《Bioresource Technology Reports》：From biomass to jet fuel: A systematic review of modeling and simulation approaches for SAF production
编辑推荐：
本研究通过系统文献综述分析计算建模在可持续航空燃料（SAF）生产中的应用，发现Aspen Plus占主导（96%），MATLAB/Python用于优化，但存在验证不足、不确定性量化缺乏等问题，建议加强多维度整合以提升SAF生产可靠性。
Gabriel Spironelli Pinheiro | Michele Di Domenico | Lucas Bonfim-Rocha | Claiton Zanini Brusamarello
巴西巴拉那州蓬塔格罗萨市联邦技术大学（Federal University of Technology – Paraná）化学工程研究生项目，邮编84017-220
摘要
采用可持续航空燃料（SAF）对于减少航空业的碳足迹至关重要，然而大规模生产面临着重大的技术和经济挑战。本系统文献综述遵循PRISMA 2020指南，并通过Elicit工具的人工智能辅助筛选进行，旨在填补现有SAF综述中的一个特定空白：对计算建模和过程仿真方法进行系统分析。与以往侧重于技术比较或单独分析经济可行性的综述不同，本研究重点关注仿真工具（如Aspen Plus、MATLAB、Python）在优化SAF生产路径中的具体作用和有效性。我们从Scopus、IEEE Xplore、ScienceDirect和Web of Science中选取了26篇经过同行评审的文章（2018–2025年），并使用StArt软件根据PRISMA标准进行定量评估。结果表明，Aspen Plus是热化学和生化过程中最常用的仿真工具（使用率高达96%），而MATLAB和Python则越来越多地应用于优化和机器学习领域。计算建模在提高效率、减少能量损失和优化产量方面发挥了重要作用；然而，仍存在一些关键的方法论问题，包括有限的试点规模验证、不确定性量化不足、环境评估和经济评估的整合不够充分，以及针对特定地区的原料建模研究较少。结合过程仿真器和数据驱动工具的混合方法有望提高预测准确性和可扩展性。本综述指出了通过制定严格的验证协议、改进不确定性量化框架以及更广泛地整合生命周期和技术经济分析来推进SAF建模的具体机会。建议包括扩大人工智能在自适应过程控制中的应用、利用计算支持扩大试点规模示范，以及实施与建模预测相一致的有效政策。总体而言，计算建模为提高SAF生产的可靠性和可预测性提供了战略性且经过验证的途径，为推动航空业的经济和环境可持续性创新提供了指导。
引言
目前，航空科学研究的主要焦点之一是可持续航空燃料（SAF）的开发（Anna等人，2019年）。航空业约占全球运输相关排放量的12%，这凸显了脱碳的紧迫性。此外，与地面交通不同，飞机的电气化仍处于早期阶段，未来许多年甚至几十年内都难以实现广泛应用（Umenweke等人，2023年）。在这种情况下，SAF成为短期内一个非常可行的替代方案。
SAF源自非石油基原料，是满足航空业能源需求同时减少温室气体（GHG）排放的最有前景的解决方案。全球对气候行动的推动强调了这一转型的紧迫性和重要性。这与联合国的可持续发展目标（SDGs）高度一致，特别是SDG 7（负担得起的清洁能源）、SDG 12（负责任的消费和生产）和SDG 13（气候行动）（联合国，2023a、2023b、2023c）。在欧盟（EU），法律规定到2030年至少6%的航空燃料必须是SAF，到2050年这一比例需达到70%。因此，生物质作为一种可持续的碳源，不仅能够生产SAF和高附加值化学品，还在实现2050年碳中和目标中发挥着关键作用（Cui等人，2024年）。
提高SAF可持续性的一个日益被认可的途径是利用废弃物和残余生物质，这有助于缓解与食品生产的竞争并减少土地使用压力。农业废弃物（如玉米秸秆、小麦秸秆和甘蔗渣）是未得到充分利用的碳源，可以通过热化学途径（费托合成法）或生化途径（基于发酵的方法）转化为SAF。林业废弃物（如木材加工废料和低质量木材）同样具有巨大潜力，尤其是在拥有成熟林业产业的地区。城市固体废弃物（MSW）也可以通过气化或厌氧消化产生合成气，用于后续的SAF合成。此外，使用过的烹饪油（UCO）和动物脂肪由于收集成本较低以及成熟的氢化处理技术（HEFA），在经济效益方面具有优势。最近的技术经济分析表明，当考虑碳信用机制和政策激励时，基于废弃物的SAF生产在成本上可以与传统喷气燃料竞争。本系统综述强调，计算建模和过程仿真是优化多种废弃物原料转化为航空级碳氢化合物的重要工具，这些工具能够考虑原料的特定特性，如水分含量、元素组成和污染物成分（Emmanouilidou等人，2023年；Kokkinos和Emmanouilidou，2023年）。
这种全球趋势在巴西得到了体现，巴西是生物燃料生产的领导者。RenovaBio计划（由2017年12月26日的第13,576号法律制定，并由第9308/2018号法令监管）旨在扩大生物燃料的使用，促进能源安全并降低碳强度（巴西，2017年，巴西，2019年）。此外，最近批准的Combustível do Futuro计划也包含了SAF生产和使用的具体要求，使巴西处于航空生物燃料产业的前沿。这些国内政策共同加强了国家对脱碳的承诺，并为SAF技术的发展和采用提供了有利的监管环境。
近年来，人们对SAF的关注日益增加，因为它在减少航空相关碳排放方面具有巨大潜力，尤其是在电气化面临重大挑战的行业中。国际航空运输协会（IATA）预测，到2028年全球可再生燃料的产量将达到690亿升，到2030年这一数字可能达到1000亿升（Lv等人，2025年）。作者报告称，到2050年SAF可将航空业的碳排放减少多达65%。这些燃料可以通过多种替代原料和新兴技术生产，包括电转液（PtL）工艺以及生物能源与碳捕获和储存（BECCS）的结合（Yang和Yao，2025年）。
在这种背景下，SAF的生产面临技术和经济挑战，需要持续优化才能实现大规模应用。计算建模在此过程中发挥了不可或缺的作用，它能够详细评估热化学过程、反应动力学以及质量和能量传输现象。仿真工具已被广泛用于分析不同的技术路径、识别运营瓶颈，并优化能源和经济效率，对航空业的可持续发展至关重要。
近年来，出现了大量关于SAF的综述，涵盖了多个维度：技术比较（Cui等人，2024年；Peters等人，2023年）、经济可行性（Watson等人，2024年）、政策和市场分析（IEA，2023年）以及生命周期评估（Kwan等人，2023年）。尽管这些综述提供了有价值的概述，但它们通常侧重于技术或政策层面，而没有系统地分析计算建模在优化SAF路径中的具体作用。我们的综述通过系统评估研究人员和工程师如何利用仿真工具来推进SAF生产，填补了这一空白，揭示了计算建模在技术发展中的基础作用。这一关注点非常及时，因为计算建模正日益影响工业决策，包括工艺设计、放大策略和技术选择。通过对26项采用严格仿真方法的研究进行分析，我们为技术专家和政策制定者提供了关于建模成熟度、剩余方法论挑战以及SAF过程优化最佳实践的基于证据的见解。
下表列出了SAF生产中常用的术语和定义。
本综述采用了双重方法，既包括对应用于可持续航空燃料（SAF）生产的各种建模和仿真技术的定性分析，也包括基于过去七年（2018–2025年）系统文献综述所得统计数据的定量评估。咨询的数据库包括Scopus、IEEE Xplore、ScienceDirect和Web of Science。此外，还使用了Elicit平台，该平台利用人工智能识别相关学术出版物，补充了传统的搜索策略，代表了系统综述方法论上的创新。这种方法扩大了搜索范围，使得选择过程更加全面、准确且符合研究要求。
本研究的主要目标是确定最常用于模拟SAF生产过程的计算工具。次要目标是分析建模的技术路径、模拟参数（如能源效率、环境影响和经济可行性），以及实施过程中遇到的关键挑战。基于分析研究的结论和趋势，综述还指出了需要改进或进一步投资的领域。
本研究通过深入的过程建模和先进的仿真技术，区别于以往的综述。除了对主要技术进行批判性分析外，还指出了限制工业可扩展性的现有问题，并提出了未来研究的具体方向。因此，本综述为反应器优化、能源整合和催化效率的提升奠定了坚实的基础，这对于使SAF成为航空业中的竞争性替代品至关重要。
部分摘录
系统综述过程
系统文献综述（SLR）被认为是一种严谨且结构化的方法论方法，超越了传统文献综述的范围。de Almeida Biolchini等人（2007年）指出，这种方法对于仔细和全面地整合科学知识至关重要，确保选择高度相关和有针对性的研究。它通过建立明确的协议和实施严格的纳入标准，超越了传统综述的方法。
主要研究描述
本节对纳入本系统综述的关于可持续航空燃料（SAF）生产中建模和仿真应用的研究进行了定量描述。最初从咨询的数据库中识别出361篇科学文章，去除重复项并应用相关性标准后，这一数字降至315篇独特文章。根据标题和摘要分析，294篇文章因不符合预定义标准而被排除。
结论
本系统文献综述综合了26篇同行评审文章（2018–2025年）的证据，评估了可持续航空燃料生产中的计算建模和仿真方法。主要发现包括：（1）Aspen Plus仍然是主导的过程仿真平台（使用率96%），这反映了其强大的热力学数据库和在工业界的广泛应用；（2）虽然计算建模明显增强了过程理解和优化能力，但仍存在关键的方法论问题。
CRediT作者贡献声明
Gabriel Spironelli Pinheiro：撰写——初稿编写、可视化、验证、软件开发、方法论设计、调查、数据分析、概念化。Michele Di Domenico：撰写——审阅与编辑、可视化、验证、调查。Lucas Bonfim-Rocha：撰写——初稿编写、验证、调查。Claiton Zanini Brusamarello：撰写——审阅与编辑、验证、监督、软件开发、项目管理、方法论设计、调查、数据分析。
提交声明
本作品尚未在其他地方发表，也未被其他机构考虑发表。所有作者均同意其发表，相关机构也默许了这一发表。
资金来源
本研究未获得公共部门、商业部门或非营利组织的任何特定资助。
利益冲突声明
作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。
致谢
作者衷心感谢巴拉那联邦技术大学（UTFPR）蓬塔格罗萨校区的化学工程研究生项目（PPGEQ）的支持。
