能实现下降,因此政策和投资应优先支持最具催化效应的关键环节以加速学习进程。同一映射框架还生成了可供决策者使用、可更新的视图,用于比较政策工具和追踪PtL各领域的进展,为连接实验室选择性指标与项目融资及燃料标准提供了共同语言。总之,我们将学习曲线从回顾性分析工具转变为指导研发、采购和监管走向净零液体燃料最快路径的设计工具。
章节摘要
将电制液体燃料框架化为工程光合作用
图1通过比较生物光合作用与其工程对应物,为本文结果奠定了概念基础。在植物中,光反应捕获光子产生高能载体(ATP、质子梯度),驱动卡尔文循环中的暗反应,最终将碳储存为碳水化合物——这一架构的净光能转化为化学能效率仅为百分之几[19], [20]。在工程光合作用中,我们将这些功能解耦为模块化单元:
讨论
我们采用形如 y = a·xb 的幂函数关系来表征燃料的能源和资本强度随工厂产能扩大的变化情况,并定义 Δy = ax0b·(1?2b) 来量化当工厂产能从x0翻倍至2x0时,能耗和成本的绝对降低量(图7)。正的Δy值反映规模经济效应,数值越大表明产能翻倍带来的绝对改善越大。反映了规模经济效应(该指标随规模增大而增大
结论
本研究开发了一个认知学习框架,整合可再生能源电力、氢气生产、CO2供给、催化转化和工厂规模效应,以评估CO2制液体燃料未来的能源和经济效益。结果表明,电力、氢气和CO2成本的持续下降是实现PtL大规模部署的基础,而各燃料生产路径的复杂性决定了其从规模化中获益的程度
作者贡献声明
魏飞:撰写——初稿、可视化、验证、监督、软件、资源、项目管理、方法论、调查、资金获取、形式化分析、数据管理、概念构思。张晨曦:可视化、验证、监督、软件、形式化分析、数据管理、概念构思。李正文:形式化分析。田国:撰写——审阅与编辑、撰写——初稿、可视化、验证、监督、软件、资源、项目
利益声明
? 作者声明不存在任何可能影响本文所述工作的已知竞争性经济利益或个人关系。
致谢
我们感谢鄂尔多斯科技突破计划(JBGS2024003)、中国国家内蒙古自治区自然科学基金(2023ZD05, 2025JQ028, 2025MS02001)、国家自然科学基金委员会(22278238, 22238004)、国家重点研发计划(2024YFE0211400)、内蒙古自治区重大科技计划(20212120326)、"英才兴蒙"工程——第一层次
田国|廖多华|李正文|李宗龙|魏飞|张晨曦