Multi-objective optimization of heat-integrated reactive distillation alternatives for furfural and electricity co-production by machine learning-based surrogate model

Abstract

For efficient biomass utilization, the furfural and electricity co-production are investigated. In this study, the process of furfural production via heat-integrated reactive distillation (HIRD) consist heat pump-assisted reactive distillation (HPA-RD) and different pressure thermally coupled reactive distillation (DPTC-RD) were applied to furfural production. Multi-objective optimization (MOO) was performed to identify suitable process configuration. Moreover, Adaptive Latin hypercube sampling was selected to develop machine learning (ML) model. Multi-layer perceptron (MLP) models were developed to predict each objective functions separately consist total annual cost (TAC), total revenues, and CO2 emissions. For MOO, non-dominated sorting genetic algorithm II (NSGA-II) and technique for order preference by similarity to ideal solution (TOPSIS) were employed to find Pareto front and optimal solutions. The MLP models demonstrated high predictive performance, with 10-folds cross validation of all models exceed 0.98 for R2 and MAPE lower than 5%. DPTC-RD consistently outperforms HPA-RD across single- and MOO, offering better trade-offs among TAC, revenue, and CO2 emissions. While HPA-RD benefits from energy integration, DPTC-RD shows greater flexibility and is identified by TOPSIS as the superior overall configuration. Biomass feed size is the most influential factor affecting TAC, revenues, and CO2 emissions, while acetic acid concentration and biomass split also significantly effect on economic and environmental outcomes. Column design variables such as diameter and reactive stages have greater impact than operating conditions for increase revenues. DPTC-RD consistently achieves stronger economic performance than HPA-RD across all optimization objectives, reaching the highest revenues of $35,004,229 per year. Under the maximum revenues scenario, both systems achieve a 6-year discounted payback period (DPP), although DPTC-RD attains a higher NPV of $251,588,568, while HPA-RD reaches $248,397,143. In multi-criteria decision-making, DPTC-RD performs especially well, achieving a 16.74% IRR, an 8-year DPP. Key cost contributors include biomass feed and the CHP unit, which represents the largest portion of total cost. As a result, DPTC-RD provides a more favorable balance among investment cost, profitability, and emissions, confirming it as the more resilient and economically advantageous configuration for furfural production.

เพื่อประสิทธิภาพการใช้ชีวมวลอย่างมีประสิทธิภาพ ได้มีการศึกษาการผลิตเฟอร์ฟูรัลและไฟฟ้าร่วมกัน ในการศึกษานี้ ได้นำกระบวนการผลิตเฟอร์ฟูรัลโดยใช้กระบวนการกลั่นปฏิกิริยาแบบผสมผสานความร้อน (HIRD) ซึ่งประกอบด้วยกระบวนการกลั่นปฏิกิริยาแบบใช้ปั๊มความร้อนช่วย (HPA-RD) และกระบวนการกลั่นปฏิกิริยาแบบควบคู่ความร้อนด้วยความดันต่างกัน (DPTC-RD) มาประยุกต์ใช้กับการผลิตเฟอร์ฟูรัล ได้มีการดำเนินการหาค่าเหมาะที่สุดแบบหลายวัตถุประสงค์ (MOO) เพื่อระบุรูปแบบกระบวนการที่เหมาะสม นอกจากนี้ ยังได้เลือกการสุ่มตัวอย่างแบบละตินไฮเปอร์คิวบ์แบบปรับตัว (Adaptive Latin hypercube sampling) เพื่อพัฒนาแบบจำลองการเรียนรู้ของเครื่อง (ML) แบบจำลองเพอร์เซพตรอนแบบหลายชั้น (MLP) ได้รับการพัฒนาขึ้นเพื่อทำนายฟังก์ชันวัตถุประสงค์แต่ละฟังก์ชันแยกกัน ซึ่งประกอบด้วยต้นทุนรวมต่อปี (TAC), รายได้รวม, และการปล่อยก๊าซคาร์บอนไดออกไซด์ สำหรับ MOO ได้นำอัลกอริทึมเชิงพันธุกรรมแบบการจัดลำดับที่ไม่ถูกครอบงำ II (Non-dominated sorting genetic algorithm II: NSGA-II) และเทคนิคการจัดลำดับความสำคัญตามความคล้ายคลึงกับวิธีแก้โจทย์ในอุดมคติ (Technique for order preference by similarity to ideal solution: TOPSIS) มาใช้เพื่อหาพาเรโตฟร้อนและผลลัพธ์ที่เหมาะสมที่สุด แบบจำลอง MLP แสดงให้เห็นถึงประสิทธิภาพการทำนายที่สูง โดยมีค่าการตรวจสอบแบบไขว้ 10 เท่าของแบบจำลองทั้งหมดสูงกว่า 0.98 สำหรับ R2 และค่า MAPE ต่ำกว่า 5% DPTC-RD มีประสิทธิภาพเหนือกว่า HPA-RD อย่างสม่ำเสมอทั้งแบบ Single-MOO และ MOO ซึ่งให้ความสมดุลที่ดีกว่าระหว่าง TAC รายได้ และการปล่อย CO2 แม้ว่า HPA-RD จะได้รับประโยชน์จากการรวมพลังงาน แต่ DPTC-RD มีความยืดหยุ่นมากกว่าและ TOPSIS ระบุว่าเป็นโครงร่างโดยรวมที่เหนือกว่า ขนาดวัตถุดิบชีวมวลเป็นปัจจัยที่มีอิทธิพลมากที่สุดที่มีผลต่อ TAC, รายได้, และการปล่อย CO2 ในขณะที่ความเข้มข้นของกรดอะซิติกและการแบ่งของชีวมวลก็ส่งผลกระทบอย่างมีนัยสำคัญต่อผลลัพธ์ทางเศรษฐกิจและสิ่งแวดล้อม ตัวแปรในการออกแบบคอลัมน์ เช่น เส้นผ่านศูนย์กลางและจำนวนชั้นในการทำปฏิกิริยา มีผลกระทบมากกว่าสภาวะการดำเนินงานเพื่อเพิ่มรายได้ DPTC-RD บรรลุประสิทธิภาพทางเศรษฐกิจที่แข็งแกร่งกว่า HPA-RD อย่างสม่ำเสมอในทุกวัตถุประสงค์ของการปรับปรุงประสิทธิภาพ โดยมีรายได้สูงสุดที่ 35,004,229 ดอลลาร์สหรัฐต่อปี ภายใต้สถานการณ์รายได้สูงสุด ทั้งสองระบบมีระยะเวลาคืนทุนแบบคิดลด (Discounted Payback Period) 6 ปี แม้ว่า DPTC-RD จะมี NPV สูงกว่าที่ 251,588,568 ดอลลาร์สหรัฐ ขณะที่ HPA-RD อยู่ที่ 248,397,143 ดอลลาร์สหรัฐ ในการตัดสินใจแบบหลายเกณฑ์ DPTC-RD มีประสิทธิภาพดีเป็นพิเศษ โดยได้ IRR 16.74% หรือ DPP 8 ปี ปัจจัยต้นทุนหลักที่ส่งผลต่อโครงการ ได้แก่ ชีวมวลและหน่วย CHP ซึ่งเป็นต้นทุนรวมส่วนใหญ่ ด้วยเหตุนี้ DPTC-RD จึงให้ความสมดุลที่ดีขึ้นระหว่างต้นทุนการลงทุน, กำไร, และการปล่อยมลพิษ ซึ่งยืนยันว่าเป็นระบบที่มีความยืดหยุ่นและได้เปรียบทางเศรษฐกิจมากกว่าสำหรับการผลิตเฟอร์ฟูรัล