CO2吸收-解吸过程强化与集成优化策略研究进展

《Carbohydrate Research》：Modifying CO 2 Absorption-Desorption: A Comprehensive Review of Advances in Process Design, Solvent Engineering, Energy Integration, and Operational Optimisation

　　本文系统综述了CO2化学吸收技术的创新路径，重点探讨了过程配置优化（如富液分流、蒸汽压缩）、溶剂开发（胺类混合物、离子液体、低共熔溶剂）以及热质集成策略。通过响应面法（RSM）和机器学习（ANN、SVM）等多目标优化方法，显著降低了再生能耗（可节省20-40%），为碳捕集利用与封存（CCUS）技术的工业化应用提供了关键理论支撑。

　　

CO₂吸收-解吸过程强化与集成优化策略研究进展

过程配置创新

在CO₂捕集技术中，吸收塔和解吸塔的结构优化是提升效率的关键路径。富液分流配置通过将部分富液直接引至解吸塔中部，有效降低了再沸器负荷，实验表明可节省15-25%的再生能耗。蒸汽压缩技术则利用机械能替代热能，通过压缩解吸塔顶部的蒸汽（温度约100-110°C）使其成为高温热源，该技术尤其适合与低温热泵结合使用。

间冷吸收塔通过塔内设置冷却器控制温度分布，抑制逆反应并促进传质，但需注意冷却位置和温度梯度的精确控制。旋转填充床（RPB）作为过程强化设备，利用高速旋转（转速可达1000-3000 rpm）产生的超重力场（可达重力100-500倍），将气液传质系数提升至传统填充塔的2-5倍，特别适用于空间受限的场景。

高级解吸塔配置如带分流冷凝器（DCC）的结构，通过塔顶集成冷凝器实现水蒸气潜热回收，可降低冷凝器负荷约30%。多压解吸塔采用分段压力设计（如高压段3-5 bar，低压段1-2 bar），利用压力差实现热量梯级利用，但设备复杂性显著增加。闪蒸解吸器通过多级闪蒸（如高压闪蒸5-10 bar，低压闪蒸1-2 bar）实现溶剂再生，适合处理高CO₂负载的富液。

溶剂体系开发

胺类溶剂体系持续优化，单乙醇胺（MEA）虽具有高反应速率（二级反应速率常数约6000 m³/kmol·s），但再生能耗高达3.5-4.0 GJ/t CO₂。甲基二乙醇胺（MDEA）作为叔胺，再生能耗较低（2.5-3.0 GJ/t CO₂）但反应速率慢。哌嗪（PZ）作为高效促进剂，可使混合溶剂的吸收速率提升50%以上。

离子液体（ILs）如[BMIM][BF₄]具有可设计性、低挥发性特点，但黏度高（50-500 cP）限制其工业应用。低共熔溶剂（DESs）由氢键受体（如氯化胆碱）和给体（如尿素）构成，制备简单且生物降解性好，CO₂负载量可达0.5-1.0 mol CO₂/mol DES。

双相溶剂在吸收CO₂后发生液-液相分离，富CO₂相体积通常仅为总体积的20-40%，显著降低再生能耗。纳米流体通过添加纳米颗粒（如SiO₂、Al₂O₃，粒径10-100 nm，浓度0.01-0.1 wt%）产生微对流效应，使传质系数提升20-50%。

热质集成策略

热集成技术通过交叉换热器网络回收过程物流的显热，富液-贫液换热器可回收60-80%的热量。热泵系统（如蒸汽压缩热泵VCHP、吸收式热变换器AHT）利用低品位热源（如60-80°C）产生高温热（120-140°C），性能系数（COP）可达3-6。

太阳能辅助系统采用聚光太阳能（CSP）或光伏热（PVT）技术提供再生热能，可降低30-50%的蒸汽消耗。质量集成通过质量交换网络（MEN）优化溶剂循环，减少新鲜溶剂补充量10-20%。

过程强化设备如微通道反应器（通道尺寸100-500 μm）可实现比表面积高达10000 m²/m³，传质效率较传统设备提升1-2个数量级。膜吸收技术将膜分离与化学吸收结合，使用中空纤维膜（如聚丙烯材质，孔径0.1-0.5 μm）可避免液泛问题，操作弹性提高。

优化方法应用

响应面法（RSM）通过中心复合设计（CCD）或Box-Behnken设计（BBD）建立预测模型，R2通常大于0.9。人工神经网络（ANN）包括多层感知器（MLP）和径向基函数（RBF）网络，对非线性的CO₂溶解度预测误差可低于5%。

支持向量机（SVM）适用于小样本数据，在溶剂筛选中有独特优势。自适应神经模糊推理系统（ANFIS）结合模糊逻辑与神经网络，在操作参数优化中表现优异。

多目标优化算法如非支配排序遗传算法（NSGA-Ⅱ）可同时优化能耗（目标1）和投资成本（目标2），得到帕累托最优解集。粒子群优化（PSO）、灰狼优化（GWO）等元启发式算法在复杂约束条件下仍能有效搜索全局最优解。

过程模拟软件（Aspen Plus、gPROMS）结合严格的热力学模型（如电解质NRTL）可准确预测相平衡和反应动力学，为优化提供可靠基础。