以年总操作费用(TAC)、CO_(2)排放量(GEC)和精馏塔热力学效率(η)为目标,提出了基于粒子群算法(PSO)的优化方法,并将该方法应用于三氯氢硅(SiHCl_(3),TCS)歧化制取硅烷(SiH_(4),MS)反应精馏塔的优化设计。在Aspen Plus V7中建立流程进...以年总操作费用(TAC)、CO_(2)排放量(GEC)和精馏塔热力学效率(η)为目标,提出了基于粒子群算法(PSO)的优化方法,并将该方法应用于三氯氢硅(SiHCl_(3),TCS)歧化制取硅烷(SiH_(4),MS)反应精馏塔的优化设计。在Aspen Plus V7中建立流程进行模拟,使用平衡级模型,对RD-2IC(带有2个中间冷凝器的反应精馏塔)和高压分离塔的双塔构型建立稳态模型,考察了塔压、塔板数、回流比、进料位置、反应段持液量和中间冷凝器气相分率等影响因素,初步确定了各参数的最优值,为进一步深度优化提供了初值和可行域。结果表明,与单因素灵敏度分析结果相比,PSO算法优化后的TAC节省了54.50%、GEC减少了38.13%、η提高了22.55%。展开更多
文摘以年总操作费用(TAC)、CO_(2)排放量(GEC)和精馏塔热力学效率(η)为目标,提出了基于粒子群算法(PSO)的优化方法,并将该方法应用于三氯氢硅(SiHCl_(3),TCS)歧化制取硅烷(SiH_(4),MS)反应精馏塔的优化设计。在Aspen Plus V7中建立流程进行模拟,使用平衡级模型,对RD-2IC(带有2个中间冷凝器的反应精馏塔)和高压分离塔的双塔构型建立稳态模型,考察了塔压、塔板数、回流比、进料位置、反应段持液量和中间冷凝器气相分率等影响因素,初步确定了各参数的最优值,为进一步深度优化提供了初值和可行域。结果表明,与单因素灵敏度分析结果相比,PSO算法优化后的TAC节省了54.50%、GEC减少了38.13%、η提高了22.55%。