bet36体育投注:广州能源研究所生物质催化转化研究室在国家自然科学基金等项目的资助下，在双催化剂体系的宏观空间排布优化理论研究方面取得新进展。相关成果近日发表于《化学工程科学》（Chemical Engineering Science）。该论文第一作者为bet36体育投注:广州能源研究所博士研究生刘思炜，通讯作者为bet36体育投注:广州能源研究所研究员王晨光。

双催化剂体系中存在的空间排布问题。

作为能源领域的研究热点之一，双催化剂体系的引入为温室气体的捕集转化提供了新的路径，也为可再生能源燃料及化学品合成提供了全新思路。同时，双催化剂体系凭借其非均相的特点，可用于固定床等连续流反应器中，在相关领域具有较大的工业应用潜力，因此被广泛应用于石油化工、生物质转化、合成气转化及其它能源化工领域中，尤其在一氧化碳/二氧化碳加氢生成甲醇/烯烃/芳烃等高值产品方面受到广泛关注。

然而，以往采用双催化剂体系的相关研究往往聚焦于微观上催化剂结构设计或宏观上反应条件的优化，略过了介于两者之间的反应器尺度上物理化学过程存在的空间异质性因此，在反应器尺度上，双催化剂的空间排布优化问题仍缺乏系统的理论指导。该问题直观反映在相关研究中，两种催化剂在反应器内往往局限于简单的双层排布或随机混合装填，缺乏对其它双催化剂排布方式的深入探究，极大削弱了双催化剂体系的反应潜力，同时局限了双催化剂体系的进一步工业化应用。

催化剂替换差的计算方式。

针对上述科学问题，研究人员构建了结合遗传算法及机器学习方法的排布优化理论模型，实现了不同反应参数组合下双催化剂的快速排布优化。研究进一步构建了催化剂替换差（DS）作为双催化剂体系的新型描述符，量化了不同空间位置上采用对应催化剂种类的必要程度。相关模型及描述符为进一步的研究提供了理论工具。

据介绍，采用该理论工具的进一步研究发现，两种催化剂的副反应分别具有不同的作用。在底物-中间产物-目标产物的理想模型中，当副反应仅发生在S0（底物-中间产物对应催化剂）而不发生在S1（中间产物-目标产物对应催化剂）上时，对应的最优排布呈现S0-S1-S0高分散结构，符合传统的“越近越好”理论；而逐步引入S1上的副反应时，这种规律结构将逐渐瓦解，同时最优床层长度区间迅速缩小，对总反应时间的控制提出了更高的要求。此外，对于非规律排列，探索了基于替换差分析的简化排列方式，同时最大程度保留了优化效果。

双催化剂体系空间排布优化及简化策略框架。本文由研究团队供图

在此基础上，研究人员搭建了完整的双催化剂体系空间排布优化及简化策略框架，填补了双催化剂在反应器尺度的空间排布优化理论方面的空白。其核心包括三方面：一是，划分优化排列及简单双层排列的适用区间，用于确定是否需要采用优化排列；二是，需要采用优化排列时，通过替换差特征判断是否符合S0-S1-S0规律结构；三是，无规律结构时，采用基于替换差值的简化方法。

相关论文信息：https://doi.org/10.1016/j.ces.2024.120500