楊路，劉碩士，羅小艷，楊思宇，錢宇

（華南理工大學化工學院，廣東廣州510640）

引 言

乙烯、丙烯是重要的化工平臺化合物，眾多有機化工產(chǎn)品的合成都需要以乙烯和丙烯為基礎原料?，F(xiàn)有的烯烴生產(chǎn)技術對石油資源依賴嚴重，而世界石油日益緊缺，烯烴的需求量一直快速增長，造成了低碳烯烴的供需關系日益緊張[1]。2018 年我國乙烯和丙烯的總需求量達到了8933萬噸，而生產(chǎn)能力為6110萬噸[2?3]。針對我國富煤、能源消費以煤炭為主的能源大環(huán)境，發(fā)展煤經(jīng)甲醇制低碳烯烴工藝技術在我國具有得天獨厚的環(huán)境以及重大的戰(zhàn)略意義和經(jīng)濟利益[4]。

前人對石腦油制烯烴技術路線有很好的研究基礎和工業(yè)技術開發(fā)應用[5?9]。但其工藝與煤經(jīng)甲醇技術路線不盡相同，分離產(chǎn)物及分布也具有不同特征。不能將以往的乙烯分離流程直接用于甲醇制烯烴MTO 的產(chǎn)物分離。必須充分研究甲醇制烯烴產(chǎn)物的分布特點，開發(fā)滿足其要求的分離工藝[10]。目前主要有三種分離序列：順序分離流程、前脫乙烷分離流程和前脫丙烷分離流程[11]。這三種流程的脫水、壓縮、堿洗、干燥等預分離過程比較相似，不同之處主要體現(xiàn)在預分離后的塔分離順序。由于脫丙烷塔熱負荷往往高于脫甲烷塔和脫乙烷塔，所以采用前脫丙烷的流程是相對最節(jié)能的方式[12]。此外前脫丙烷流程還可以避免前脫乙烷流程中脫丙烷塔塔底溫度較高導致的再沸器結垢問題[13]。根據(jù)MTO 反應物中易結垢的C4 烯烴比較多，因此前脫丙烷流程在MTO 分離中相較于前脫乙烷有其獨特優(yōu)勢[14]。神華包頭的MTO 項目使用的是Lummus 公司提供的前脫丙烷分離工藝。該技術的特點有：（1）使用中冷分離，減少傳統(tǒng)深冷分離設備的投資；（2）只使用丙烯制冷，成本較低；（3）流程適用度高，可接受原料組成變化較大的粗產(chǎn)品。故本文選擇以Lummus 烯烴分離工藝為研究對象，對MTO 工藝流程進行建模模擬，以及過程運行優(yōu)化研究。

在烯烴分離過程中，工廠依據(jù)經(jīng)驗使裝置穩(wěn)定操作。由于過程的復雜性和缺乏對機理的認識，精餾塔一般很難處于整個裝置的最優(yōu)操作點[15]。生產(chǎn)過程中能耗大、產(chǎn)品收率不高或者產(chǎn)品純度達不到要求等問題時有出現(xiàn)。對分離系統(tǒng)整體進行多目標優(yōu)化有望解決以上問題。王延敏等[16]采用人工神經(jīng)網(wǎng)絡（ANN）對熱耦合精餾過程進行模擬優(yōu)化，試圖求出最優(yōu)操作條件。施辰斐[17]用Back Propagation（BP）神經(jīng)網(wǎng)絡對甲醇四塔精餾裝置進行節(jié)能優(yōu)化，得到了可用于優(yōu)化計算調(diào)用的甲醇四塔精餾流程的模型。Osuolale 等[18]將自舉聚合神經(jīng)網(wǎng)絡（BANN）用于優(yōu)化常壓蒸餾裝置（ADU）中，用于預測ADU 的效率和產(chǎn)品質(zhì)量，確定ADU 的最佳運行條件。一些研究人員[19?23]通過采用非支配排序遺傳算法（NSGA?Ⅱ），對分餾流程及設計的多目標優(yōu)化進行求解，計算出理論最優(yōu)Pareto 解集。研究認識到：當能耗恒定時，能夠通過對操作條件的優(yōu)化，來降低丙烯排放量以及提升產(chǎn)品收率。劉海燕[24]采用MOLCA?NSGA?II 算法初步應用于MTO 烯烴分離案例，得到了一系列Pareto 最優(yōu)解。證明了該算法可以用來確定不同能耗和收率下適宜的操作條件。

本研究中通過對烯烴分離過程進行更詳實全面的建模模擬，綜合產(chǎn)品收率和流程能耗開展多目標操作優(yōu)化。并對決策變量深入研究，從而確定各個目標權衡點對應的各個操作變量的優(yōu)化區(qū)間。MTO 烯烴分離流程包括丙烯精餾塔和乙烯精餾塔等在內(nèi)的全部8 個塔，以各個塔的回流比和塔頂采出量等15個變量作為決策變量；以流程總能耗和乙烯與丙烯總收率作為優(yōu)化目標。流程模擬采用MATLAB 耦合Aspen Plus 方式，多目標優(yōu)化采用NSGA?II算法求解。得到了決策變量的目標值與最優(yōu)值之間的優(yōu)化權衡結果，并對其展開分析論證。

1 烯烴分離過程建模模擬

1.1 過程描述

烯烴產(chǎn)品分離和精制系統(tǒng)采用前脫丙烷后加氫流程來實現(xiàn)乙烯、丙烯等產(chǎn)物的分離。裂解氣經(jīng)壓縮后，進入脫丙烷塔。C4以上餾分從脫丙烷塔塔底分出，然后進入脫丁烷塔，分離成C4 餾分和C5+餾分。脫丙烷塔塔頂出來的C3 以下輕組分經(jīng)壓縮機四段壓縮后進入脫甲烷塔。甲烷餾分從脫甲烷塔的塔頂被蒸出來，脫甲烷塔的塔底液體送到脫乙烷塔。在脫乙烷塔將C2 餾分和C3 餾分進行分離，塔頂出來的C2餾分至乙烯塔中分離成乙烯和乙烷。C3 餾分在丙烯塔中分離成丙烯和丙烷。烯烴分離過程的工藝流程如圖1所示。烯烴順序分離過程為C1?C5組分，適宜采用RKS?BM作為物性方法，其中脫甲烷塔等亞體系適用RK?Soave方法[25]。

圖1 烯烴分離流程示意圖Fig.1 Schematic diagram of olefin separation process

1.2 建模模擬

烯烴合成的反應產(chǎn)物需要送往烯烴分離的精餾過程來得到聚合級產(chǎn)品，所以在模擬過程中需要控制一些指標來保證產(chǎn)品的質(zhì)量。脫丙烷塔操作壓力較高時，提餾段和再沸器會因為聚合物生成而堵塞；操作壓力較低時，塔頂溫度較低，冷凍功耗隨之增加。采用高低壓脫丙烷工藝可以保持較小的冷凍功耗和減少聚合物的生成。高壓脫丙烷塔操作壓力為1.85 MPa(G)，塔頂溫度為15.8℃，塔釜溫度為80℃。塔釜液中含C3 約5.5%（質(zhì)量），釜液經(jīng)換熱冷卻至40℃送入低壓脫丙烷塔塔頂。低壓脫丙烷塔操作壓力為0.77 MPa(G)，塔頂溫度為14.4℃，塔釜溫度為79.2℃[26]。脫丁烷塔在0.37 MPa(G)下操作，塔頂溫度為46.8℃，塔釜溫度為92.6℃。需要控制塔頂產(chǎn)品中C5含量和塔底產(chǎn)品中C4含量分別在0.5%和1.0% 以下。對于脫甲烷塔而言，原料氣經(jīng)過四段壓縮后逐級冷卻到?37℃，分成氣液兩相進入脫甲烷塔不同位置。同時采用丙烷作為沖洗介質(zhì)，可有效回收脫甲烷塔塔頂物料中的乙烯組分，減少乙烯的損失。此時塔頂操作壓力為2.65 MPa(G)。依靠丙烯制冷裝置?40℃丙烯即可提供所需冷量，降低了深冷分離裝置的投資[27]。脫乙烷塔在2.40 MPa(G)下操作，塔頂溫度為?20.4℃，塔釜溫度為62.7℃。脫乙烷塔塔頂產(chǎn)品中C3 含量控制在0.5% 以下，塔底產(chǎn)品中C2H6含量控制在0.02%以下[28]。乙烯精餾塔操作壓力為1.64 MPa(G)左右[29]，相應塔頂溫度為?34.3℃左右，塔頂冷凝器使用?40℃丙烯制冷。在乙烯塔頂部出現(xiàn)甲烷恒濃區(qū)，故設置巴氏精餾段以除去輕組分，采取第7 塊板側線采出乙烯產(chǎn)品以保證純度。乙烯精餾塔溫度分布范圍廣，適宜在提餾段設置中間再沸器以回收冷量。丙烯精餾可分為低壓精餾工藝和高壓精餾工藝[30]。低壓丙烯精餾流程中常常采用熱泵流程以節(jié)省能耗[31]；高壓精餾工藝流程多采用急冷水和水洗水加熱。對烯烴裝置而言，從投資和操作費用相比較，低壓方案無法與高壓丙烯精餾方案相競爭。本文采用上下雙塔丙烯精餾工藝，操作壓力為1.80 MPa(G)。塔頂可得到聚合級丙烯，塔底物流中的一部分丙烷經(jīng)過冷卻用作脫甲烷塔的洗滌介質(zhì)?？刂凭酆霞壆a(chǎn)品為99.9% 乙烯、99.6% 丙烯產(chǎn)品。烯烴分離過程的操作參數(shù)如表1所示。

烯烴分離過程物料平衡表如表2所示。進料數(shù)據(jù)采用工業(yè)數(shù)據(jù)，以氣、液相兩個物流作為進料方式。分離過程始終滿足上述分離要求，乙烯、丙烯等產(chǎn)品滿足最低聚合級產(chǎn)品要求。四個產(chǎn)品物流數(shù)據(jù)與工業(yè)數(shù)據(jù)相比均在1%以內(nèi)。而溫度數(shù)據(jù)的偏差在0.1～3.4℃之間，這是由于工業(yè)數(shù)據(jù)中冷凝器出口物流存在過冷和再沸器出口物流存在過熱的情況。

表1 烯烴分離過程操作參數(shù)Table 1 Operating parameters of olefin separation process

2 烯烴分離流程多目標優(yōu)化模型

對于多目標優(yōu)化問題，應該以自然沖突的方式耦合選定的目標，在本研究中，烯烴分離過程是一個嚴重的耗能過程，而該過程的收益來源主要是乙烯和丙烯的收率。故本文將以總能耗最小化和乙烯與丙烯總收率最大化作為兩個優(yōu)化目標。其中總能耗考慮的是流程圖1 中所有耗能設備，包括精餾塔塔頂冷凝器、塔底再沸器以及其他全部換熱器。由于脫甲烷塔再沸器和乙烯塔再沸器與背景過程存在換熱，相當于減少了等量的冷、熱公用工程。具體的熱量交換如圖1中熱流線所示。故總能耗公式如式(1)：

烯烴分離過程的優(yōu)化模型如式（2）～式（4）所示。

目標函數(shù)：

約束條件：

優(yōu)化變量：

式中，x 為優(yōu)化變量；P 代表收率；xB 表示摩爾組成。式(3)分別代表乙烯產(chǎn)品中乙烯組分的最小純度、丙烯產(chǎn)品中丙烯組分的最小純度、C4 產(chǎn)品中C5 組分的最大含量和C5 產(chǎn)品中C4 組分的最大含量。

烯烴分離過程存在數(shù)十萬個變量，其中關鍵物流和設備的獨立變量高達60 個以上。通過與工廠技術人員溝通，選取了以塔頂采出量、回流比為主的15 個變量。并在保持塔設備正常操作和模擬流程的正常收斂前提下確定了這15 個變量的取值范圍。具體范圍如表3 所示。而塔板數(shù)、進料位置等參數(shù)對于正在運行的裝置不宜變動。

將NSGA?II 算法應用于烯烴分離流程的計算概念框圖如圖2 所示。第1 節(jié)采用流程模擬軟件建立烯烴分離過程。與工業(yè)數(shù)據(jù)基本吻合后，可以認為模擬過程是準確的，方可進行后續(xù)優(yōu)化過程。然后在MATLAB 平臺上建立優(yōu)化模型和編寫算法代碼。為了快速找到全局最優(yōu)解，本文在交叉操作上采用模擬二進制交叉算子（SBX），在變異操作上采用多項式變異算子，具體算子形式如下所示。

表2 烯烴分離過程物料平衡表Table 2 Material balance of olefin separation process

表3 烯烴分離流程的優(yōu)化變量以及約束范圍Table 3 Optimization variables and their constraints of olefin separation process

模擬二進制交叉（SBX）算子：

假設兩個父代個體q1(q11,…,qn1)和q2(q12,…,qn2)，則使用SBX算子產(chǎn)生的兩個后代個體c1(c11,…,cn1)和c2(c12,…,cn2)可以通過式（5）計算得到：

式中，β 是由分布因子η 按照式（6）動態(tài)隨機決定的：

式中，η 是一個自定義的參數(shù)，η 值越大，產(chǎn)生的后代個體逼近父代個體的概率越大。

多項式變異算子：

圖2 NSGA?II算法應用于烯烴分離流程的計算概念框圖Fig.2 Conceptual block diagram of the olefin separation process with NSGA?II algorithm

式中，u 是一個[0,1]區(qū)間內(nèi)的隨機數(shù)；ηm是分布指數(shù)；νk表示一個父代個體。

本文在編寫代碼過程中取交叉概率為0.9，取變異概率為0.1，種群規(guī)模為50 個個體。最后設定完參數(shù)后，采用NSGA?II 算法進行求解，求解過程中需要不斷調(diào)用模擬軟件計算出能耗和產(chǎn)量數(shù)據(jù)，根據(jù)計算結果利用算法調(diào)整優(yōu)化方向直至達到終止條件，輸出優(yōu)化結果，得到Pareto最優(yōu)解集。

3 結果討論與綜合分析

采用NSGA?II 算法優(yōu)化烯烴分離流程所得的Pareto 前沿如圖3 所示。圖中展示了優(yōu)化進程60代、70 代和80 代的結果，可以看出這幾次迭代的結果非常接近。故基本認為80代的結果，總收率與總能耗兩個目標之間已經(jīng)達到Pareto 前沿。該案例以180 萬噸/年的甲醇進料為基準，乙烯和丙烯的總收率研究范圍在33.59%～34.44%之間。對應的烯烴總產(chǎn)量為75586～77500 kg/h。

圖3 最大化烯烴收率和最小化總能耗的Pareto前沿圖Fig.3 Pareto?optimal front of olefin yield and total energy consumption

從圖中可以看出乙烯和丙烯的總收率在[33.59%, 34.44%]的變化區(qū)間內(nèi)，總能耗在150.5～155.2 MW 的變化特點與收率呈現(xiàn)出近似線性關系。A 點是總收率和總能耗最小的點，主要是該點的回流比和采出量的變化產(chǎn)生了較小的冷卻和加熱負荷，從而導致總收率和總能耗最小。與之相反，B 點是總收率最大的點，不過其能耗也是最大的。當收率高時，往往因為采出量和回流比的變化產(chǎn)生了較大的冷卻和加熱負荷，過程能耗也相應增大。圖中從A 點到B 點，總收率提高的同時，總能耗也在增加。圖中QP點（153.42 MW,34.23%）是以操作點Q*（174 MW, 34.15%）作與橫軸的水平線之后在圖上找到的最為接近的當前收率下的最佳操作點。而作縱軸的平行線若與Pareto 前沿存在交點，則是當前總能耗不變的情況下的最優(yōu)操作點QE。在QP、QE之間的點可以提高收率，并且降低能耗。表4 是Pareto 前沿圖上A、B、QP等優(yōu)化點與操作點Q*點的操作參數(shù)具體取值。

將A、B、QP等優(yōu)化點的操作參數(shù)取值代入模擬軟件，各塔的節(jié)能占比情況與相對變化率如表5 所示?？梢园l(fā)現(xiàn)節(jié)能的主要空間在于高壓脫丙烷塔、脫乙烷塔和丙烯塔。其中丙烯塔對整個流程貢獻了86%以上的節(jié)能效果，并且自身能耗相對減少了14%以上。

由于丙烯塔節(jié)能潛力巨大，所以針對丙烯塔的局部操作參數(shù)優(yōu)化有較大的意義。丙烯塔包括1#丙烯精餾塔和2#丙烯精餾塔，涉及PT2 塔頂采出量、PT1 塔頂采出量、PT1 回流比共3 個主要操作變量。采用丙烯產(chǎn)量與丙烯塔的能耗為2個目標進行多目標優(yōu)化。丙烯塔的多目標操作優(yōu)化如圖4所示。圖4(a)表明丙烯的產(chǎn)量（PT1 采出量）與能耗具有一定的目標權衡關系，呈現(xiàn)出正相關的特點。PT1 采出量的優(yōu)化取值與不同目標權衡點的位置有較大的關系。低產(chǎn)量、低能耗的權衡點對應的PT1 采出量優(yōu)化值較??；而高產(chǎn)量、高能耗的權衡點對應的PT1采出量優(yōu)化值較大。圖4(b)表明對于不同目標狀況下，PT1回流比始終保持一個較為穩(wěn)定的低水平，主要分布在15.5 附近。圖4(c)表明在不同的目標權衡點下對應的PT2塔頂采出量具有不同的優(yōu)化操作區(qū)間，但主要集中于530400 kg/h附近。

表4 Pareto前沿圖上優(yōu)化點與操作點的操作參數(shù)Table 4 Operating parameters of the optimal point and operating point on the Pareto frontier map

表5 Pareto前沿圖上80代優(yōu)化點與操作點的比較Table 5 Comparison of the optimal point and operating point on the Pareto frontier map at 80 generations

與現(xiàn)有操作點Q*相比，丙烯塔的操作優(yōu)化可以起到16.85 MW 的節(jié)能效果，約14.47%。而在流程中，QP點丙烯塔的能耗變化率為15.62%。丙烯塔的局部優(yōu)化可以達到整體優(yōu)化中丙烯塔90%以上的節(jié)能水平。由于操作變量的增多以及變量間相互關系，操作變量的同時優(yōu)化使得流程有了更多節(jié)能的可能性。可以發(fā)現(xiàn)，流程整體優(yōu)化可以進一步挖掘系統(tǒng)節(jié)能的潛力，同時可以避免落入局部優(yōu)化中。NSGA?II算法結合流程模擬可以實現(xiàn)在烯烴收率和能耗水平兩個目標下的15 個操作參數(shù)的同時優(yōu)化。

圖5 展示了Pareto 前沿圖上各精餾塔回流比的最優(yōu)取值。圖5(a)可以看出高壓脫丙烷塔回流比的最優(yōu)取值穩(wěn)定在1.22 左右，與不同能耗下的Pareto點的位置關系不大。圖5(b)可以看出1#丙烯精餾塔回流比的最優(yōu)取值接近取值下限，穩(wěn)定在為15.1 左右。在保證產(chǎn)品質(zhì)量的前提下，可以適當減小回流比來節(jié)省能耗。圖5(c)為低壓脫丙烷塔回流比的最優(yōu)取值，低能耗和高能耗下的Pareto 點對應的回流比取值主要分別集中在和[1.31,1.37]和[1.0,1.06]這兩個范圍?？赡芤驗榇颂幧婕把h(huán)物流，所以數(shù)據(jù)有一定的波動。圖5(d)和(e)為脫丁烷塔和脫乙烷塔回流比的最優(yōu)取值，兩者取值都偏向于取值下限。脫丁烷塔回流比的最優(yōu)取值范圍為[0.95,1.05]；高能耗下的Pareto 點對應的操作變量優(yōu)化值接近取值下限。脫乙烷塔在低能耗和高能耗下的Pareto 點對應的回流比取值主要分別集中于[1.30,1.32]和[1.40,1.45]兩個范圍內(nèi)。這是因為當回流比取值接近下限時，在保證產(chǎn)品純度達標的情況下，產(chǎn)品純度的些許降低將會降低總能耗。

圖6 展示了Pareto 前沿圖上分離塔決策變量（采出量，kg/h）的最優(yōu)取值。圖6(a)為高壓脫丙烷塔塔頂采出量的最優(yōu)取值。從圖中可以看出，其取值明顯接近下限，主要集中在區(qū)間[101000, 10200]。圖6(b)為低壓脫丙烷塔塔頂采出量的最優(yōu)取值，低能耗和高能耗下的Pareto 點的取值主要分別分布在[7600,7800]和[8100,8200]兩個區(qū)間內(nèi)，表明在這兩個區(qū)間范圍內(nèi)取值將更容易達到最優(yōu)操作點。采出量取值較低時通過降低塔頂冷凝器熱負荷來降低流程總能耗；取值較高時通過間接增加乙烯和丙烯產(chǎn)量來提高總收率。圖6(c)為脫丁烷塔塔頂采出量的最優(yōu)取值，其取值也是較為接近取值下限，通過降低塔頂冷凝器熱負荷來降低流程總能耗。取值主要分布在10370 kg/h 和10260 kg/h 附近。圖6(d)為脫甲烷塔塔頂采出量的最優(yōu)取值，主要集中在4250 kg/h 左右。對整個流程而言，通過保證脫甲烷塔塔頂采出量維持在4250 kg/h 左右可以使流程達到最佳操作點。圖6(e)為脫甲烷塔丙烷流量的最優(yōu)取值，低能耗和高能耗Pareto 點的取值主要分別分布在17000 kg/h和16300 kg/h附近，通過間接增加進料來增大乙烯與丙烯的總收率。圖6(f)為脫乙烷塔塔頂采出量的最優(yōu)取值，低能耗和高能耗Pareto 點的取值主要分布在[41500, 42500]和[40750, 41000]這兩個區(qū)間。這與圖6(b)低壓脫丙烷塔塔頂采出量的影響類似，較高的取值和較低的取值通過分別增大乙烯與丙烯總收率和降低總能耗來達到最優(yōu)操作點。

圖4 丙烯塔的多目標操作優(yōu)化Fig.4 Multi?objective operation optimization of propylene tower

圖7 展示了Pareto 前沿圖上產(chǎn)品塔決策變量（采出量,kg/h）的最優(yōu)取值。圖7(a)為乙烯塔塔頂采出量的最優(yōu)取值，主要集中在145000 kg/h 左右來保證兩目標的協(xié)調(diào)?？赏ㄟ^增大乙烯塔的采出量來實現(xiàn)更高的產(chǎn)品收率。圖7(b)為乙烯塔中間測線采出量的最優(yōu)取值，可以看出取值很接近取值上限40000 kg/h。這是因為乙烯產(chǎn)量來源于中間測線采出量，通過增大中間測線采出量來使乙烯產(chǎn)量增大從而增加乙烯和丙烯的總收率。圖7(c)為2#丙烯塔塔頂采出量的最優(yōu)取值，低能耗和高能耗Pareto 點對應的取值主要分別分布在528400 kg/h 和524500 kg/h 附近。其取值較為接近取值下限，通過降低塔頂冷凝器熱負荷來降低流程總能耗。圖7(d)為1#丙烯塔塔頂采出量的最優(yōu)取值，從圖中可以清晰看出這個變量對總能耗的影響很大，近似呈線性關系。這是因為采出量的增加一方面使得丙烯收率增加，從而增加乙烯和丙烯的總收率；另一方面卻帶來塔頂冷凝器負荷的增加，從而帶來了總能耗的增加。

圖5 Pareto前沿圖上所對應回流比的最優(yōu)取值Fig.5 Optimal values of reflux ratio corresponding to the Pareto?optimal front

圖6 Pareto前沿圖上所對應分離塔采出量的最優(yōu)取值Fig.6 Optimal values of separating column’s distillate rates corresponding to the Pareto?optimal front

4 結 論

圖7 Pareto前沿圖上所對應產(chǎn)品塔采出量的最優(yōu)取值Fig.7 Optimal values of product column’s distillate rates corresponding to the Pareto?optimal front

本文針對MTO 烯烴分離過程的高能耗問題進行操作優(yōu)化研究。以Lummus 前脫丙烷的烯烴分離工藝為研究對象，建立了烯烴分離流程模型。以某MTO 工廠的烯烴分離流程為案例，以乙烯與丙烯總收率和流程總能耗為兩個優(yōu)化目標，建立了多目標優(yōu)化模型。在保持塔板數(shù)和進料位置不變的情況下，探究采出量、回流比等參數(shù)對產(chǎn)品收率和過程能耗的影響。采用NSGA?II 算法求解，通過MATLAB 與ASPEN Plus 耦合來實現(xiàn)建模模擬優(yōu)化計算。優(yōu)化算法種群迭代至80代后，總收率與總能耗可順利收斂至Pareto 前沿。曲線上每個權衡點都實現(xiàn)了流程15 個操作變量的同時優(yōu)化。原操作點在現(xiàn)有乙烯和丙烯的總收率維持不變的前提下，通過降低低壓脫丙烷塔、脫乙烷塔和1#丙烯精餾塔的回流比等優(yōu)化措施，總能耗可由174 MW 降到約154 MW。該最優(yōu)操作點與現(xiàn)有基準操作點相比可節(jié)能20 MW，降低能耗11%。最后對回流比和采出量等15個影響烯烴流程的決策變量進行綜合分析，確定了不同目標權衡下對應的各個操作變量的優(yōu)化區(qū)間。發(fā)現(xiàn)精餾塔可以在多個最佳操作區(qū)間內(nèi)運行，且在每個操作區(qū)間內(nèi)都存在有不同目標之間的權衡關系。

符 號 說 明

c——模擬二進制交叉算子中的子代個體

E——能耗

lk——[0,1]區(qū)間內(nèi)的隨機數(shù)

P——收率

QE,QP——分別為當前能耗下和當前收率下的優(yōu)化點

q——模擬交叉二進制算子中的父代個體

r——隨機參數(shù)

uk——[0,1]區(qū)間內(nèi)的隨機數(shù)

x——優(yōu)化變量，包括塔頂采出量，回流比等15個變量

xB——摩爾組成

β——模擬交叉二進制算子中的動態(tài)隨機變量

δ——多項式變異算子中的動態(tài)隨機變量

η——模擬交叉二進制算子中的分布因子

ηm——多項式變異算子中的分布指數(shù)

νk,ν'k——分別為多項式變異算子中的父代個體和子代個體

下角標

con——冷凝器

he——換熱器

reb——再沸器

total——流程總能耗