从乙醇中生产氢气：一种用于工艺优化的模拟方法

《Next Energy》：Hydrogen production from ethanol: A simulation approach for process optimization

　　雅克琳·弗兰|法比安诺·费尔南德斯·巴尔戈斯|埃斯塔内尔·克拉罗·罗曼
巴西圣保罗大学（USP）洛雷纳工程学院化学工程研究生项目

**摘要**
随着对化石燃料枯竭的担忧日益加剧，全球能源格局正朝着更可持续的替代品转变，氢气（H?）由于其高能量潜力而成为一种有前景的候选者。本研究利用COMSOL Multiphysics?模拟了在理想化管式反应器中生产H?的过程，重点优化了从乙醇（C?H?O）高效生成H?的参数。研究了五个关键参数：反应器长度（L）、H?O入口浓度、入口速度、温度和反应器半径。模拟结果表明，反应器几何形状显著影响产物浓度。在最佳条件下（T = 800?K, L = 2?m, 入口速度 = 0.01?m/s），H?浓度约为111?mol/m3，乙醇转化率为18.5%。优化的回归模型达到了99.6%的调整R2值，证实了模拟框架的稳健性和预测准确性。

**1. 引言**
能源一直是人类发展的重要资源。自工业革命以来，能源消耗的增加与全球人口增长和消费品生产直接相关[1]。经济增长和新技术的发展加剧了自然资源的短缺，由于化石燃料具有经济效率，它们最近占初级能源生产的88%以上。然而，这些燃料燃烧产生的废气造成了严重的环境破坏，自2019年以来大气中积累的CO?已超过300亿吨，成为全球变暖的前兆[1]。近年来，计算建模在优化能源转换过程和减少环境影响方面发挥了越来越重要的作用，包括在热系统和化学系统中[14]。尽管迫切需要减少碳排放，但全球能源结构仍主要依赖于不可再生资源。在这种背景下，天然气作为一种有前途的替代品出现，有助于减轻温室气体排放并推动更清洁的能源转型[2]。
天然气（NG）主要由甲烷（CH?）组成，并含有部分氢（H?），作为一种能源，特别是在减少污染物方面比其他化石燃料更有效。其使用量每年增长约38%，显示出其在全球能源结构中的重要性日益增加[3]。
在过去30年里，由于氢气的能源优势和其作为清洁燃料的特点（不依赖于化石燃料），氢的使用量显著增加。例如，2018年的全球产量达到了7400万吨，是1975年的三倍[4]。
在可行的H?生产选项中，C?H?O是一种可持续生产的物质，它不是来自化石燃料的能源，并且其组成中含有三个氢分子，这有利于生产过程[5]。目前，C?H?O的生产方式多种多样，可以使用多种原材料。它可以从小麦秸秆、水稻、甘蔗甚至香蕉伪茎中提取[6]。
鉴于氢（H?）与各种化学元素结合的多样性，其生产可以通过多种反应实现。在本文中，我们使用COMSOL Multiphysics?软件在预先设定的条件下模拟这种气体在圆柱形反应器中的最有效生产方式，仅考虑由化学方程式（1）定义的直接反应：
(1) C?H?O + 3H?O → 2CO? + 6H?
本研究仅考虑了乙醇蒸汽重整的主要全球反应，以建立明确且计算效率高的优化方案。排除产生副产品（如CO和CH?）的次要反应是一种有意的简化，目的是为了隔离主要动力学和几何参数对氢生产的影响。这种方法允许更直接地评估反应器设计变量，而不会引入与复杂多步骤机制相关的额外不确定性。尽管如此，所得到的H?产率和温度依赖性趋势与文献中的实验结果[15],[17]相当吻合，支持了所采用模型的有效性。未来的工作将纳入副反应和产物选择性分析，以进一步提高模拟框架的预测能力和现实性。
我们的分析主要旨在提供一个案例研究，分析所提出案例中五个变量的最佳组合：反应器长度（L）、H?O入口浓度、入口速度、温度变化和半径变化。
一些先前的研究已经通过数值模拟研究了从C?H?O生产氢气，包括动力学和反应器规模建模[15],[16],[17]。然而，大多数这些工作仅关注特定参数或催化剂性能的行为，而没有建立通用或系统的过程优化框架。在这种情况下，本研究提出了一个基于模拟的协议，使用COMSOL Multiphysics?指导反应器操作条件的优化。通过将这种结构化的方法应用于C?H?O蒸汽重整的案例研究，本工作旨在为未来的设计和放大工作提供一种可复制和可适应的方法。
选择C?H?O是因为已有相关研究，并且它在巴西能源结构中具有代表性。此外，C?H?O在安全和储存方面也可能具有优势，因为它在室温下化学稳定[5]。

**2. 化学动力学**
为了理解化学反应的行为，化学动力学研究其速率和机制，考察它们在宏观和微观尺度上的进展[7]。同样的作者强调了影响反应速率的几个因素，特别是反应物的物理状态、反应开始时的浓度、温度以及是否存在催化剂。
本研究的主要挑战之一是确定适当的化学动力学，因为当前关于从C?H?O生产氢的研究提出了许多可能的反应、催化剂和反应参数。例如，Sahoo等人[8]使用Co/Al?O?催化剂从C?H?O生产氢气，而Prakash等人[9]使用另一种类型的催化剂Ru/Al?O?来获得相同的产品。此外，对于每种催化剂或速度方程，都有一个理想的工作温度，从而得到氢转化率[[10], p. 1038]。
Soyal-Baltacio?lu等人的研究[11]为确定反应速率（在Pt–Ni/δ-Al?O?上）提供了基础。根据这项研究，可以采用方程式（2）：
(2) ?rC?H?O = koexp^(-E?/T) × (PC?H?O)^(β)
值得注意的是，PC?H?O和PH?O分别指C?H?O和水的 partial 压力。根据[11]，我们在模拟中使用的参数为α = 1.01, β = ?0.09, E? = 59.3?kJ?mol?1。在这项工作中，动力学表达式指的是乙醇蒸汽重整的速率rC?H?O，即乙醇消耗速率（mol/(m3s)在Pt–Ni/δ-Al?O?催化剂上的消耗速率，如Soyal-Baltac?o?lu等人[11]所定义的。选择这种催化剂是因为它在675–820?K范围内具有高活性和选择性。
从[11, p. 4]可以看出，Arrhenius模型中的k表达式可以写为：
(3) k = exp[-7.1307×10^(?7.6556/T)]

**3. 方法论**
**3.1. 参数**
为了分析这里提出的五个参数（反应器长度（L）、H?O入口浓度、入口速度、温度变化和半径变化）的影响和/或重要性，我们采用以下简化方法和考虑因素：
1. 假设反应器关于y=0平面是对称的；
2. 根据我们的几何优化研究，氢浓度在大约2?m处稳定（见表1），我们将反应器长度变化到这个值；
**表1. C?H?O和H?的出口浓度（mol/m3）作为反应器长度（m）和C?H?O转化率（%）的函数。**
| L (m) | C?H?O 出口浓度 (mol/m3) | H? 出口浓度 (mol/m3) | C?H?O 转化率 (%) |
|------|-----------------|-----------------|-----------------|
| 0.5 | | | 97.5 |
| 1 | | | 14.4 |
| 2 | | | 97.4 |
| 2.4 | | | 97.3 |
| 3 | | | 97.3 |
| 3.1 | | | 96.8 |
| 3.8 | | | 98.5 |
| 4 | | | 95.9 |
| 4.4 | | | 95.3 |
| 5 | | | 94.6 |
| 6 | | | 93.6 |
| 7 | | | 92.7 |
| 8 | | | 91.8 |
| 9 | | | 90.7 |
| 10 | | | 90.5 |
| 11 | | | 89.5 |
| 11.5 | | | 88.5 |
| 12 | | | 87.3 |
| 13 | | | 87.1 |
| 14 | | | 86.4 |
| 15 | | | 85.9 |
| 16 | | | 84.1 |
| 17 | | | 83.6 |
| 18 | | | 81.9 |
| 19 | | | 81.4 |
| 20 | | | 80.9 |
| 21 | | | 79.5 |
| 22 | | | 78.8 |
| 23 | | | 77.6 |
| 24 | | | 76.4 |
| 25 | | | 75.3 |
**注：表中的空单元表示参数未变化。**
3.2. 基本假设**
- 假设反应器具有轴对称性；
- 基于我们的几何优化研究，氢浓度在大约2?m时稳定（见表1）；
- 使用基于Pt–Ni/δ-Al?O?催化剂的模型（理想工作温度在673至863?K之间，密度为2000?kg/m3，动态粘度为1?Pa·s）；
- 情况1：H?O入口浓度从100变化到2250?mol/m3；
- 情况2：反应器长度从0.3变化到2.0?m；
- 情况3：H?O和C?H?O入口速度从0.005变化到1.5?m/s；
- 情况4：反应温度从675变化到820?K；
- 情况5：反应器半径从0.1变化到2.5?m。
该模型基于多个简化假设，以便高效进行数值模拟，包括理想化的反应器几何形状、恒定的孔隙率和催化剂床层渗透性、每个案例研究中的等温条件以及稳态流动条件。此外，仅考虑了基于[11]提出的动力学模型的主反应路径。虽然这些假设降低了计算复杂性并允许系统参数分析，但也限制了对实际行为的表征，如温度梯度、压降和催化剂老化。然而，这些假设经过仔细选择，以保留C?H?O蒸汽重整的核心物理和化学现象，确保从模拟中得出的趋势和优化见解对于实际应用和未来的实验验证仍然相关和可靠。

在COMSOL模拟中，采用了具有边界层细化的结构化四面体网格，以准确解析反应器壁附近和多孔催化区内的速度和浓度梯度。通过比较三种网格密度（粗网格（约40,000个元素）、中等网格（约100,000个元素）（图1）和细网格（约180,000个元素）的氢出口浓度，进行了网格独立性研究。结果显示中等网格和细网格之间的差异小于1%，证实了网格的独立性。因此，在所有模拟中采用了中等网格，以确保计算效率和解决方案精度之间的平衡。

**下载：下载高分辨率图像（122KB）**
**下载：下载全尺寸图像**
**图1. 包含102,218个四面体元素的网格。**

**3.2. 控制方程**
该模型采用动力学方法而非化学平衡，使用单步蒸汽重整速率（方程式2）在Pt–Ni/δ-Al?O?上。所有物种在稳态、等温条件下都视为气相，不施加相变或热力学平衡约束。这个假设隔离了动力学和几何效应，同时保持了计算效率。
假设在本研究中应用了恒定的边界条件，本节介绍了稳态模型的控制方程。以下动量和质量守恒方程基于[12]的公式：
(4) ρ(u·?u) = ??[?pI+K]
(5) ??(ρu) = 0
关于(4)和(5)中的项的更多细节，请参见[12]。对于浓度守恒的研究，给出了方程式：
(6) ??Ji + u·?ci = Ri + Si
(7) Ji = ?De,j?ci
(8) θ = ?p
关于(6)、(7)和(8)中的项的更多细节，请参见[13]。
如前所述，反应器内部使用孔隙率为0.25的多孔催化剂进行H?生产反应。COMSOL Multiphysics?定义了多孔催化剂中的有效扩散率为：
(9) De,j = ?p × (1/2) × Df,j
其中：De,j 是催化剂的扩散率；?p 是催化剂的孔隙率；Df,j 是催化剂多孔介质中反应元素的扩散率。

**4. 结果与讨论**
如引言所述，进行了五参数敏感性分析，以评估每个变量（速度、入口浓度、长度、温度和半径）对反应器性能的影响。最后提出了这五个参数的优化策略。这种优化是通过分析H?和CO?的平均浓度作为输出参数来进行的。在考虑的所有五种情况下（表2），C?H?O入口浓度固定为1000?mol/m3。需要注意的是，氢气生产后的储存分析超出了本研究的范围。

**表2. 每种情况下变化的变量和固定的参数。**
| 情况 | 变化的变量 | 固定的参数 |
|------------|-----------------|-------------------|
| | L = 1?m; L = 2?m | |
| | H?O浓度（入口）: 100 – 2250?mol/m3 | |
| | T = 800?K | |
| | 半径 = 0.05?m | |
| | 入口速度 = 0.01?m/s | |
| | | |
| | L = 0.2 – 2?m | |
| | T = 800?K | |
| | 半径 = 0.05?m | |
| | H?O（入口）= 1000?mol/m3 | |
| | | |
| | L = 1?m; L = 2?mu | |
| | 进口速度: 0.005 – 1.5?m/s | |
| | T = 800?K | |
| | 半径 = 0.05?m | |
| | H?O（入口）= 1000?mol/m3 | |
| | | |
| | L = 1?m; L = 2?mu | |
| | 进口速度: 0.005 – 1.5?m/s | |
| | T = 800?K | |
| | 半径 = 0.05?m | |
| | H?O（入口）= 1000?mol/m3 | |
| | | |
| | L = 3?m; L = 2?m | |
| | 进口速度: 0.01?m/s | |
| | T = 800?K | |
| | | |
| | | |
**注：表中的空单元表示参数未变化。**

**4.1. 情况1：变化H?O浓度**
在保持800?K的温度、0.05?m的半径和0.01?m/s的速度不变的情况下，调整了H?O入口浓度。反应器长度在1?m到2?m之间变化，所得到的平均出口浓度分别显示在图2和图3中。中等浓度的CO2和H2O值分别在图2和图3中显示，H2和CO2的产量并未受到H2O入口浓度的影响。相比之下，当反应器长度增加到2米时，其浓度大约增加了三倍。4.2案例2：改变反应器长度为了研究反应器长度（L）的影响，将H2O的入口浓度维持在1000摩尔/立方米，温度固定在800开尔文。使用了两个不同的速度值，0.005米/秒和0.01米/秒。得到的数据分别展示在图4和图5中。下载：下载高分辨率图像（68KB）下载：下载全尺寸图像图4. 随着L变化的H2的中等浓度值。下载：下载高分辨率图像（65KB）下载：下载全尺寸图像图5. 随着L变化的CO2的中等浓度值。图4和图5显示了在不同反应器长度下，两种不同入口速度下的平均出口浓度。H2和CO2都表现出相似的趋势：在L = 1.5米之前呈现线性增长，表明处于受控状态；随后在1.5米到2米之间呈指数增长。这表明增加反应器长度会导致H2和CO2的产量增加。基于这些发现，选择1到2米之间的反应器长度进行优化，因为长度小于1米时H2产量较低，而长度大于2米时在某些参数组合下某些反应物的浓度会变为负值。换句话说，在低流速下（例如），C2H6O在到达距离入口2米之前就被完全消耗了。然而，由于建模假设H2的产生贯穿整个催化剂长度，模拟“强制”C2H6O的浓度变为负值以继续产生氢气。这表明，在这些情况下（即对于这些参数组合），催化剂长度超过了实际需要。这种数值异常是由于计算域扩展到了实际反应区域之外。在未来的改进中，可以通过应用消耗限制条件或在?C/?z ≈ 0时截断催化剂长度来避免这种情况，从而确保浓度始终为非负值。4.3案例3：改变入口速度（uinlet）在H2O入口浓度固定为1000摩尔/立方米、温度为800开尔文、反应器半径为0.05米以及反应器长度为1米和2米的情况下，入口速度在0.005米/秒到1.5米/秒之间变化。结果展示在图6和图7中。下载：下载高分辨率图像（61KB）下载：下载全尺寸图像图6. 随着入口速度变化的H2的中等浓度值。下载：下载高分辨率图像（58KB）下载：下载全尺寸图像图7. 随着入口速度变化的CO2的中等浓度值。上述结果表明，H2和CO2的产量随着速度的增加而呈指数下降。这是合理的，因为速度越低，反应物与催化剂的接触时间越长，从而有利于反应的进行。此外，在大约0.5米/秒的入口速度下，H2的产量几乎保持恒定且接近于零。这是预期之中的，因为对于2米的反应器长度，在这个速度下（其特点是速度场已完全发展，见图8），反应物与催化剂的接触时间仅为大约4秒，这不足以使反应有显著进展。因此，优化将使用0.005米/秒和0.01米/秒的速度进行。下载：下载高分辨率图像（131KB）下载：下载全尺寸图像图8. 完全发展状态下的速度剖面。4.4案例4：改变温度在H2O和C2H6O的入口浓度固定为1000摩尔/立方米、总长度（L）分别为2米和1米以及速度为0.01米/秒的情况下，改变了温度，得到了图9和图10中展示的结果。下载：下载高分辨率图像（65KB）下载：下载全尺寸图像图9. 随着温度变化的H2的中等浓度值。下载：下载高分辨率图像（65KB）下载：下载全尺寸图像图10. 随着温度变化的CO2的中等浓度值。在图9和图10中可以观察到一些有趣的现象：H2和CO2的产量在温度达到820开尔文时达到最大值（这是模拟、反应和催化剂条件的最大值），并且这一最大值出现在L等于2米的情况下。很容易注意到CO2的产量是H2的约三分之一。另外还可以看出，温度越高，H2和CO2的产量越大，这是预期之中的，因为温度越高，反应速率也越高（见方程3）。对于优化而言，决定将温度范围设定在700到800开尔文之间。尽管更高的温度（>820开尔文）能够进一步提高H2的产量，但选定的范围（700–800开尔文）是在转化效率和催化剂稳定性之间的实际折中。温度高于820开尔文时，Pt–Ni/δ-Al?O?催化剂 tend 会发生烧结和碳沉积[11]，这会降低长期性能。因此，优化重点关注的是稳定的操作窗口。温度对氢气产量的影响与催化反应的动力学行为密切相关。在这项研究中，所选的催化剂——Pt–Ni/δ-Al?O?——是基于[11]提出的动力学模型选择的，该催化剂在C2H6O的蒸汽重整中具有高活性和选择性。如图9和图10所示，提高温度显著增强了反应速率，从而增加了H2和CO2的产量。这与反应速率常数的阿伦尼乌斯行为一致。催化性能在675–820开尔文的范围内最佳，而在820开尔文观察到的最大H2产量证实了反应动力学对热激活的强烈依赖性。因此，催化剂的选择和所应用的温度范围是最大化所提出反应器配置中氢气产量的关键因素。尽管这项研究采用了一些计算反应器分析中常见的简化建模方法，但其主要贡献在于提出了一个用于C2H6O到氢气转化的化学反应器优化的初步方案。该方法结合了动力学建模、参数模拟和基于回归的优化，提供了一个可以进一步扩展的结构化框架。据我们所知，现有文献通常关注孤立的参数效应或实验设置，但缺乏像这里所展示的系统性优化方法。作为下一步，未来的研究可以纳入更多变量（如压力、催化剂老化或反应副产物），并通过实验验证优化结果，从而增强该方案在实际化学工程场景中的适用性。4.5案例5：改变反应器半径在保持H2O和C2H6O入口浓度为1000摩尔/立方米、温度为800开尔文、反应器半径为0.05米以及反应器长度为1米和2米的条件下，改变了反应器半径，范围在0.005米/秒到1.5米/秒之间。结果展示在图11和图12中。下载：下载高分辨率图像（58KB）下载：下载全尺寸图像图11. 随着半径变化的H2的中等浓度值。下载：下载高分辨率图像（64KB）下载：下载全尺寸图像图12. 随着半径变化的CO2的中等浓度值。图11和图12中观察到的反应器半径对H2和CO2出口浓度的影响较小，这是由于本研究中采用的建模假设直接导致的。在案例5的所有模拟中，入口表面速度（米/秒?1）、入口浓度和催化剂属性保持不变，只有半径进行了变化。在这些条件下，体积流量和反应体积与横截面积成比例变化，因此反应混合物的空间时间（反应器体积/体积流量）以及有效停留时间基本上保持不变。此外，催化剂在多孔床层中均匀分布，且在所研究的范围内质量传递限制不占主导地位，这进一步减少了转化对半径几何缩放的敏感性。因此，随着半径的增加而出口浓度几乎不变，这与所选公式一致，并不表明模型的物理不一致性，而是反映了在指定的边界条件下，反应器长度和入口速度是控制H2产量的关键设计参数。需要指出的是，尽管为了清晰起见分别分析了反应器长度和半径，但它们的综合影响可以通过几何长宽比（长度/半径）来表示。在模拟范围内，这两个参数都影响轴向停留时间和表面积与体积比，但优化结果表明长度起着主导作用。未来的工作可以扩展模型，将长度/半径作为一个复合变量用于通用反应器缩放分析。因此，在第4.5节中讨论的优化中，反应器半径将被固定在0.05米，不会作为变量考虑。4.6优化优化过程使用了Minitab中实现的多变量回归方法，目标函数是最大化出口H2浓度。独立变量（L、T和uinlet）被拟合到二阶多项式（方程10）。在这项初步研究中没有应用多目标标准；能耗和CO2最小化将在未来的多目标扩展中加入。考虑到C2H6O，通过改变入口速度（uinlet）、温度（T）和反应器长度（L）进行了优化，共得到了126个测试点。如前所述，H2O入口浓度和反应器半径保持不变，不包含在优化范围内。对于这组新数据，并使用Minitab软件的回归方法，获得了氢气的最佳模型拟合，如方程10所示。H2=22182?1725.4×L+58576×uinlet+27.91×T +116435×L×uinlet+2.5896×T×L?1528,7×T0.5?5815×uinlet0.25?174.90×L×uinlet×T表3展示了模型（方程10）的拟合优度统计，显示出较高的调整R2值，表明模型与数据的拟合度很高。此外，观察Minitab对126个优化用点的回归残差分析，只有5个点不在99%的近似范围内。表3. 方程10的模型拟合统计。方差分析（表4）显示，所有变量都对结果有显著影响（P值小于0.05），当单独观察变量时，长度的影响最大，这由其F值反映出来。表4. 所提模型（方程10）的方差分析。空单元DFSS (Aj.)MS (Aj.)F值P值回归81,026,434128,3044250.440L151,95651,9561721.180速度（uinlet）170747074234.340温度111,84111,841392.250L×uinlet126,81726,817888.40T× L167,25867,2582228.120T0.5111,87311,873393.340uinlet0.25177847784257.880L×T×uinlet135,47535,4751175.210误差116350230最后，对一些未用于生成方程10中优化的随机点进行了比较，从而证实了通过该方程进行优化的准确性。结果见图13。基于H2优化模型，也可以获得CO2的优化模型（方程11）。CO2=7451?577.9×L+196516uinlet+9.383×T +39162×L×uinlet+0.8669×T × L（11）?513.7×T0.5?1956uinlet0.25?58.77×L ×uinlet×T表5和表6展示了模型的调整R2值和变量的方差分析。与氢气一样，所有变量都对方程11有影响，当单独观察变量时，长度的影响最大，这由其F值反映出来。表5. 方程11的模型拟合统计。表6. 所提模型（方程11）的方差分析。空单元DFSS (Aj.)MS (Aj.)F值P值回归8115,53414,441.84249.290L158285828.51714.940速度（uinlet）1796796.1234.250温度113381338.3393.770L×uinlet130343033.8892.660T× L175387537.62217.820T0.5113411340.6394.440uinlet0.251881881.3259.310L×T×uinlet140054005.31178.510误差1163943.4最后，使用未包含在方程11优化过程中的随机数据点进行了比较，从而证实了所提模型的准确性。结果见图14。基于H2优化模型，也可以获得CO2的优化模型（方程11）。表5和表6展示了模型的调整R2值和变量的方差分析。与氢气一样，所有变量都对方程11有影响，当单独观察变量时，长度的影响最大，这由其F值反映出来。结论从这项研究中可以得出结论，仅考虑五个参数，就可以模拟C2H6O生成H2和CO2的过程，从而确定在这些定义的边界条件下最优化的方程。这里预测的H2/CO2比例和温度依赖性与Soyal-Baltac?o?lu等人[11]和Maione等人[15]报告的实验结果一致，支持了模型的可靠性。显然，反应器几何形状显著影响产物浓度，随着反应器长度接近2米，H2的产量变得占主导。优化模型显示出高精度，验证了项目的设计假设，并为进一步的优化研究奠定了基础。对于C2H6O来说，影响最大的是反应速度。对于反应产物，在C2H6O入口方法中，观察到的CO2出口量是H2的三分之一，这与全局反应的化学计量关系相符。值得注意的是，这一主题为未来的研究提供了丰富的机会，因为有许多参数影响H2的产量及其潜在的相互作用。下一步的重要步骤是进行全面的文献综述，对比现有的实证研究和计算研究。总之，本研究及其潜在的扩展有助于推进可持续发展这一全球性的优先事项，通过促进创新技术的发展来造福社会，并探索更高效的能源生产方式。除了从C2H6O制氢这一具体案例外，这里提出的方法论也为反应器优化方案提供了一个初步框架。这种方法可以应用于其他化学系统和反应器类型，使研究人员和工程师能够通过模拟同时评估多个设计参数。因此，目前的研究不仅为C2H6O重整提供了宝贵的见解，而且还通过推进工艺优化策略，为更可持续和高效的化学生产做出了更广泛的实践性贡献。尽管在这项初步研究中没有进行直接的实验验证，但预测的H?/CO?比值和温度依赖性与报道的Pt–Ni/δ-Al?O?催化剂的情况一致（[11]，[15]）。未来的工作将结合详细的实验数据和多步动力学数据进行模型验证。