从玉米到乙醇：使用近红外光谱技术优化发酵过程
2021年8月9日
文章
zh_CN
近红外光谱分析技术助力生物乙醇生产中发酵过程的优化
分享文章
近年来，利用可再生原料生产生物燃料的规模显著增长。生物乙醇是化石燃料极具潜力的替代品之一，因为它可由富含糖类和淀粉的（可再生）原料制成
通过发酵玉米淀粉生产燃料乙醇是一个复杂的生化过程，期间需要对多个参数进行监测来优化生产。使用传统的实验室技术测量这些参数大约需要一个小时，这一点成为提升工厂产能和效率的瓶颈环节。近红外光谱技术可以替代常规的实验室分析，降低运营成本，提升工厂效率和产能。
如需深入了解这项快速、无损的分析技术，请查阅我们的系列博客文章，其内容涵盖近红外光谱技术的优势及常见问题解答。
生产作为燃料添加剂的高品质乙醇
在保持价格竞争力的同时满足日益增长的产品需求，主要途径之一是提升工厂产能。不过，用于监测发酵过程不同环节的标准实验室分析工作流程，可能会成为扩大生产规模或提高效率的限制因素。另一个需要考虑的因素是原料的质量存在季节性和区域性差异，这就要求乙醇生产商密切监测发酵过程，保障获得质量稳定的产品。
美国国家可再生能源实验室的一份报告估计，使用玉米生产燃料乙醇的成本中，近40%来自劳动力、物料、间接费用和可变运营成本 [3]。优化这些成本——包括对发酵液进行常规质量检查、对发酵罐和蒸馏塔的定期维护，以及及时处理工艺异常——有助于提高乙醇生产设施的盈利能力。
为了尽可能提高生物乙醇的产量和盈利能力，必须克服实验室分析的限制。近红外光谱技术是一种经过验证的经济、快速、操作简单的分析方法，可以有效克服常见的实验室限制。在探讨如何优化生产工艺之前，需要先了解一些关于生物乙醇生产的背景信息。
乙醇生产工艺：湿磨和干磨
从玉米等原料中提取糖类和淀粉生产乙醇，主要有两种工艺：湿磨工艺和干磨工艺（如图1所示）。在美国（全球最大的生物乙醇生产国），几乎所有用于燃料的乙醇都是采用干磨工艺生产的[2]。
在干磨工艺中，谷物首先被研磨成更细小、更均匀的颗粒，这使得谷壳或外壳更容易被渗透。随后加入水和酶，形成一种称为麦芽浆的浆料。为了促进淀粉转化为糖类，需先将麦芽浆加热至特定温度，冷却后再加入酵母。酵母通过发酵过程将转化后的糖类转化为乙醇。不过，此时乙醇的浓度仍然很低，因此必须对溶液进行蒸馏和脱水，从而获得作为燃料添加剂所需的浓度和纯度。
湿磨工艺与干磨工艺的区别在于：先将谷物浸泡，再进行碾磨和分离各种组分。随后淀粉转化为糖类，用于发酵过程，这一点与干磨工艺的原理相同。
如需了解更多关于发酵过程的信息，请阅读我们关于优化啤酒酿造过程的博客文章。
实验室分析的不足
实验室具有多种功能，但关键功能之一是监测每个发酵罐内的发酵进程。通常需要运用多种不同的分析技术进行检测，因为必须同时检测多个参数以保障发酵过程正常进行。在整个发酵过程中，需要严格监测和控制存在的各种糖分（如，葡萄糖、麦芽糖、麦芽三糖等），这一点对于理解麦芽浆中淀粉的分解途径（生成葡萄糖）以及优化乙醇生产十分重要。掌握该分解途径有助于在浆料罐（图1）中向麦芽浆精确投加酶和酵母，从而加速分解过程。因此，优化酶和酵母的混合配方对于这一过程至关重要。这两类投入品是乙醇生产中占比很高的消耗品成本，还会显著影响生产速率和乙醇产量。
表1列出了一些常见的分析仪器及其应用场景。
| 参数 | 测量技术 | 分析时间（分钟，含样品制备） |
| 可溶性固形物（°Bx） | 折射计 | 3–5 |
| pH 值 | pH 计 | 3–5 |
| 固体（非挥发性） | 红外天平e | 15–20 |
| 乙醇 | HPLC 高效液相色谱 |
30–45 |
| 糖类组成（麦芽糖、麦芽三糖、麦芽四糖、葡萄糖、总糖） | 高效液相色谱 | 30–45 |
| 甘油 | 高效液相色谱 | 30–45 |
| 乳酸 | 离子色谱 | 30–45 |
| 乙酸 | 离子色谱 | 30–45 |
| 水分测量 | 卡尔费休滴定 | 5–10 |
如果测量表1中的所有参数，则需使用六种不同的设备，至少耗时一小时。考虑到还需要进行调试步骤和参考扫描以保障准确性，常规发酵分析所需的时间将进一步延长。单次玉米发酵过程长达55小时——其中分析耗时1小时，每次测量间隔6小时。不过，当并行发酵数量增至四或六个时，不同发酵罐的测量数据将开始产生时间重叠。
仪器需求的重叠和冗长的分析时间给生物乙醇生产商带来了多重挑战。首先，如果计划采样时间重叠，那么有的采样必然会有所延迟，或者有的样品会在等待分析期间发生老化。其次，冗长的分析时间意味着数据传递至工厂控制中心时，其时效性已严重滞后——至少延迟一小时以上，这极大削弱了工厂应对异常情况的能力。这两种状况对生产商而言均非理想状态——毕竟时间就是金钱。
漫长的实验室分析时间和低频次的测量会削弱实施干预措施或调整其它关键参数（如，酶添加速率、工艺温度）的能力。此外，如果判断某批次发酵已无法挽救，如此长的等待时间还会阻碍提前终止发酵并启动新批次的决策。
更快的测量意味着更高的利润
克服测量时间挑战的直接方法是增加实验室的仪器数量和/或引入自动化。不过，这种方法存在时间成本；样品制备工作量翻倍将增加运营开支，却仍无法为工厂运营团队提供快速反馈。
克服测量时间延迟更好的方法是采用近红外光谱技术：仅需一台设备，即可在五分钟内，同时完成所有传统的实验室检测项目。
图2 展示了某工厂多次发酵过程中通过高效液相色谱法测得的平均乙醇浓度。数据显示前12小时存在明显的不连续现象，葡萄糖和可溶性固形物出现峰值。此外，48小时的总固体测量值显然是错误的。但由于实验室数据收集耗时过长，该峰值被忽略而未进行复测。
如图3所示，近红外光谱技术作为传统测量的替代方案，可对单次发酵过程进行近乎实时的监测。这种快速分析得以实现，是因为近红外光谱技术对样品制备的要求极低。相较于高效液相色谱与其它分析方法的组合，每个样品需要耗费操作人员约60分钟；而近红外光谱技术则可在一分钟内完成相同参数的测量，并获得高质量的结果。在发酵初期阶段采集大量的近红外光谱图，可以提供更高精度的过程图景，从而使干预措施能够更及时地实施，尽可能优化乙醇产量。
如表2所示，采用更快速的近红外光谱分析技术可通过增加批次数量和收益来提升工厂总产量。使用传统分析方法时，发酵过程通常持续62-65小时，具体时长取决于实验室的检测结果（图2）。
使用近红外光谱分析，该发酵过程约在56小时完成（图3）。将发酵时间缩短6小时，可使年产量增加13批次，相当于工厂产能提升10%。
| 传统实验室分析 | 近红外光谱分析 | |
| 总测量时间 | 12 小时 | 5 小时 |
| 测量次数 | 12 | 62 |
| 发酵终点 | ~62 小时 | 56 小时 |
| 批次产能 | 37,850 L | 37,850 L |
| 年批次量 | 129 | 142 |
下载我们的免费白皮书，了解更多信息
本免费白皮书探讨了近红外光谱技术相较于传统测量方法（如，高效液相色谱）的优势，并阐述了近红外光谱技术如何提升工厂产能、如何通过更有效的过程干预降低成本，以及瑞士万通如何通过云端提供乙醇解决方案。
适用于乙醇生产商的近红外光谱解决方案
瑞士万通可为乙醇生产商提供多种近红外光谱解决方案，旨在简化分析流程并优化生产。DS2500 近红外光谱固体分析仪（图4）非常适用于实验室快速分析发酵过程中的多个关键质量参数。
您可下载下方的免费应用报告，深入了解瑞士万通实验室型近红外光谱仪如何对发酵过程进行质量控制测量。
此外，瑞士万通还生产适用于直接在过程中测量的在线型近红外光谱仪（无需取样并运送至实验室）。此类测量方式更能反映实际工艺条件，因此可为操作人员提供更高质量的数据。
点击下方链接，了解更多关于我们不同系列的近红外光谱过程分析仪及配件的信息。
过程分析仪与控制室之间的数据通信可实时直观地呈现当前运行状态，没有任何延迟，且可在结果超出规格时集成预警功能，或在发酵过程判定完成时通知操作人员。
如需了解更多关于在生物乙醇生产中使用近红外光谱进行过程分析的信息，请下载我们的免费过程应用报告。
总结
近红外光谱分析技术将发酵过程中的样品测量时间缩短约90%——从一小时缩短至五分钟。更快的测量速度使发酵过程得以更紧密地监测，既节省了操作人员的时间从而降低了成本，又优化了工艺条件和工厂运营。通过近红外光谱技术快速测定发酵罐内的多项参数来确定发酵终点（而非依赖分析速度较慢的传统实验室方法），可实现10%的产能提升。
近红外光谱技术不仅可以监测发酵过程，还可以评估乙醇工厂其它设备（如，离心机、干燥机）的运行性能，从而为提升整个工厂的运营效率提供有力支持。
参考文献
[1] Annual Fuel Ethanol Production U.S. and World Ethanol Production. Renewable Fuels Association: Washington, DC, 2021. https://ethanolrfa.org/statistics/annual-ethanol-production/
[2] Essential Energy: 2021 Ethanol Industry Outlook. Renewable Fuels Association: Washington, DC, 2021. https://ethanolrfa.org/wp-content/uploads/2021/02/RFA_Outlook_2021_fin_low.pdf
[3] Determining the Cost of Producing Ethanol from Corn Starch and Lignocellulosic Feedstocks. National Renewable Energy Laboratory (NREL): Golden, Colorado, USA, 2000. https://www.nrel.gov/docs/fy01osti/28893.pdf
