提高二氧化碳水合物形成的动力学:实验验证与人工神经网络建模

《Microporous and Mesoporous Materials》:Enhancing CO2 hydrate formation kinetics: Experimental validation and an artificial neural network modelling

【字体: 大 中 小 】 时间:2026年05月02日 来源:Microporous and Mesoporous Materials 4.7

编辑推荐:

  阿卜杜勒哈菲德·艾特·布拉尔(Abdelhafid Ait Blal)| 艾哈迈德·奥姆兰(Ahmed Omran)| 贝亚特丽斯·卡斯特拉尼(Beatrice Castellani)| 瓦伦丁·瓦尔切夫(Valentin Valtchev)法国卡昂大学(Normandie Un

  
阿卜杜勒哈菲德·艾特·布拉尔(Abdelhafid Ait Blal)| 艾哈迈德·奥姆兰(Ahmed Omran)| 贝亚特丽斯·卡斯特拉尼(Beatrice Castellani)| 瓦伦丁·瓦尔切夫(Valentin Valtchev)
法国卡昂大学(Normandie Univ)、ENSICAEN、UNICAEN、CNRS,催化与光谱化学实验室(Laboratoire Catalyse et Spectrochimie),地址:6 Marechal Juin, Caen, 14050

摘要

气体水合物被认为是用于二氧化碳(CO2)储存和运输的重要材料。本研究通过结合金属丝填充(Metal Filament Packing, MFP)元件(该元件可确保高效的热传递)和环保的催化促进剂,解决了二氧化碳水合物形成过程中长期以来存在的动力学缓慢和转化效率低的问题。MFP与氨基酸L-色氨酸(L-Tryptophan, L-Try)作为双重促进剂之间的协同作用显著增强了气体扩散和热导率,使得在静态系统中水合物的成核速度前所未有的快(6分钟),并且生长速度极快。此外,达到最终气体吸收量90%所需的时间(t90)缩短至仅46.8分钟,远优于未使用MFP的传统系统。这种组合促进剂(MFP和L-Try,含量为0.25%重量比)不仅优化了成核和生长阶段,还将最终二氧化碳气体吸收量提高了137毫米摩尔/摩尔(mmol/mol),而在没有金属填充物的情况下这一数值仅为26.1毫米摩尔/摩尔。此外,本研究还分析了盐溶液(NaCl)浓度对二氧化碳水合物形成的影响。
我们开发了一个人工神经网络(Artificial Neural Network, ANN)模型,基于实验数据集来描述二氧化碳水合物的形成动力学。该模型能够捕捉气体吸收的非线性变化,并在所研究的浓度范围内连续表示水合物的形成行为。因此,ANN被用作数据驱动的工具,用于分析水合物形成趋势并估算实验范围内的中间浓度下的气体吸收量。
研究结果表明,在静态条件下,结合物理(MFP)和化学(L-色氨酸)促进方法是提高水合物形成动力学的有效策略,而ANN则提供了对观察到的动力学行为的补充见解。

引言

人为产生的二氧化碳(CO2)排放量的增加加速了全球变暖,这对气候缓解构成了严峻挑战。为此,《巴黎协定》目标是在2030年前将二氧化碳排放量减少50%,并在2050年前实现向零碳经济的过渡[1,2]。在这一框架下,基于水合物的二氧化碳封存(Hydrate-Based CO2 Sequestration, HBCS)技术预计将有助于实现所需的二氧化碳减排目标,凸显了其作为关键缓解技术策略的潜力。
气体水合物是通过范德华力(van der Waals force)将水分子包裹住气体分子形成的晶体化合物[3],这种笼状结构能够在温和的温度和压力条件下储存大量气体。在标准条件下,气体水合物的理论储气容量为180体积摩尔/摩尔(v/v)[4,5],因此受到了碳捕获、储存和能源应用的关注。特别是深海二氧化碳水合物储存是一个有吸引力的选择,因为海洋沉积物自然提供了高压、低温的环境,确保了长期稳定性。HBCS技术具有高储气容量、适中的操作条件以及比传统封存方法更高的安全性等优点[6,7]。然而,由于其二氧化碳水合物成核和生长动力学缓慢,其实际应用仍然具有挑战性。相变、成核障碍和水合物稳定性等因素受温度、压力、添加剂、多孔介质和水饱和度水平的影响。因此,诱导时间、水合物形成速率和气体转化效率等参数是大规模应用气体水合物的关键[8,9]。
化学促进剂(如表面活性剂)可以改善动力学,但往往存在环境问题。氨基酸L-色氨酸(L-Try)[10,11]和L-亮氨酸(L-Leu)[12]作为环保替代品已被证明可以增强水合物形成速率。同时,机械方法(如搅拌[10]、气泡生成[13]以及纳米材料的引入[14]可以增加气液界面,从而在动态系统中促进水合物的形成。
最近的研究强调了金属表面在促进二氧化碳水合物成核中的作用,因为它们提供了异质成核位点。研究发现,铝和镁合金可以显著缩短诱导时间,表明改善气液固三相界面可能提高成核速率[12]。
受先前研究的启发,我们提出了一种新方法,将金属丝填充(MFP)与L-色氨酸结合,以加速静态系统中的二氧化碳水合物成核和生长。我们选择了一种表面粗糙的轻质金属丝网络[15],以实现:(1)提高热导率;(2)将水合物薄膜分割成更小的部分;(3)通过表面粗糙度增强液气接触;(4)将热传导扩展到气相;(5)促进异质成核。将MFP与作为催化促进剂的L-Try结合使用,进一步加速了二氧化碳水合物的形成。通过系统分析L-Try浓度和MFP的效果,本研究旨在推进HBCS的可行性,并加深对二氧化碳水合物形成机制的理解。
此外,还进行了能量分析,比较了不同实验方法,基于两个参数:特定初级能源消耗(kJ/kg CO2)和总初级能源消耗(J)。
尽管在水合物研究方面取得了进展,但单独的实验方法往往耗时较长、劳动密集,并且在捕捉水合物复杂动力学方面能力有限。包括温度、压力、气体组成和促进剂浓度在内的多个非线性因素的相互作用,使得准确预测水合物行为变得具有挑战性[[16], [17], [18], [19]]。在这种情况下,基于人工智能的机器学习技术为预测水合物形成和分解提供了强大的工具[[20], [21], [22], [23]],前提是这些技术需要用可靠的实验数据进行训练。
在各种数据驱动的方法中,人工神经网络(Artificial Neural Networks, ANNs)在模拟复杂非线性过程方面取得了显著成功。ANN是一种受人类大脑启发的计算模型[24],能够识别模式、从数据中学习,并根据潜在趋势进行预测。这些模型为关联多个输入变量(例如温度、压力、时间)与输出参数(例如气体吸收量、水合物形成速率)提供了实证框架。
通过利用基于ANN的数据驱动建模,可以实现:
  • -
    分析和预测实验范围内的水合物形成动力学。
  • -
    描述促进剂浓度对水合物形成行为的影响。
  • -
    提供气体吸收量变化的连续表示,以支持实验结果的解释
  • 本研究的一个重要部分是使用ANN来描述二氧化碳水合物的形成(归一化气体吸收量)作为时间和L-色氨酸浓度的函数。该模型使用实验数据进行了训练,并用于估算实验范围内未直接包含在训练数据集中的中间浓度下的气体吸收量。这种方法展示了ANN在研究实验范围内插值水合物形成行为的能力。

    章节摘录

    材料和实验程序

    二氧化碳气体(纯度99.99%)从林德公司(Linde)获得,氨基酸L-色氨酸(L-Try,试剂级,纯度99%)从阿尔法艾莎公司(Alfa Aesar)购买。所有实验均使用实验室制备的超纯去离子水。通过将适当质量的L-色氨酸溶解在容量瓶中并混合15分钟,制备了浓度分别为0、300、700、1700、2500 ppm的溶液。最初,将所需浓度的50立方厘米L-色氨酸水溶液加入反应器中。工作温度

    在MFP存在下L-色氨酸浓度对二氧化碳水合物形成的影响

    图2显示了使用方程S(2)计算出的水合物形成过程中的归一化二氧化碳气体吸收量曲线(以每摩尔水分子的毫米摩尔数表示)。在没有L-色氨酸的情况下,黑色曲线显示整个实验过程中二氧化碳吸收缓慢,表明水合物形成动力学较差,气体捕获能力有限(26.1毫米摩尔/摩尔)。然而,当加入300 ppm的L-色氨酸(蓝色曲线)后,吸收速率显著提高,表明成核过程加速

    ANN模型的开发与训练

    本研究中的人工神经网络(Artificial Neural Network, ANN)建模被构建为一个非线性回归问题,旨在通过调整网络权重和偏差来最小化预测误差。由于Levenberg-Marquardt(LM)算法在解决非线性最小二乘问题方面的效率及其适用于中等规模数据集,因此选择了该算法进行网络训练。ANN使用实验获得的气体吸收数据进行了训练,以建立输入变量与输出变量之间的定量关系

    结论

    本研究提出了一种新方法,通过结合金属丝填充和氨基酸L-色氨酸(L-Try)在静态系统中增强二氧化碳水合物的形成动力学。实验结果集表明,二氧化碳水合物的成核和生长动力学得到了显著改善,克服了高效基于水合物的二氧化碳封存(HBCS)的关键障碍。此外,MFP和L-Try的协同效应显著提高了气体吸收速率。

    CRediT作者贡献声明

    阿卜杜勒哈菲德·艾特·布拉尔(Abdelhafid Ait Blal): 数据管理、研究、方法论、验证、初稿撰写、审阅与编辑。艾哈迈德·奥姆兰(Ahmed Omran): 数据管理、研究。贝亚特丽斯·卡斯特拉尼(Beatrice Castellani): 数据管理、研究、验证、可视化、撰写、审阅与编辑。瓦伦丁·瓦尔切夫(Valentin Valtchev): 概念构思、监督、验证、可视化、撰写、审阅与编辑。

    利益冲突声明

    作者声明没有利益冲突。

    致谢

    V.V.感谢欧盟-下一代EU通过保加利亚共和国国家恢复与韧性计划提供的财政支持,项目编号为BG-RRP- 2.004-0008。作者感谢Marie Desmurs、Lancel Adrien和Benjamin Foucault在实验中的帮助。
    相关新闻
    生物通微信公众号
    微信
    新浪微博

    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