原文刊载于《中国科学院院刊》2023年第2期 “科技与社会”，本文为精简改编版

曹宏斌*   赵 赫   赵月红   张 笛

1 中国科学院过程工程研究所

2 中国科学院化学化工科学数据中心

3 中国科学院大学 化学工程学院

我国重化工行业涉及产品种类繁多、原料来源广泛、工艺流程长、产污环节多，具有排污量大、污染负荷高、复合污染突出，以及毒性强、碳排放强度大等基本特征。冶金、化工等重点行业的化学需氧量（COD）与氨氮排放在工业中占比均达到77%，汞、镉、铬（六价）、铅、砷等金属或类金属等毒性污染物排放约占86%（表1）。工业碳排放占我国总碳排放约68%（包括间接排放），而重点行业碳排放总量已占据工业排放总量的56%左右，碳减排任务艰巨。当前，我国生态文明建设同时面临实现生态环境根本好转和碳达峰、碳中和（以下简称“双碳”）两大战略任务。我国正处于跨越式发展的经济高速增长阶段，而工业污染控制与碳减排是迫切需要解决的重大难题，协同推进工业减污降碳已成为我国新发展阶段经济社会发展全面绿色转型的必然选择。

表1  我国重点工业行业典型污染物与碳排放情况

目前随着环境保护排放标准日益严格及行业园区化发展日渐成型，有毒有害污染物稳定达标处理关键技术缺乏、末端无害化治理控制成本高等问题，成为制约行业可持续发展的重大瓶颈。由于生产过程减排效果差，产品分离的能耗高、分离不彻底，进入末端后导致污染与碳排放，对生态环境造成极大的破坏。另外，由于源头减排作用发挥不够，以末端控制经验组合工艺为主要手段的污染处理成本居高不下。以钢铁行业为例，目前吨钢的污染处理成本达到200—300元，占钢铁生产总成本的10%左右，若未来加入碳市场交易，预计成本将接近400元。为了满足不断提高的环境保护标准与碳排放要求，很多企业只能低利润生产。

目前，环境污染物和碳排放高度同根同源的内在规律不明，在微观尺度的污染物转化机理及形态理论仍不清楚。面对生态文明建设新形势新任务新要求，减污降碳内在规律的深入研究需求进一步凸显。在基础科学层面上，通过深入揭示物质转化过程中组成—结构—性质的影响，创建高效、清洁、节能、经济的物质转化工艺、过程和系统，是未来可持续工业亟待解决的难点问题。

针对当前我国环境科技发展现状及未来社会经济发展与对工业污染控制的重大需求，本文在国家“双碳”重大战略布局下，在“工业污染全过程控制”策略框架的基础上进一步提出并阐释了工业生产全过程减污降碳的基本理念及科学内涵，针对工业全过程减污降碳缺乏基础数据和理论指导难题，阐明具体方案策略，旨在为致力于工业污染治理的科研人员以及企业技术人员提供切实有效的理论与方法。

1

工业生产全过程减污降碳理念

工业生产全过程减污降碳以工业过程的综合成本最小化为目标，其科学内涵是：依据系统工程、循环经济、绿色化学、清洁生产及生命周期评价等理论和方法，综合运用最佳可行技术和最佳环境实践（BAT/BEP），执行和（或）制（修）订相应环境法律法规，确保以最少的人力、物力、财力、时间和空间，实现工业生产综合成本最小化；实现工业全过程废弃物的减量化、资源化、无害化；实现工业生产的低碳化、绿色化、智能化；实现人与自然和谐相处永续发展。工业生产全过程减污降碳是在不同维度的协同控制（图1），包括控制方法协同、跨介质协同、多领域统筹与多要素统筹。

图1  “工业生产全过程减污降碳”的理念

源头—过程—末端控制方法协同

工业生产全过程减污降碳通过污染成因及原料部分生命周期分析对污染物来源及碳素流进行全面解析，基于清洁原料替代、物质转化原子经济性及循环经济等清洁生产概念进行源头污染控制；同时，结合系统工程和最优化方法设计资源高效分层多级利用，强化资源能源回收过程，并通过低成本无害化处理使综合毒性风险降低，最终建立源头减废降碳、过程控制、废物资源化与末端治理一体化的减污降碳全过程控制系统。

气—液—固污染跨介质协同

工业生产全过程减污降碳从多介质协同治污、多污染物—碳排放协同控制、区域统筹治污等方面入手，率先加强重点行业污染成因的基础性和系统性研究，探明主要污染物的跨介质关键循环过程及其生态环境效应，研究废水—废气—固废污染物多介质调控与治理机理，建立高效、经济、安全的污染多介质组合技术优化协同整治机制，为跨介质污染—碳排放协同控制技术提供基础理论支撑。

经济—技术—管理多领域统筹

工业生产全过程减污降碳统筹经济、技术、管理3个层面，对各个污染控制过程提供技术支持，推进低碳技术创新，同时也为环境管理目标的设定，以及环境管理制度的实施提供数据支持。确保碳排放有效削减和污染物排放稳定达标，支撑执行和（或）制（修）订相应环境法律法规，支撑建立技术政策、可行技术指南（BAT）和工程规范等行业技术指导文件体系，以及建立双碳目标管理的环境技术示范推广平台，实现工业生产综合成本最小化，创造显著的社会环境经济效益，引领企业主动治污。技术可行、经济可达、管理完善的统筹理念将有利于进一步促进和协调环境保护、绿色发展决策和经济社会发展之间的联系。

资源—能源—环境多要素统筹

工业生产全过程减污降碳将资源能源及环境保护放入工业发展全局进行统筹考虑，发展传统能源的清洁高效利用技术，降低碳排放；合理配置资源，提升水的利用效率，使用最优化方法寻求最佳资源高效分层多级利用技术路径，强化资源回收过程；并通过低成本无害化处理使综合毒性风险降低，实现资源能源环境统筹下的节水节能与低碳污染减排。

2

工业生产全过程减污降碳的关键科学问题

工业生产全过程减污降碳是一个大型的复杂过程系统综合问题，其实现的核心是统筹多个单元（或装置）、多个尺度（分子、单元、系统），突出系统思维，挖掘协同效应，实现污染控制和碳减排协同，追求产品生产和废物处理—碳减排的总成本最低。通过在分子尺度、单元尺度、系统尺度关键科学问题的研究，逐步建立工业全过程减污降碳集成优化软件工具，直接支撑重点行业减污降碳技术创新和过程集成，帮助寻求最佳系统减污降碳方案，从而实现工业生产局部与整体之间、经济效益与环境影响之间的协同优化（图2）。

图2  分子到系统多尺度减污降碳设计流程

分子尺度

工业生产全过程减污降碳在分子尺度的科学基础为在微观尺度上辨识关键离子/分子赋存形态，深入认识其形态结构特征、相互作用关系和迁移转化规律，构建构效关系预测模型，以指导相关介质（催化剂、药剂、溶剂等）的设计筛选及其在宏观单元操作过程中的转移转化定向调控，实现源头减污降碳。

微观尺度涉及的研究对象包括分子、离子、自由基、官能团等，它们之间的相互作用关系包括化学键、氢键、静电作用、配位键、范德华力相互作用等。其基本结构描述符包括前线轨道、生成焓、自由能等，建立的模型方程主要有热力学、动力学等模型（图3）。

图3  数据驱动的微观尺度构效关系预测模型示意图

工业生产全过程减污降碳分子尺度优化的关键在于建立合适的物化性质、热/动力学和互作参数预测模型，以便于微观—宏观尺度模型的耦合，从而实现二者的协同优化。考虑到机器学习处理复杂问题的优势，可利用“大数据+人工智能”技术，以基于微观尺度严格模拟的微观体系数字孪生作为数据生成器，低成本生成训练机器学习/人工智能（ML/AI）模型所需的大量数据，以开发适用于跨尺度耦合的构效关系预测模型。

单元尺度

工业生产全过程减污降碳在单元尺度的科学基础为在理论分析和实验研究基础上，深入认识单元操作污染、碳排行为及其相互作规律，构建其构效关系预测模型，以指导设计和操作参数的优化，从而实现过程减污降碳。

单元尺度涉及的研究对象包括转化、分离、产品加工、污染处理等工业过程从原材料到产品的几大单元流程。单元过程的相互作用关系包括质量传递、动量传递、能量传递与反应过程等（图4）。

图4  工业过程单元强化示意图

工业生产全过程减污降碳单元优化的关键在于单元模型构建的基础上，通过系统尺度的集成优化获得最佳的单元间衔接关系和协同调控方法。主要手段包括通过持续的单元技术创新，如介质强化（催化剂、药剂、溶剂等）、装备强化（设备、材料、控制等）、外场强化（电、超重力、光、等离子等）等方法，提升单元能源、资源利用效率，以实现过程减污降碳。需要指出的是，与目前单纯聚焦某一单元创新的习惯方法不同的是，全过程减污降碳强调在单元技术创新阶段就要考虑与其它单元的集成，以通过单元间的协同优化来预防或减少污染物的产生与碳排放，突出系统思维。考虑到工业过程大都表现出很强的非线性行为，建议采用“机理+数据”双驱动方法，兼顾机理和数据驱动建模的优势，提高单元模型的可解释性和适用性。

系统尺度

工业生产全过程减污降碳在系统尺度的科学基础为在深入认识各单元技术耦合关系的基础上，利用过程系统工程理论和方法，构建系统超结构优化模型，解析系统尺度的减污降碳协同效益及其关键驱动要素，从而实现全过程物质—能量优化匹配，获得全局最优的减污降碳技术路径。

系统尺度涉及的研究对象为单元过程，其相互作用关系为物质-能量的优化匹配。工业生产过程各个单元相互联系和相互影响。工业生产全过程减污降碳理论将生产全过程作为一个整体考虑，以综合成本最小为目标，将生产过程单元（转化、分离、产品加工等）归类为操作单元，将污染处理单元归类为处置单元，对单元处理技术进行集成（图5）。通过能量、物质和水资源的供应和利用过程的优化配置，量化分析所有可行工业生产工艺及碳减排激励和管理政策等不确定性因素的影响，寻求污染物稳定达标排放、碳排放量最小及综合生产成本最低的减污降碳技术路径。

图5  工业生产全过程系统集成优化示意图

工业生产全过程减污降碳系统优化的关键在于生产过程和末端治理过程重点物质转移转化规律、污碳耦合机制、生产—末端相互作用关系、全过程减污降碳方案超结构等的模型描述，构建系统尺度优化模型。目前，还缺乏具有一定普适性的支持全过程减污降碳的优化建模和求解方法，仍采用模拟试算模式，依赖于专家经验，亟需系统的软件工具的支持。这也是全过程减污降碳研究的重点内容之一。

3

工业应用与展望

本文基于工业生产全过程减污降碳基本原理，提出以技术组合网络拓扑超结构设计为基础的分子—单元—系统多尺度优化建模思路，创建了综合成本最小化，兼顾减污降碳需求的多单元集成优化模型，攻克不同尺度间参数传递、复杂过程建模及复杂非线性优化模型求解等难题，实现了典型工业过程污染和碳排放的全景多尺度模型描述，研发出钢铁冶金、煤化工等近20个重化工多单元集成优化模型，实现了集成工艺快速评价和优化，成果已应用于焦化、废锂电池处理、电解铝等行业的绿色升级。

在焦化行业，基于高浓度分离—可降解生物矿化—低浓度难降解高级氧化的污染控制基本原则，在焦化废水处理关键单元技术典型污染物迁移转化规律研究及相关技术经济评估的基础上，建立焦化废水全过程高效、低成本强化处理综合方案的工艺流程模型，实现废水处理流程操作与废水合理回用的协同优化。基于该模型，获得最小废水处理成本条件下，焦化废水处理流程的优化操作参数和回用方案。指导研发了酚油协同萃取减毒耦合污染物梯级生物降解的废水处理新工艺（图6），建立了全过程集成优化的焦化废水低成本稳定控污成套技术，保证了污染物深度脱除和系统稳定、低成本运行。突破了产业化放大工程技术瓶颈，实现了大规模推广应用。

图6  基于超结构模型预测的工艺优化案例

针对绿色低碳发展的需求，未来我国亟待将过程工业与大数据和机器学习等信息技术深度融合，进行工业行业碳排放及碳中和技术相关数据资源建设和模型描述，以原料到产品的生产全过程为对象，以技术创新为基础，以全流程全局优化智能寻优，贯穿工艺、过程/装备和系统多个层面的研究开发，从而构建以需求驱动的敏捷供应链。其中，发展全过程优化软件平台及数据库，建成全过程智能控制优化平台及绿色智能无人工厂系统，为代表性行业提供绿色低碳过程制造智能优化系统解决方案是我们进一步工作的目标。基于软件平台与数据库的逐步建立和完善，工业生产全过程减污降碳研究将以综合成本最小化为目标，以水—物—能增值循环为核心、实现不同层级的污染物/水/能量的信息大数据集成、能量/水梯级利用与人工智能决策，打破行业间、领域间的壁垒，助力传统单一行业减污降碳向上下游产业链协同减污降碳、数字化减污降碳的方向转变。

曹宏斌  中国科学院过程工程研究所研究员。主要研究领域：工业有毒有害污染全过程控制。

文章源自：

曹宏斌,赵赫,赵月红,张笛.工业生产全过程减污降碳：方法策略与科学基础.中国科学院院刊,2023,38(2):342-350.

DOI：10.16418/j.issn.1000-3045.20220729004