论文部分内容阅读
随着科学技术的发展,人类对能源的需求日益增加,而能源危机又使能源价格大涨,这使得企业不仅需要寻求可替代能源,而且需要迫切解决节能技术问题。化工是对能源最为依赖的行业之一,而其中精馏过程是炼油、石化和化工生产过程中的高能耗生产单元,对精馏过程的工艺优化、装备集成是节能降耗和提高效益的有效手段。 化工模拟的最优化问题一直是科研与企业研究的重点和热点。传统优化一般是单目标优化方法,在其他变量确定情况下,改变单一变量,寻找最优值,对于单极值问题,传统优化方法通常情况下可解决其优化问题。然而,对于化工过程,较多的为多目标优化问题,对于多目标优化算法的研究更具有实用价值。传统优化,比如Aspen Plus自带的SQP优化算法,是从单个初始值迭代求最优解的,容易误入局部最优解,而且还会遇到很大的收敛问题。分壁式精馏塔由于操作变量较多,变量之间的耦合作用较强,相对普通精馏过程,很难通过传统的优化算法来实现过程优化,因此人们常常通过对一个或者几个变量的灵敏度分析来逐步实现过程的优化问题,这为化工模拟的计算带来较大麻烦。 智能优化算法可以很好的避免这些问题,它通过全局搜索可以跳出局部最优并收敛到一个点之间有个较好的平衡,从而实现找到全局最优点。智能优化算法(如遗传算法〉从串集开始搜索,覆盖面大,利于全局择优。 基于此本课题提出将MATLAB结合ASPEN,构建了基于流程模拟器与遗传算法相结合的多目标优化算法。 本文的主要工作包括以下内容: ①学习总结了各种优化算法,阐述了多目标优化算法的研究背景和意义,以及国内外的研究现状。 ②介绍了多目标优化问题的相关概念与定义,详细的描述了遗传算法的相关知识,并将MATLAB结合ASPEN,提出了基于流程模拟器与遗传算法的多目标优化算法。 ③将提出的优化方法应用于分壁式精馏塔的精馏操作优化中,大大的提高了精馏的节能效率。在叔丁醇水体系以及BTX体系的分离优化中,通过模拟和经济评价验证了所建立的基于遗传算法的优化算法体系的可靠性和鲁棒性,相对于Aspen原有优化,可以将节能效率提高到20%以上。