基于鲁棒优化设计具有捕集率保证的MEA（Monoethanolamine，单乙醇胺）基燃烧后碳捕集工艺

《Industrial & Engineering Chemistry Research》：Designing a Robust MEA-Based Post-Combustion Carbon Capture Process with Capture Rate Guarantees

　　

研究人员提出了一种基于非线性两阶段鲁棒优化（nonlinear two-stage Robust Optimization, RO）求解器PyROS的应用方法，将其用于含热力学物性子模型参数不确定性的详细速率基（rate-based）、方程导向（equation-oriented）模型，以实现单乙醇胺（Monoethanolamine, MEA）洗涤工艺的经济化设计与操作，满足燃烧后CO2捕集目标（capture target）为90%至99%以上。研究表明，该方法可成功获得风险规避（risk-averse）的模型解，其中捕集目标不超过98%时的解仅比名义最优（nominally optimal）解略微昂贵。结果表明，采用RO及PyROS求解器可获得满足CO2捕集率保证的风险规避碳捕集工艺设计，且不会带来传统经验性过度设计（ad hoc overdesign）通常伴随的不必要成本负担。

论文解读：基于鲁棒优化设计具有捕集率保证的MEA基燃烧后碳捕集工艺

本研究发表于《Industrial & Engineering Chemistry Research》。燃烧后碳捕集与封存（Carbon Capture and Storage, CCS）技术中，单乙醇胺（Monoethanolamine, MEA）洗涤工艺应用最为广泛，但传统确定性优化设计忽略热力学及动力学物性参数（如气液平衡VLE常数、化学反应平衡常数）的不确定性，导致设计在实际工况偏离名义值时可能不满足CO₂捕集率约束或运行不可行。已有非线性鲁棒优化（Robust Optimization, RO）研究多限于单一吸收塔或较低捕集率（85%）及少量不确定参数，缺乏对全流程图、高至超高捕集率（90%–99.3%）及多参数不确定性的鲁棒设计验证。为此，研究人员 modified Akula等的速率基（rate-based）MEA洗涤模型并增强数值稳健性，耦合PyROS（Python Robust Optimization Solver）两阶段RO求解器，在置信椭球不确定集下对适配727 MWe天然气联合循环（Natural Gas Combined Cycle, NGCC）电厂烟气条件的四列并联MEA流程进行设计与操作鲁棒优化，考察90%–99.5%捕集目标下不同置信水平（90%、95%、99%）的解，并通过400组离群参数抽样验证运行可行性。

主要关键技术方法：

研究人员基于IDAES（Institute for the Design of Advanced Energy Systems）工具包建立一维稳态速率基模型，吸收/解吸塔各离散为40有限元，液相采用HCO₃^–与MEACOO^–可逆反应化学平衡及表观物种法，气相视为理想气体，传质采用Gaspar-Fosb?l增强因子近似以消除近平衡处0/0奇点，物性关联取文献（密度Weiland等、Henry常数Jiru等、平衡常数Morgan等拟合）。不确定参数选为VLE修正因子α₁–α₄及反应平衡温度系数b₁、b₂，通过Parmest工具基于实验数据最小二乘估计名义值与协方差矩阵Σ，不确定集取多元正态置信椭球Q^conf(p)。经济性指标采用目标捕集平准化成本（Levelized Cost of Target Capture, LCOTC）=总年费用（Total Annualized Cost, TAC）/目标CO₂捕集质量流率，辅以NETL（National Energy Technology Laboratory）化石能源基准报告核算NGCC+CCS系统平准化度电成本（Levelized Cost of Electricity, LCOE）与捕集成本（Cost of Capture, COC）。RO问题用PyROS（decision rule order=0）求解，局部NLP用GAMS/CONOPT，初始化与校核用IPOPT，所有解以400组均匀抽自99%置信椭球的离群情景做后验可行性检验。

研究结果：

3.1 Implementation

确定性模型在IDAES中实现并经对数变量重构与定标改善数值性，吸收/解吸塔各40有限元，总状态变量10113个、不等式约束7720个、不确定参数6个。RO由PyROS自动从确定性模型与不确定集构建，决策规则阶数设为0（静态调节变量），收敛容差10^–3，目标聚焦"nominal"。计算环境为Python 3.12 + IDAES 2.9.0.dev0 + Pyomo 6.9.5.dev0 + PyROS 1.3.10，本地求解器IPOPT 3.13.2（MA57），主/分离子问题用GAMS/CONOPT 4.36，并行10核Intel Xeon Gold 5215。

3.2 Response to CO₂Capture Target

确定性优化对所有测试捕集目标（90%–99.5%）均获最优解；RO在90%、95%置信水平下获至99.3%捕集目标之鲁棒可行解，99%置信水平下获至99.0%。LCOTC随捕集目标呈非单调变化，在96%–98%间出现最小值，高于此区间后急剧上升——高置信水平使超高捕集目标LCOTC增幅更显著（95%置信下98%→99.3% LCOTC升约31%，确定性格下升约4%）。鲁棒解实际CO₂捕集率均超目标（为确保最坏不确定情形下仍达标），确定性格解仅在名义点达目标。鲁棒解较确定性格解成本增量（price of robustness）随捕集目标与置信水平升高而增大：90%捕集时增≤4%，99.3%捕集时增≤32%（95%置信）。为保鲁棒可行，吸收/解吸塔填料高度与体积、再沸器面积、最大再沸热负荷、溶剂最大流率与填充量、运行蒸汽与MEA循环率均随置信水平上调而增加。低捕集目标（＜96%鲁棒或＜98%确定）受动力学限制，解呈塔尺寸、溶剂流率近线性增长；高捕集目标（＞96%–98%）受热力学限制，需降低贫液CO₂负载（lean solvent CO₂loading）、加大解吸塔高度与再沸器负荷。超高捕集（≥99%）鲁棒解触碰到再沸热负荷上限（80.7 MW，对应IP/LP抽汽≤85%）与换热器面积上限，故99.3%捕集无法在99%置信下获鲁棒可行解。后验检验显示所有PyROS解在其对应置信椭球内100%可行，且对≥97%抽样情景可行；确定性格解对＜50%抽样情景可行，证实RO设计具实质抗扰性。

3.3 Evaluation of Model Outputs for the Coupled NGCC+CCS System

按NETL基准核算，CO₂捕集成本（COC）在≤98%捕集随目标升高略降（分母效应强于LCOE增），＞98%时转升；LCOE随捕集目标单调升。NGCC净出力随捕集目标与置信水平上扬下降，再沸抽汽占比相应上升，99%捕集时近85%上限，佐证超高捕集需外部辅助蒸汽源。

3.4 Computational Performance

确定性实例求解＜1分钟；RO实例15–45分钟，PyROS迭代≤7次，计算开销在工程设计中可接受。

3.5 Detailed Comparison of Deterministic and Robust Solutions for 98% CO₂Capture

以98%捕集为例详析：鲁棒解TAC较确定性格高约8%（99%置信），主因解吸塔填料与投资增及再沸蒸汽费增，吸收塔尺寸微增。鲁棒解解吸塔填高由12.37 m升至18.55 m（99%置信），最大再沸热负荷68.23→74.62 MW，贫液负载略降（0.17→0.16 mol CO₂/mol MEA），实际捕集率由98.00%提至99.48%。再优化（full recourse re-optimization）显示二阶变量可灵活调节使实际AOC低于PyROS静态策略给出值，鲁棒解经完全调节后名义LCOTC溢价缩至约1%。不确定性敏感性分析表明LCOTC对Henry定律常数修正参数（α₁–α₄）响应强于反应平衡常数参数（b₁, b₂）。

结论（翻译）：

研究人员将两阶段RO求解器PyROS应用于详细速率基MEA洗涤工艺模型，针对90%至99.5% CO₂捕集目标及气液平衡（VLE）与化学反应平衡物性子模型参数不确定性进行工艺设计与操作优化。限定于静态运行调节策略（static operational recourse policies）优化时，PyROS可为最高99.3%捕集目标提供风险规避解。对不高于98%的CO₂捕集目标，鲁棒优化工艺的目标捕集平准化成本（LCOTC）仅比确定性优化工艺高至多8%；更高捕集目标下LCOTC边际增幅可达32%。研究表明该增幅可在完全灵活调节策略再优化后显著降低。本工作拓展了非线性RO方法（特别是PyROS的割平面算法）在风险规避化工过程设计中的应用。