水泥脱碳燃烧后碳捕集技术的全面溶剂评估：4E分析、机器学习、生命周期评估及敏感性分析

《Energy》：Comprehensive solvent evaluation for post-combustion carbon capture in cement decarbonization: 4E analysis, machine learning, life cycle assessment and sensitivity analysis

　　

**要点**
• 采用多分析框架进行最佳燃烧后碳捕集（PCC）溶剂选择。
• 在能源、经济、生命周期评价（LCA）和敏感性分析中，二甘醇胺（DGA）为首选。
• 在评估的溶剂中，甲基二乙醇胺（MDEA）表现出最高的?效率。
• ?环境评估倾向于双异丙醇胺溶剂。
• 机器学习识别出三乙醇胺（TEA）为最佳溶剂，随机森林AUC为0.94。

**引言**

全球变暖被广泛认为是21世纪最严峻的挑战之一[1]，对全球环境系统、经济稳定和健康福祉产生了深远影响[2]。温室气体排放——尤其是二氧化碳（CO?）——的快速增加加剧了全球气温上升[3]、极端天气事件[4]、海平面上升[5]和生态系统退化[6]等气候变化影响。这一趋势的主要驱动因素是20世纪中期工业扩张以来对化石燃料的大规模依赖，尤其是在1960年代和1970年代，工业生产、发电和运输的能源消耗大幅增加[7]。由于这种持续的化石燃料依赖，大气CO?浓度急剧上升，近年来已超过450 ppm[8]——这一水平被广泛认为是临界值，如果不紧急应对，将与不可逆转的气候损害相关联。为此，各国政府和国际组织实施了各种减缓策略以遏制排放并推动向低碳能源系统过渡。其中，2015年通过的《巴黎协定》代表了具有里程碑意义的全球承诺，各国承诺限制全球气温上升并在本世纪中叶实现净零碳排放[9,10]。

历史排放趋势显示，尽管全球CO?排放总体上呈增长趋势，但某些事件——如2008年全球金融危机[11]和COVID-19疫情[11,12]——因工业活动减少、运输需求和能源消耗下降而导致了暂时的减排。然而，这些减排是短暂的，且由经济中断而非能源系统的结构性变化所驱动，这凸显了对长期且技术驱动的减排解决方案的迫切需求。

碳排放来自多个部门，其中工业约占全球排放的19.6%，其次是供热和发电（18%）、农业（15%）和道路交通（10%）[13]。建筑、非道路交通和废物管理也做出了额外贡献。在工业部门中，水泥生产因其燃料燃烧排放和石灰石煅烧过程排放而成为最大的单一CO?排放源之一。典型水泥厂烟气中CO?体积分数为15–20%[1]，显著高于许多其他工业排放源，使水泥生产成为脱碳工作的关键目标[14]。钢铁制造和化石燃料发电也位列主要排放源[15]。为实现净零排放目标，已提出并实施了广泛的减排路径，包括可再生能源扩张[16]、交通运输电气化[17]、储能技术应用[18,19]、氢能等清洁燃料的使用[20]，以及将碳捕集系统整合到现有工业基础设施中[21]。在以化石燃料为主导的能源系统中，如伊朗，仅部署可再生能源不足以在难以减排的部门——如水泥、钢铁和传统发电厂——实现深度减排[22,23]。在这些情况下，碳捕集技术在实现工业脱碳的同时保持产能方面发挥着关键且不可或缺的作用[24]。

碳捕集技术包括多种方法，如富氧燃烧[25]、燃烧前捕集[26]和燃烧后捕集（PCC）[27]。其中，PCC被认为是最实用、最适用于现有工业设施改造的选项[23]，尤其是水泥厂，因为它与当前工艺配置兼容。尽管直接空气捕集（DAC）[9,28]和利用微藻进行生物封存等新兴方法具有长期潜力，但它们目前受到规模、成本和技术成熟度的限制，尚不适合大型工业应用。

PCC系统可采用多种分离技术实施，包括化学吸收[14]、物理吸附[29]、膜分离[30]和低温过程[31]。其中，基于胺的化学吸收仍然是最成熟且商业化部署的方法。然而，传统PCC配置能耗较高，主要原因是再生器再沸器中需要再生溶剂。因此，优化PCC性能——尤其是通过溶剂选择和工艺设计——已成为核心研究焦点[32,33]。

在基于吸收的PCC系统中，CO?通过烟气与化学溶剂在吸收塔中的放热反应被捕集。市场上有广泛的商品胺溶剂可供选择，如单乙醇胺（MEA）[34]、二乙醇胺（DEA）[35]、二甘醇胺（DGA）[36]、甲基二乙醇胺（MDEA）[37]、哌嗪（PZ）[38]和三乙醇胺（TEA）[35]，每种溶剂均表现出独特的热力学、动力学、经济和环境特性。溶剂性能强烈依赖于操作条件，包括CO?浓度、温度、压力和溶剂组成。因此，选择最佳溶剂对于最小化再生能耗、降低运行成本以及提高PCC系统的整体可持续性至关重要[39]。近期研究越来越多地采用数据驱动和机器学习方法进行溶剂筛选和性能预测，实现了对大型数据集和多标准绩效的系统评估[22,23,39,40]。重要的是，溶剂选择不仅影响能效，还影响经济可行性和环境影响，包括通过生命周期评价（LCA）评估的人体健康和生态系统损害。因此，需要一个全面的评价框架来支持工业PCC应用中溶剂选择的信息决策。

本研究采用整合的多学科框架，对水泥行业基于吸收的PCC中的溶剂选择进行全面评估。首先使用Aspen HYSYS v11在稳态条件下模拟商品溶剂，以建模PCC性能。然后进行详细的4E分析——涵盖能源、?、?经济和?环境评价——以量化热力学效率、再生能耗需求、成本性能和环境效率。模拟结果随后被用于构建数据集以进行Python中的机器学习分析，实现预测性溶剂分类和优化。最后，使用SimaPro软件和ReCiPe 2016方法学进行生命周期评价，评估对人体健康、生态系统质量和资源消耗类别的广泛环境影响。

图1展示了本研究的整体方法学框架，突出了过程模拟、4E分析、机器学习和生命周期评价的整合。通过结合这些互补方法，本研究为溶剂性能评估提供了稳健且系统的评价，并为优化水泥厂脱碳中的PCC部署提供了实用见解。

传统PCC系统存在若干固有低效问题，溶剂选择是影响整体性能的最关键因素之一。因此，许多研究致力于识别和开发改进的溶剂以减少再生能耗需求和提高捕集效率。与此同时，大量研究致力于工艺改造，如先进的热集成、替代吸收-再生塔配置和优化操作条件，以提高系统性能。在工艺层面改进之外，提高PCC系统的可持续性也得到了越来越多的关注。多项研究探讨了整合可再生能源——特别是太阳能热能——为PCC系统提供部分或全部再生热量的方法，作为独立解决方案或与优化工艺设计结合使用。这些混合方法旨在减少化石燃料消耗，降低间接CO?排放，并提高碳捕集系统的整体环境性能。

本节回顾文献中关于溶剂开发、工艺优化和可再生能源整合以提高PCC系统效率和可持续性的关键进展。

Amirsadat等人[41]报告称，传统水基胺溶剂存在重大操作挑战，尤其是过高的再生能耗和长期溶剂不稳定性。其综述表明，掺入有机共溶剂，如乙二醇、亚砜和醇醚，可显著增强溶剂性能。研究显示，设计得当的共溶剂系统相比传统MEA可将再沸器热负荷降低高达60%，同时保持相当的CO?吸收效率。Zhang等人[42]进行了全面的生命周期评价，评估MEA、PZ和混合AMP/PZ溶剂的环境和经济性能。其结果表明，PZ和AMP/PZ分别将归一化环境影响降低了24.9%和16.2%，同时运行成本也分别降低了21.60%和13.69%。在多种优化策略中，机械热泵-中间冷却配置实现了最大的改善，将整体环境负荷降低了46.0%，凸显了溶剂和工艺组合优化的重要性。Hosseinifard等人[22]提出了一种数据驱动框架用于PCC系统中的溶剂选择和再生预测。梯度提升在溶剂分类中达到了0.942的AUC，而随机森林模型以0.942的R2预测再生能耗。模拟结果与机器学习预测高度吻合，证实了人工智能工具在加速溶剂筛选和提高工业应用中工艺层面决策可靠性方面的可靠性。Esfandyari等人[43]对五种胺溶剂进行了对比模拟研究，包括MEA、DEA、TEA、MDEA和DGA。其研究结果表明，MEA所需再生能耗最低，而TEA尽管溶剂补充量较低却表现出最高的能耗需求。该研究强调了能耗与溶剂损耗之间的权衡，强调了多标准溶剂评估的必要性，而非仅依靠能耗分析。在另一项研究中，Hedayati Moghaddam等人[44]在燃烧后碳捕集系统中使用胺基吸收剂实现了超过98%的CO?去除效率，同时报告最低能耗为6035 kW。这些发现凸显了工艺性能对溶剂选择和操作条件的强烈依赖性，尤其是再生能耗需求和整体捕集效率方面。

Peng Bu等人[45]评估了MEA、PZ和MDEA–PZ溶剂的热力学、环境和?性能。混合MDEA–PZ系统表现出最低的再生能耗（2.82 GJ/tCO?）和最高的?效率（约47%），同时整体排放低于MEA和PZ。其结果证实了混合胺系统在PCC应用中的协同优势。Zhou等人[46]基于2×1000 MW超临界燃煤电厂的实际运行数据进行了生命周期评价研究。分析了四种情景，包括常规操作、MEA和AMP强化石油采收、以及碳捕集与利用。结果显示碳捕集显著降低了中点环境影响；然而，毒性相关指标表现出复杂的权衡，受溶剂类型和上游化学品生产的影响显著。Verhaeghe等人[47]使用经验证的Aspen Plus模型研究了基于燃气轮机的碳捕集系统中的溶剂和工艺选择。用10 wt% MDEA/20 wt% PZ混合物替换30 wt% MEA，将特定再沸器热负荷降低了15.44%，冷却需求降低了16%。相比之下，富溶剂循环和分流等先进工艺配置仅提供了有限的节能，表明溶剂组成在减少捕集惩罚方面起主导作用。Pazuki等人[48]应用机器学习分类技术进行溶剂评估，证明集成学习显著优于单一模型。堆叠分类器达到了99.24%的准确率和0.9911的Cohen's Kappa系数，凸显了集成模型在准确识别溶剂方面的强大能力。Nimmanterdwong等人[49]采用人工神经网络预测基于MPDL的溶剂及其与MEA、AMP和PZ混合物的传输特性。使用多种学习算法，其ANN模型成功捕捉了溶剂组成与物理化学性质之间的非线性关系，为大规模实验测量提供了有效替代方案。Zulhilmi Ahmad等人[50]提出了一种基于官能团组合的溶剂生成和选择框架。其计算设计的胺相比MEA将再生能耗降低了高达31.4%，同时所采用的性能预测模型显示出很强的准确性，展示了合理溶剂设计方法的潜力。Lee等人[51]将Aspen Plus模拟与多目标遗传算法相结合，优化了550 MW燃煤电厂中MEA、DEA和AMP的PCC工艺条件。其工作强调了溶剂特定优化对于公平性能比较和现实系统评估的重要性。Taek Oh等人[52]在相同浓度条件下评估了替代胺，发现二亚乙基三胺（DETA）相比MEA将再生能耗降低了8.57%。当结合富溶剂分流配置时，能耗惩罚进一步降低了16.8%，证实了溶剂选择与工艺强化策略结合的重要性。

尽管PCC仍然是水泥行业脱碳最成熟的技术之一，但几种替代碳捕集方法最近引起了广泛关注。直接空气捕集（DAC）能够直接从大气中去除CO?，为实现净负排放提供了互补潜力。例如，Bolongaro等人[53]对钙循环DAC进行了前瞻性从摇篮到坟墓的生命周期评价，使用商业规模的工业数据，证明将钙循环DAC与水泥生产结合可以为减少最大工业CO?源之一的排放提供有前途的途径。

此外，利用微藻进行的生物碳捕集作为一种可持续的替代方案应运而生，通过直接利用太阳能将 CO2 转化为有价值的生物量。Zhang 等人 [54] 通过技术经济和生命周期评估评估了基于微藻的碳捕集与利用的三种碳供应途径，表明直接烟气注入可以实现净负排放，尽管其经济成本高于传统的后燃烧捕集。这些研究凸显了新兴碳捕集技术的多样性，并为评估基于溶剂的 PCC 系统提供了更广阔的背景。虽然包括直接空气捕集、生物碳捕集和钙循环在内的几种碳捕集技术都已显示出减少 CO2 排放的显著潜力，但基于溶剂的燃烧后碳捕集仍然是改造现有水泥厂最成熟且最具商业应用前景的技术之一。与主要关注个别性能指标的研究不同，本研究在统一的评估框架内整合了能量、?、?经济、?环境、生命周期、敏感性和机器学习分析。这种综合方法能够对溶剂性能进行更稳健的评估，并支持在多种技术、经济和环境标准下做出明智的溶剂选择决策。

片段：过程描述
胺基 PCC 过程通过使用化学溶剂在吸收塔中选择性吸收 CO2 来运行。PCC 系统传统上分为两个主要部分：冷段和热段。在冷段中，CO2 从烟气中被捕获，而在热段中，溶剂再生以释放捕获的 CO2。如图 2 所示，从水泥厂烟囱排出的烟气，其中体积含量约为 18.3% 的 CO2，进入吸收器。

结果与讨论
本研究采用综合评估框架来评估不同溶剂在稳态运行条件下 PCC 中的性能。该框架将能量和?分析与?经济、?环境、LCA 和机器学习方法相结合，以在 PCC 过程中对溶剂性能进行整体比较。溶剂选择是影响 PCC 过程能量性能的主要因素，因为在汽提塔中的溶剂再生。

结论
全球变暖和人造成 CO2 排放的迅速增加仍然是本世纪最关键的挑战之一，能源密集型行业在这一趋势中起着主导作用。由于水泥行业烟气 CO2 浓度高且连续运行，它代表了深度脱碳最重要的部门之一。在这种情况下，使用化学吸收的 PCC 被认为是一种实用且近期的解决方案；然而，其整体可行性。

关键发现
• 能量分析确定 DGA 为最有利的溶剂，表现出最低的溶剂再生负荷和热能需求。
• ?分析表明汽提塔主导了?损失，而 MDEA 实现了最高的?效率（60.5%）。
• 经济和?经济结果表明，由于减少了蒸汽和公用工程消耗，DGA 提供了最低的平准化成本。
• 机器学习分析实现了高精度的预测（平均 AUC ≈ 0.94），随机...

CRediT 作者贡献声明
Farzin Hosseinifard：写作 – 初稿，可视化，软件，数据整理。Mohsen Nasrollahi：写作 – 初稿，可视化，资源，调查。Mohammad Ebadollahi：写作 – 审阅与编辑，可视化，验证，监督，调查。Majid Amidpour：写作 – 审阅与编辑，可视化，验证，监督，项目管理，形式分析。

资助
本研究未收到外部资助。

利益冲突声明
作者声明他们没有已知的竞争性经济利益或个人关系可能会影响本文报告的工作。

Farzin Hosseinifard|Mohsen Nasrollahi|Mohammad Ebadollahi|Majid Amidpour