气煤联供实现资源高效利用和碳减排技术进展

为解决煤化工过程资源利用率低和碳排放高的问题,有研究者提出以天然气、焦炉气、页岩气等富氢资源和煤炭资源联供方案,旨在实现源头碳减排。文章指出依据联供过程技术的差异,较有代表性的方案可分为集成甲烷部分氧化和集成甲烷干/水蒸气重整的气煤联供过程。文章以生产甲醇为例,从资源利用和经济效益等方面对集成甲烷部分氧化和集成甲烷干/水蒸气重整的气煤联供过程进行分析和比较。集成甲烷部分氧化的工艺碳元素利用率达到57.9%,每吨甲醇排放CO_2为1.50t,较传统煤制甲醇工艺排放减少37.5%。甲醇产品成本稍低于传统工艺。集成甲烷干/水蒸气重整工艺的碳元素利用率最高,达到83.7%。减排效果最明显,每吨甲醇排放CO_2为0.90t,较传统工艺排放减少62.5%,但是由于CO_2转化增加能耗,甲醇产品成本有所提升。由于气煤联供过程有利于CO_2减排,当碳税高于65CNY/tCO_2时,两个气煤联供工艺的生产成本低于传统的煤制甲醇工艺。

MTO烯烃分离过程的多目标操作优化

现代煤化工中,甲醇制烯烃(MTO)是一个非常重要的装置。其烯烃分离过程面临着原料变动大、烯烃产品损失以及较高的公用工程消耗等问题。这就需要在满足产品规格和需求的情况下,优化操作条件以实现最大效益。以Lummus前脱丙烷的烯烃分离工艺为研究对象,以增加乙烯与丙烯的总收率和降低总能耗为优化目标,对该工艺流程进行建模模拟与多目标优化。采用非支配排序遗传算法(NSGA-II)进行多目标优化的求解,实现了15个操作变量的同时优化。在维持产品收率不变的前提下,可通过降低脱丙烷塔、脱乙烷塔和1#丙烯精馏塔的回流比等优化措施找到了当前最优操作点。结果表明,该最优操作点与现有操作点相比可降低20MW能耗。通过对决策变量的综合分析,确定了不同目标权衡下对应的各个操作变量的优化区间,发现精馏塔可以在多个最佳操作区间内运行。

基于并行EGO和代理模型辅助的多参数优化方法研究

化工流程模拟优化问题常常具有高维、非线性的特点,使得仿真计算难以收敛。过长的求解时间是调度优化和运行优化的主要瓶颈之一。采用代理模型对机理模型进行替代是降低计算复杂度、保证结果准确性的有效途径。Kriging代理模型具有较强的非线性近似性,但处理高维问题依然较为困难。因此,本文研究并行EGO(efficient global optimization)算法与代理模型集成,并将模型应用于化工过程。并行EGO算法以Kriging代理模型的预测函数和误差函数为基础,先推导出样本分布概率密度函数与累积分布函数相结合的解析表达式;然后通过PEI(pseudo expected improvement)准则得到新的样本点以更新代理模型;最后结合改进的差分进化算法对优化参数进行全局搜索。在保证结果准确性的前提下,将本文算法与其他优化算法进行比较。8个多峰测试函数的测试结果表明,该算法的收敛速度提高了85%。然后将其应用于双级氨吸收制冷过程的模拟,结果表明该方法的模拟误差小于0.01%,优化时间从9846 s缩短至3705 s。