孟加拉国城市有机废物制氢潜力研究：一种综合的、具有不确定性量化的多模型框架，整合了ARIMA-XGBoost预测方法、Aspen Plus仿真技术以及对比性技术经济分析

《International Journal of Hydrogen Energy》：Integrated hydrogen potential from municipal organic waste in Bangladesh: A comprehensive, uncertainty-quantified multi-model framework integrating ARIMA-XGBoost forecasting, Aspen Plus simulation, and comparative techno-economic analysis

　　

A.K.M.阿马努拉|穆德·拉比乌尔·伊斯兰·萨卡尔

孟加拉国拉杰沙希工程技术大学机械工程系，拉杰沙希，6204

摘要

在孟加拉国，城市固体废物管理不善以及对化石燃料的依赖一直是长期存在的难题。本研究提出了一种全新的综合评估方法，该方法结合了机器学习预测技术、基于第一性原理的过程模拟，并将厌氧消化-蒸汽甲烷重整工艺与IPCC提出的填埋气处理方式进行了对比分析。该研究利用22年来来自六个城市的统计数据，训练了一个混合型的ARIMA-XGBoost预测模型，用于预测到2035年的城市固体废物产生量，预测值为1867.5百万吨，外部验证时的平均绝对百分比误差为3.9%，滚动验证时的误差则为4.1%。在Aspen Plus V12软件中，通过RYield/RStoic和RGibbs反应器对厌氧消化-蒸汽甲烷重整工艺进行了建模；能量分析结果显示，重整器和消化器共同导致了总能量损失的68%。通过10,000次蒙特卡洛模拟，该工艺的氢气产量为26.2百万吨，95%置信区间为21.4–31.7百万吨，这一数值比IPCC提出的处理方式高出41.5%。该工艺的氢气平准化成本为3.80美元/千克，95%不确定性区间为3.20–4.70美元/千克，低于绿色电解氢4–8美元/千克的基准水平。全局敏感性分析表明，原料含水量和重整器效率是影响成本的关键因素。经过简化后的生命周期评估显示，该工艺从生产到最终产品的碳足迹为2.1千克二氧化碳当量/千克氢气，相比传统灰色氢气，其碳足迹降低了78%。在合理的碳信用体系下，该项目的内部收益率可达18.7%。这些研究结果为将废物转化为氢能纳入孟加拉国2035年能源发展计划提供了有力的政策依据。

引言

孟加拉国面临着能源与环境相互关联的严峻挑战。该国96%以上的电网电力来自化石燃料，而城市地区每天产生的城市固体废物量在25,000至33,500吨之间，其中70%以上为有机物质。未经妥善处理的废物会释放甲烷这种温室气体，其危害程度是二氧化碳的28倍，同时还会加剧当地污染。氢气因其高能量密度且无尾气排放，被视为实现难以减排领域脱碳的重要途径。孟加拉国政府已宣布计划在2035年前开展基于氢气的电力生成试点项目。然而，目前的讨论几乎都集中在通过电解产生的绿色氢气上，却忽视了利用该国丰富的有机废物来生产生物氢的巨大潜力。

已有多项研究探讨了孟加拉国的废物能源化问题。Islam（2018）通过静态因素和线性外推法估算了城市固体废物用于发电的潜力。Khan（2020）首次估算了通过厌氧消化处理食物废物生产氢气的潜力，预计15年内可产出约40百万吨氢气，但该估算依赖于简单的线性预测和统一的系数。Hossain等人（2024）研究了食物废物的超临界水气化技术，预计2023年的食物废物量为23百万吨。2025年的一项关于农业残余物利用的技术经济分析显示，生物氢的生产成本为6.40美元/千克。Prasetya等人（2024）则证明了在吉大港建立分散式消化系统的可行性。

在全球范围内，机器学习模型越来越多地被应用于废物预测领域，而关于废物转化为氢能的生命周期分析技术也在不断成熟。近年来，有关生物质废物气化和热解制氢的技术进展已有了全面的研究总结，而利用有机废物进行黑暗发酵生产生物氢的技术则在构建循环经济方面取得了显著进展。用于生产氢气的生物气重整技术也有了很大发展，相关的综述涵盖了各种方法、净化技术以及技术经济层面。此外，利用纳米技术从有机废物中生产绿色氢气也成为了一个具有前景的研究方向。针对废物转化为氢能的设施，人们已经进行了技术经济分析，研究了参数变化以及不同地区的可行性，同时也有研究将生物气重整技术与制氢技术相结合，用于处理填埋气。通过对不同废物转化为生物氢和生物氢气路径的生命周期环境分析，人们获得了重要的可持续性见解。在循环经济框架下，利用城市固体废物中的有机成分生产生物氢气也得到了系统性的研究。通过气化处理食物废物来生产氢气也受到了较多关注。厌氧消化技术的流程建模与优化工作也在不断进步。最近，还有研究通过实验验证和对技术经济指标的分析，提出了食物废物水热气化的新方法。通过环境经济评估，人们已经找到了从生物质共气化过程中生产负碳氢气的方法。厌氧消化仍然是生产生物气的重要手段，而有研究专门探讨了从城市固体废物中生产生物氢的技术可行性，结果表明这一技术已经具备实际应用的条件。Ahmad等人还总结了从生物质和塑料废物中生产氢气的方法，并指出了这些方法与城市固体废物处理相结合的潜力。

从更广泛的视角来看，以生物质为原料生产氢气的方法相比传统化石燃料基方法具有明显的环境优势。许多研究都探讨了有机废物的黑暗发酵技术，而对各种氢气生产技术的综合评估也一致认为，生物气重整技术是最为成熟且最具规模化应用潜力的技术之一。包括城市固体废物中的有机成分在内的生物质气化技术也被广泛研究，用于生产氢气。同时，有研究通过对基于化石燃料的氢气生产过程进行碳捕获处理，分析了其在碳约束环境下的成本竞争力，结果表明生物氢具有更高的成本优势。对于通过电解和生物质生产氢气的生命周期分析则进一步强调了进行区域针对性分析的必要性。全球范围内，有许多文献详细探讨了氢气作为清洁能源载体的潜力，而利用可再生能源制取氢气及制氢气的技术经济可行性也已经得到了充分证实。Lazard、氢能委员会以及国际可再生能源机构所提供的成本参考数据，为发展中国家提供了重要的参考依据。

然而，目前还没有任何研究能够将以下几方面结合起来：首先，先进的机器学习废物预测技术；其次，基于第一性原理的Aspen Plus过程模拟技术；第三，在相同的不确定性分析框架下，对厌氧消化-蒸汽甲烷重整工艺与IPCC提出的填埋气处理方式进行对比分析；第四，针对孟加拉国的实际情况，进行深入的全局敏感性分析和生命周期分析。正是由于缺乏这样的研究，决策者难以获得可靠、基于风险分析的证据来合理分配资源。

本研究旨在填补这一空白，具体目标如下：

• 1.
  开发一种混合型的ARIMA-XGBoost预测模型，并通过多种验证方法对其准确性进行彻底检验，以此预测到2035年六个城市产生的城市固体废物总量。
• 2.
  在Aspen Plus软件中模拟厌氧消化-蒸汽甲烷重整工艺与填埋气处理工艺的运行情况，计算能量损失，并通过蒙特卡洛模拟进行不确定性分析，同时开展全局敏感性分析。
• 3.
  进行综合的技术经济分析，包括概率性平准化成本分析、折现现金流分析以及简化的生命周期评估，进而提出具体的政策建议。

章节节选

数据收集与预处理

历史人口数据、GDP（购买力平价）以及各城市层面的废物数据（2000–2022年）均来自世界银行、国家统计部门以及六个城市管理部门：达卡南区、吉大港市、拉杰沙希市、朗普尔市、锡尔赫特市和库尔纳市。通常情况下，食物废物占城市固体废物的69.5%，其含水量在63%至80%之间。经过干基分析后，这些废物中的碳元素占比为42.5%，氢元素为6.1%，氧元素为42.1%，氮元素为1.4%，硫元素为0.14%。类似的成分比例

废物产生量预测

该预测模型显示，在当前发展态势下，到2035年，这些城市的城市固体废物产生量将从2022年的26.0百万吨上升至31.1百万吨，年均增长率为1.38%。通过2018–2022年的数据进行的滚动验证显示，该预测模型的平均绝对百分比误差为4.1%，标准差为0.5%，这一精度优于单独使用ARIMA模型、XGBoost模型、Holt-Winters模型、简单预测模型以及长短期记忆网络模型所得的预测精度。在2019–2022年的固定数据集上，该预测模型的平均绝对百分比误差为3.9%，进一步证明了其预测准确性。误差分布也呈现无偏性，这一结果也印证了

结论

本研究通过结合机器学习预测、Aspen Plus模拟、全局敏感性分析以及简化的生命周期评估，对孟加拉国将废物转化为氢能的潜力进行了全面、具有不确定性量化特征的比较分析。主要研究结果如下：

• •
  预计到2035年，这些城市的城市固体废物产生量将达到31.1百万吨/年，累计产生量则为1867.5百万吨。
• •
  采用厌氧消化-蒸汽甲烷重整工艺生产氢气，其产量为26.2百万吨，95%置信区间为21.4–31.7百万吨，这一产量比将废物填埋的处理方式高出41.5%。
• •
  该工艺的氢气平准化成本为3.80美元/千克，95%不确定性区间为3.20–4.70美元/千克，这一成本水平与绿色氢气相当。
• •
  通过Sobol’敏感性分析

CRediT作者贡献说明

A.K.M.阿马努拉：概念设计、数据整理、正式分析、资金筹集、研究实施、方法设计、项目管理、资源协调、监督指导、结果验证、可视化处理、论文初稿撰写以及论文修订工作。穆德·拉比乌尔·伊斯兰·萨卡尔：概念设计、研究实施、项目管理、监督指导、结果验证以及论文修订工作。

利益冲突声明

作者声明，他们不存在任何可能影响本研究所汇报研究成果的已知财务利益关系或个人关系。

致谢

作者感谢贾汉吉尔纳加尔大学信息技术学院的Bushra Akter在Python编程实现、图表制作以及数据可视化方面的帮助。