能源转型正在影响整个能源价值链的经济。然而,可再生能源,如风能和太阳能,不同的地理区域具有不同的潜力(见图1)。例如,亚洲许多地区面临的挑战是,能够产生足够的太阳能或风能以满足其能源需求的地理区域有限。氢能可以满足世界上很大一部分能源需求,并且制氢过程可以完全没有碳排放。尽管面临诸多挑战,但氢经济发展势头强劲,在某些地区,氢能有望成为重要的零碳替代能源。
图1:亚洲的许多地区都面临着无法获得可产生大量太阳能或风能的地理区域的挑战
广受关注的氢能
艾斯本在 2021 年 6 月对大约 全球340 家公司进行了一项调查,65% 的受访者表示他们计划在未来五年内投资氢能,以减少温室气体排放。三分之二的公司打算进入氢能领域。不过,这些公司打算采取的举措大相径庭。
普林斯顿大学的著名碳减排专家Robert Socolow称这种现象为迈向新型氢经济的“颜色战争”。
例如,56%的公司计划采用绿氢,49%采用蓝氢,25%采用灰氢。(注意:一些公司打算同时部署多种举措,因此绿氢、蓝氢和灰氢百分比加起来不是100%)。
可持续投资界正在推动绿色方法,即完全由可再生能源通过电解制氢。
各国正在加速发展氢经济。中国早前已宣布加大投资绿氢。据中国石化报道,中国石化位于新疆库车的绿氢示范项目已于2021年12月正式启动建设。该项目总投资近30亿人民币, 将完全由太阳能供电, 预计将在2023年6月建成投产,届时将让中国拥有一年可产2万吨绿氢的能力,预计每年将减少48. 5万吨二氧化碳排放。欧洲监管机构在内的许多能源实用主义者在推动一种蓝色方法,即从成熟的重整工艺过程中提取氢,并从烟气中捕获碳。目前,澳大利亚和韩国等地正在推行这种方法。在亚洲,马来西亚国家石油公司和印度信实工业等企业正在实行绿氢和蓝氢计划。
总的来说,凭借上市时间短、成本低和无摩擦扩展等优势,氢能应被视作一种可扩展的经济创新来源。最精明的市场参与者看到了商机,正在采取积极行动。
利用数字技术,最大限度提高氢投资回报
在资本和资金的推动下,氢经济前景广阔。明智的参与者发现,创新思维、项目执行力和工业AI驱动的数字技术的综合影响可以带来增长和市场份额。仍有一些挑战需要克服,而数字技术是解决问题的关键。
首先,有必要将氢经济作为一个系统来消除风险。为此,我们必须将氢经济视为一个端到端的系统,包括通过可再生能源生产绿氢或蓝氢、碳捕集、氢储存和运输,以及氢的最终使用。每个环节都需要扩展,这样才能从整体上取得成功。除了强大的联盟和合资企业外,还需要一个定量的方法来消除系统中的薄弱环节。好在有很多可用的智力和金融资本,能帮助我们建立一个全系统的、端到端的风险模型。(艾斯本正在研究这样的端到端的氢模板模型方法)。
第二,数字技术可以提高可再生能源电解水制氢系统的经济性。虽然电解技术是可行的,各种项目也已经启动,但新系统的经济性还比不上传统能源。精确机理和人工智能辅助模型与经济模型相结合,可以加速和倍增技术创新者的努力,在实现技术突破的同时大大节省成本。这需要将可再生能源、电力储存和氢合成视为一个可优化的系统,并考虑风能和太阳能随机变化的影响。在2021年11月的阿布扎比国际石油展览与会议(ADIPEC)上,蒂森克虏伯(Thyssen Krupp)首席执行官Sami Pelkonen预测,到2030年,绿氢的经济性将媲美蓝氢。他的预测是否合理?又或者不需要到2030年?
第三,重整工艺过程的效率和经济性需要改进,并与碳捕集相结合。我们需要利用技术来捕获和去除更高比例的二氧化碳,并提高能源效率。预测性的精确机理模型和优化技术是加速进展和提升蓝氢效益的关键数字因素,这涉及到进一步整合成熟的氢合成工艺和不太成熟的碳捕集工艺。
第四,有必要推进氢的安全装卸和运输。我们需要采用更简单、更安全的方法来制备低温氢,并简化氨作为载体的工艺过程。同样重要的是加速和扩展人工智能与工程领域的专业知识相结合的混合模型的部署。数字技术正在帮助我们了解和消除安全风险,控制操作,使其保持在安全操作参数范围内。
第五,数字技术可以改善燃料电池的经济性。制造商可以通过引入在线的先进的数据分析和混合模型,从新旧燃料电池更新换代设计中汲取经验,加速经济发展。
氢经济和能源转型
为了利用工业规模的氢生产和碳捕集技术引领能源转型,行业参与者需要无与伦比的创新、创造力、敏捷性和执行力。
数字技术可以在上市时间、生产成本、风险缓解以及客户满意度等方面实现增值。要缩短上市时间,必须将创新、工程方案选择、概念选择以及资本投资决策的速度提高50%(或6-12个月)。企业还可以通过可视化估算降低资本成本,通过优化设计节约能源和水资源,进而降低运营成本;同时采用新技术有效地整合新的设施和现有设施以削减生产成本。
采用人工智能和分析技术来降低风险,同时增加正常运行时间,提高安全性和可靠性。最后,要提高客户满意度并实现卓越运营,企业还必须最大限度地提高供应链的敏捷性和弹性。由于能源转型的复杂性,有必要平衡公司资产的众多目标,同时采取基于数据的量化方法。数字化和工业人工智能将是实现这一平衡优化的关键。
