论文部分内容阅读
化工行业中,复杂精馏塔是最常见的分离单元,其操作不但关乎能耗,也关乎产品质量和分布。但由于机理复杂、变量多,其设定目标(单目标/多目标)下的操作优化十分困难,一直是工程和学术界关注的热点。本文开展的研究就是用数据处理技术,引导流程模拟软件(如PRO/II、ASPEN等),在塔系统的可行操作域内,快速有效的找到其独立可调操作变量的最优值,以保证其目标函数达到极值。主要研究有:一、鉴于模拟初值多凭经验选取,且对寻优进程有重大影响,提出了基于模拟计算值与现场实际值误差(又称拟合误差)最小,用单目标和多目标遗传算法(GA和NSGA-II)优选模拟初值的方法。二、鉴于复杂精馏塔系统可调变量多,对特定目标函数影响程度不一的特点,提出了用主成分分析法(PCA)优选独立变量的方法,将那些对目标函数贡献大的可调变量设为独立变量,提速了收敛进程。三、在复杂精馏塔独立变量~目标函数数组常规GA寻优中嵌入粒子群算法(PSO),以改善GA的局部寻优能力和加快其收敛速度。具体是利用PSO基于个体最优值及群体最优值更新速度的选择操作替换常规GA的轮盘赌选择算子。将本文开发的方法应用于某炼油厂50×10~4 t/a延迟焦化装置主分馏塔的操作优化研究。其中,设定体系收益为目标函数,契PCA确定一中流量、二中流量、塔顶压力、塔顶冷回流量这四个可调操作变量为独立变量,契NSGA-II确定可行域中的状态点(13490,12075,0.094,4216)为模拟初值,采用GA-PSO进行优化计算,表明经过19次迭代,体系收益达到最大,对应最优操作变量取值(24079,9336,0.112,5290),相比现有操作(13380,11340,0.094,4100),增效181.69万元/年。同时,优化进程相比单纯GA计算,GA-PSO迭代计算次数减少8次。