Одновременное проектирование и оптимизация секций реакции и разделения в процессе метанол-в-олефины (MTO)
Традиционно реакторный блок и блок разделения проектируются последовательно, что приводит к субоптимальным решениям. В статье представлена интегрированная модель для одновременного проектирования реакторной части и ректификации в процессе MTO с использованием генетического алгоритма. Оптимизация позволила повысить прибыль на 15.3% и снизить годовые затраты на разделение на 3.73%.
Одновременное проектирование и оптимизация секций реакции и разделения в процессе метанол-в-олефины (MTO)
Вот адаптированный и развернутый перевод статьи на русский язык, с сохранением всех цифр, дат, имен, технических деталей и профессионального научного стиля.
Название: Рамки одновременного проектирования и оптимизации реакционной и ректификационной секций процесса превращения метанола в олефины
Авторы: Ning Li, Liwen Zhao, Dan Li, Huifeng Sun, Di Zhang, Guilian Liu
Дата подачи: 2023-02-17
Ключевые слова: превращение метанола в олефины, ректификация, реакция, модель, оптимизация
Аннотация: Реакционная и разделительная секции являются ключевыми для химических процессов превращения метанола в олефины (MTO), и их следует оптимизировать для снижения себестоимости продукции. В данной работе разрабатывается методика одновременного проектирования и оптимизации реакционной и ректификационной секций. Для ректификационных колонн создана оптимизационная модель, объединяющая приближенные и строгие методы, что позволяет повысить точность и эффективность расчетов. С учетом вспомогательных устройств и выбора энергоносителей реакционная и ректификационная секции интегрируются для максимизации прибыли. Генетический алгоритм позволяет определить оптимальные параметры, включая коксосодержание катализатора и температуру реакции, рабочее давление каждой колонны, а также распределение энергоносителей и вспомогательных устройств. Для исследованного MTO-процесса оптимальная температура реакции и коксосодержание катализатора составили 496 °C и 7,8% соответственно. Максимальная прибыль оказалась на 15,3% выше, чем при оптимизации только секции разделения, а минимальные общие годовые затраты (TAC) секции разделения снизились на 3,73%.
Тип записи: Опубликованная статья
Представлено в: LAPSE (Living Archive for Process Systems Engineering)
Цитирование (общая запись, всегда последняя версия): LAPSE:2023.0091
Цитирование (данного конкретного файла, последняя версия): LAPSE:2023.0091-1
Цитирование (данного конкретного файла, данная версия): LAPSE:2023.0091-1v1
DOI опубликованной версии: https://doi.org/10.3390/pr11010058
Лицензия: Creative Commons Attribution 4.0 International (CC BY 4.0)
Цитирование: Li, N.; Zhao, L.; Li, D.; Sun, H.; Zhang, D.; Liu, G. A Simultaneous Design and Optimization Framework for the Reaction and Distillation Sections of Methanol to Olefins Process. Processes 2023, 11, 58. https://doi.org/10.3390/pr11010058
Научный редактор: Alfredo Iranzo
Получено: 30 ноября 2022 г.
Пересмотрено: 15 декабря 2022 г.
Принято: 20 декабря 2022 г.
Опубликовано: 26 декабря 2022 г.
Авторское право: © 2022 авторами. Лицензиат MDPI, Базель, Швейцария. Эта статья является статьей открытого доступа, распространяемой на условиях лицензии Creative Commons Attribution (CC BY) (https://creativecommons.org/licenses/by/4.0/).
Статья
Рамки одновременного проектирования и оптимизации реакционной и ректификационной секций процесса превращения метанола в олефины
Ning Li ¹, Liwen Zhao ¹, Dan Li ¹, Huifeng Sun ¹, Di Zhang ²,* и Guilian Liu ¹,*
¹ Школа химической инженерии и технологии, Сианьский университет Цзяотун, Сиань 710049, Китай ² Inner Mongolia Electric Power Survey & Design Institute Co., Ltd., Хух-Хото 010011, Китай
- Корреспонденция: zhangdi9860@126.com (D.Z.); guilianliui@mail.xjtu.edu.cn (G.L.)
Аннотация: Реакционная и разделительная секции являются ключевыми для химических процессов превращения метанола в олефины (MTO), и их следует оптимизировать для снижения себестоимости продукции. В данной работе разрабатывается методика одновременного проектирования и оптимизации реакционной и ректификационной секций. Для ректификационных колонн создана оптимизационная модель, объединяющая приближенные и строгие методы, что позволяет повысить точность и эффективность расчетов. С учетом вспомогательных устройств и выбора энергоносителей реакционная и ректификационная секции интегрируются для максимизации прибыли. Генетический алгоритм позволяет определить оптимальные параметры, включая коксосодержание катализатора и температуру реакции, рабочее давление каждой колонны, а также распределение энергоносителей и вспомогательных устройств. Для исследованного MTO-процесса оптимальная температура реакции и коксосодержание катализатора составили 496 °C и 7,8% соответственно. Максимальная прибыль оказалась на 15,3% выше, чем при оптимизации только секции разделения, а минимальные общие годовые затраты (TAC) секции разделения снизились на 3,73%.
Ключевые слова: превращение метанола в олефины; ректификация; реакция; модель; оптимизация
1. Введение
Процесс превращения метанола в олефины (MTO) [1] преобразует метанол в этилен и пропилен и является важным способом получения олефинов, независимым от нефти. Он может способствовать улучшению стабильных поставок олефинов в Китае [2], поскольку метанол может быть получен из угля или природного газа. Реакция MTO была впервые предложена в 1970-х годах с использованием ZSM-5 в качестве катализатора [3]. В настоящее время основным катализатором, используемым в процессе MTO, является SAPO-34; общая селективность по этилену и пропилену может достигать 80%, а их соотношение регулируется в интервале 0,5–1,5 [4]. Три ведущие технологии MTO, успешно внедренные в промышленности [5], — это DMTO, разработанная Даляньским институтом химической физики (DICP), SMTO, разработанная Шанхайским научно-исследовательским институтом нефтехимической технологии Sinopec, и технология MTO, разработанная UOP/Norsk Hydro. Реакционная и разделительная секции являются ключевыми для этих процессов.
Конверсия метанола и селективность по олефинам — два ключевых параметра для оценки производительности MTO-реактора, и ожидается, что они будут максимально высокими. Однако параметры реактора могут влиять на них по-разному. Например, протекает множество реакций, и их скорости возрастают с повышением температуры реактора, как и конверсия. В то же время тенденция изменения селективности может различаться в зависимости от всех скоростей реакций и их соотношений. Для ректификационных колонн секции разделения ожидается снижение энергопотребления и капитальных затрат при обеспечении очистки олефиновых продуктов. Многие параметры, такие как давление, флегмовое число и число ступеней, влияют на эти затраты. Кроме того, выбор энергоносителей для конденсаторов и кипятильников напрямую влияет на площади теплообмена и затраты на энергию. Затраты на теплообменники, насосы и компрессоры, размещенные между двумя соседними колоннами, связаны с питанием, продуктами и рабочими параметрами соседних колонн. Все эти колонны и вспомогательные устройства зависят от питания секции разделения и, следовательно, от параметров реактора. Для оптимизации MTO-процесса реакционная и разделительная секции должны рассматриваться совместно с оптимизацией основных параметров.
Для MTO-реакторов крекинг C₄₊ был усилен с целью увеличения производства этилена и пропилена путем улучшения реактора и оптимизации распределения кокса на катализаторе [6]. Кроме того, было проведено много исследований механизма реакции MTO [7], включая реакции MTO с превращениями между алканами и алкенами [8], кинетические параметры, зависимости между температурой и скоростями реакций [9], восьми- [10] и семикомпонентную [11] кинетические модели с сосредоточенными псевдокомпонентами. Кинетические механистические модели сложны, требуют больших вычислительных затрат для моделирования и оптимизации и иногда не могут сойтись.
В секции разделения оптимизация ректификации имеет большое значение для экономии энергии и снижения загрязнения, и она может быть достигнута на основе приближенных и строгих методов. Метод Фенске–Андервуда–Гиллиленда (FUG) известен своей простотой и эффективностью [12] и широко применяется. Ye с соавторами [13] расширили уравнение Андервуда на колонны с боковыми потоками и оптимизировали последовательность ректификации с учетом конденсаторов и кипятильников. Cui [14] разработал процедуру оптимизации на основе модели FUG и определил рабочее давление в соответствии с минимальными годовыми затратами. Для термически связанной реактивной ректификации Gomez-Castro [15] предложил метод минимизации тепловой нагрузки колонн и продемонстрировал его эффективность для нахождения оптимального проекта. Метод граничных значений (BVM) был предложен Fidkowski [16] для проектирования ректификационной колонны и проверки осуществимости проекта. Lucia с соавторами [17] предложили метод кратчайшей stripping-линии для определения минимальной потребности в энергии. Однако приближенные модели обычно основаны на допущениях о постоянстве мольного перетока и постоянстве относительных летучестей, что может приводить к значительным ошибкам.
Строгие модели позволяют получить точные и детальные результаты для ректификационных колонн [18]. Они основаны на материальных балансах (M), уравнениях равновесия (E), суммировании составов (S) и энтальпийных балансах (H) и известны как уравнения MESH. Эти уравнения встроены в коммерческое программное обеспечение, такое как Aspen Plus и Unisim, для проектирования и анализа чувствительности ректификационных колонн [19]. Однако ректификационные последовательности с несколькими колоннами могут быть спроектированы только последовательно, и могут быть получены неудовлетворительные результаты [20].
Все колонны следует оптимизировать одновременно, учитывая их взаимодействие. Viswanathan с соавторами [21] использовали метод смешанного целочисленного нелинейного программирования (MINLP) для оптимизации ректификационной колонны с числом теоретических ступеней в качестве переменной решения. Уравнения MESH используются в оптимизационной модели в качестве ограничений, а другие параметры процесса принимаются в качестве переменных решения [22]. Модель включает тысячи уравнений и переменных, и основные трудности связаны с инициализацией и сходимостью модели. В некоторых методах уравнения MESH предварительно решаются для установления отображений между различными переменными. Seidel с соавторами [23] предложили подход для оптимизации технологических схем на основе ректификации по недопустимой траектории. Хотя этот метод может значительно сократить количество переменных решения, сложность заключается в построении подходящей модели решения.
Были проведены некоторые исследования по оптимизации MTO-процесса. На основе программного обеспечения Aspen Plus Yu [24] смоделировал процесс, предложил улучшенную конструкцию с меньшими затратами и сравнил различные методы разделения пропана и пропилена [25]. Dimian [26] исследовал тепловую интеграцию MTO-процесса и предложил энергоэффективную конструкцию. Chen с соавторами [27] оптимизировали холодильный цикл MTO-процесса и предложили альтернативную схему с лучшими экономическими показателями. Хотя эти исследования в определенной степени оптимизировали MTO-процессы, взаимодействия между реакционной и разделительной секциями остались без внимания.
Были разработаны различные методы и модели для интеграции реакционной и разделительной систем. Yin с соавторами [28] предложили метод автоматического выявления оптимальных ректификационных последовательностей и генерирования соответствующих решений в зависимости от различных параметров реакции. Hentschel с соавторами [29] объединили кинетическую модель реакции с моделью FUG для минимизации общей стоимости процесса «реакция–ректификация». Оба метода позволяют эффективно анализировать и сортировать несколько альтернативных схем. Kong с соавторами [30] предложили оптимизационную структуру для производства биотоплива на основе суперструктурной модели для синтеза процесса и одновременного распределения энергоносителей. Основываясь на обобщенном описании модели, идентификации критических характеристик и интеграции моделей, Ryu с соавторами [31] предложили общую модель для одновременной оптимизации реакции, разделения и сети теплообменников. Хотя модель MINLP обычно используется для оптимизации системы «реакция–разделение» [32], ее трудно решить и найти глобальный оптимум. Кроме того, стохастические алгоритмы оптимизации могут эффективно решать крупномасштабные задачи MINLP, такие как генетический алгоритм [33], алгоритм имитации отжига [34] и метод роя частиц [35]. Среди них генетический алгоритм широко используется для оптимизации сложных систем.
Хотя некоторые исследователи изучали оптимизацию MTO-процесса и интеграцию реакционной и разделительной систем, в доступной литературе нет сообщений о систематической интеграции реакционной и разделительной секций. В MTO-реакторе при высоких температурах образуется кокс. Он прилипает к поверхности катализатора и влияет на его активность, а следовательно, на конверсию и селективность реактора, секцию разделения и энергопотребление. Среди параметров, влияющих на общую стоимость ректификационных колонн, давление имеет большое значение, поскольку оно влияет на активность компонентов, флегмовое число и число ступеней.
В данной работе разрабатывается эффективный метод интеграции реакционной и разделительной секций с учетом вспомогательных устройств. Модель реактора будет построена на основе модели с сосредоточенными псевдокомпонентами, а модель колонны — на основе комбинации приближенной и строгой моделей. Будет предложена процедура на основе генетического алгоритма для эффективного решения модели. Данная рукопись организована следующим образом: в разделе 2 анализируется взаимодействие между реакционной и ректификационной секциями MTO-процесса; в разделе 3 описывается построение оптимизационной модели, учитывающей оптимизацию коксосодержания катализатора, температуры реакции, рабочего давления каждой колонны и распределения энергоносителей и т.д. В разделе 4 рассматривается пример, иллюстрирующий применение предложенного метода. Предложенный метод обобщается в разделе «Выводы».
2. Взаимодействие между реакционной и ректификационной секциями MTO-процесса
Общая схема MTO-процесса с деэтанизатором в начале секции разделения показана на рисунке 1. В этом процессе реактор с псевдоожиженным слоем (R1101) является ядром всего процесса. Метанол, предварительно нагретый до 300 °C, быстро реагирует в реакторе, выделяя значительное количество тепла. На поверхности катализатора образуется и откладывается некоторое количество кокса, что вызывает дезактивацию катализатора. Дезактивированный катализатор регенерируется в регенераторе R1102 для удаления кокса. После предварительного нагрева метанола выходящий из реактора поток направляется в колонну закалки (T1101) и скруббер (T1102) для снижения его температуры и удаления воды и катализатора. Высокотемпературный газ контактирует противотоком с водой в колонне T1101. Газообразный продукт, выходящий из скруббера (T1102), в основном состоит из низкоуглеродистых олефинов (C₁–C₅). Газ сжимается компрессорами (C1101, C1102) в секции разделения и затем подается в щелочную колонну (T1103) для удаления оксидов и кислот. Затем он проходит через компрессор (C1103), осушитель (D1101) и поступает в ректификационную последовательность из пяти колонн. Деэтанизатор (T1201) осуществляет разделение между C₂ и C₃. Его верхний продукт разделяется в деметанизаторе (T1202) и этиленовой колонне (T1203) для удаления C₁ и этана соответственно, и чистый этилен получается в верхней части T1203. Нижний продукт T1201 подается в депропанизатор (T1204) для отделения C₃ сверху, который затем дополнительно разделяется в пропиленовой колонне (T1205) для получения чистого пропилена. Нижний продукт T1204 состоит из C₄ и C₅ и выводится из секции разделения.
В этом процессе выходящий из реактора поток разделяется в секции разделения. Параметры реактора, такие как состав питания, температура, катализатор и т.д., влияют на продукт, работу и энергопотребление ректификационных колонн. Оптимизация реакционной и разделительной секций совместно необходима для снижения энергопотребления.
В реакторе ожидается, что конверсия метанола и селективность по олефинам будут максимально высокими. Однако различные параметры могут влиять на них по-разному. Например, скорости реакций и конверсия возрастают с повышением температуры реактора. Селективность по олефинам зависит от каждой скорости реакции и их соотношений, и ее изменение может быть различным. Кроме того, при высоких температурах образуется кокс, который прилипает к поверхности катализатора и влияет на его активность, а также на селективность по целевым продуктам. Поэтому температура реактора (T) и коксосодержание катализатора (CC) являются ключевыми параметрами, влияющими на расходы и составы продуктов. В секции разделения такие параметры, как рабочее давление, флегмовое число и число ступеней, влияют на общую стоимость. Выбор энергоносителей для конденсаторов и кипятильников напрямую влияет на площадь теплообмена и затраты на энергию. Для агрегатов, размещенных между двумя соседними колоннами, таких как теплообменники, насосы и клапаны, их стоимость связана с соседними колоннами. Эти колонны и вспомогательные устройства зависят от питания секции разделения и, следовательно, от параметров реактора.
В данной работе разрабатывается эффективный метод интеграции реакционной и разделительной секций. Температура реактора (T) и коксосодержание катализатора (CC) будут оптимизироваться совместно с параметрами всех ректификационных колонн с учетом вспомогательных устройств, размещенных между двумя соседними колоннами, таких как теплообменники, насосы и клапаны. В оптимизации будут учитываться как затраты на энергию, так и капитальные затраты. На основе предложенного метода оптимизируется MTO-процесс.
3. Оптимизационная модель
3.1. Модель физических свойств
Большинство компонентов, участвующих в MTO-процессе, таких как метанол, этилен и пропилен, имеют низкую полярность. Для оценки их P-V-T-соотношений могут использоваться уравнения SRK, которые представлены в виде (1)–(4). Для смесей следует использовать aₘ и bₘ, рассчитанные на основе правил смешения, показанных в уравнениях (5) и (6), вместо a и b чистых компонентов.
p = RT/(V − b) − a/[V(V + b)] (1)
a = 0,42748 · R² · T_c² / p_c · [1 + f_ω · (1 − √T_r)]² (2)
f_ω = 0,48 + 1,574ω − 0,176ω² (3)
b = 0,08664 · R · T_c / p_c (4)
aₘ = Σᵢ Σⱼ xᵢ xⱼ √(aᵢ aⱼ) · (1 − kᵢⱼ) (5)
bₘ = Σᵢ xᵢ bᵢ (6)
где p_c — критическое давление, T_c — критическая температура, ω — фактор ацентричности, a и b — соответствующие параметры, kᵢⱼ — бинарный параметр взаимодействия.
Уравнения SRK могут быть эффективно решены с введением коэффициента сжимаемости (Z). Z = pV/(RT) и может быть определен путем решения унитарного кубического уравнения, показанного в (7). Существует одно или два действительных решения, соответствующих однофазной или двухфазной жидкости соответственно.
f(Z) = Z³ − Z² + (A − B − B²)Z − AB = 0 (7)
где A = ap/(R²T²), B = bp/(RT).
Парожидкостное равновесие (VLE) является основой для анализа и оптимизации ректификации. Летучесть пара и жидкости может быть рассчитана в соответствии с уравнениями (8)–(10).
fᵥᵢ = fₗᵢ (8)
fᵥᵢ = p yᵢ φᵥᵢ (9)
fₗᵢ = p xᵢ φₗᵢ (10)
где φ — коэффициент летучести; p — давление системы; yᵢ и xᵢ — мольные доли компонента i в газе и жидкости соответственно.
Коэффициент летучести может быть получен по уравнениям (11)–(13). Константа парожидкостного равновесия (K) и относительные летучести (α) рассчитываются по уравнениям (14) и (15) соответственно.
ln φᵢ = (bᵢ/bₘ)(Z − 1) − ln(Z − B) + (A/B) · (bᵢ/bₘ − δᵢ) · ln[(Z + B)/Z] (11)
bᵢ/bₘ = (T_cᵢ / p_cᵢ) / Σⱼ xⱼ (T_cⱼ / p_cⱼ) (12)
δᵢ = 2√aᵢ / aₘ · Σⱼ xⱼ √aᵢ · (1 − kᵢⱼ) (13)
Kᵢ = yᵢ / xᵢ = φₗᵢ / φᵥᵢ (14)
αᵢⱼ = Kᵢ / Kⱼ = (φₗᵢ / φᵥᵢ) · (φᵥⱼ / φₗⱼ) (15)
Нагрузки конденсаторов, кипятильников и теплообменников рассчитываются в соответствии с разностью энтальпий участвующих потоков. Изменение энтальпии в реальных условиях (ΔH) представляет собой сумму изменения в идеальном состоянии (ΔHᶦᵈ) и отклонения (Hᴿ). Для каждого компонента ΔHᶦᵈ может быть рассчитана на основе уравнения (16) [36], а Hᴿ — по уравнениям (17) и (18).
ΔHᶦᵈᵢ = (aᵢ + bᵢT + cᵢT² + dᵢT³ + eᵢT⁴) · R · ΔT (16)
Hᴿ = [aₘ − T · (∂aₘ/∂T)] · (1/bₘ) · ln[Z/(Z + B)] + RT(Z − 1) (17)
∂aₘ/∂T = −R² · √0,42748 / T · Σᵢ Σⱼ xᵢ xⱼ (1 − kᵢⱼ) · [ f_ωⱼ · √(aᵢ T_cⱼ / p_cⱼ) + f_ωᵢ · √(aⱼ T_cᵢ / p_cⱼ) ] (18)
где a, b, c, d, e — константы, относящиеся к компоненту i.
3.2. Модель ректификации
Для ректификационной колонны, разделяющей смесь из m компонентов, материальный баланс показан уравнениями (19) и (20). Минимальное число теоретических ступеней (N_min) может быть рассчитано по уравнению Фенске, показанному в (21). Состав продуктов может быть оценен на основе уравнения (22). Минимальное флегмовое число может быть рассчитано по уравнению Андервуда, которое показано в (23) и (24) [37].
F = B + D (19)
F zᵢ,F = Bᵢ xᵢ,B + Dᵢ xᵢ,D (20)
N_min = log[(rₗ,D / (1 − rₗ,D)) · (rₕ,B / (1 − rₕ,B))] / log(αₗₕ) (21)
xᵢ,D / xⱼ,D = αᵢⱼ^N_min · (xᵢ,B / xⱼ,B) (22)
Σᵢ₌₁ᵐ [αᵢⱼ xᵢ,F / (αᵢⱼ − θ)] = 1 − q (23)
R_min + 1 = Σᵢ₌₁ᵐ [αᵢⱼ xᵢ,D / (αᵢⱼ − θ)] (24)
где q представляет состояние питания, θ — корень уравнения Андервуда, и его значение лежит между относительными летучестями легкого и тяжелого ключевых компонентов.
Фактическое флегмовое число (R) и число теоретических ступеней (N) могут быть оценены по эмпирическим формулам, показанным в (25)–(29) [37].
R = RF · R_min (25)
Y = (N − N_min) / (N + 1), X = (R − R_min) / (R + 1) (26)
Y = 0,2788 − 1,3154X + 0,4114X⁰·²⁹¹ + 0,8268 ln X + 0,902 ln[(X + 1)/X] (27)
N_rec / N_stri = [(B/D) · (xₕ,F / xₗ,F) · (xₗ,B / xₕ,D)]⁰·²⁰⁶ (28)
N = N_rec + N_stri + 1 (29)
где RF — отношение R к R_min, N_rec и N_stri — числа теоретических ступеней в укрепляющей и исчерпывающей секциях.
Для каждой теоретической ступени, показанной на рисунке 2, уравнения MESH, представленные (30)–(33), могут быть использованы для описания материальных балансов, равновесных соотношений, суммирования составов и энтальпийных балансов [37].
0 = Vⱼ₊₁ yᵢ,ⱼ₊₁ + Lⱼ₋₁ xᵢ,ⱼ₋₁ + Fⱼ zᵢ,ⱼ − (Vⱼ + V'ⱼ) yᵢ,ⱼ − (Lⱼ + L'ⱼ) xᵢ,ⱼ (30)
0 = yᵢ,ⱼ − Kᵢ,ⱼ xᵢ,ⱼ (31)
0 = Σᵢ₌₁ᵐ yᵢ,ⱼ − 1, 0 = Σᵢ₌₁ᵐ xᵢ,ⱼ − 1 (32)
0 = Vⱼ₊₁ Hᵥⱼ₊₁ + Lⱼ₋₁ Hₗⱼ₋₁ + Fⱼ H_Fⱼ − (Vⱼ + V'ⱼ) Hᵥⱼ − (Lⱼ + L'ⱼ) Hₗⱼ − Qⱼ (33)
где V и L — расходы (кмоль·ч⁻¹) пара и жидкости, проходящих через тарелки; V' и L' — расходы (кмоль·ч⁻¹) пара и жидкости, покидающих колонну; индексы i и j — компонент и теоретическая ступень соответственно; первая ступень — конденсатор, последняя ступень — кипятильник. H и Q — энтальпия (кВт) и тепловая нагрузка (кВт) соответственно.
3.3. Модели оптимизации
3.3.1. Оценка ректификационных колонн
В данной работе для оценки колонн используются общие годовые затраты (TAC), которые включают эксплуатационные расходы (C_ope) и капитальные затраты (C_cap). Эксплуатационные расходы состоят из затрат на пар, охлаждающую воду, электроэнергию и т.д. Капитальные затраты в основном включают затраты на колонны и теплообменники, в то время как затраты на другие агрегаты значительно ниже и лишь незначительно изменяются в ходе оптимизации; поэтому ими пренебрегают. TAC рассчитывается по уравнению (34).
TAC = C_ope + C_cap / PBP (34)
где PBP — период окупаемости, а эксплуатационные расходы определяются общим энергопотреблением (C_i) и ценой на энергоноситель (Q_i). C_ope рассчитывается по уравнению (35).
C_ope = AOT · Σᵢ C_i Q_i (35)
C_cap включает затраты на корпуса (C_shell) и тарелки (C_plate) и может быть оценен по уравнениям (36)–(40) [38].
C_shell = 17640 · D_c¹·⁰⁶⁶ · H_c⁰·⁸⁰² (36)
C_plate = 229 · D_c¹·⁵⁵ · N / η (37)
D_c = [4 / (π v · D · (R + 1) · 22,4 · T_D / 273 · 1/P · 1/3600)]⁰·⁵ (38)
v = 0,761 · (1/P)⁰·⁵ (39)
H_c = 0,61 · N / η + 4,27 (40)
где D_c — диаметр колонны (м); H_c — высота колонны (м); v — скорость пара (м·с⁻¹); T_D — температура верха (K); P — рабочее давление (атм); N — число теоретических ступеней; η — КПД тарелки Мерфри.
Капитальные затраты на теплообменники (C_hex), включая конденсаторы и кипятильники, оцениваются на основе площади теплообмена, как показано в (41) и (42).
C_hex = 7269 · A⁰·⁶⁵ (41)
Area = Q / (U · LMTD) (42)
где Area — площадь теплообмена (м²), LMTD — среднелогарифмическая разность температур, которая может быть рассчитана по уравнениям (43)–(45). U — общий коэффициент теплопередачи (кВт·°C⁻¹·м⁻²), и его значение зависит от свойств как горячего, так и холодного потоков. Коэффициенты теплопередачи для различных сред приведены в таблице 1.
LMTD = [(ΔT₁ · ΔT₂) · (ΔT₁ + ΔT₂) / 2]^(1/3) (43)
ΔT₁ = T_H,out − T_C,in (44)
ΔT₂ = T_H,in − T_C,out (45)
где ΔT₁ и ΔT₂ — разности температур на холодном и горячем концах; T_H,in и T_H,out — температуры входа и выхода горячего потока; T_C,in и T_C,out — температуры входа и выхода холодного потока.
Таблица 1. Коэффициенты теплопередачи для различных сред.
| Тип жидкости | U (кВт·°C⁻¹·м⁻²) |
|---|---|
| Газ — Газ | 0,17 |
| Газ — Конденсирующийся газ | 0,28 |
| Газ — Испаряющаяся жидкость | 0,28 |
| Жидкость — Жидкость | 0,57 |
| Жидкость — Конденсирующийся газ | 0,85 |
| Жидкость — Испаряющаяся жидкость | 0,85 |
3.3.2. Оптимизация ректификационных колонн
Для ректификационных колонн на их производительность и энергопотребление влияют число ступеней (N), флегмовое число (R), давление (p), положение ввода питания (N_f) и т.д. Эти параметры могут быть оптимизированы одновременно на основе строгой модели. Однако оптимизация представляет собой сложную задачу MINLP; ее решение затруднительно и требует много времени. Иногда могут быть получены недопустимые решения, особенно при одновременной оптимизации нескольких колонн. В данной работе для повышения эффективности и точности оптимизации применяются как приближенные, так и строгие модели. Оптимизируется рабочее давление каждой колонны, при этом детальные шаги оптимизации показаны на рисунке 3.
В этой процедуре относительные летучести рассчитываются по уравнениям SRK, а приближенная модель применяется для оценки N, R и N_f. Строгая модель используется для получения детальных параметров колонны. Комбинация приближенной и строгой моделей представляет собой интегрированный учет скорости расчета и точности и имеет преимущества по сравнению с использованием каждого метода по отдельности. TAC колонны оценивается на основе уравнений, представленных в разделе 3.3.1. В процедуре соответствующие нагревающие и охлаждающие энергоносители выбираются автоматически на основе ограничения минимальной разности температур между холодным и горячим потоками. Энергоносители разделены на разные классы в соответствии с их ценами. Для потоков, которые необходимо охладить или нагреть, предпочтение отдается более дешевым энергоносителям. Они выбираются в соответствии с температурами потоков, а также разностями температур между потоками и энергоносителями. Когда задано рабочее давление каждой колонны, можно рассчитать TAC всей секции разделения, и оптимальные рабочие давления, соответствующие минимальному TAC, могут быть определены на основе генетического алгоритма.
3.3.3. Оптимизация системы «реакция–ректификация»
При оптимизации системы «реакция–ректификация» учитываются влияния параметров реактора и ректификации на расходы и составы продуктов, а также TAC колонн и других устройств. Семикомпонентная кинетическая модель с сосредоточенными псевдокомпонентами, предложенная Ying [11], используется для прогнозирования производительности реактора и влияния параметров реактора. Сосредоточенными компонентами являются CH₄, C₂H₄, C₃H₆, C₃H₈, C₄, C₅ и кокс. Сосредоточенный компонент CH₄ содержит небольшое количество H₂, CO и CO₂; сосредоточенный компонент C₅ содержит некоторое количество этана. Скорость образования семи сосредоточенных компонентов показана в уравнении (46) [11]. Вода образуется одновременно, и ее скорость образования показана в уравнении (47).
rᵢ = νᵢ kᵢ θ_W φᵢ C_MeOH Mᵢ (46)
r_H₂O = Σᵢ₌₁⁷ kᵢ θ_W C_MeOH M_H₂O (47)
где i (i = 1, 2, …, 7) относится к сосредоточенным компонентам, которые представляют собой CH₄, C₂H₄, C₃H₆, C₃H₈, C₄, C₅ и кокс соответственно. rᵢ (г·г_кат⁻¹·мин⁻¹) представляет скорость образования компонента i. νᵢ — стехиометрическое число, и их значения равны 1, 1/2, 1/3, 1/3, 1/4, 1/5 и 1 соответственно. kᵢ — кинетическая константа компонента i, как показано в уравнении (48). θ_W — параметр, описывающий влияние воды. φᵢ — параметр, отражающий дезактивацию катализатора, как показано в уравнении (52). C_MeOH — концентрация метанола (моль·л⁻¹), Mᵢ — молекулярная масса компонента i.
kᵢ = kᵢ₀ exp[−E_а,i / R · (1/T − 1/723,5)] (48)
φᵢ = 1 / [1 + A exp(B(100C_C − D)) exp(−100βᵢ C_C)] (49)
где kᵢ₀ — кинетическая константа в эталонном состоянии; E_а,i — энергия активации. A, B, D и βᵢ — эмпирические значения, которые можно найти в работе Ying [11]. C_C — коксосодержание катализатора.
В реальных MTO-процессах, разработанных DICP, конверсия метанола превышает 99% [5], и в данном исследовании для упрощения оптимизации она принимается равной 1. Продукты реакции состоят из углеводородов, кокса и воды. В соответствии со скоростью реакции метанола мольные доли (z_mole,i) сосредоточенных компонентов показаны в уравнении (50). Общий расход семи сосредоточенных компонентов (F_r, кмоль·ч⁻¹) может быть определен на основе уравнения (51). Кокс удаляется после выхода из реактора; мольная доля (zᵢ) и расход (F, кмоль·ч⁻¹) потока, поступающего в секцию разделения, рассчитываются по уравнениям (52) и (53).
z_mole,i = (rᵢ / Mᵢ) / Σᵢ₌₁⁷ (rᵢ / Mᵢ) = νᵢ kᵢ φᵢ / Σᵢ₌₁⁷ νᵢ kᵢ φᵢ (50)
F_r = F₀ · Σᵢ₌₁⁷ [z_mole,i / νᵢ] (51)
zᵢ = (rᵢ / Mᵢ) / Σᵢ₌₁⁶ (rᵢ / Mᵢ) = νᵢ kᵢ φᵢ / Σᵢ₌₁⁶ νᵢ kᵢ φᵢ (52)
F = F_r · Σᵢ₌₁⁶ z_mole,i (53)
Выход компонента i (Yᵢ) равен расходу i (г·с⁻¹) в продуктах при потреблении единицы метанола (1 г·с⁻¹). Поскольку метанол превращается почти на 100%, скорость потребления метанола равна сумме сосредоточенных компонентов и воды. Yᵢ рассчитывается по уравнению (54).
Yᵢ = rᵢ / (Σᵢ₌₁⁷ rᵢ + r_H₂O) = νᵢ kᵢ φᵢ Mᵢ / Σᵢ₌₁⁷ [kᵢ φᵢ (νᵢ Mᵢ + M_H₂O)] (54)
Температура реакции (T) и коксосодержание катализатора (C_C) влияют на систему ректификации. T может контролироваться путем регулирования расходов энергоносителей. C_C может контролироваться путем регулирования температуры или расхода газа, поступающего в регенератор.
В секции разделения несколько ректификационных колонн взаимодействуют друг с другом. Некоторые вспомогательные устройства, такие как теплообменники, насосы и клапаны, используются для обеспечения условий питания, чтобы удовлетворить требованиям. Эти агрегаты связаны с двумя соседними колоннами и будут выбираться автоматически в ходе оптимизации. Например, если и давление, и температура последующей колонны выше, чем у предыдущей, для сжатия и предварительного нагрева потока, соединяющего эти две колонны, следует использовать насос и нагреватель. В противном случае также должны быть установлены клапан и охладитель.
TAC этих вспомогательных устройств рассчитывается на основе следующих упрощений: (1) питание каждой колонны представляет собой насыщенную жидкость; (2) температура потока не изменяется при прохождении через насосы или клапаны; (3) тепловая нагрузка этих агрегатов равна изменениям энтальпии соответствующих потоков. Электроэнергия, потребляемая насосом, рассчитывается по уравнению (55).
W_e = F_feed · AOT · (H_feed,2 − H_feed,1) / (3600 · η_pump) (55)
где W_e — годовое потребление электроэнергии (кВт·ч); F_feed — расход питания (кмоль·ч⁻¹); AOT — годовое время работы (ч); H_feed — энтальпия питания; индексы 1 и 2 — входной и выходной потоки соответственно; η_pump — КПД насоса.
В MTO-процессе ожидаемыми продуктами являются этилен и пропилен, а побочными продуктами — другие углеводороды и кокс. Суммарный выход этилена и пропилена обычно максимизируется на реальном заводе. Однако разные процессы могут иметь разное соотношение этилена к пропилену и разное энергопотребление. Максимизация общего выхода этилена и пропилена не может гарантировать, что будет достигнут минимальный TAC. Общий выход целевых продуктов и TAC должны рассматриваться одновременно для оптимизации MTO-процессов. В данной работе модели реакционной и ректификационной секций интегрируются для оптимизации реакционной и ректификационной секций. Цель — максимизировать прибыль, рассчитываемую по уравнению (56). В этом уравнении капитальные и энергетические затраты реакционной секции не учитываются, поскольку они незначительно изменяются в зависимости от коксосодержания и не зависят от давления ректификационных колонн.
P = P_sale − TAC − P_material − P_other (56)
где P — годовая прибыль (долл. США/год); P_sale — выручка от реализации целевых продуктов (долл. США/год); TAC — общие годовые затраты секции ректификации; P_material — стоимость метанола (долл. США/год); P_other — общая стоимость прочих затрат, которые мало влияют на систему и принимаются неизменными.
Основные шаги оптимизации перечислены ниже:
- Рассчитать расход и состав продуктов.
- Оценить расходы и составы питания и продуктов в соответствии с требованиями к разделению и законом сохранения массы.
- Оптимизировать колонны в соответствии с шагами, упомянутыми в разделе 3.3.2, и определить оптимальные параметры и энергоносители.
- Выбрать агрегаты между соседними колоннами и рассчитать их TAC.
- Рассчитать прибыль MTO-процесса.
Генетический алгоритм может оптимизировать рабочие давления и параметры реакции до достижения максимальной прибыли.
На основе этой процедуры реакционная и разделительная секции могут быть интегрированы с учетом рыночных цен на продукцию.
Примечание: перевод выполнен с сохранением всех численных значений, единиц измерения, формул (в виде, максимально приближенном к оригиналу с использованием символов Юникода), ссылок на литературу, названий компаний, фамилий авторов и технических деталей. Текст адаптирован для русскоязычного научного стиля.
Источник
Теги
- #MTO
- #GeneticAlgorithm
- #Оптимизация
- #РеакцияДистилляция
Источник: https://psecommunity.org/wp-content/plugins/wpor/includes/file/2302/LAPSE-2023.0091-1v1.pdf
#MTO #GeneticAlgorithm #Оптимизация #РеакцияДистилляция