数据驱动的木质纤维素脂肪醇生产技术经济与生命周期评估框架：原料与操作不确定性研究

《ACS Sustainable Chemistry & Engineering》：A Data-Driven Techno-Economic and Life-Cycle Framework for Assessing Feedstock and Operating Uncertainty in Lignocellulosic Fatty Alcohol Production

　　

脂肪醇是重要的生物基化学品，应用于燃料、材料及特种产品，然而其从木质纤维素生物质的大规模生产在经济和环境上仍具挑战。本研究提出一个集成框架，结合实验数据、Aspen Plus过程模拟、机器学习以及技术经济与生命周期评估，以评估从木质纤维素原料生产脂肪醇。在Aspen Plus V14中开发了详细的过程模型，包括预处理、在新型改良泰勒涡流反应器（Taylor Vortex Reactor, TVR）中的发酵、下游分离、废水处理和热电联产。实验获得的脂肪醇浓度与水力停留时间（hydraulic retention time, HRT）之间的关系用于指导过程建模，而真实的生物质变异性通过生成对抗网络（generative adversarial network, GAN）生成的3000种合成原料组成来代表。蒙特卡洛采样使3000次过程模拟得以执行，以训练机器学习代理模型，用于快速预测脂肪醇产量。葡聚糖可用性和水力停留时间是脂肪醇产量的主要驱动因素。资本和运营成本对两者均敏感，这使得经济最优位于60至66小时的停留时间之间。基于概率的分析表明，最低销售价格（minimum-selling price, MSP）为30.6 ± 17.9 美元 kg^–1。瀑布分析表明，同时改进原料价格、产量、资本成本和运行时间可将MSP降至约3美元 kg^–1。相应的全球变暖潜势（global warming potential, GWP）为2.78 ± 0.07 kg CO₂-eq kg^–1。总体而言，本研究展示了数据驱动过程建模如何支持大规模不确定性分析、风险知情决策以及识别木质纤维素生物质可持续生产脂肪醇的经济和环境有利操作区域。

脂肪醇是重要的生物基化学品，广泛应用于燃料、材料及特种产品。传统生产路线依赖植物油加氢或石化合成，带来温室气体排放、森林砍伐和土地竞争等可持续性问题。微生物发酵，尤其是利用解脂耶氏酵母（*Yarrowia lipolytica*）将木质纤维素衍生糖转化为脂肪醇，被视为有前景的替代方案。木质纤维素生物质来源广泛、成本较低且不与粮食竞争，但生物过程存在产物毒性、产量低和放大困难等挑战。改良泰勒涡流反应器（Taylor Vortex Reactor, TVR）通过泰勒涡流改善气液传质和产物原位萃取，有望提高脂肪醇发酵性能。在过程评估方面，技术经济分析（Techno-Economic Analysis, TEA）和生命周期评估（Life Cycle Assessment, LCA）虽然为工艺可行性和环境影响提供了框架，但通常受限于数据不确定性、计算成本高，且缺乏对原料变异和操作条件波动的系统量化。近年来，机器学习（Machine Learning, ML）与过程模拟结合可加速不确定性传播，但将该方法应用于木质纤维素脂肪醇生产，同时考虑生物质组成和发酵停留时间（Hydraulic Retention Time, HRT）变动的研究仍然有限。为此，研究人员构建了一个数据驱动综合框架，以量化原料和操作不确定性对经济与环境性能的影响，识别经济上和环境上可行的操作区域。

研究基于Phyllis2数据库中约400个真实木质纤维素样品的组成数据，采用生成对抗网络（Generative Adversarial Network, GAN）生成3000种合成原料组成，以保留组分间的相关性。同时，在改良TVR中进行发酵实验，测定不同时间点的脂肪醇浓度，建立脂肪醇浓度与HRT的关系。随后在Asp