Superstructure Optimization with Embedded Neural Networks for Sustainable Aviation Fuel Production

Technische Samenvatting: Superstructuur-optimalisatie met ingebouwde neurale netwerken voor de productie van duurzame vliegtuigbrandstof

Probleemstelling
De ontfosseling van de luchtvaart vereist de grootschalige productie van duurzame vliegtuigbrandstoffen (SAF's), specifiek kerosine-range koolwaterstoffen (C8–C16). Het ontwerpen van economisch en milieutechnisch optimale productieroutes voor SAF's is een complex meerdimensionaal optimalisatieprobleem. Het omvat een groot scala aan grondstoffen (biomassa, opgevangen CO2, hernieuwbare H2), intermediaire chemie en conversietechnologieën. Conventionele superstructuur-optimalisatiebenaderingen vertrouwen vaak op te sterk vereenvoudigde aannames, zoals lineaire procesmodellen, vaste bedrijfsomstandigheden en gegeneraliseerde componentrepresentaties. Deze vereenvoudigingen slagen er niet in de niet-lineaire thermodynamische relaties en samenstellingsafhankelijke gedragingen vast te leggen die cruciaal zijn voor de SAF-synthese, met name in processen zoals de Fischer-Tropsch (FT)-conversie, waarbij de productselectiviteit zeer gevoelig is voor bedrijfsparameters. Bovendien ontbreekt het bestaande methoden vaak aan de flexibiliteit om gelijktijdig discrete proceskeuzes en continue bedrijfsvariabelen (bijv. temperatuur, druk, voersamenstelling) te optimaliseren, terwijl tegelijkertijd rekening wordt gehouden met gedetailleerde mengselsamenstellingen en koolstofbeheerstrategieën.

Methodologie
De auteurs stellen een geavanceerd meerdoelmatig optimalisatiekader voor dat kunstmatige neurale netwerken (ANN's) integreert als datagedreven surrogate-modellen binnen een Mixed-Integer Quadratically Constrained Programming (MIQCP)-formulering.

• Superstructuurformulering: Het kader modelleert het productienetwerk als een veralgemeend grafiek met expliciete inlaat- en uitlaatpoorten voor processen. In tegenstelling tot traditionele benaderingen worden stromen voorgesteld als mengsels waarbij massabroeken beslissingsvariabelen zijn. Dit maakt gelijktijdige optimalisatie van proces-topologie en stroomsamenstellingen mogelijk.
• Inbedding van ANN's: Om de niet-lineariteit van sleutelsubprocessen aan te pakken zonder de optimalisatie onhandelbaar te maken, worden drie kritieke processen – vergassing van biomassa, Reverse Water-Gas Shift (RWGS) en FT-synthese – gemodelleerd met behulp van ANN's getraind op rigoureuze Aspen Plus®-simulatiegegevens. Deze ANN's vangen de niet-lineaire afhankelijkheid van outputsamenstellingen, selectiviteit en energievraag van bedrijfsomstandigheden (bijv. reactor temperatuur, druk, inlaatverhoudingen) op.
• Wiskundige Integratie: De getrainde ReLU-geactiveerde ANN's worden ingebed in het MIQCP-probleem met behulp van Mixed-Integer Linear Programming (MILP)-herformuleringen (via de Optimization & Machine Learning Toolkit, OMLT). Deze benadering behoudt de computationele hanteerbaarheid van de globale optimalisatie, terwijl complexe niet-lineaire gedragingen nauwkeurig worden weergegeven.
• Optimalisatiedoelen: Het kader lost een meerdoelmatig probleem op dat de totale geannualiseerde kosten (CAPEX en OPEX) minimaliseert, terwijl systematisch de totale CO2-emissies (inclusief productie en verbranding) worden beperkt. De ε-beperkingmethode wordt gebruikt om Pareto-optimale fronten te genereren.
• Systeemgrenzen: De studie beschouwt een uitgebreide superstructuur inclusief vergassing van biomassa (miscanthus, tarwestro, dennenchips), autothermische reforming (ATR) van aardgas, directe luchtcaptatie (DAC), water elektrolyse en koolstofopslag (CS).

Belangrijkste Bijdragen

1. Geavanceerde MIQCP-formulering: Ontwikkeling van een superstructuurformulering die stroomsamenstellingen expliciet opneemt als beslissingsvariabelen, waardoor optimalisatie van massabroeken over het netwerk mogelijk wordt.
2. Ingebouwde Surrogate-modellering: Succesvolle integratie van ANN's in een globaal optimalisatiekader om niet-lineaire procesgedragingen te modelleren, waardoor bedrijfsomstandigheden (temperatuur, druk, voersamenstelling) als beslissingsvariabelen kunnen worden behandeld in plaats van vaste parameters.
3. Toepassing op FT-gebaseerde SAF: Toepassing van dit kader op de synthese van kerosine via FT, waarbij het vermogen wordt aangetoond om complexe mengselbeperkingen en koolstofbeheer te hanteren.
4. Demonstratie van Flexibiliteit: Bewijs dat het toestaan van grotere vrijheidsgraden op het niveau van eenheidswerkingen, mogelijk gemaakt door neurale netwerksurrogaten, leidt tot superieure systeemprestaties in termen van kosten en CO2-intensiteit in vergelijking met ontwerpen met vaste parameters.

Resultaten

• Kosten versus Emissies Trade-off: Bij onbeperkte CO2-emissies vertrouwt de minst dure configuratie uitsluitend op de fossiele ATR-route ($0,79/kg kerosine) met hoge emissies (4,47 kg CO2/kg). Het opleggen van koolstofbeperkingen vereist de integratie van vergassing van biomassa en DAC-CS.
• Optimale Routes: Bij de nul-emissiegrens bereiken hybride configuraties die ATR en vergassing van biomassa combineren de laagste kosten ($2,38/kg), gevolgd door vergassing van alleen biomassa ($2,43/kg). Beide presteren beter dan de ATR-only route met DAC-CS (~$2,65/kg).
• Beperkingen van Alleen DAC: Routes die uitsluitend vertrouwen op atmosferische CO2 (DAC) en water elektrolyse blijken buitensporig duur (~$10,8/kg), wat de thermodynamische en economische straffen benadrukt van het gebruik van volledig geoxideerde koolstofbronnen.
• Koolstofreductie: De kosten voor CO2-reductie voor op biomassa gebaseerde SAF worden geschat op ongeveer $390/tCO2. Het bereiken van netto-nul of negatieve emissies vereist koolstofopslag; biomassa alleen is onvoldoende vanwege emissies in de toeleveringsketen.
• Aanpasbaarheid versus Vast Ontwerp: Een gevoeligheidsanalyse die "aanpasbare" (geoptimaliseerde bedrijfsomstandigheden) versus "vaste" (vooraf bepaalde omstandigheden) ontwerpen vergelijkt, onthult dat aanpasbaarheid tot 20% kostenbesparing oplevert. Optimale bedrijfsparameters (bijv. FT-reactordruk, vergassingstemperatuur) verschuiven aanzienlijk als reactie op externe factoren zoals elektriciteitsprijzen.
• Warmte-integratie: Het economische voordeel van warmte-integratie blijkt ontwerpafhankelijk te zijn. Het biedt marginale besparingen (7%) in op biomassa gebaseerde systemen, maar wordt kritiek (14% besparing) in systemen die vertrouwen op DAC vanwege de hoge thermische vraag naar CO2-desorptie.

Betekenis en Claims
Het artikel beweert dat de voorgestelde methodologie de inherente beperkingen van conventionele op superstructuur gebaseerde benaderingen overwint door gezamenlijke optimalisatie van discrete systeembeslissingen en continue bedrijfsparameters mogelijk te maken binnen een rigoureus wiskundig kader. Door datagedreven surrogate-modellen in te bedden, toont de studie aan dat rekening houden met variabele stroomsamenstellingen en niet-lineaire procesgedragingen essentieel is voor het identificeren van echt optimale SAF-productieroutes. De resultaten onderstrepen dat kosteneffectieve, klimaatgerichte SAF-productie afhankelijk is van het introduceren van koolstof in thermodynamisch gunstige vormen (biomassa of methaan) in plaats van als volledig geoxideerde CO2. Bovendien benadrukt de studie dat de flexibiliteit om procesbedrijfsomstandigheden aan te passen aan veranderende techno-economische omgevingen een kritieke, vaak over het hoofd geziene drijver is van economische prestaties, wat aanzienlijke kostenreducties biedt ten opzichte van statische ontwerpbenaderingen. De auteurs merken op dat hoewel het kader robuust is, de nauwkeurigheid afhankelijk is van de betrouwbaarheid van de onderliggende processimulaties die worden gebruikt om de ANN's te trainen, en dat toekomstig werk het bestek kan uitbreiden om meer subprocessen en downstream upgrade-technologieën op te nemen.