综述：优化生物质制富氢合成气：气化技术选择的多准则方法

《Next Energy》：Optimizing hydrogen-rich syngas production from biomass: A multi-criteria approach to gasification technology selection

　　

固体废弃物的气化已成为一种有前景且可持续的能源回收技术，用于将各种生物质原料和有机残余物转化为有价值的合成气（syngas）。随着全球在废物资源化、可再生能源发电和碳排放减排方面的努力不断加强，确定最合适的反应器配置以实现高效富氢合成气生产变得日益重要。这一选择过程尤其具有挑战性，因为它需要同时评估多个技术、经济、环境和操作因素，以确保最佳性能和可持续性。本研究旨在确定最有效的气化炉技术，以最大化氢气产量并提高废物转化为能源的性能。为了实现这一目标，研究人员开发了一个多准则决策（MCDM）框架，用于评估和排序四种主要气化反应器类型：固定床、流化床、气流床和热等离子体气化炉。研究人员对科学文献进行了全面回顾，以收集每种气化炉的性能数据。评估标准通过两种客观方法进行加权，即熵权法（ENTROPY）和CRITIC法，而备选方案的排序则通过模糊理想点法（FTOPSIS）进行，从而能够考虑与专家判断和性能指标相关的不确定性。两种加权方法得到的结果显示出一致的排序，证明了所提出方法的鲁棒性。在四种备选方案中，流化床气化炉获得了最高的贴近度系数，并在FTOPSIS分析中排名第一。这种优越性能可归因于其高废物转化效率、对原料变化的增强操作灵活性、改善的合成气质量以及更高的氢气生产潜力。比较表明，流化床气化炉在大多数评估标准上优于固定床、气流床和热等离子体技术。此外，敏感性分析证明了排序结果在不同权重情景下的鲁棒性，进一步支持了所选最优方案的可靠性。研究结果为在生物质和废物制氢应用中选择最合适的气化技术提供了实际指导。它们可以支持研究人员、工程师和决策者优化氢气生产性能并促进可持续能源转型战略。所提出的MCDM框架可以促进大规模工业应用中合适气化技术的选择，有助于可持续废物管理策略、可再生氢气的生成以及向循环低碳经济的转型。

1. 引言
随着工业化和城市化推动的人口增长，全球能源需求持续加剧。尽管可再生能源作用增大，但全球能源系统仍高度依赖化石燃料。生物质作为可再生能源，其气化技术成为最有前景的废物资源化方案之一，通过热化学转化产生主要由H₂、CO、CO₂和CH₄组成的合成气（syngas），可用于热、电和燃料生产。气化性能受操作条件、生物质特性、气化炉类型（固定床、流化床、气流床等）及技术路径影响。现有比较研究采用多准则决策（MCDM）方法评估不同气化炉，但针对最大化氢气生产的专门比较有限。本研究旨在通过MCDM框架，结合熵权法（ENTROPY）、CRITIC法、模糊理想点法（FTOPSIS）与敏感性分析，系统评估固定床、流化床、气流床和热等离子体四种气化炉，以确定最适宜生产富氢合成气的配置。

2. 气化过程与气化炉类型描述
气化是在有限气化剂下将生物质热化学转化为合成气的技术，反应器类型包括固定床、流化床、气流床和热等离子体。不同气化炉的操作参数差异显著：固定床温度700–900°C，加热速率10–50°C/s，停留时间10–60 s，H₂产率10–20%，生物炭产率10–20%；流化床温度800–1000°C，加热速率100–1000°C/s，停留时间1–10 s，H₂产率15–30%，生物炭产率5–15%；气流床温度1200–1600°C，加热速率>1000°C/s，停留时间<1 s，H₂产率25–45%，生物炭产率<5%；热等离子体温度>1500°C，加热速率>1000°C/s，停留时间<1 s，H₂产率40–55%，生物炭产率≈0%。各气化炉在热灵活性、设计复杂度、产物类型和能量产率上各有特点。

2.1. 流化床气化炉
基于固体颗粒在上升气流中的悬浮，实现高效混合和均匀热分布。操作温度800–1000°C，加热速率高，停留时间1–10 s，H₂产率15–30%，生物炭产率低（约5%）。优点包括转化效率高、原料灵活性好（可处理多种生物质和湿物料）、温度控制好且焦油产率低。缺点为操作复杂度高、投资成本较高。

2.2. 固定床气化炉
最古老的反应器，适用于小规模装置，结构简单，操作维护方便。燃料静止，温度700–900°C，加热速率慢（10–50°C/s），停留时间长达60 s，H₂产率10–20%，生物炭产率可达20%。优点为设计简单、运行成本低、维护少；缺点为温度和气分布不均匀，焦油产率较高，需额外净化。

2.3. 气流床气化炉
气流以极高温度（1200–1600°C）通过燃料床，加热速率>1000°C/s，停留时间<1 s，H₂产率25–45%，生物炭<5%。优点包括能量效率高、可接受多种原料、模块化设计；缺点为颗粒物排放和温室气体可能增加，过程控制复杂。

2.4. 热等离子体气化炉
利用电弧产生>1500°C高温，加热速率>1000°C/s，停留时间<1 s，H₂产率>50%，生物炭几乎为零。优点为材料完全转化、焦油最小化、可处理非可回收废物（包括有毒物质），生成高纯度合成气；缺点为设备和运行成本高。

3. 多准则决策方法与途径
决策者通常采用渐进探索或建模两种方法。本研究使用加权法、TOPSIS和敏感性分析。步骤包括：确定评估准则和备选方案（流化床、固定床、气流床、热等离子体气化炉）；采用熵权法确定准则权重；利用TOPSIS排序；最后进行敏感性分析验证结果。

3.1. 熵权法（ENTROPY）
基于信息论中熵的概念，通过数据驱动确定准则权重，减少主观影响。步骤：归一化决策矩阵得到比例矩阵（r_ij），计算各准则的熵值（e_j），熵值越低表示信息量越大，权重越高。最终权重（W_j）由熵值计算得出，可进一步与CRITIC法结合增强鲁棒性。

3.2. TOPSIS与模糊TOPSIS（FTOPSIS）
TOPSIS通过计算各备选方案与正理想解（PIS）和负理想解（NIS）的距离进行排序，选择最接近PIS且最远离NIS的方案。由于数据以定性语言评估为主，本研究采用模糊集理论，将语言术语转化为三角模糊数（a_ij, b_ij, c_ij），构建模糊决策矩阵。FTOPSIS步骤包括：归一化、加权、计算到PIS和NIS的模糊距离，最后得到贴近度系数（CC_j），CC_j越接近1表示方案越优。

4. MCDM方法步骤与准则及子准则的选择
流程始于识别气化炉备选方案，定义技术、经济、环境三大类准则及其子准则。技术子准则包括成熟度、维护、加热速率、停留时间、能源消耗、H₂产率、生物炭产率；经济子准则为生产成本；环境子准则为有害排放。初始决策矩阵基于文献综述的语言评估，转换为模糊三角数。采用熵权法和CRITIC法客观确定子准则权重，随后集成到FTOPSIS中进行排序。所有计算通过Excel实现，便于敏感性分析。

5. 决策矩阵计算结果
基于文献数据，对四种气化炉进行技术、经济、环境性能评估，并通过熵权法-模糊TOPSIS（Entropy-FTOPSIS）排序。敏感性分析调整子准则权重以验证结果稳定性。

5.1. 技术性能
固定床气化炉成熟且易操作，维护低、能耗中等，但H₂产率低、生物炭产率高。流化床气化炉热均匀性好，加热速率高，停留时间可控，H₂产率中高，生物炭产率中等，能耗较高。气流床气化炉更复杂，加热速率极高、停留时间短，H₂产率高，生物炭极少，需专门维护和高能耗。热等离子体气化炉为新兴技术，加热速率极快、停留时间极短，H₂产率最高，生物炭几乎为零，但能耗和维护要求极高。

5.2. 经济性能
固定床初始成本低，但效率有限可能增加运营费用。流化床投资较高，但热效率好，副产品少。气流床资本和运行成本高，但产气质量高，减少处理费用。热等离子体成本最高，主要因高电耗，但清洁气体和环境效益部分抵消成本。

5.3. 环境影响
固定床气化炉焦油和颗粒物排放较高。流化床因热均匀混合，焦油和排放减少。气流床产气清洁，焦油极低，但高能耗可能间接增加CO₂排放。热等离子体环境性能最佳，焦油几乎完全消除，直接排放很低，但整体环境影响取决于电力来源。

5.4. 决策矩阵（DM）
基于文献综述，为各子准则分配语言变量（极低、低、中低、中、中高、高、极高），形成决策矩阵。例如，流化床气化炉在成熟度上评为“极高”，固定床为“高”，气流床为“中高”，热等离子体为“中低”。

5.5. 技术准则矩阵
5.5.1. 成熟度：流化床气化炉成熟度“极高”，固定床“高”，气流床“中高”，热等离子体“中低”。
5.5.2. 维护：热等离子体维护“极低”，流化床“中低”，固定床“中高”，气流床“中”。
5.5.3. 加热速率：热等离子体“极高”，流化床“高”，气流床“中高”，固定床“低”。
5.5.4. 停留时间控制：流化床“高”，固定床“中低”，气流床“低”，热等离子体“极低”。
5.5.5. 能源消耗：固定床“中高”，流化床“中”，气流床“中低”，热等离子体“低”。
5.5.6. H₂产率：流化床和热等离子体“极高”，气流床“中高”，固定床“中低”。
5.5.7. 生物炭产率：固定床“高”，流化床“中高”，气流床“中低”，热等离子体“低”。

5.6. 经济准则矩阵
5.6.1. 生产成本：固定床“高”，气流床“中”，流化床“中低”，热等离子体“低”。

5.7. 环境准则矩阵
5.7.1. 有害排放：热等离子体“高”（环境性能好），流化床“中高”，气流床“中”，固定床“中低”。

5.8. 准则权重计算
采用熵权法对子准则客观赋权。结果显示，有害排放和成熟度权重最高，其次为H₂产率，反映其对最大化氢气生产的关键影响。停留时间控制权重最低，因四种气化炉在该指标上表现相似。生产成本、生物炭产率和维护权重较低。

5.9. 参数敏感性分析
通过系统改变子准则权重（每次将一个子准则赋权0.5，其余均分0.5），评估FTOPSIS结果的鲁棒性。在9种情景中，流化床气化炉在5种情景中排名第一（频率55.56%），固定床在4种中排名第一（44.44%），气流床和热等离子体从未获得第一。模型排序稳定性估计为67%，表明结果对权重变化不敏感。流化床气化炉因其优越的反应-传输耦合、均匀热分布、原料灵活性和高H₂产率，被确认为最优技术。

6. 结论
本研究通过MCDM方法比较了四种气化技术，流化床气化炉在技术、经济、环境准则中综合表现最优，适合大规模生物质制氢。所提出的Entropy-CRITIC与FTOPSIS组合框架具有鲁棒性和透明性，可为决策者提供技术支持。未来工作可开发基于AI的应用，结合机器学习预测气化性能，进一步优化氢气生产系统。