基于人工智能的火炬气资源化利用路径选择多目标决策框架：伊朗与伊拉克库尔德斯坦地区区域对比分析

《Journal of Cleaner Production》：AI-driven multi-objective decision framework for flare gas valorization pathway selection: Regional comparative analysis for Iran and the Kurdistan Region of Iraq

　　

• 一种AI辅助的物理基础框架，用于火炬气路径选择 • 通过AI驱动的多准则评估比较了六种回收路径 • 气体回注（55.3%）和硫回收（37.3%）占据主导地位 • 随机森林和堆叠集成模型达到了86.7%的分类准确率 • 该框架支持针对特定区域的火炬气回收决策

引言
近几十年来，火炬气燃烧已成为全球石油和天然气行业在技术、经济和环境方面面临的最严峻挑战之一（Fawole等人，2016）。火炬气燃烧通常作为一种受控燃烧过程，用于处理炼油厂、天然气处理厂、集气站以及上游和下游设施中多余的伴生气和工艺气体，以确保操作安全、压力控制和应急管理等（Daun和Spinti，2025）。尽管在某些运行条件下具有实际必要性，但持续的、大规模火炬气燃烧，特别是在富含碳氢化合物的地区，会导致大量的能源损失、宝贵气态资源的破坏以及显著的大气排放（Maaroof等人，2026）。

从经济角度来看，火炬气气流通常含有大量的甲烷、乙烷、较重的碳氢化合物，在许多情况下还含有硫化氢（H?S）和二氧化碳（CO?）等酸性气体（Wang等人，2023）。如果能够得到适当的回收和增值利用，这些气流可以转化为高价值的产品和公用工程，包括电力、氢气、甲醇、硫磺和小规模液化天然气（mini-LNG）（Jegawa等人，2026）。因此，火炬气不应仅仅被视为废弃物流，而应被视为一种潜在有价值的二次能源资源，能够产生可观的经济回报（Jokar和Kazemi，2025）。

从环境角度来看，火炬燃烧会导致大量二氧化碳、硫氧化物、氮氧化物、未燃烧的碳氢化合物和颗粒物的直接排放，所有这些都加剧了气候变化、局部空气污染和酸雨的形成（Ahari等人，2025）。在硫化氢浓度较高的酸性气流中，环境负担变得更加严重，硫基排放可能会显著加剧环境和健康风险（Hameed Khalif等人，2026）。近年来，全球日益增长的减排压力以及向低碳能源体系转型的迫切需求，使火炬气回收和增值利用成为工业界和政策制定者的战略优先事项（Kumar等人，2025）。

文献中提出了多种火炬气回收和利用的技术路径。研究最为广泛的路线包括发电（Mahboobi等人，2026）、气体脱硫和硫回收（Aoun等人，2024）、气体回注（Kumar等人，2026）、氢气生产（Al-Yafei等人，2026）、甲醇合成（Rodrigues，2022）以及小型液化天然气系统（Khalili-Garakani等人，2021）。这些技术各自具有独特的技术优势、经济局限性、基础设施要求和环境影响。例如，当甲烷含量充足且当地电力需求旺盛时，发电往往极具吸引力，而脱硫和硫回收路径通常更适合硫化氢含量较高的酸性气流（Tahmasebzadehbaie和Sayyaadi，2024a）。同样，当得到下游化工基础设施和市场可达性的支持时，制氢和甲醇生产路线可能提供显著更高的附加值（Dinani等人，2023a）。

火炬气利用文献的发展已从针对少量技术的特定地点比较逐步发展到更为全面的优化和多准则决策支持方法。早期研究针对个别伊朗炼油厂比较了费托合成、发电、气体压缩、气体制乙烯、液化和液化石油气生产等替代方案，主要使用过程模拟和经济指标（Rahimpour等人，2012；Zolfaghari等人，2017；Hajizadeh等人，2018）。这些研究提供了有价值的工厂级工程见解，但局限于预定义的气流和有限的替代方案数量。例如，Rahimpour等人（2012）针对Asalooye炼油厂比较了费托合成、燃气轮机发电和压缩管道注入方案；Zolfaghari等人（2017）则针对另一座炼油厂的特定气流比较了费托合成、燃气轮机发电和气体制乙烯。Hajizadeh等人（2018）随后针对Fajr-e-Jam炼油厂评估了液化、液化石油气生产和多级压缩。这些研究表明，首选技术可能因地点、进料组成、产品价格和现有基础设施的不同而差异巨大。

随后的研究扩展了技术集合，并引入了多目标优化、可靠性分析、生命周期评估和正式的多准则决策方法。Hamidzadeh等人（2020）对五口油井进行了广泛的回收和转化技术建模，并结合NSGA-II优化与TOPSIS和LINMAP方法，基于经济和环境目标确定了最优分配方案。Shaaban等人（2019）开发了一种模糊混合框架，结合DEMATEL-ANP、WASPAS和数学规划，对七种回收方法进行排名，并在经济、技术、环境、政治、管理、预算和时间等方面对南帕斯五座炼油厂进行了分配。Khalili-Garakani等人（2022）对十六个伊朗火炬气和伴生气样本评估了七种技术，并基于气体特性、过程经济和排放提出了筛选准则。Tahmasebzadehbaie和Sayyaadi（2022）通过整合技术经济和环境建模、基于马尔可夫链的可靠性分析和TOPSIS方法，对伊朗某油田的十一种配置方案进行了评估。

最近的研究进一步提高了决策模型的物理和环境细节。Mohammadi Dinani（Dinani等人，2023b）将Aspen HYSYS过程模拟与多目标经济-环境优化相结合，将火炬气在伊朗南部某油田的七种下游选项中进行了分配。Tahmasebzadehbaie和Sayyaadi（2024b）随后将生命周期评估、设备可靠性、不确定性分析、NSGA-II和TOPSIS方法整合到十一种回收配置的选择中。与此同时，定性和综合的综述比较了更广泛的技术组合，并确定了气体质量、项目规模、基础设施、市场准入、技术成熟度、环境表现和政策条件作为重要的决策驱动因素（Abu等人，2023；Elgarahy等人，2024）。

表1对最相关的多技术火炬气回收研究进行了结构化比较，突出了它们所研究的途径、评估标准、决策方法、空间范围以及相对于本框架的主要局限性。总体而言，这些研究展示了在火炬气回收的过程建模、技术经济分析、优化、可靠性评估和决策支持方面所取得的显著进步。然而，方法学的发展也揭示了一些仍然存在的、促使本研究开展的研究空白。

如表1所述，以往的研究在过程模拟、技术经济分析、环境评估、可靠性建模、不确定性分析、优化和多准则排名方面做出了重大贡献。然而，它们的输出通常以技术排名、最优分配、筛选规则或预定义炼油厂、油田、气体样本集或国家背景下优化配置的形式呈现。即使涉及不确定性或多个案例的研究，仍然依赖于对特定案例的反复工程评估和优化。它们未能学习多维运行条件与首选回收路径之间的可推广映射关系。

这一区别很重要，因为火炬气路径选择不仅仅是一个常规的排名问题。首选技术可能会随气体组成、H?S浓度、流量、电力需求、与基础设施和市场的距离、产品价格、碳法规、资本成本条件和决策优先级的非线性变化而变化。因此，为一个油田开发的或基于固定的一组专家权重制定的方法，可能无法在这些变量同时变化时快速提供路径预测。此外，尽管以往的研究已将优化、多准则决策分析、模糊逻辑、可靠性分析、不确定性分析和个别数据驱动模型应用于火炬气相关问题，但所审查的文献中并未提出一个整合的机器学习框架，该框架经过训练，能够使用源自物理基础多准则工程评估生成的标签来预测未见场景的最优增值利用路径。

AI和机器学习方法通过从系统生成的工程场景中学习非线性决策边界来解决这一局限性。一旦训练完成，AI代理可以在不重复对每个候选路径进行完整评估的情况下，重现底层物理基础多准则框架的结果。这一能力对于那些以大规模场景空间、相互作用的非技术变量以及情境依赖的技术偏好为特征的火炬气决策问题尤为重要。然而，AI在此应用中的价值不在于取代工程分析，而在于学习和推广由具有物理意义的过程、经济、环境、可行性和风险模型所创建的决策结构。

另一个缺口涉及区域可迁移性。大多数现有的比较研究都是为个别伊朗炼油厂或油田开发的，而现有的综述研究通常只提供定性的国家或全球建议。酸性气密集型地区之间的系统性差异尚未被明确纳入统一的量化决策框架。这一问题对于伊朗和伊拉克库尔德地区尤为重要，因为在H?S浓度、气体加工基础设施、储层条件、电力需求、市场可达性和政策环境方面的差异可能导致根本不同的路径偏好。因此，被识别为一个区域或设施最优的技术不能直接推广到另一个区域。

为了解决这些缺口，本研究开发了一种AI辅助的、物理基础的、多准则的火炬气增值利用路径选择框架。该工作的创新之处在于五个相互关联的贡献：
• 路径选择被重新表述为一种监督式的、场景依赖的分类问题，而非为预定义设施的一次性排名或分配问题。
• 将降阶物理基础模型与经济、环境、能源效率、可行性、运营风险、基础设施和市场指标整合在一个统一的决策框架内。
• 为类似伊朗、类似伊拉克和全球条件系统地生成了多维场景空间，使决策边界能够在有限的油田样本之外进行考察。
• 由综合路径评分生成的最优标签用于训练和比较多种机器学习分类器，使其能够预测未见场景的首选路径。
• 联合分析区域路径分布、对决策优先级的敏感性和特征重要性，以提供可解释的清洁生产和政策见解。

因此，本研究的主要目标是开发并评估一个AI驱动的决策支持框架，用于在多样化区域和运行条件下从六种火炬气增值利用路径中选择——发电、气体脱硫和硫回收、气体回注、制氢、甲醇生产和小型液化天然气。使用拉丁超立方抽样生成了300个代表性场景，涵盖类似伊朗、类似伊拉克和全球集群，产生了1800次路径评估。每条路径使用降阶工程和技术经济模型进行评估，并采用综合路径评分来确定最优技术标签。随后使用该数据集训练并比较随机森林、XGBoost、多层感知机和堆叠集成分类器。

所提出的框架旨在作为一种初步筛选和战略决策支持工具，而非替代详细的工厂级设计。其主要贡献在于创建一种智能的、可解释的、可迁移的连接，将物理基础多准则评估与快速路径预测相结合。据作者所知，此前没有任何火炬气增值利用研究同时结合了多维区域场景生成、降阶工程评估、多准则技术标签、基于机器学习的未见案例预测，以及类似伊朗和类似伊拉克路径偏好的直接比较于单一框架内。

章节摘要

方法
本研究的目标是开发一个严谨且可迁移的决策支持框架，用于在多样化区域和运行条件下最优选择火炬气增值利用路径。

为确保科学严谨性和工业相关性，方法学结构被有意设计为多层框架，整合了过程级工程建模、技术经济评估、多准则决策分析和人工智能。

结果与讨论
本节展示了所提出的物理基础和AI辅助火炬气增值利用路径选择决策支持框架的定量结果。结果按多种方式系统地进行了组织，以从多个互补的角度进行考察。首先，分析了最优回收路径的基线分布，以确定所研究的决策空间中的主导技术。随后，讨论了…

结论
在本研究中，开发了一个智能的、物理基础的、多准则框架，用于最优选择火炬气回收技术。所提出的框架旨在从六种主要选项中识别最合适的路径，即发电、气体脱硫和硫回收、气体回注、制氢、甲醇生产和小型液化天然气，以应对多样化的区域和运行条件。

使用拉丁超立方抽样生成了300个代表性场景

作者贡献声明
Amin Shahsavar：写作—初稿，可视化，验证，监督，软件，方法学，调查，形式化分析，数据整理，概念化。Ahmed A. Maaroof：写作—审阅与编辑，写作—初稿，调查，形式化分析。

利益冲突声明
作者声明不存在可能影响本文所报告工作的已知经济利益冲突或个人关系。

致谢
作者感谢克尔曼沙阿科技大学对本研究在资助编号kutkoya-10/T/P/S下的资金支持。

Amin Shahsavar | Ahmed A. Maaroof