黃小僑, 張宛麗, 單 越, 李如春, 李 軍, 宋麗娟

(1.中國石油大學(華東)化學工程學院,山東青島 266580; 2.中國石油燃料油有限責任公司,北京 100102; 3.遼寧石油化工大學化學化工與環(huán)境學部,遼寧撫順 113001)

蒸餾過程的能耗約占煉油裝置能耗的35%～45%[1],換熱網(wǎng)絡是化工過程中最主要的能量回收場所,其設計、運行的優(yōu)劣直接影響全廠能耗。原油蒸餾裝置與其耦合的換熱網(wǎng)絡是兩個聯(lián)系最為緊密的系統(tǒng),因此原油蒸餾裝置與其耦合換熱網(wǎng)絡之間的協(xié)同優(yōu)化顯得非常必要。常減壓系統(tǒng)和換熱網(wǎng)絡設計和改造幾乎是獨立進行的,在設計問題或評級問題中[2],操作優(yōu)化引起了關注?；み^程優(yōu)化問題是一個多目標優(yōu)化問題[3-4]。 Liu等[5]提出了一種數(shù)學規(guī)劃方法(即混合遺傳算法)以獲得原油蒸餾裝置的最佳換熱網(wǎng)絡改造方案,然而優(yōu)化策略沒有涉及蒸餾系統(tǒng)和換熱網(wǎng)絡之間的相互作用。Luo等[6]采用aspen plus軟件中的簡捷模型模擬原油蒸餾裝置,并以最小能量消耗和最大產(chǎn)品產(chǎn)量為目標函數(shù)采用隨機算法優(yōu)化該蒸餾系統(tǒng),盡管采用簡捷模塊[6],但優(yōu)化結果合理且準確。Miranda等[7]提出了一個模型來優(yōu)化多期運行的換熱網(wǎng)絡,換熱網(wǎng)絡設計采用了Yee和Grossmann[8]提出的多步計算方法,目標函數(shù)是最小年度總成本(TAC)。在Miranda[7]等的工作中,換熱網(wǎng)絡設計方法采用分時程序,不引入等溫混合假設,提高了模型的準確性。人工神經(jīng)網(wǎng)絡(ANN)算法[9]和遺傳算法(GA)[10-11]等在處理非線性優(yōu)化問題(優(yōu)化目標和約束通常構成混合整數(shù)的非線性規(guī)劃問題)時起到了重要作用。Lazzaretto等[12-15]提出的概率性方法也得到了很好的發(fā)展和應用,為了降低高度非線性嚴格模型和相變計算的復雜性,計算過程中采用了相應的簡單替代模型。Hohmann[16]提出的夾點分析方法廣泛應用于能量回收系統(tǒng)。Linnhoff等[17-18]對夾點理論的發(fā)展做了大量工作。Quirante等[19]利用夾點定位方法提出了一種同時進行優(yōu)化和熱集成的新型分離模型。Hafizan等[20]提出了一種基于夾點分析的方法以研究最佳換熱網(wǎng)絡設計的固有安全性和可操作性。夾點分析可以用于探究換熱網(wǎng)絡的節(jié)能潛力。與單獨的換熱網(wǎng)絡優(yōu)化相比,蒸餾系統(tǒng)及其換熱網(wǎng)絡系統(tǒng)的協(xié)同優(yōu)化會得到更好的結果[21]。筆者對原油蒸餾裝置及其換熱網(wǎng)絡進行協(xié)同優(yōu)化研究,基于前人的設計優(yōu)化研究[22-25],建立常減壓裝置和耦合換熱網(wǎng)絡的穩(wěn)態(tài)模型;以經(jīng)濟利潤和系統(tǒng)熱負荷為優(yōu)化目標,提出原油蒸餾裝置及其換熱網(wǎng)絡的多目標協(xié)同優(yōu)化模型;通過優(yōu)化原油蒸餾裝置及其耦合換熱網(wǎng)絡,確定最佳工藝操作參數(shù);采用夾點分析方法對優(yōu)化前后的常減壓裝置換熱網(wǎng)絡進行對比分析。

1 常減壓系統(tǒng)模型建立

以某煉油廠436×104t/a的常減壓系統(tǒng)為研究對象,原油蒸餾裝置由初餾塔、常壓塔和減壓塔組成,其中的初餾塔有14塊理論板,塔底采用蒸汽汽提,塔頂采用分凝器,無側線采出;常壓塔有48塊理論板,塔底采用蒸汽汽提,塔頂采用分凝器,3個側線采出;減壓塔有17塊理論板,塔頂采用冷凝器,4個側線采出。換熱網(wǎng)絡包含換熱器和加熱冷卻器共34個以及混合和分流器共11個。原油蒸餾裝置穩(wěn)態(tài)模型圖與簡并后的換熱網(wǎng)絡穩(wěn)態(tài)模型見圖1和圖2。利用aspen plus流程模擬軟件模擬原油蒸餾裝置與耦合的換熱網(wǎng)絡的實際工況。原油蒸餾裝置穩(wěn)態(tài)模型中塔模型均選用PetroFrac模型,換熱網(wǎng)絡穩(wěn)態(tài)模型中的換熱器模型采用Heater或HeatX模型。物性方法選用BK10[26]。

常減壓系統(tǒng)進料為沙特阿拉伯輕質原油,API重度為31.11。原油的實沸點數(shù)據(jù)見表1。

圖1 原油蒸餾裝置流程Fig.1 Process flow diagram of rude oil distillation system

圖2 換熱網(wǎng)絡Fig.2 Diagram of heat exchanger network

2 多目標協(xié)同優(yōu)化

2.1 優(yōu)化模型

采用多目標優(yōu)化方法對常減壓系統(tǒng)的原油蒸餾裝置與耦合的換熱網(wǎng)絡進行協(xié)同優(yōu)化,模型見圖3。利用aspen plus建立常減壓系統(tǒng)模型,利用Matlab編寫NSGA-Ⅱ算法程序。通過COM以及ActiveX技術開發(fā)的接口工具實現(xiàn)軟件信息交互功能,采用Matlab調用遺傳算法NSGA-Ⅱ運行aspen plus完成常減壓系統(tǒng)的多目標協(xié)同優(yōu)化。

圖3 協(xié)同優(yōu)化模型Fig.3 Diagram of collaborative optimization model

2.2 優(yōu)化策略

采用多目標遺傳算法(NSGA-II)對常減壓系統(tǒng)進行協(xié)同優(yōu)化研究。該算法不僅能處理帶有約束的多目標優(yōu)化問題,并且能基于任何模擬初值進行全局優(yōu)化,排除模擬不能收斂的工況,得到相應的Pareto最優(yōu)解集。選擇熱負荷最小和經(jīng)濟利潤最大作為優(yōu)化目標。為保證產(chǎn)品規(guī)格,選擇石腦油與柴油產(chǎn)品的ASTM D86(質量分數(shù)為95%,溫度為138和214.5 ℃)、常壓塔的側線采出流量作為約束條件。通過分析常減壓系統(tǒng)確定原油換熱終溫(T1,b)、初餾塔底油換熱后溫度(T2，b)、常壓爐出口溫度(TAtm-furnace)、減壓爐出口溫度(TVac-furnace)和初餾塔塔底、常壓塔塔底以及常壓塔側線3汽提塔的汽提蒸汽流量(分別為Fsteam1、Fsteam2和Fsteam3)為決策變量。決策變量的取值見表2。

常減壓系統(tǒng)的熱負荷和經(jīng)濟利潤模型如下:

Q=CPoil(T1,b-Ta)+CPbottom(T2,b-Tbottom)+QFurnace,

(1)

B=∑iPiFi-CcRc-MQQQ-MCQC-∑gZgSg.

(2)

式中,Q為熱負荷,kJ·h-1;CPoil和CPbottom分別為原油和初餾塔底油的熱容流率,kJ·℃-1·h-1;T1,b和Ta分別為原油換熱終溫和原油進裝置溫度,℃;Tbottom和T2,b分別為初餾塔底油換熱前后溫度,℃;QFurnace為加熱爐熱負荷,kJ·h-1;B為經(jīng)濟利潤,元·h-1;Pi為i產(chǎn)品的價格,元·m-3;Fi為i產(chǎn)品的流量,m3·h-1;Cc為原油價格,元·m-3;Rc為原油流量,m3·h-1;MQ和MC分別為燃料和冷卻水價格,元·kJ-1;QQ和QC分別為燃料和冷卻水負荷,kJ·h-1;Zg為汽提蒸汽g的價格,元·kg-1;Sg為汽提蒸汽g的流量,kg·h-1;g表示初餾塔塔底、常壓塔塔底以及常壓塔側線3汽提塔的汽提蒸汽。

原料與產(chǎn)品餾分價格參考Mittal等[27]的數(shù)據(jù)。計算經(jīng)濟利潤參考的沙輕原油、石腦油、煤油、柴油、重柴油、減壓蠟油和減壓渣油價格分別為3 402.56、3 894.19、3 933.77、3 896.97、3 797.67、3 485.88和2 013.76元·m-3。

表2 決策變量的類型和可行域

2.3 優(yōu)化過程

遺傳算法優(yōu)化程序見圖4。其中算法采用的選擇、交叉和變異算子分別為二元錦標賽選擇、中間交叉和高斯變異:設置遺傳算法參數(shù),種群大小設為100個,最大遺傳代數(shù)設為100,交叉概率和變異概率分別為0.8和0.5;利用aspen plus建立常減壓系統(tǒng)模型;利用NSGA-Ⅱ隨機產(chǎn)生初始種群,根據(jù)aspen plus模擬結果對初始種群的個體進行目標函數(shù)與約束條件評價,利用約束條件和Pareto最優(yōu)策略對種群個體進行排序并將種群分為數(shù)個子種群;利用遺傳算法操作算子對種群進行選擇、交叉以及變異操作以產(chǎn)生新一代種群;根據(jù)aspen plus模擬結果對新一代種群個體進行目標函數(shù)與約束條件評價;重復上述過程,直到遺傳優(yōu)化代數(shù)達到設定的最大遺傳代數(shù)。

圖4 遺傳算法優(yōu)化步驟圖Fig.4 Optimization procedure of genetic algorithm

2.4 優(yōu)化結果

不同遺傳代數(shù)優(yōu)化得到的解集見圖5。由圖5看出,運行5代后只得到了隨意分布的解集。隨著遺傳代數(shù)的增加,解集逐漸趨于集中且接近近似的Pareto最優(yōu)解集。當遺傳代數(shù)達到100代時,優(yōu)化算法終止。第100代的優(yōu)化結果得到了較好的Pareto最優(yōu)解集。

圖5 優(yōu)化的Pareto解集Fig.5 Optimal Pareto solutions

3 結果分析

3.1 遺傳算法優(yōu)化結果分析

圖5(d)為最終的優(yōu)化解集,優(yōu)化工況的經(jīng)濟效益比原始工況的經(jīng)濟效益高,且熱負荷小。這表明多目標協(xié)同優(yōu)化方法可實現(xiàn)降低能耗與提高效益的目的。圖中初始工況的熱負荷為3.92×108kJ·h-1,經(jīng)濟利潤為5.56×104元·h-1。圖5中綠色菱形代表在權衡經(jīng)濟利潤與熱負荷目標后所選擇的最優(yōu)工況,最優(yōu)工況與初始工況對比見表3。可以看出,在不改變原油換熱終溫的前提下,優(yōu)化后的常減壓系統(tǒng)的經(jīng)濟利潤提高了6.12%,熱負荷下降了3.57%。優(yōu)化前后的餾分產(chǎn)量對比見表4?？梢钥闯?石腦油和減壓蠟油產(chǎn)品流率與初始工況相比分別增加了2.97%和5.06%,其余產(chǎn)品流率沒有改變,總產(chǎn)品流率則增加了2.82%,減壓渣油流率減少了7.25%。圖中的三角形代表經(jīng)濟利潤最小所對應的工況,此工況對應的熱負荷最小。與初始工況相比,其經(jīng)濟利潤減少了2.52%,熱負荷減少了7.65%。圖5中,經(jīng)濟利潤最大時所對應工況的熱負荷最大,與初始工況相比,其經(jīng)濟利潤增長了12.4%,熱負荷卻增大了5.36%。經(jīng)濟效益最小和最大時所對應的工況對比見表5。圖5中圓形代表與初始工況熱負荷相同的對比工況,此工況對應的經(jīng)濟利潤為6.09×104元·h-1,比初始工況提高了9.53%。

表3 優(yōu)化結果

表4 優(yōu)化產(chǎn)品流率

表5 經(jīng)濟利潤極值對比

從圖5(d)中也可以看出,隨著熱負荷增大,經(jīng)濟利潤也增加。這是因為產(chǎn)品增產(chǎn)帶來的收益高于熱負荷增加帶來的成本。

3.2 夾點分析

夾點分析可以用來評價換熱網(wǎng)絡的熱量回收能力[28-29]。針對優(yōu)化前后的工況,利用AEA對常減壓系統(tǒng)的換熱網(wǎng)絡進行夾點分析。將夾點溫度設定為19.5℃,然后對常減壓系統(tǒng)優(yōu)化前后的換熱網(wǎng)絡進行夾點分析,相應的分析結果見表6。在優(yōu)化后的換熱網(wǎng)絡中,熱/冷公用工程分別在夾點的上方/下方引入,而且不存在跨夾點的傳熱。因此優(yōu)化的換熱網(wǎng)絡符合夾點設計原則。相比優(yōu)化前換熱網(wǎng)絡所需的熱公用工程用量和冷公用工程用量,優(yōu)化后換熱網(wǎng)絡所需的熱公用工程用量和冷公用工程用量(分別為3.06×108和3.60×108kJ·h-1)分別降低了21.13%與20.35%。相比優(yōu)化前換熱網(wǎng)絡的冷熱夾點溫度(分別為86.1和105.6℃),優(yōu)化后換熱網(wǎng)絡的冷熱夾點溫度均降低。這是由優(yōu)化后的產(chǎn)品流率發(fā)生變化而導致的。綜上所述,常減壓系統(tǒng)原始工況的冷熱夾點溫度得到了優(yōu)化以降低公用工程量,因此提出的協(xié)同優(yōu)化方法是可行的。

表6 夾點分析結果

4 結束語

基于aspen plus、Matlab和NSGA-II的集成優(yōu)勢,提出一種原油蒸餾裝置與耦合換熱網(wǎng)絡協(xié)同優(yōu)化方法,完成了原油蒸餾裝置與換熱網(wǎng)絡的多變量多目標協(xié)同優(yōu)化。常減壓系統(tǒng)的熱負荷和經(jīng)濟效益正相關,隨著熱負荷增加,經(jīng)濟效益增大。在保持原油換熱終溫不變的前提下,與初始工況相比,優(yōu)化后的常減壓系統(tǒng)的經(jīng)濟利潤提高6.12%,熱負荷降低3.57%,產(chǎn)品產(chǎn)量增加2.82%,冷熱公用工程消耗量分別下降20.35%和21.13%。該方法優(yōu)化了常減壓蒸餾裝置,提高了產(chǎn)品產(chǎn)量,增加了經(jīng)濟效益,也優(yōu)化了耦合的換熱網(wǎng)絡,減少了換熱網(wǎng)絡的冷熱公用工程用量,因此是一種可行的常減壓系統(tǒng)優(yōu)化方法。