一种蒸馏装置产物预测及蒸馏操作参数优化的方法

摘要

本发明公开了一种蒸馏装置产物预测及蒸馏操作参数优化的方法，其包括以下步骤：收集原料信息及产物需求；根据原料类型，构建蒸馏机理模型；预设物性参数、操作参数；根据操作参数P稳态操作，获取产物检测值，根据机理模型获取产物预测计算值；以产物检测值与产物预测计算值偏差最小为目标函数，优化物性参数；根据优化物性参数，以最小操作成本为目标函数，优化操作参数；将本轮优化的物性参数值与上一轮比较，若改进值小于ε，则输出优化后的操作参数及物性参数值，否则继续迭代优化。该方法既能通过产物检测值修正物性参数的准确性，提升产物预测值的精度，又可通过优化操作参数，适应不同的产物需求，降低生产操作成本，提升生产效率。

权利要求

1.一种蒸馏装置产物预测及蒸馏操作参数优化的方法，其特征在于，包括以下步骤：第一步，收集原料信息及产物需求，所述原料信息选自原料类型、原料温度、原料压力、原料组成、原料相态、可供给的原料最大流量值及最小流量值的一种或几种，所述产物需求包括产物温度、产物压力、产物流量、产物组成、产物相态信息的一种或几种；

第二步，根据原料类型，构建蒸馏机理模型；

第三步，预设物性参数X0，预设操作参数P0；所述操作参数包括操作温度、操作压力、原料的流量值的一种或几种；

第四步，更新或初始化操作参数P和物性参数X；更新时，固定操作参数P＝P'，固定物性参数X＝X'，首次计算时，固定操作参数P＝P0，固定物性参数X＝X0；

第五步，根据操作参数P稳态操作蒸馏装置，获取产物检测值M，根据所述的蒸馏机理模型及物性参数X，获取产物预测计算值S；所述产物检测值包括产物温度、产物压力、产物流量、产物组成中的一种或几种，所述产物预测计算值包括产物温度、产物压力、产物流量、产物组成中的一种或几种；

第六步，根据所述的蒸馏机理模型，以产物检测值与产物预测计算值偏差最小为第一目标函数，优化物性参数，输出优化后的物性参数X'；

第七步，根据所述的蒸馏机理模型，输入优化物性参数X'，并以产物需求为约束，以最小生产操作成本为第二目标函数，优化操作参数，输出优化后的操作参数P'；

第八步，将物性参数值X与优化物性参数X'比较，如果改进值小于等于ε，则输出优化后的操作参数值及优化后的物性参数值，如果改进值大于ε，则返回第四步，重复执行第四到第八步，直至改进值小于ε。

2.根据权利要求1所述的蒸馏装置产物预测及蒸馏操作参数优化的方法，其特征在于，第六步中所述的第一目标函数为

3.根据权利要求1所述的蒸馏装置产物预测及蒸馏操作参数优化的方法，其特征在于，第七步中所述的第二目标函数为操作参数P的函数，即TAC＝f(P)。

4.根据权利要求1所述的蒸馏装置产物预测及蒸馏操作参数优化的方法，其特征在于，2

第八步所述的改进值为(X‑X′) 。

5.根据权利要求1所述的蒸馏装置产物预测及蒸馏操作参数优化的方法，其特征在于，所述的蒸馏机理模型包括物料守恒方程和相平衡方程；

所述的物料守恒方程表示为：

所述的相平衡方程表示为：

yg,m＝Kmxl,m

式中，xl,m表示液相产物组成，yg,m表示气相产物组成，m表示原料中组分，Km表示气液平衡常数，p为蒸馏装置操作压力，γm是组分m的活度系数，由NRTL方程计算得到； 为纯物质的饱和蒸气压。

6.根据权利要求1所述的蒸馏装置产物预测及蒸馏操作参数优化的方法，其特征在于，所述的物性参数选自Antoine方程参数、二元交互参数、基团贡献参数的一种或几种。

说明书

一种蒸馏装置产物预测及蒸馏操作参数优化的方法

技术领域

[0001] 本发明属于化工过程生产领域，具体涉及一种蒸馏装产物预测及蒸馏操作参数优化的方法。

背景技术

[0002] 在蒸馏装置生产过程中一方面受工艺现场条件限制，只有温度、压力等少量参数可做到在线实时检测，对于气液相产物组成等关键数据只能进行离线检测，不能及时反映产物组成信息，另一方面由于产品需求的变更，需对装置操作参数(温度、压力、进料量等)进行整体优化配置，使总生产运行成本最低。

[0003] 本发明综合考虑上述问题，构建了用于产物预测及操作参数优化的数学模型，一方面使用离线检测数据修正数学模型中的物性参数，提升预测的准确性，另一方面可根据产物需求，快速优化操作参数，降低生产运行成本。

发明内容

[0004] 针对上述问题，本发明提供一种蒸馏装置产物预测及蒸馏操作参数优化的方法，通过收集原料信息及产物需求；根据原料类型，构建蒸馏机理模型；预设物性参数、操作参数；更新(或者初始化)操作参数及物性参数；根据操作参数P稳态操作，获取产物检测值，根据蒸馏机理模型及物性参数，获取产物预测计算值；以产物检测值与产物预测计算值偏差最小为目标函数，优化物性参数，输出优化物性参数；根据优化物性参数，以产物需求值为约束，以最小操作成本为目标函数，优化操作参数，输出优化操作参数；将本轮优化的物性参数值与上一轮物性参数值比较，如果改进值小于ε，则输出优化后的操作参数及物性参数值，如果改进值大于ε，则继续迭代优化直至优化物性参数与上一轮迭代结果比较改进值小于ε。该方法既能够提升蒸馏装置产物预测的准确性，又能够根据产物需求降低生产运行成本。

[0005] 为了实现上述目的，本发明具体采用如下技术方案：

[0006] 一种蒸馏装置产物预测及蒸馏操作参数优化的方法，包括以下步骤：

[0007] 第一步，收集原料信息及产物需求，所述原料信息选自原料类型、原料温度、原料压力、原料组成、原料相态、可供给的原料最大流量值及最小流量值的一种或几种，所述产物需求包括产物温度、产物压力、产物流量、产物组成、产物相态信息的一种或几种；优选的，所述原料信息包括原料种类、温度、压力、组成、可供给的最大流量值，所述产物需求包括产物温度、压力、流量、组成信息。

[0008] 第二步，根据原料类型，构建蒸馏机理模型；优选的，所述机理模型包括：物料守恒方程、相平衡方程，其中用于相平衡方程计算的活度系数γ由Non‑Random Two liquid(NRTL)模型计算。

[0009] 第三步，预设物性参数X0，预设操作参数P0；所述操作参数包括操作温度、操作压力、原料的流量值的一种或几种；

[0010] 第四步，更新或初始化操作参数P和物性参数X；更新时，固定操作参数P＝P'，固定物性参数X＝X'，首次计算时，固定操作参数P＝P0，固定物性参数X＝X0；

[0011] 第五步，根据操作参数P稳态操作蒸馏装置，获取产物检测值M，根据所述的蒸馏机理模型及物性参数X，获取产物预测计算值S；所述产物检测值包括产物温度、产物压力、产物流量、产物组成中的一种或几种，所述产物预测计算值包括产物温度、产物压力、产物流量、产物组成中的一种或几种；优选的，所述产物检测值为产物组成，所述产物预测计算值为产物组成。

[0012] 第六步，根据所述的蒸馏机理模型，以产物检测值与产物预测计算值偏差最小为第一目标函数，优化物性参数，输出优化后的物性参数X'；

[0013] 第七步，根据所述的蒸馏机理模型，输入优化物性参数X'，并以产物需求为约束，以最小生产操作成本为第二目标函数，优化操作参数，输出优化后的操作参数P'；

[0014] 第八步，将物性参数值X与优化物性参数X'比较，如果改进值小于等于ε，则输出优化后的操作参数值及优化后的物性参数值，如果改进值大于ε，则返回第四步，重复执行第四到第八步，直至改进值小于ε。

[0015] 作为本发明的优选，第六步中所述的第一目标函数为

[0016] 作为本发明的优选，第七步中所述的第二目标函数为操作参数P的函数，即TAC＝f(P)。

[0017] 作为本发明的优选，第八步所述的改进值为(X‑X′)2。

[0018] 作为本发明的优选，所述的蒸馏机理模型包括物料守恒方程和相平衡方程；

[0019] 所述的物料守恒方程表示为：

[0020]

[0021]

[0022] 所述的相平衡方程表示为：

[0023] yg，m＝KmXl，m

[0024]

[0025] 式中，xl,m表示液相产物组成，yg,m表示气相产物组成，m表示原料中组分，Km表示气液平衡常数，p为蒸馏装置操作压力，γm是组分m的活度系数，由NRTL方程计算得到。

[0026] 作为本发明的优选，所述的物性参数选自Antoine方程参数、二元交互参数、基团贡献参数的一种或几种。

[0027] 与现有技术相比，本发明的优势在于：

[0028] 本发明提供的方法一方面可通过产物检测值修正物性参数提升产物预测值，提升产物预测值的精度，从而实现对生产过程的实时高精度预测，另一方面可通过对操作参数的优化，适应不同的产物需求，缩短调试时间，降低生产操作成本，提升生产效率。

附图说明

[0029] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图做简单地介绍，显而易见，下面简述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的流程图。

[0030] 图1表示本发明的实施例的装置示意图。

[0031] 图2表示本实施例中优化后的装置示意图(标记了优化后的参数)。

[0032] 在图中，相同的构件由相同的附图标记标示，附图并未按照实际的比例绘制。

[0033] 图3表示本发明的方法流程示意图。

具体实施方式

[0034] 下面结合附图说明具体实施方式。

[0035] 以图1为例，某蒸馏装置用于分离i,j两种物质，其主要产品为富含物质i的气相产物。本蒸馏装置有三种不同的原料来源，相关符号可参见下表：

[0036]

[0037] 接下来，应用本发明提供的方法进行蒸馏装置产物预测及蒸馏操作参数优化，如图3所示：

[0038] 第一步，收集原料信息及产物需求；

[0039] 在本实施例中原料信息及产物需求可参见下表：

[0040]

[0041]

[0042] 第二步，根据原料类型，构建蒸馏机理模型；

[0043] 本实施例中所述蒸馏机理模型包括：物料守恒方程、相平衡方程。其中用于相平衡方程计算的活度系数γ由Non‑Random Two liquid(NRTL)模型计算。

[0044] 物料守恒方程：

[0045]

[0046]

[0047] 式中，xl,m表示液相产物组成，yg,m表示气相产物组成，m表示原料中的组分，本实施例中m＝i,j。

[0048] 相平衡方程：

[0049] yg，m＝KmXl，m

[0050] 式中，气液平衡常数Km由下式计算:

[0051]

[0052] 式中，p为蒸馏装置操作压力，γm为活度系数， 为纯物质的饱和蒸气压，可由安托因方程计算：

[0053]

[0054] 式中，Am、Bm、Cm为安托因参数，无实际物理意义；t为操作温度。

[0055] 在本实施例中双组分体系(m＝i，j)，活度系数γ由NRTL方程计算：

[0056]

[0057]

[0058] Gij＝exp(‑αijτij)

[0059] Gji＝exp(‑aijτji)

[0060]

[0061]

[0062] αij＝cij+dijt

[0063] 式中，aij、aji、bij、bji、cij、dij为物质i，j的二元交互参数，αij、τij、τji、Gij、Gji为中间变量，无实际物理意义；

[0064] 第三步，预设操作参数P0，预设物性参数X0；

[0065] 在本实施例中预设物性参数X0，包括Antoine方程参数和二元交互参数，具体数值可参

[0066] 见下表：

[0067]Antoine方程参数 Am Bm Cm
物质i(m＝i) 16.3872 3885.70 230.170
物质j(m＝j) 16.8958 3795.17 230.918

[0068]

[0069] 在本实施例中预设操作参数可参见下表：

[0070]

[0071] 第四步，固定操作参数P＝P'，首次计算时P＝P0，固定物性参数X＝X'，首次计算时X＝X0。

[0072] 第五步，根据操作参数P稳态操作，获取产物检测值M，根据机理模型及物性参数X，获取产物预测计算值S。

[0073] 本实施例中所述产物检测值为实际检测得到的产物组成，所述产物预测计算值为预测得到的产物组成。

[0074] 第六步，在所构建的蒸馏机理模型基础上，以产物检测值与产物预测计算值偏差最小为目标函数优化物性参数，输出优化物性参数X'，所述目标函数为：

[0075] 第七步，在所构建的蒸馏机理模型基础上，输入优化物性参数X'，以产物需求值为约束，以最小生产操作成本TAC为目标函数，优化操作参数，输出优化操作参数P'所述目标函数为min TAC，式中TAC为操作参数P的函数，即TAC＝f(P)。

[0076] 本实施例中，所述目标函数可通过以下方程组计算：

[0077] 物料守恒方程：

[0078]

[0079]

[0080] F0＝Fl+Fg

[0081] F0x0，m＝Flxl，m+Fgyg，m

[0082]

[0083]

[0084] 式中，Fs表示对应原料编号下的原料流量，xs,m表示原料编号s下的组分m的液相组成(s＝1,2,3；m＝i,j)，F0表示混合后的总流量；x0,m表示混合后的原料组成，Fl表示液相产物流量，Fg表示气相产物流量。

[0085] 相平衡方程：

[0086] yg，m＝Kmxl，m

[0087]

[0088]

[0089]

[0090]

[0091] Gij＝exp(‑αijτij)

[0092] Gji＝exp(‑αijτji)

[0093]

[0094]

[0095] αij＝cij+dijt

[0096]

[0097] 产物需求约束：

[0098] Fs≤Fs，max

[0099] yg，i≥yg，pr，i

[0100] Fg≥Fg，pr

[0101] 式中，Fs，max为Fs上限，yg，pr，i为气相产物中i物质的浓度需求值，Fg，pr为气相产物流量需求值。

[0102] 本实施例中，所述生产操作成本TAC是操作温度t、操作压力p及原料流量Fs的函数：

[0103] TAC＝f(t，p，FS)

[0104] 第八步，将物性参数值X与优化物性参数X′比较，如果改进值小于ε，则输出优化操作参数及优化物性参数值，如果改进值大于ε，则返回第四步，重复执行第四到第八步，直至2
改进值小于ε，所述改进值计算方法为：(X‑X′) 。

[0105] 本实施例中ε值取0.0001，最终优化后的操作参数可见图2，与优化前相比，可降低3.1％生产运营成本，使用优化后的物性参数，产物预测值与产物检测值的误差小于1.0％，产物预测每分钟可计算60次频率远高于15分钟/次的产物检测速度。

[0106] 应当注意的是，以上所述的实施例仅用于解释本发明，并不构成对本发明的任何限制。通过参照典型实施例对本发明进行了描述，但应当理解为其中所用的词语为描述性和解释性词汇，而不是限定性词汇。可以按规定在本发明权利要求的范围内对本发明作出修改，以及在不背离本发明的范围和精神内对本发明进行修订。尽管其中描述的本发明涉及特定的方法、材料和实施例，但是并不意味着本发明限于其中公开的特定例，相反，本发明可扩展至其他所有具有相同功能的方法和应用。