智能水热液化技术：结合Aspen Plus软件与人工智能，实现碳中和生物燃料的设计

《Biomass and Bioenergy》：Smart hydrothermal liquefaction: Bridging Aspen Plus and AI for carbon-neutral biofuel design

微藻热水解液化（HTL）过程通过混合Aspen Plus与神经网络框架建模优化，实现能量效率82.42%，揭示生物质浓度30%、生物柴油产率60%及副产品回收的关键参数，量化效率-排放-成本权衡，原料成本与产率主导经济性。

　　

Mahmoud Karimi | Halis Simsek

伊朗阿拉克大学生物系统工程系

摘要

本研究提出了一个混合的Aspen Plus–神经网络（NN）框架，用于模拟、优化和分析将微藻转化为生物原油的水热液化（HTL）过程。经过验证的Aspen Plus模拟得出了以下基准性能指标：生物原油产率为45%（30.43 MJ/kg HHV），能源效率为67.99%（包含副产品），每千克生物原油产生的二氧化碳量为0.477 kg CO?e，以及生物原油的净最低售价（net MBSP）为11.48美元/GGE。开发了三种神经网络模型来预测能源、排放和经济效益，其平均R2得分分别为0.93、0.92和0.92。通过使用NN替代模型进行贝叶斯优化，找到了使能源效率达到82.42%的条件，这些条件包括生物质浓度（30%）、生物原油产量（60%）和副产品能源回收率。分析了效率、排放和成本之间的关键权衡，发现原料成本和生物原油产量是主要的经济驱动因素。这种混合方法在计算效率上优于传统方法，能够实现快速的多目标优化。这项工作通过将严谨的模拟与机器学习相结合，推动了HTL过程设计的发展，为可持续生物燃料的生产提供了可行的见解。

引言

全球向可持续能源系统的转型需要创新的解决方案，而来自微藻的生物燃料作为一种有前景的替代化石燃料的选择正受到关注[[1], [2], [3]]。水热液化（HTL）是一种在高温高压条件下将湿生物质转化为生物原油的热化学过程，因其能够在不消耗大量能量的情况下高效处理微藻而受到重视[[1,3,4]]。尽管具有潜力，但HTL的商业可行性仍受到优化能源效率、减少碳排放和降低生产成本等挑战的制约[[5], [6], [7]]。传统的过程建模工具（如Aspen Plus?）在模拟HTL系统方面发挥了重要作用，提供了关于质量-能量平衡和技术经济性能的见解[[7,8]]。然而，这些传统模型往往缺乏探索动态运行条件或进行快速多目标优化的灵活性，限制了它们在实际过程设计中的应用[[9,10]]。 最近在机器学习方面的进展为解决这些限制提供了机会。神经网络（NN）凭借其模拟复杂非线性关系的能力，在加速过程优化和实现化学工程中的预测分析方面展现出潜力[[10,11]]。虽然已经在热解和生物精炼等相关领域探索了将机理模型与机器学习结合的混合框架[[12,13]]，但其在HTL系统中的应用仍处于起步阶段。目前的HTL研究主要集中在单独的模拟或实验验证上，这在利用数据驱动的方法来协调能源、环境和经济目标方面存在关键缺口[[6,8,14]]。这一缺口凸显了需要一种统一的方法论，将过程模拟的严谨性与机器学习的适应性相结合，以充分发挥HTL技术的潜力。基于我们最近对同一经过验证的Aspen Plus HTL模型进行的多目标遗传算法优化（该模型包含了从摇篮到大门的生命周期评估[LCA]][[3]]，本研究特意采用了从大门到大门的完整范围，展示了新型神经网络替代模型+贝叶斯优化框架所带来的计算优势和卓越的可解释性，实现了显著更高的能源效率，并使得以前不切实际的快速、重复的设计迭代成为可能。 在这项工作中，我们提出了一个新颖的混合Aspen Plus–神经网络（NN）框架，用于模拟、优化和分析将微藻转化为生物原油的HTL过程。我们的方法通过使用Aspen生成的数据集训练三种不同的NN来预测能源效率、二氧化碳排放和经济指标，从而弥合了高保真过程模拟与数据驱动优化之间的差距。贝叶斯优化的集成使得最优运行条件的快速识别成为可能。此外，我们采用了SHAP（Shapley Additive Explanations）分析来阐明生物原油生产的经济驱动因素。 这项研究通过创新的混合建模、关键的可持续性见解和方法论的可扩展性推动了HTL研究的发展。通过将Aspen Plus?模拟与神经网络相结合，我们克服了传统模型的计算刚性，实现了动态的多目标优化。我们的方法量化了能源效率、碳足迹和生产成本之间的权衡，从而提供了提升HTL环境和经济性能的可行策略。此外，该框架的适应性支持对多种原料和集成生物精炼系统的未来扩展，使其成为可持续生物燃料设计的多功能工具。通过证明混合建模的优越效果，这项工作为下一代既经济可行又环境可持续的生物燃料过程铺平了道路。

Aspen Plus过程建模

将微藻转化为生物原油的HTL过程的模拟是使用Aspen Plus? V14开发的，这是一种广泛用于模拟热化学转化系统的强大过程工程工具[[15]]。该设置整合了详细的热力学建模、过程流程配置以及能量/材料平衡计算，以建立生物原油生产、能源效率、二氧化碳排放和经济性能的基准。

基准过程性能

基准性能分析为微藻的HTL过程建立了一个参考场景。模拟结果显示，干燥后的生物原油产量约为3617千克/小时，这与规定的45%干基产量相符。生物原油的高位热值（HHV）为30.43 MJ/kg（干基），表明其具有高能量含量，适合作为运输燃料的前体，这与报道的微藻衍生生物原油的值一致[[1,4,8]]。水相构成了...

结论

本研究成功开发并验证了一个混合建模框架，该框架将Aspen Plus模拟与神经网络模型相结合，用于模拟和优化将微藻转化为生物原油的HTL过程。通过结合Aspen Plus的详细过程模拟能力和神经网络的预测能力，这种方法为分析和提升HTL过程的能源效率、二氧化碳排放和经济性能提供了全面的工具。

基准HTL...

CRediT作者贡献声明

Mahmoud Karimi：撰写 – 审稿与编辑，撰写 – 原稿，可视化，验证，监督，软件，项目管理，方法论，正式分析，数据整理，概念化。Halis Simsek：撰写 – 审稿与编辑，可视化，验证，监督，方法论，正式分析，概念化。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

我们衷心感谢伊朗阿拉克大学和美国普渡大学在支持这项研究方面所提供的帮助。他们的资源和协作环境对于这项研究的成功完成起到了重要作用。