一种用于优化基于生物质的联合发电的人工智能框架，该框架结合了固体氧化物电解、海水淡化、二氧化碳捕集以及甲烷化技术

《ENERGY CONVERSION AND MANAGEMENT》：An artificial intelligence framework for optimizing biomass-based cogeneration using solid oxide electrolysis, desalination, CO 2 capture, and methanation

　　摘要：向可持续能源系统的转型加剧了对能够同时生产多种高附加值产品并提高碳利用效率的综合性生物质利用途径的需求。然而，将生物质气化、二氧化碳捕获、氢气生产以及甲烷化技术整合到单一的人工智能辅助多联产框架中的研究仍较为有限。为填补这一空白，本研究提出了一种新型的生物质驱动型综合能源系统，该系统结合了布雷顿循环、改良的闪蒸式冷热联合供应子系统、多效海水淡化技术、膜基二氧化碳捕获技术、固体氧化物电解技术以及二氧化碳甲烷化技术，以实现电力、冷却剂和合成甲烷的同步生产。其主要目标是通过人工智能辅助的多目标优化，最大化所提出方案的热力学性能、经济性及可持续性。该系统通过热力学分析、能量经济学分析、可持续性评估以及净现值分析进行了全面评价。研究采用人工神经网络作为替代模型，并与多目标灰狼优化算法相结合，探讨了两种优化场景：（1）在最小化总成本的同时最大化可持续性指标；（2）在最小化甲烷生产成本的同时最大化甲烷产量。优化结果表明，场景一的可持续性指标为1.43，总成本率为226.7美元/小时；而场景二可产生12.47立方米/小时的甲烷，生产成本为10.07美元/立方米。此外，场景二在整体热力学性能和能量经济学性能方面表现更优，同时还能增加产品产出并提升经济竞争力。这些研究结果表明，所提出的生物质转甲烷框架为高效碳利用及可持续多联产系统的发展提供了有效路径。

引言：随着城市化和工业发展的推进，全球能源需求持续上升，给传统能源资源带来了巨大压力[1]、[2]。与此同时，对气候变化和温室气体排放的担忧也使得能源系统加速脱碳变得愈发重要[3]、[4]。过度依赖化石燃料被认为是环境恶化的主因，这促使全球朝着低碳和可持续能源解决方案方向转型[5]、[6]。正因如此，可再生能源技术因其能够在保障能源安全的同时减少排放而备受重视[7]、[8]、[9]。在各类可再生能源中，生物气与生物质因其多功能性和易获取性而尤为突出[10]、[11]。生物质能够提供连续且可按需调度的能源，非常适合用于综合能源系统[12]。此外，由于生物质在生长过程中产生的二氧化碳量大致等于从大气中吸收的量，因此它通常被视为一种碳中性资源。生物质还能转化为电力、热能和燃料等多种能源形式，这进一步提升了其在多联产应用中的吸引力[13]。

生物质驱动型多联产系统被视为最大化生物质资源利用价值的有效途径[14]。这类技术能够同时产生电能、制冷剂以及各种高价值产品，相较于传统的单联产系统，其整体能源利用率更高[15]。通过整合多个子系统，主流程产生的废热可以被回收并用于其他用途，从而显著降低能量损失并提升系统性能[16]。Haghghi等人[17]研究了一种基于甲烷和生物质的多联产系统，该系统包括燃料电池、燃气轮机、有机朗肯循环-喷射式制冷循环、海水淡化装置以及水电解装置。该系统可生产电力、制冷剂、水以及氢气，研究人员通过能量分析和能量经济学分析对其进行了评估，结果显示其能量效率和能量利用效率分别为47.1%和77.6%。Lykas等人[18]则研究了一种利用生物质、太阳能和地热能的多联产系统，该系统可生产电力、热能、制冷剂以及氢气。该系统包含超临界二氧化碳布雷顿循环、水电解装置以及吸收式制冷机。经热经济学分析，该系统的能量效率为37.9%，能量利用效率为20.9%，投资回收期为11年。Shokri等人[19]提出了一种生物质驱动型多联产系统，该系统可生产电力、热能、氢气以及淡水。通过热力学分析和经济性分析并结合优化计算，该系统每小时可产生22.3千克氢气，能量利用效率为67.7%。先进的优化方法提升了系统的可靠性，证明了其在实现高效且具有成本效益的能源管理方面的可行性。Yilmaz等人[20]设计了一种以生物质为原料的多联产系统，该系统包括布雷顿循环、海水淡化装置以及水电解装置，可生产电力、氢气、淡水以及热能。热力学分析和可持续性分析显示，该系统的能量效率和能量利用效率分别为30.0%和44.5%。Fu等人[21]研究了一种集成有多种先进子系统以及双床吸附式制冷机的生物质驱动型多联产系统，该系统可生产电力、制冷剂、热能以及氢气。经热经济学分析和优化计算，该系统的能量利用效率为64.6%，成本率为43.9美元/小时。Yan等人[22]设计了一种地热-生物质多联产系统，该系统利用有机朗肯循环、气化技术以及水电解技术可生产电力、甲醇以及氢气。热力学分析和经济性分析并结合优化计算后显示，该系统的能量效率为36.7%，能量利用效率为31.9%，单位成本为11.8美元/吉焦，投资回收期为2.56年。Alamri等人[23]设计了一种生物质与液化天然气结合的多联产系统，该系统利用燃烧、海水淡化、朗肯循环以及液化天然气冷能可生产电力、制冷剂以及气体。优化后的该系统能量利用效率为15.1%，单位成本为14.8美元/吉焦，显示出良好的可持续性。Ai等人[24]研究了五种运行模式下的生物质转X物质系统，该系统可生产电力、甲醇、热能、制冷剂以及液态二氧化碳。热力学分析、能量经济学分析以及碳足迹分析显示，在以制冷为优先目标的模式下，该系统的能量效率可达60.4%，投资回收期为5.46年。碳足迹分析表明生物质在该系统中的占比超过90%，而且系统的经济性能和环境性能对运行条件极为敏感。Haghghi等人[25]提出了一种基于生物质气化的多联产系统，该系统整合了燃料电池、超临界/跨临界二氧化碳回收循环以及多效海水淡化装置。通过先进的优化技术，该优化后的系统能量利用效率达到了37.53%，单位产品成本为11.36美元/吉焦，能量环境影响值为48.90 mPts/吉焦，研究还确定锯末是最适合用作生物质原料的材料。Laleh等人[26]设计了一种太阳能辅助的生物质气化系统，该系统整合了光伏电池、电解器、燃料电池以及朗肯循环，可用于清洁电力生产。通过多目标优化，该系统的能量效率提升到了74.88%，而基准情况下的能源利用效率为50.64%，产品成本为0.125美元/千瓦时，这显著降低了系统的环境影响。

氢气是综合能源系统中不可或缺的中间能源载体。氢气具有较高的能量密度且不含碳[27]、[28]、[29]。利用氢气对二氧化碳进行甲烷化处理，已被视为实现碳利用和可再生能源燃料生产的有效途径[30]。这一过程即萨巴蒂尔反应，它能将二氧化碳和氢气转化为合成甲烷，而合成甲烷便于储存、运输，也可融入现有的天然气基础设施中[31]。随着通过可再生能源驱动的水电解技术生产绿色氢气的日益普及，这种技术在“电力转气体”框架中的应用可行性进一步提升[32]。从可持续性的角度来看，二氧化碳甲烷化具有双重优势：一方面可通过捕获并重新利用二氧化碳来减少碳排放，另一方面还能以甲烷的形式实现长期能源存储[33]。尽管有这些优势，但在工艺效率、反应器设计以及系统级整合方面仍存在诸多挑战，尤其是当这些技术需要与上游的氢气生产技术和二氧化碳捕获技术相结合时[34]。因此，开发经过优化且高度整合的甲烷化能源系统，对于推动碳中和能源解决方案的发展至关重要。近期的一些研究探讨了各种与甲烷化工艺相结合的多联产系统和混合系统，旨在提升能源效率，降低成本并减少碳足迹。Bailera等人[35]评估了一种结合核电站、燃煤电厂以及甲烷化装置的混合发电厂。他们认为，尽管初期可行性有限，但这类系统在未来中长期内仍有望在能源供应和二氧化碳存储方面发挥重要作用。Zahedi等人[36]优化了一种集成有甲烷化技术的多循环系统，该系统的能量利用效率达到了61.7%，单位成本为6.36美分/千瓦时。该系统每年可产生327.1兆瓦的电力，同时可处理627,000吨二氧化碳。Park等人[37]对甲烷化技术与水电解技术相结合的方案进行了技术经济性分析，他们认为要使该方案具备市场竞争力，其生产成本需分别降低550美元/千瓦和25%。Wang等人[38]设计并优化了一种以生物质为原料、结合燃料电池和甲烷化技术的多联产系统，实验结果表明该系统的性能具有竞争力，且与传统发电厂相比，其排放量大幅降低。Balafkandeh等人[39]对一种集成有光伏光热板以及生物质的住宅用系统进行了建模研究，该系统每年可产生230.94兆瓦时的电能，从捕获的二氧化碳中可制得279.94千克的甲烷，其电力的平准化成本为100.08–107.99美元/兆瓦时。Yari等人[40]分析了一种利用生物气与绿色氢气进行甲烷化处理的联合发电系统。经过多目标优化后，该系统的能量利用效率为42.6%，二氧化碳排放指标为0.4618千克/千瓦时。Laleh等人[41]设计了一种以生物气为燃料的多联产系统，该系统整合了氧燃料燃烧技术、热化学氢气生产技术、甲烷化技术、氨合成技术以及有机朗肯循环技术。通过多目标优化，该系统的最大能量利用效率为47.60%，单位产品成本为19.21美元/吉焦。经过优化后的系统不仅具有较好的环境性能，其投资回收期也有所缩短，经济可行性进一步提升。Rabet等人[42]提出了一种太阳能-生物质混合多联产系统，该系统整合了燃料电池、太阳能驱动的电解器、甲烷化技术以及氨合成技术。通过热力学分析、技术经济性分析、生命周期评估以及优化计算，该系统的优化后能量利用效率为33.23%，单位成本为36.06美元/吉焦，这体现了该系统在通过一体化燃料生产实现更高可持续性以及更高效碳利用方面的优势。Chrouda等人[43]设计了一种以天然气和生物气为原料的二氧化碳捕获与燃料合成系统，该系统整合了蒸汽甲烷重整技术、甲醇合成技术、电解技术以及有机朗肯循环技术。该系统结合了热力学分析、经济性分析、环境分析、生命周期评估以及多目标优化技术，其能量效率达到了59.78%，净现值为164.58百万美元，投资回收期为2.36年。与那些以甲醇生产为目标的方案不同，本研究聚焦于将二氧化碳甲烷化技术与生物质气化技术以及智能优化技术相结合，同时研究也认为，未来若能引入生命周期评估技术，将进一步完善该系统的可持续性评估。

现有文献表明，基于生物质的多联产系统以及二氧化碳甲烷化技术在提升能源效率、提高碳利用效率以及促进可再生能源燃料生产方面发挥着越来越重要的作用。尽管已经取得了不少进展，但仍然存在一些挑战，这些挑战限制了高度集成且可持续的生物质转燃料系统的发展。从现有文献中可以总结出以下主要研究缺口：•大多数以往的研究都集中在独立的或部分集成的能源系统上，而将生物质气化、二氧化碳捕获、氢气生产以及甲烷化技术进行全面整合的研究仍十分有限。•将先进的余热回收技术与生物质气化技术相结合，以实现电力、冷却剂、淡水以及合成燃料的同步生产，这一方向目前尚未得到足够重视。•现有的研究很少探讨那种内部可实现自给自足的系统架构，即在那种系统中，通过海水淡化获得的淡水可直接用于氢气生产，随后再用于二氧化碳甲烷化过程。•虽然人工智能技术近年来已被应用于能源系统优化领域，但它在该类生物质驱动的二氧化碳转甲烷多联产系统中的应用仍然相对有限，尤其是在需要结合全面的热力学分析、能量经济学分析、可持续性分析以及经济性分析的情况下。为弥补上述不足，本研究的主要创新点如下：•提出了一种新型的生物质驱动型多联产系统，该系统将改进后的生物质气化工艺与布雷顿循环、改良的闪蒸式冷热联合供应子系统、多效海水淡化装置、膜基二氧化碳捕获系统、固体氧化物电解系统以及催化甲烷化工艺相结合。•设计了一种完全集成的资源循环策略，即由多效海水淡化装置产生的淡水可为固体氧化物电解系统提供反应介质以用于氢气生产，而捕获到的二氧化碳则可被转化为合成甲烷，从而实现高效的碳利用。•采用了先进的余热回收设计方案，以此最大化能量回收率，并提升所提出系统的整体热力学性能。•构建了一个基于人工神经网络和多目标灰狼优化算法的人工智能驱动的软计算框架，该框架可用于确定最优的运行条件，同时提升系统的热力学性能、经济性以及可持续性。

因此，本研究的主要目标如下：•设计一种高度集成的生物质基多联产系统，并对其进行热力学建模，以实现电力、冷却剂、淡水以及合成甲烷的同步生产。•通过全面的热力学分析、能量经济学分析、可持续性分析以及经济性分析（包括净现值分析和投资回收期分析）对该系统进行评估。•通过参数分析以及敏感性分析，研究关键运行参数对系统性能的影响。•采用基于人工神经网络的辅助多目标灰狼优化框架，确定能够最大化系统性能、同时提升系统经济可行性和可持续性的最优运行条件。

系统描述：在本研究中，图1展示了为发电、供冷以及甲烷生产而设计的多种功能相互整合的系统结构。整个系统由生物质气化装置、布雷顿循环、改良的闪蒸式冷热联合供应子系统、多效海水淡化装置、固体氧化物电解装置、膜基二氧化碳捕获系统以及甲烷化工艺组成。各子系统的详细结构将在下文中介绍。生物质原料在5号位置进入气化装置，空气则在6号位置被引入该装置。气化炉在7点处产生合成气。本章介绍了用于评估该集成系统的建模框架与方法论。表1总结了模拟中使用的输入数据，而图2则展示了整个研究流程图，包括系统建模、热力学与经济性分析以及优化过程。建模与性能分析是通过工程方程求解器完成的，而优化过程则在MATLAB中实现。为确保计算的准确性，该集成系统还通过与先前发表的理论及实验研究结果进行对比，以此来验证所提出框架的可靠性与预测能力。表2、表3和表4分别汇总了当前模型输出结果与文献数据的对比情况。表2将本研究中得到的生产气成分与Zainal等人[50]在800℃、20%含水量条件下对木材气化的理论预测结果进行了比较。本节阐述了参数研究、人工神经网络分析、帕累托前沿分析以及最优方案所得出的结果。本研究提出了一种基于生物质的新颖集成方案，通过软计算辅助的优化框架实现电力、冷却能和甲烷的同时生成。所设计的系统成功地将生物质气化、布雷顿循环发电、二氧化碳捕集、碳捕获与封存、固体氧化物电解、甲烷化以及海水淡化等子系统整合为一个统一的能源平台。废热回收技术被有效应用于驱动碳捕获与封存装置以及海水淡化设备。作者贡献说明：杨轩：方法论、概念设计；叶旭波：写作——审阅与编辑、指导、形式分析；Hemn A.H. Barzani：研究、数据整理；Fahad M. Alhomayani：形式分析、数据整理；Ashrf althbiti：研究、形式分析；Norah Alsairy：写作——初稿撰写、研究；Hanaa Abu-Zinadah：验证、数据整理；Sherzod Abdullaev：写作——审阅与编辑、写作——初稿撰写；Hind Albalawi：资源协调、项目管理、研究。伦理声明：作者声明本研究未涉及人类或动物实验对象。利益冲突声明：作者声明不存在可能影响本文所述工作的任何已知财务利益或个人关系。致谢：沙特阿拉伯利雅得努拉·宾特·阿卜杜勒-拉赫曼大学的研究人员支持项目（PNURSP2026R29），以及武汉工程大学的高层次人才科研启动基金项目和A类博士科研基金项目（KJRC2024016、KJRC2025002、KJRC2026003）。杨轩|叶旭波|Hemn A.H. Barzani|Fahad M. Alhomayani|Ashrf althbiti|Norah Alsairy|Hanaa Abu-Zinadah|Sherzod Abdullaev|Hind Albalawi|李德娟，中国潍坊市潍坊科技学院新一代信息技术研究中心。