甲醇四塔精馏系统的多目标优化

第49卷第6期石油化工自动化Vol. 49, No. 62013年12月AUTOMATION IN PETRO-CHEMICAL INDUSTRYDecember, 2013甲醇四塔精馏系统的多目标优化施辰斐,赵霞,邵惠鹤(上海交通大学电子信息与电气工程学院,上海200240)摘要:粗甲醇的精馏是甲醇生产中的高耗能、低能效环节，而变负荷四塔精馏系统具有非线性、强耦合强时延的特点，针对该系统的能耗优化既是生产成本控制和节能减排的重点也是难点。研究当进料负荷、进料质量、出料要求等条件改变时.如何调节系统的控制参数，以达到产品单位能耗和产量多目标的协同优化。实验结果表明单目标优化的单位能耗降低很多.但牺牲了产量;多目标优化的能耗优化效果略逊于单目标,但稳定地提高了产量。关键词:甲醇四塔精馏遗传算法多目标优化 节能中图分类号: TP273.1文献标志码: B文章编号: 1007- 7324(2013)06 -0040- 03Multi-Objective Optimization of Four-Column Methanol Ditillation SystemShi Chenfei, Zhao Xia, Shao Huihe(School of Electronic Information and Electric Engineering,Shanghai Jiaotong University, Shanghai, 200240, China)Abstract: Distillation process is the unit with high energy consumption and low efficiency formethanol production. Load changeable four column distillation system has the characteristics ofnon-linearity, strong coupling and time delay, and energy consumption optimization on thissystem is the key and difficult point for production cost control, energy saving and wastereduction. How to adjust system control parameter to meet multi-objective synergeticoptimization for product unit energy consumption and productivity with change of feeding load,feeding quality and discharge requirement is studied. Experimental results show that single-objective optimization of the proposed algorithm reduces unit energy consumption sharply withproductivity loss. Multi-objective optimization reduces less unit energy consumption withproductivity stably increasing.Key words: four-column methanol ditillation; genetic algorithm; multi-objective optimization; energysaving甲醇作为煤化工产业最主要的产品之--和重产经验,存在两大缺点:无法保证能耗与产量的最要的替代能源,在当今全球化工市场起着非常重要优;由于系统的滞后性,通常在1~2 h后才能测得的作用。精馏是甲醇生产的关键环节,由于精馏处系统稳定后的产 品质量。如果参数调节不当,会导于生产环节的末端,其性能直接影响着末端产品的致产品质量不达标,造成已有产品的浪费。这两点质量.与产量,因而对企业的产量及收益影响重大;都会导致生产成本难以降低,物料与能源的利用率同时由于精馏能耗在总能耗中占比很大,降低精馏难以提高。环节的能耗成为企业节约成本与完成节能减排目笔者以文献[1]中提及的上海焦化厂的甲醇四标的重要课题。塔精馏系统为背景,以文献[2 - 3]中提到的BP神在实际生产中,精馏系统的进料流量、质量等经网络 方法建模,使用改进的遗传算法求解约束条进料条件会随着上游生产状况发生改变,出料产品件改 变时的最优操作变量,实现系统稳定后的单位质量等指标也会依据企业的生产规划发生改变。能耗、流量多目标协同优化。当这些条件与约束指标改变时,如何调节精馏系统的控制参数,达到产品单位能耗、产品流量等多个稿件收到日期: 2013-07-09,修改稿收到日期: 2013-08-26。目标的整体最优，成为精馏系统控制的研究重点。作者简介:施辰斐(1989- -), 上海交通大学电子信息与电气工程学现有的精馏系统参数调节单纯依靠工人的生院自 动化系控制工程专业，在读硕士研究生。第6期施辰斐等.甲醇四塔精馏系统的多目标优化1工艺流程与 系统建模根据系统自由度分析,最后选取4个相互独立甲醇四塔精馏系统的工艺流程如图1所示。的参数作为系统的操纵变量:Q加压塔的供粗甲醇经换热后进人预精馏塔,脱除轻组分,塔底热,kW/h;k-加压塔 塔顶采出的流量与常压塔的高沸点组分经加压后进人加压塔。加压塔塔顶塔顶采出的流量之比;p一加压塔塔 顶的压力，的气体进人换热器,利用加压塔塔顶和常压塔塔底kPa;qm一常压塔侧线采出的流量,kg/h。的温差,冷凝加压塔塔顶气相,同时给常压塔塔底提综上所述,系统的寻优任务可描述为当进料条供热能。加压塔与常压塔的塔顶馏出精甲醇产品，件或约束条件发生改变时,寻找最优的操纵变量，-部分回流回塔内。常压塔的侧线抽出物进人甲醇使得2个目标得到协同优化,其数学描述可定义为回收塔抽出杂醇油,废水进人生化系统处理[43。min: f = [B,1/qm](1)加压塔塔顶、常压塔塔底热交换形成的双效精s.t. Wp(Q, k, p，9m2)≤Wnaxl馏降低了能耗,但增加了两塔变量的耦合;同时考wpe(Q, k,力, 9m2)≤Wmwe虑到系统的非线性与优化计算的实时性要求,本文采用BP神经网络来建模。由于预精馏塔操作相式中: Wpl加压塔塔顶精甲醇产品中实际乙醇对独立、只通过塔底出料影响后续工序,且其能耗的质量分数,10-6 ;w,--常 压塔塔顶精甲醇产品.占精馏总能耗的比例较小，因而不对其建模,而是中实际乙醇的质量分数,10-6。将预精馏塔的出料(预后粗甲醇)作为系统的进料。2.2遗传算法寻优根据焦化厂的历史数据对系统变量进行- -定的对于四塔精馏系统而言,遗传算法是一种有效简化,结合系统自由度的分析[5] ,并通过-系列的调的解决多目标最优化问题的方法,其核心是将解的试,最终采用7个输人节点、5个输出节点、10个隐搜索空间映射成为遗传空间,将变量映射成染色含层节点的BP神经网络作为精馏系统的模型。体，向量的元素映射成基因。通过种群中各染色体的复制、交叉和变异,使子代个体继承父体更优良精甲醇不凝气的特性,经过不断迭代获得最优的可行解(6]。本文使用的是- -种带最优保留以及自适应交叉、变异概补充水- -率的遗传算法。所谓自适应是指交叉和变异概率粗甲杂醇油随着算法的收敛分别减小与增大,从而可以在寻优初期加快探索速度,同时保护优良染色体;在寻优后-废水期加快收敛,同时依靠变异来跳出局部最优。保优策略是指本轮与全局最优个体不进行变异和交叉，预精馏塔加压塔常压塔回收塔防止优秀的染色体被破坏。另外,子目标及总体目图1四塔精馏工艺流程示意标适应度都通过平移与拉伸进行归- -化, 从而拉开2基于遗传算法的多目标优化染色体之间的性能差异,避免算法陷人局部最优”。2.1 多目标优化问题的定义将算法求出的最优个体输人BP网络模型中，如前所述,甲醇精馏系统(后三塔)为带约束条可进一步求出回流比等其他最优的操作数据,算法件的多目标优化。主要有2个优化目标，分别用2流程如下:个指标来表征: B--精甲 醇产品的单位能耗,表1)种群初始化。在四维空间中用1个长度为征生产成本与节能减排指标,kW/kg;qm-加压40位的染色体表征Q,k,p,qn24个变量,分别占用塔与常压塔精甲醇产品的流量和,表征产量，9,16,10,5 个二进制基因。个体规模为200,随机初kg/h。.始化为第- -代种群,最大遗传代数为2 00,选代开始。精馏系统有3个进料条件与2个约束条件,其2)计算每个个体适应度。结合BP网络,计算中Cmx和Cmxe2为约束条件,代表精甲醇产品的纯度每-一个个体的B,qm与wp,Wp;计算每个染色体等级: 9ma- 预后粗甲醇的流量,kg/h;w- 预的3个子目标适应度fi,f2,fs;计算每个染色体后粗甲醇中甲醇的质量分数,%;wr--预后粗 甲的3个归- -化适应度fu,fz;,fs;计算每个染色体醇中乙醇的质量分数,%;Wnex一一加压塔塔顶精的总体目标绝对适应度f{;计算每个染色体的归甲醇产品中乙醇的最大容许质量分数, 10-*; - 化适应度f;更新适应度、更新本轮最优与全局wnwxe一常 压塔塔顶精甲醇产品中乙醇的最大容最优个体。许质量分数,10-6。计算公式如式(2)~式(6)所示:42石油化工自动化.第49卷根据实验结果可以看出:无论是单目标优化(2)B+10"e. + 10"ez还是多目标优化,对于精馏系统的精甲醇单位能耗_9m(3)的优化都具有明显效果,且结果的稳定性较好。2X 10°e1+2X 10°ez .由于甲醇精馏的高能耗以及低能源利用率,10%(4)左右的能耗降低已能带来相当可观的效益。能耗优化的实质是“卡边操作”,通过降低精甲醇产品的f':= fi;+fa(5)精度(wmx和wme从(1~2.5)X105普遍提高到f;=-_ f:-f.m3. 6X10“以上),但仍保持其质量合格,使塔顶回f'm- f'min流比减少,从而降低能耗。式中:实验结果也证明当只对单位能耗进行优化时，产量会略有下降,其原因是单位能耗的控制目标对(wpx\≤Wmax)e] =<产量的抑制作用;而当多目标优化时,单位能耗的wp1 -Wma (wpl≥Umx) (7)优化效果略差于单目标,但稳定地提高了产量。(Wp2≤Wmxe)4结束语{Wp2- Wmx2 (wp2≥Wmx2)本文研究了实际投人运行的四塔精馏系统,当进料条件与约束条件发生变化时产品的单位能耗3)选择、交叉与变异。a)根据适应度函数,以轮盘赌的概率生成下和产量的多目标优化。首先分析了精馏系统,确定-代种群的前198个染色体。第199个个体为本了优化问题的条件、目标与操作变量,然后采用最轮最优染色体,第200个个体为全局最优染色体。优保留与自适应交叉、变异概率的遗传算法寻优，b)前198个染色体两两配对,根据自适应的从而得出系统稳态时各塔的最佳操作参数。实验交叉概率交叉。交叉时,对个体中代表4个变量的结果表明无论是单目标还是多目标算法都能稳定二进制位,分别随机产生1个交叉起始位数。地降低单位能耗。c)对交叉后的前198个个体,根据自适应的另外,本文讨论的优化目标都是基于系统静态变异概率变异,交叉时,4个变量分别随机产生单模型的稳态指标。在不改变模型的前提下,还可以讨论动态优化目标,减少不可控的过渡时间。将这个变异位。4)如果循环已满2000次，则算法结束，输出些动态目标与能耗、产量等动态目标结合,可以从更广的意义上研究精馏系统的多目标优化问题。最优个体，否则跳至步骤2)。参考文献:3优化实验 与结果分析假设生产条件改变为满负荷75%左右,进人[1] 蒋纪还甲醇生产的四塔精馏工艺探讨[J].现代化工，1998(09); 21-22.加压塔的粗甲醇总流量为55.085t/h,甲醇质量分[2]陈心路. 甲醇精馏能耗建模和优化研究[D].上海: 上海交数为84.9%,乙醇质量分数为0.2%,约束指标双通大学,2011.塔产品中乙醇质量分数均需低于5X10~5。分别选[3]孙达军甲醉四塔精馏建模与变负荷能耗优化研究[D].上海:上海交通大学,2012.取以下两种优化策略:单目标精甲醇单位能耗;双[ 4]黄风林,向小凤. 甲醇精馏过程四塔流程模拟分析[J].石油目标单位能耗+精甲醇产量。每一种策略运行与天然气化工，2007 ,36(01): 18-21.6次,并且随机选取6组焦化厂历史记录作为对照，[5] 刘兴高.精馏过程的建模、优化与控制[M]. 北京:科学出观察两种策略各自的优化结果分析见表1所列。版社,2007.[6]李敏强，寇纪淞,林丹.遗传算法的基本理论与应用[M].表1两种策略优化结果分析北京:科学出版社,2002.[7]陈长征 ,王楠.遗传算法中交叉和变异概率选择的自适应方优化方式法及作用机理[J].控制理论与应用,002,19(01); 41-43.优化目标单位能单位能耗+[8]赵西坤.柳永兵,张新凤.三塔精馏的优化运行和总结[J].耗优化流量优化化肥工业,2007,34(06): 28-32.[9] 朱文龙.基于遗传算法的BP神经网络在多目标优化中的单位能绝对值/(kW. kg~l) 0. 068 40. 0603应用研究[D].哈尔滨:哈尔滨理工大学,2009.耗降低量相对值,%11. 4000 10. 0000 0[10]公茂果 ,焦李成，杨咚咚,等.进化多目标优化算法研究[J].产量绝对值/(kg.h1) -74. 2000928. 900软件学报，2009,20(02); 271-289.增加值一0.16302. 0500[11] 伍力,昊捷,钟丹虹.多目标优化改进遗传算法在电网规划中的应用[J].电力系统自动化,2000,24(12): 45-48.