《Sustainable Futures》:Sustainability assessment of hydrothermal carbonization of food/agro-industrial waste: integrating life cycle, techno-economic, and machine learning perspectives
食品与农业工业废弃物年产生量超过13亿吨,既是显著的环境负担,也是尚未开发的资源。水热碳化(Hydrothermal Carbonization, HTC)作为一种有前景的热化学转化路径,可将湿生物质转化为水热炭(hydrochar)和营养丰富的 process water,与传统处置方式相比可减少温室气体(Greenhouse Gas, GHG)排放。然而,HTC 在环境、经济和数字维度的可持续性表征仍不充分。本研究提出了一个综合框架,将生命周期评估(Life Cycle Assessment, LCA)、技术经济分析(Techno-Economic Analysis, TEA)和机器学习(Machine Learning, ML)整合应用于 HTC 系统。研究人员对已发表的 LCA 研究进行了综合分析,以突出温室气体减排潜力和环境热点;同时审查了 TEA 研究,以识别成本驱动因素、投资风险和市场壁垒。此外,研究人员批判性地分析了 ML 的新兴作用,重点强调其在预测 HTC 性能、缓解数据稀缺性以及支持实时过程优化方面的能力。本研究提出了一个整合框架以连接 LCA、TEA 和 ML,从而实现多目标决策和政策相关性评估。通过将 HTC 部署与循环经济(Circular Economy, CE)原则和联合国可持续发展目标(Sustainable Development Goals, SDGs)对齐,该框架推进了 HTC 可持续性评估的方法学基础。最后,研究人员识别了关键研究空白,为 HTC 系统的可持续规模化提供了决策级依据。
2. 食品与农业工业废弃物的水热碳化:化学、反应器与产物
HTC 专为湿有机废弃物设计。典型原料包括高水分食品废弃物(家庭或工业厨房残渣、市场和餐厅垃圾、废弃果蔬、肉类、谷物等)和农业工业残渣(作物秸秆、果壳、蔗渣、果渣、果皮、酿造/蒸馏污泥、乳制品废弃物等)。这些废弃物通常含有高水平的碳水化合物、蛋白质和脂质,且本身含水率达60-90%,使其不适合干燥热解但非常适合 HTC。通过在亚临界水中直接处理湿生物质,HTC 可多样化利用有机废弃物,并在数小时内加速煤化类反应。
2.1 HTC 反应路径与操作参数
系统理解关键操作参数之间的相互作用对于指导 HTC 过程实现特定目标至关重要。主要变量——温度、停留时间、压力和 pH——共同决定反应强度,引导水解、脱水、脱羧和聚合等复杂反应网络,最终调控产物分布和性质。
温度是最关键因素,典型操作范围为180-300°C。它直接控制反应动力学和路径,较高温度加速生物质降解和碳化。因此,提高温度可获得碳含量、芳香度和热值(Higher Heating Value, HHV)更高的水热炭,但这以降低固体质量收率为代价,因为更多碳被驱入液相和气相。这一现象与生物质组分的顺序降解相关:半纤维素在约180°C以上分解,而纤维素需要210°C以上温度。
停留时间(通常为0.5-8小时)决定反应在目标温度下的持续时间。较长时间使反应趋于完全,通常增强碳化和热值。但过长时同可能导致过度固体收率损失且质量回报递减,使最优持续时间高度依赖原料。
压力通常为自生压力(如10-80 bar),由温度和投水量决定,在大多数系统中不是独立控制变量。其主要作用是将水维持在致密的亚临界液态,这对于促进有机组分的溶解和分解至关重要。
水与生物质比是另一关键参数,因为 HTC 需要亚临界水介质促进传热传质。实际系统中,浆料含固率为20-40%,过程水常循环利用以维持最优负荷。较高水比通常提高水热炭收率,但同时增加所需热能。
催化剂或添加剂可调节化学环境。酸、碱或金属盐(如 H
2SO
4、ZnCl
2)等添加剂用于催化水解和改变产物分布,可提高炭收率和热值并缩短反应时间。但添加剂引入额外成本和复杂性,需要回收过程以确保经济和环境可行性。
pH 调节通过酸性或碱性添加剂改变离子环境以催化特定反应路径。酸性条件可增强水解、提高碳在固相中的保留率,并为吸附等应用定制表面化学。碱性条件则可能促进替代降解路径并影响营养物回收。
参数优化是多目标任务,因为存在根本性权衡。例如,产生能量密集水热炭(更高温度、更长时同)的理想燃料条件同时降低质量收率并可能浓缩污染物。较温和条件可能更好保留收率和营养物用于土壤改良,但产生稳定性较低的碳产物。此外,原料组成与这些参数强烈相互作用,使通用优化不现实。因此,参数选择必须精确匹配目标水热炭特性和所处理废弃物的具体特征。
水热碳化涉及一系列并发和顺序的热化学反应,可系统描述为关键机制路径:水解、脱水/脱羧、聚合和芳构化。转化由生物质大分子水解启动。在亚临界水介质中,碳水化合物的糖苷键(纤维素、半纤维素、淀粉)和蛋白质的肽键断裂,溶解低聚物、单体(如葡萄糖、氨基酸)和脂质。该步骤对温度和 pH 高度敏感;酸性条件常催化多糖水解。这些初级水解产物通过脱水和脱羧反应进一步降解。脱水去除羟基,形成呋喃类化合物(如5-羟甲基糠醛(5-HMF)),贡献碳含量增加。脱羧去除羧基,释放 CO
2,贡献氧含量降低。这些反应的程度主要由温度和停留时间决定,决定中间体的脱官能化程度。随后,活性中间体参与聚合和缩合反应。呋喃、酚类化合物(来自木质素降解)和活性美拉德反应产物(来自糖-氨基酸相互作用)等物种通过羟醛缩合和 Diels-Alder 反应等机制发生交联,形成构成初生热解炭的不溶性芳香簇。最后,在延长或更严酷的条件下,这些聚合物结构发生芳构化,发展更稠合的多环芳香网络。该阶段显著增加水热炭的碳稳定性、固定碳含量和热值,将其转变为类煤材料。碎片化(形成可溶性有机物)和聚合(形成固体水热炭)的竞争路径处于动态平衡,由温度、停留时间和原料组成的综合强度决定。
该机制框架解释了观察到的产物分布。高严酷度(高温/长时同)有利于脱水、脱羧和芳构化,产生低收率但高热值、富碳水热炭,以及富含有机酸的 process water。较低严酷度保留更多固体收率,但导致氧含量较高、稳定性较低的水热炭。蛋白质和脂质的存在将氮和硫引入碳基质或 process water,而无机物通常积累在固体灰分中。
2.1.1 原料特异性反应行为:碳水化合物、蛋白质和脂质
碳水化合物丰富的废弃物(如果皮、马铃薯皮、谷物残渣、废谷物)在160°C以上快速水解,释放可溶性糖类(葡萄糖、果糖、木糖)。这些中间体 readily 脱水为呋喃(5-HMF、糠醛)和有机酸(甲酸、乙酸、乙酰丙酸),随后通过羟醛缩合和芳构化聚合形成水热炭,碳保留率高(通常为进料碳的50-70%)。碳水化合物衍生水热炭的氮含量低(干基<1%),大多数氮以氨基酸或 NH
4+ 形式留在水相。因此,碳水化合物丰富原料的 process water 具有低 C/N 比,有利于生物处理(如厌氧消化),但如用作液体肥料需要补充氮。
蛋白质丰富的废弃物(如乳制品污泥、肉类加工残余、鱼内脏、血粉)表现明显不同。蛋白质在120-180°C水解为氨基酸,随后脱羧和脱氨,释放 CO
2 和 NH
3。释放的 NH
4+ 主要分配至水相,贡献高总氮(TN)和氨氮(NH
4+-N)浓度。同时,还原糖(如果存在于废弃物基质中)与氨基酸之间的美拉德反应生成含氮杂环(如吡嗪、吡咯、吡啶),掺入水热炭结构,提高其氮含量(通常干基3-8%)。这种富氮水热炭用作土壤改良剂时可提供缓释施肥,但若未适当稳定也存在 NH
3 挥发或 NO
3? 淋溶风险。
脂质丰富的废弃物(如黄色油脂、动物脂肪、提炼残渣、废食用油)在典型 HTC 条件(180-250°C)下相对惰性。脂质发生有限水解生成游离脂肪酸和甘油,但反应速率相比碳水化合物和蛋白质较慢。大多数脂质以单独油相形式存在或吸附在水热炭表面,增加其疏水性和高热值,同时可能降低土壤改良应用中的持水能力。
混合复杂废弃物(如城市食品废弃物、餐厅废弃物、食堂残余) combines 所有三个组分,产生竞争和协同效应。蛋白质和碳水化合物的存在促进美拉德驱动的水热炭形成,常比单独组分增加收率和氮含量。相反,高脂质含量可能通过将活性中间体分配至油相而抑制糖聚合。
2.2 反应器类型与配置
反应器系统范围广泛,从简单实验室高压釜到连续工业规模模块:
批次搅拌反应器:实验室 HTC 通常使用密封不锈钢高压釜(0.1-5 L),带加热套或炉。容器加压(通常用 N
2)后加热至设定温度;机械或磁力搅拌确保温度均匀并防止炭沉降。该配置简单,但限制处理量且批次之间需冷却期。
多级系统:部分中试装置将水解和碳化分为两个区域或阶段。例如,粪便污泥首先在约170°C(155分钟)进行水解,然后在215°C(100分钟)进行碳化,比单步过程节省约25%能量。
连续/半连续反应器:连续操作可提高炭收率和能源效率。例如,一项研究报道连续 HTC 处理粪便(200°C,45分钟)实现约72%的炭收率,而类似条件下批次工艺仅约43%。典型中试系统通过螺杆泵将浆料泵入蒸汽或油加热的垂直管式反应器(不锈钢管)。管子常分段为预热和反应区,配备内部混合器或环形截面以悬浮固体。
微波辅助反应器:新兴替代方案利用微波辅助加热。微波实现进料的快速体积加热,常在催化剂或吸收体存在下,允许在相对较低设定温度(约180°C)和显著更快的加热速率下有效碳化。该方法减少温度梯度并可提高过程效率,但高设备成本和微波系统放大挑战构成重大障碍。
2.3 水热炭性质与应用
主要固体产物水热炭是能量密集的生物煤,含碳50-70%(干基),O/C 和 H/C 比率较原料显著降低。元素组成典型为 C:约60%,H:5-6%,N:1-3%(来自蛋白质),S 极低(<0.3%)。其高热值通常为18-25 MJ/kg,与褐煤相当。
水热炭适用于多种市场路径:作为固体燃料/混烧市场的煤替代品;作为土壤改良剂(需考虑长期稳定性和农艺效益);以及作为活性炭前驱体(需满足固定碳>70%、灰分<5%、孔隙结构均匀等要求)。
2.4 技术现状
HTC 已显著超越实验室规模发展。多个中试和商业规模装置全球运行,处理城市有机废弃物、污水污泥和农业工业残渣。西班牙公司 Ingelia 运营工业规模模块化反应器,年处理能力约78,000吨,将绿色残渣转化为含碳58-60%、高热值约24 MJ/kg 的"生物煤",实现>60%的总碳回收。SunCoal Industries(荷兰)和 TerraNova Energy(西班牙)运营类似的批次/半连续工厂(10
4-10
5吨/年)生产燃料用水热炭。亚洲的中国、日本和韩国的公司和试点项目推进 HTC 在食品废弃物和生物污泥中的应用,常获政府研究、开发和示范(RD&D)项目支持。HTC 在废弃物处理中的技术就绪水平(TRL)估计从中试规模(TRL 5-7)到早期商业(TRL 8-9)。
3. 水热碳化的环境可持续性
3.1 水热碳化的生命周期环境影响
已发表的 LCA 一致表明,当所得水热炭用于替代化石燃料或常规肥料时,HTC 在气候变化和污染指标方面产生显著效益。例如,污水污泥 HTC 的 LCA 建模(水热炭替代褐煤用于能源)发现,HTC 情景相对于传统堆肥减少净气候变化影响高达98%。
然而,影响类别的结果更多样化。酸化和光化学臭氧形成潜力可能因替代高硫燃料而改善,但若水热炭燃烧排放富硫尾气或所替代电网电力已属低碳则可能恶化。富营养化潜力是 HTC 的特别关注点,因为液体 process water 出水可能富含氮和磷。一些 LCA 案例研究表明,除非应用营养物回收,否则 HTC 具有较高的水生富营养化。
3.2 水热碳化与常规废弃物处理比较
LCA 比较一致表明 HTC 可实现优于传统有机废弃物处理的环境性能,这主要归功于其副产品的价值化。与厌氧消化(AD)相比,HTC 与 AD 耦合的集成系统常表现出优越的环境性能,例如酸辅助 HTC(含鸟粪石回收)耦合 AD 在几乎所有影响类别中均优于基线 AD 过程。与堆肥相比,HTC 表现明显更好,尤其是在温室气体排放方面,可实现高达约98%的气候影响降低。与直接焚烧相比,利用水热炭在热电联产(CHP)工厂通常比直接焚烧环境影响更低。与填埋相比,考虑到填埋的大量甲烷排放,HTC 对有机废弃物流几乎总是环境更优的选择。
3.3 生命周期评估指标:温室气体、富营养化、水和土地
全球变暖潜势(GWP)是 LCA 研究中最常报告的指标。HTC 一致表现出比替代处理更低的净 GWP,主要通过水热炭中的碳封存和化石燃料替代实现。酸化和光化学臭氧形成潜力的结果更多样化。富营养化潜力是 HTC 的特别关注点,process water 出水可能富含氮和磷,除非应用营养物回收。净能量平衡是 LCA 中的另一关键指标;许多 LCA 情景假设 HTC 在使用水热炭和沼气时自给自足或净正能量。水资源消耗在 HTC 中显著但常被 LCA 研究忽略。
3.4 系统边界、功能单元和方法学考量
HTC 的 LCA 研究在范围和基本假设方面存在相当大差异。许多分析采用从摇篮到坟墓的系统边界,涵盖原料运输、预处理、HTC 过程本身以及产物最终使用或处置。功能单元最常基于处理废弃物量(如每吨食品废弃物);少数研究采用产出导向单元,如所产生水热炭的能量含量(每 MJ)。系统扩展是主要的分配策略,即系统因避免常规产品生产而获得信用。
重大方法学挑战和不一致性持续存在。许多 LCA 模型假设水热炭100%热转化至能源,忽视现实低效率。研究在水热炭制备建模方面存在差异:有些包括脱水和干燥,有些忽略这些能源成本。所替代产品的选择是关键且有影响的假设;煤与生物质的信用替换导致显著不同的结果。数据差距和不确定性进一步挑战 LCA 发现的稳健性。
4. 水热碳化的技术经济评估(TEA)
4.1 成本结构与过程经济性
可信研究和行业报告中的 HTC 工厂成本结构显示:(i)浆料处理和压力容器作为 CAPEX 驱动因素;(ii)热负荷和固体分离作为 OPEX 驱动因素;(iii)进场费和水热炭销售作为主要收入流。IEA Bioenergy 对模块化工业装置(约78 kt y
-1 湿生物废弃物)的综合报告 CAPEX 约 351 �/吨废弃物产能,OPEX 约 20 �/吨,当假设水热炭价格180 �/吨和倾倒费50 �/吨时 IRR 约18.7%。
4.2 平准化产品成本和收入
几项研究报告了公用事业或工业燃料市场的盈亏平衡/平准化水热炭价格。广泛引用的共 HTC 分析估计大型系统的盈亏平衡价格为106-117 USD/吨,随规模扩大而改善。水热炭以外的收入可能很可观:从 process water 回收鸟粪石(MAP)或铵盐时,TEA/LCA 联合研究显示环境和经济双重收益,尽管化学投加和结晶单元增加 CAPEX/OPEX 需由肥料价值抵消。
4.3 放大、集成和实际性能
商业参与者(如 Ingelia、SunCoal/HTCycle、TerraNova)已部署处理绿色废弃物和生物污泥的模块化批次/半连续系统;这些项目验证操作范围并提供实际公用事业级 off-takes(热/电力)。放大综述记录模块产能约50-80 kt y
-1 湿进料,炭作为"生物煤"销售。
4.4 与替代方案的比较(AD、堆肥、焚烧)
与 AD/堆肥相比,HTC 的经济优势常源于:问题性湿废弃物更高的进场费资格、减少的物流(无需干燥预处理)和 dispatchable 燃料生产。然而,AD 享有可再生气体信用政策支持;焚烧可从摊销基础设施中受益。
4.5 推动 TEA 的政策和市场驱动因素
碳定价(EU ETS):2025年8月约70-75 �/吨 CO
2eq 的配额价格,分析师预期2026年起收紧,增加煤替代价值和焚烧成本——均有利于 HTC-to-energy 案例。
填埋限制与有机废弃物分流:欧盟填埋指令要求2035年市政废弃物填埋不超过10%,许多国家部署有机废弃物填埋禁令和税收。这些政策提高湿有机物进场费,直接改善 HTC 项目收入。
可再生能源指令(RED III):2023年修订将2030年可再生能源目标提高至42.5%(期望45%),加强可再生热力和 dispatchable 低碳燃料需求;替代化石热力/电力或与 CHP 集成的 HTC 可通过电力购买协议(PPA)和可再生热力配额受益。
碳清除认证(生物炭):欧盟新兴碳移除认证框架和持续进行的生物炭方法论工作,为土壤/材料中储存的耐用碳的货币化指明了路径——可能为合格水热炭增加移除信用收入流。
4.6 关键敏感性和不确定性
原料物流和水分:交付成本和固含量控制热负荷和泵送性;固含量每变化5-10 wt%可显著摆动净能量和 LCOC。
热集成与干燥:忽视炭脱水/干燥的 TEA 高估利润;与现有热用户或 CHP 的耦合常具有决定性。
产品市场风险:燃料级炭与低成本煤/生物质竞争;更高价值用途(活性炭、材料、认证碳移除)改善经济性但需要 QA 和市场开发。
政策波动:碳和电力价格、填埋税、可再生激励是外生的但关键的——情景分析至关重要。
5. 水热碳化融入循环经济与可持续发展目标
HTC 在循环食品经济中占据战略位置,将不可避免的高湿生物废弃物转化为多种可价值化物流:固体水热炭、富有机物水相和少量气态馏分。在循环经济术语中,HTC 操作化了两项核心设计原则——消除废弃物/污染和保持材料使用——同时创造生物营养元素可再生的条件。
HTC 的定量和定性效益与多项联合国可持续发展目标(SDGs)对齐:碳封存和可再生能源生产支持 SDG 7(经济适用的清洁能源)和 SDG 13(气候行动);营养物回收和水循环支持 SDG 6(清洁饮水和卫生设施)和 SDG 2(零饥饿);通过将废弃物转化为资源支持 SDG 12(负责任消费和生产)。
6. HTC 可持续性评估中的机器学习
ML 已从概念验证工具转变为 HTC 的强健决策支持框架,能够预测关键产品性质、加速实验设计,并在集成的生命周期和技术经济模型中作为替代层服务。
6.1 水热炭质量的多目标预测
所谓"生物质不可知"的开放获取集成框架,利用通用工业/终极分析结合关键工艺参数(温度、停留时间、固含量),可联合预测燃料质量和回收指标,并通过 SHAP(SHapley Additive Explanations)等事后工具解释这些预测。此类模型一致地将反应器温度和固定碳含量提升为主导驱动因素,同时捕获原料 O/C 和工艺严酷度对热值和质量收率的交叉效应——这些信息可通过 LCA 中的替代信用直接映射到可持续性指标。
6.2 不确定性量化和模型可解释性
方法学上,该领域正汇聚于三个对强健、可投资可持续性评估至关重要的关键增强。首先,通过高斯过程回归和 SHAP 分析等技术嵌入不确定性量化和模型可解释性,支持预测置信区间的定义,可通过 LCA 和 TEA 中的蒙特卡罗模拟传播。其次,贝叶斯优化(BO)正被采用以引导实验走向设计空间的帕累托最优区域。第三,数据增强和迁移学习正兴起以弥合数据稀缺性和异质性,改善多样化湿废弃物的泛化能力。
6.3 作为 LCA/TEA 替代层的 ML
ML 替代模型动态预测 foreground 数据——如热负荷、水热炭收率和 liquor 处理负荷——作为原料特性和操作变量的连续函数,使前瞻性和情景 LCA 能够以可计算的方式反映真实过程物理。"数字 LCA"的趋势主张将 AI/ML 与物联网和大数据管道结合,自动化 foreground 数据采集,减少实践者偏差,并实现近实时可持续性仪表盘。
7. 为 HTC 统一可持续性评估连接 LCA、TEA 和 ML
本综述的核心创新是一个可操作的、可审计的框架,联合连接食品/农业工业废弃物 HTC 的生命周期环境影响、技术经济可行性和数据驱动过程模型。当代研究通常通过单一或两个视角评估 HTC——LCA 估计从摇篮到坟墓的影响,TEA 估计成本和投资指标,或 ML 预测水热炭性质——但这些分析很少以支持真实世界变异性和政策不确定性下强健决策的方式相互沟通。
提出的数据驱动可持续性评估框架利用 ML 替代动态耦合 LCA 和 TEA。该框架的工作流程包括:数据层整理原料和操作数据;ML 替代层将原料+操作决策映射到 foreground 清单和产品规格并量化不确定性;耦合的 LCA 和 TEA 评估器将 ML 输出转化为环境影响指标和经济指标。
在操作层面,框架通过以下序列运作:数据层将实验和工厂-neckedd