萃取精馏（Extractive Distillation, ED）是分离共沸物及近沸点混合物的关键技术，通过引入高质量溶剂（夹带剂）选择性地改变轻、重关键组分间的相对挥发度

实现石油化工、精细化学品与制药领域不可或缺的ED分离纯化。筛选绿色、经济且可持续的萃取剂是ED分离工艺开发的关键技术步骤；然而，传统绿色夹带剂筛选长期受制于“试错式”流程：研究者须逐一完成Aspen Plus严格模拟、全生命周期评价（LCA）与多目标优化，方可判断候选溶剂的经济性与绿色性。面对低共熔溶剂（DES）、离子液体（ILs）等海量新型绿色溶剂体系，如何在开展耗时的全流程模拟之前，仅凭基础热力学数据快速预判各候选夹带剂的总年费用（TAC）与环境影响指数（LCAI）已成为过程系统工程（PSE）领域亟待突破的关键命题。

中国石油大学（北京）重质油国家重点实验室的邓春教授联合宁夏大学长江学者王英龙教授团队在国际著名化工期刊《Chemical Engineering Science》上发表了题为“A quantitative heuristic process predictive model based on relative volatility for screening green entrainer”的研究成果（ https://doi.org/10.1016/j.ces.2026.124996 ），该工作构建了一种基于相对挥发度的定量启发式过程筛选预测（Heuristic Process Screening Predictive, HPSP）模型。该模型以加入夹带剂后各分离塔级的相对挥发度为自变量，经过推导、构效和加和组成因变量过程经济成本指数（Process Economic Cost Index, PECI），将原本需要的双参数（TAC与LCAI）协同优化降维为对PECI指标的单一寻优的过程筛选问题。其核心在于揭示了PECI与模拟TAC之间的指数函数关系，以及PECI与LCAI之间的线性函数关系，从而形成由三个方程耦合构成的模型方程组，实现了从“单调正相关定性分析”到“函数定量化评价”的跨越，提高了过程筛选预测模型在萃取精馏筛选绿色夹带剂过程的适应性。

图1 萃取精馏分离多共沸物过程示意图（Fig. 1, 原文）

一、耦合Aspen Plus与Gabi的辅助算法框架

在工程实践层面，该HPSP模型被嵌入Aspen Plus V11与Gabi软件的耦合辅助算法：首先依据VLE/LLE数据计算各候选夹带剂不同分离级的并求得PECI；随后以PECI极小化（同时兼顾回流比与塔板数）为判据完成首轮快速筛选，锁定最优TAC与LCAI对应的夹带剂；再对目标产物纯度（XLC≥0.999,XHC≥0.999,XSOL≥0.9999）严格约束下的操作参数启动SQM、GA、PSO、SA、NSGA-II等优化算法迭代寻优，最终输出满足经济+环境双优化目标的分离流程设计。这一“热力学预判—模型回归—严格模拟”的三层递进机理结构，使筛选逻辑由“逐案试算”转变为“模型方程驱动”的过程预测和筛选的新机制。

图2 定量HPSP模型在ED分离过程中的组合优化算法（Fig. 4, 原文）

二、案例验证与筛选效率量化

研究团队以甲苯-间二甲苯（TOL+META，7种夹带剂）与丙酮-甲醇（ACT+META，4种夹带剂）两个共沸体系为验证案例。结果表明：TAC与PECI呈高度指数相关，校正决定系数分别达0.97898与0.99695；LCAI与PECI呈高度线性相关，分别为0.99458与0.99538。这意味着仅需3个夹带剂样本即可回归确定模型方程组系数，进而对其余候选溶剂的过程TAC与LCAI实现高精度预判。团队进一步提出了过程优化相对筛选效率指标，理论证明：随着候选夹带剂数目N与模拟优化工作量M的增大，呈现单调下降，模型辅助筛选的过程相对效率η愈显著：当N=7、M=400时，模型可节省约86%的全流程模拟计算量。

图3 系统优化过程中相对筛选效率的数值变化（Fig. 5, 原文）

图4 PECI与TAC的指数拟合关系及误差相关性（Fig. 6, 原文）

三、一致性校核与优化展望

在此基础上，团队进一步提出过程参数优化的改进型辅助算法，引入模拟校核误差阈值

作为优化算法权重设置的判据：当校核阈值ε<10%时认定模拟结果可信，否则重设优化权重或者切换优化算法。该闭环验证结构有效填补了过程优化中操作参数权重一致性校验的空白。

图5 改进后的定量HPSP模型优化辅助算法（Fig. 12, 原文）

该定量HPSP模型为绿色夹带剂的高通量筛选提供了半理论半经验的过程系统工程方法，可推广至ILs、DES及混合溶剂体系，为化工萃取精馏分离过程的节能降碳与多指标协同优化提供了新思路。

中国石油大学（北京）化学工程与环境学院和重质油全国重点实验室为该论文第一署名单位，中国石油大学（北京）化学工程与环境学院化工系博士研究生徐清刚为本论文的第一作者，邓春教授为论文通讯作者，该论文研究工作得到了国家自然科学基金面上项目（No. 22578490）的支持。

论文引用信息：

Qinggang Xu, Keyin Yin, Chun Deng*, Yinglong Wang, A quantitative heuristic process predictive model based on relative volatility for screening green entrainer. Chemical Engineering Science, 2027,338,124996.

原文链接：DOI: https://doi.org/10.1016/j.ces.2026.124996.