專利名稱：一種工業(yè)裝置粗對(duì)苯二甲酸加氫精制過(guò)程節(jié)能優(yōu)化運(yùn)行方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種過(guò)程優(yōu)化運(yùn)行方法，尤其是一種工業(yè)裝置粗對(duì)苯二甲酸加氫精制過(guò)程節(jié)能優(yōu)化運(yùn)行方法。

背景技術(shù)：
化工過(guò)程模型研究是進(jìn)行工藝、工程技術(shù)開發(fā)和優(yōu)化的基礎(chǔ)。認(rèn)識(shí)化工過(guò)程規(guī)律與機(jī)理，建立模型，從而為生產(chǎn)操作條件的優(yōu)化、及生產(chǎn)工藝的改造等提供依據(jù)和手段，因此建立能準(zhǔn)確描述化工過(guò)程的模型具有重要意義。同時(shí)，在模型的基礎(chǔ)上，利用適合化工過(guò)程操作條件優(yōu)化的智能優(yōu)化算法，進(jìn)行工藝操作條件的優(yōu)化，可以在不改動(dòng)工藝設(shè)備的基礎(chǔ)上，最大可能的發(fā)掘現(xiàn)有裝置的潛能，提升產(chǎn)能和節(jié)能降耗。
精對(duì)苯二甲酸(Purified Terephthalic Acid，以下簡(jiǎn)稱PTA)是合成聚酯纖維和塑料的重要原料，主要用來(lái)合成聚酯的中間體苯二甲酸乙二醇。PTA生產(chǎn)工藝主要分為對(duì)二甲苯氧化反應(yīng)單元和粗對(duì)苯二甲酸加氫精制單元。圖1是AMOCO工藝中粗對(duì)苯二甲酸加氫精制單元主要設(shè)備過(guò)程的工藝簡(jiǎn)圖。TA和水溶液經(jīng)過(guò)多級(jí)漿料預(yù)熱器預(yù)熱至高溫，和氫氣、飽和蒸汽在高壓下進(jìn)入固定床式加氫反應(yīng)器，流經(jīng)裝填有Pd/C催化劑的床層，使TA中的4-CBA等有害雜質(zhì)還原，從而被水洗掉。反應(yīng)后的物料在加氫反應(yīng)器底部進(jìn)入5級(jí)連續(xù)結(jié)晶器，降溫閃蒸后形成PTA晶體，結(jié)晶器頂部產(chǎn)生不同等級(jí)的副產(chǎn)蒸汽，供給前5級(jí)漿料預(yù)熱器。
由于結(jié)晶器系統(tǒng)與漿料預(yù)熱系統(tǒng)的熱能利用耦合，使得結(jié)晶器的操作工況和漿料預(yù)熱系統(tǒng)的操作工況聯(lián)合起來(lái)考慮。比如，應(yīng)該在盡量提高漿料預(yù)熱系統(tǒng)第5級(jí)換熱器的出口溫度，以降低后續(xù)高壓蒸汽用量的前提下，盡可能的使結(jié)晶器系統(tǒng)高壓副產(chǎn)蒸汽的余量更富裕，用于裝置其它單元設(shè)備的用能。到目前為止，有關(guān)結(jié)晶器系統(tǒng)與漿料預(yù)熱系統(tǒng)的聯(lián)合建模與優(yōu)化運(yùn)行技術(shù)還沒(méi)有公開的報(bào)道。


發(fā)明內(nèi)容
本發(fā)明提供了一種工業(yè)裝置粗對(duì)苯二甲酸加氫精制過(guò)程節(jié)能優(yōu)化運(yùn)行方法，此方法基于漿料預(yù)熱系統(tǒng)模型和結(jié)晶器系統(tǒng)模型，應(yīng)用基于精英選擇和個(gè)體遷移的多目標(biāo)進(jìn)化算法，根據(jù)實(shí)際工業(yè)生產(chǎn)目標(biāo)，對(duì)工藝操作條件進(jìn)行優(yōu)化，以達(dá)到對(duì)工業(yè)裝置粗對(duì)苯二甲酸加氫精制過(guò)程漿料預(yù)熱與結(jié)晶器用能的準(zhǔn)確描述和實(shí)現(xiàn)工業(yè)生產(chǎn)節(jié)能的目的。
一種工業(yè)裝置粗對(duì)苯二甲酸加氫精制過(guò)程節(jié)能優(yōu)化運(yùn)行方法，包括以下步驟 ①采集工業(yè)運(yùn)行數(shù)據(jù)； ②建立漿料預(yù)熱系統(tǒng)與結(jié)晶器系統(tǒng)機(jī)理模型； ③確定工業(yè)裝置粗對(duì)苯二甲酸加氫精制過(guò)程多目標(biāo)優(yōu)化的目標(biāo)函數(shù)和優(yōu)化變量； ④設(shè)定基于精英選擇和個(gè)體遷移的多目標(biāo)進(jìn)化算法的參數(shù)； ⑤基于漿料預(yù)熱系統(tǒng)與結(jié)晶器系統(tǒng)機(jī)理模型，利用基于精英選擇和個(gè)體遷移的多目標(biāo)進(jìn)化算法，對(duì)操作條件參數(shù)進(jìn)行優(yōu)化，直至達(dá)到優(yōu)化目標(biāo)，包括以下步驟 a)針對(duì)每個(gè)優(yōu)化目標(biāo)，隨機(jī)生成相應(yīng)單目標(biāo)子種群； b)計(jì)算每個(gè)單目標(biāo)子種群所有個(gè)體的目標(biāo)函數(shù)值，基于Pareto最優(yōu)解定義，比較所有單目標(biāo)子種群中的所有個(gè)體，獲得初始Pareto最優(yōu)解，并保存到精英種群中，所述目標(biāo)函數(shù)為在一定的漿料濃度下，基于漿料預(yù)熱系統(tǒng)與結(jié)晶器系統(tǒng)機(jī)理模型，最大化第五級(jí)漿料預(yù)熱器的出口溫度、最大化第一級(jí)結(jié)晶器頂部氣相出口流量和最大化第二級(jí)結(jié)晶器頂部氣相出口流量； c)對(duì)于多目標(biāo)優(yōu)化問(wèn)題中的第一個(gè)目標(biāo)，從相應(yīng)的單目標(biāo)子種群和Pareto最優(yōu)精英種群的并集中，選出該目標(biāo)最好的個(gè)體作為該子種群的父?jìng)€(gè)體；重復(fù)前述選擇過(guò)程直至所有單目標(biāo)子種群的父?jìng)€(gè)體都選擇完畢； d)分別在每個(gè)單目標(biāo)子種群的父?jìng)€(gè)體上，應(yīng)用交叉和變異算子，獲得本次循環(huán)的單目標(biāo)子種群； e)在Pareto精英種群中應(yīng)用交叉和變異，產(chǎn)生子種群數(shù)量個(gè)新的個(gè)體； f)基于Pareto最優(yōu)的概念，將所有本次循環(huán)的單目標(biāo)子種群中的個(gè)體及精英種群進(jìn)化得到的子種群數(shù)量個(gè)新個(gè)體分別和前次循環(huán)的Pareto最優(yōu)精英種群中的個(gè)體進(jìn)行比較，得到本次循環(huán)的Pareto最優(yōu)精英種群； g)重復(fù)步驟c)-f)直至進(jìn)化達(dá)到優(yōu)化目標(biāo)； h)所得Parento最優(yōu)精英種群即為優(yōu)化解； 所述步驟①中的數(shù)據(jù)為TA漿料中TA和水的質(zhì)量流量，漿料初始溫度，各級(jí)漿料預(yù)熱器的出口溫度，各級(jí)結(jié)晶器的操作溫度； 所述步驟②中的機(jī)理模型為物料平衡模型和能量平衡模型，模型如下 換熱器熱量守恒方程 其中

和

分別為冷流液相和固相TA以及水的平均熱容，kJ/kg.K，

為熱流凝液的平均熱容，kJ/kg.K，DT′為TA的平均溶解焓，ΔT為冷流的溫度差，ΔT′為熱流的溫度差，

為熱流凝液流量，kg/hr，

為熱流蒸汽流量，kg/hr，RT″為熱流蒸汽焓，kJ/kg； 結(jié)晶器熱量守恒方程 其中rT為水在溫度T時(shí)的汽化焓，kJ/kg，RT為TA在溫度T時(shí)的結(jié)晶焓，kJ/kg，

為進(jìn)料中水在結(jié)晶器進(jìn)出口平均溫度和壓力下的熱容，kJ/kg.K，

和

分別為進(jìn)料中液相和固相TA在結(jié)晶器進(jìn)出口平均溫度和壓力下的熱容，kJ/kg.K，

為補(bǔ)充噴射水的平均熱容，kJ/kg.K； 所述步驟③中的優(yōu)化目標(biāo)是指在一定的漿料濃度下，基于漿料預(yù)熱系統(tǒng)與結(jié)晶器系統(tǒng)機(jī)理模型，最大化第五級(jí)漿料預(yù)熱器的出口溫度、最大化第一級(jí)結(jié)晶器頂部氣相出口流量和最大化第二級(jí)結(jié)晶器頂部氣相出口流量； 所述步驟③中的優(yōu)化變量是5級(jí)結(jié)晶器的操作溫度； 所述步驟④中的參數(shù)為子種群數(shù)量，最大迭代次數(shù)，交叉概率，變異概率，目標(biāo)精度以及優(yōu)化循環(huán)次數(shù)； 所述步驟⑤中的優(yōu)化目標(biāo)，是優(yōu)化循環(huán)次數(shù)或優(yōu)化閾值。
所述步驟⑤中c)中從相應(yīng)的單目標(biāo)子種群和Pareto最優(yōu)精英種群的并集中選出的個(gè)體為互相不同的個(gè)體。
所述步驟②中的參數(shù)，還包括，Pareto最優(yōu)精英解的最大數(shù)量Num_current，最后一代Pareto最優(yōu)精英解的數(shù)量Num_final，其中Num_final＜＝Num_current；所述步驟⑤中，步驟f)、步驟g)間還包括步驟h)，即所得的Pareto最優(yōu)精英解的個(gè)數(shù)如超出了指定的數(shù)量Num_current，執(zhí)行排擠比較算子；所述步驟④中，步驟f)、步驟h)、步驟g)后還包括步驟i)，即排擠比較算子生成Num_final個(gè)Pareto最優(yōu)精英解。
本發(fā)明提供一種工業(yè)裝置粗對(duì)苯二甲酸加氫精制過(guò)程節(jié)能優(yōu)化運(yùn)行方法，此方法基于漿料預(yù)熱系統(tǒng)與結(jié)晶器系統(tǒng)的機(jī)理模型，利用基于精英選擇和個(gè)體遷移的多目標(biāo)進(jìn)化算法對(duì)工藝操作條件進(jìn)行優(yōu)化，為生產(chǎn)工藝的改造、節(jié)能等提供基礎(chǔ)和依據(jù)，且此方法適用于各類粗對(duì)苯二甲酸加氫精制過(guò)程的優(yōu)化，有著廣泛的適應(yīng)性。



圖1是粗對(duì)苯二甲酸加氫精制單元主要設(shè)備過(guò)程的工藝簡(jiǎn)圖。
圖2是基于精英選擇和個(gè)體遷移的多目標(biāo)進(jìn)化算法流程框圖。
圖3是利用基于精英選擇和個(gè)體遷移的多目標(biāo)進(jìn)化算法進(jìn)行操作條件優(yōu)化框圖。
附圖符號(hào)說(shuō)明 圖1中，TA和水溶液組成一定濃度的漿料，經(jīng)過(guò)5級(jí)漿料預(yù)熱器預(yù)熱至一定溫度后，再由3級(jí)高壓蒸汽預(yù)熱器加熱至反應(yīng)溫度進(jìn)入固定床式加氫反應(yīng)器，使TA中的4-CBA等有害雜質(zhì)發(fā)生還原反應(yīng)生成水溶物，從而被水洗掉。反應(yīng)后的物料在加氫反應(yīng)器底部進(jìn)入5級(jí)連續(xù)結(jié)晶器，同時(shí)結(jié)晶器頂部會(huì)有一股小流量的噴淋水進(jìn)入，降溫閃蒸后形成PTA晶體，結(jié)晶器頂部產(chǎn)生不同等級(jí)的副產(chǎn)蒸汽，供給前5級(jí)漿料預(yù)熱器。其中JD301～JD305為結(jié)晶器，JE1～JE5為漿料預(yù)熱器，采用結(jié)晶器頂部蒸汽作為熱源，JE6～JE8為采用7.7kg高壓蒸汽的漿料預(yù)熱器。
圖2中，Pc為交叉概率，Pm為變異概率，Popsize為種群規(guī)模，Maxgen為最大迭代次數(shù)，目標(biāo)值精度tolerate，Num_current為Pareto最優(yōu)精英解的最大數(shù)量，Num_final為最后一代Pareto最優(yōu)精英解的數(shù)量，m為單目標(biāo)子種群數(shù)，k為優(yōu)化循環(huán)次數(shù)。
圖3中，t為優(yōu)化循環(huán)次數(shù)。

具體實(shí)施例方式 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明進(jìn)一步說(shuō)明。
對(duì)漿料預(yù)熱器模型進(jìn)行簡(jiǎn)單介紹，如下 建模過(guò)程中，忽略熱損失，考慮質(zhì)量和熱量平衡以及TA溶解熱，對(duì)應(yīng)每個(gè)換熱器有下列質(zhì)量守恒方程 wTAlin+wTAsin＝wTAlout+wTAsout(1) wH2Oout＝wH2Oin (2) 其中wTAlin和wTAsin分別是進(jìn)入換熱器冷流的液相和固相TA質(zhì)量流量，kg/hr，wTAlout和wTAsout分別是換熱器冷流出口處的液相和固相TA質(zhì)量，kg/hr，wH2Oin和wH2Oout分別是進(jìn)出換熱器冷流中水的質(zhì)量流量，kg/hr。另外，根據(jù)溶解度有 wTAlout＝CT×wH2Oout (3) 其中CT為換熱器冷流出口溫度。
換熱器有如下熱量守恒方程 其中


和

分別為冷流液相和固相TA以及水的平均熱容，kJ/kg.K，

為熱流凝液的平均熱容，kJ/kg.K，DT′為TA的平均溶解焓，ΔT為冷流的溫度差，ΔT′為熱流的溫度差，

為熱流凝液流量，kg/hr，

為熱流蒸汽流量，kg/hr，RT″為熱流蒸汽焓，kJ/kg。
對(duì)結(jié)晶器模型進(jìn)行簡(jiǎn)單介紹，如下 結(jié)晶器模擬計(jì)算主要包括質(zhì)量衡算和熱量衡算。計(jì)算中忽略了其它細(xì)微組分，只考慮水和TA，忽略熱損失。
每級(jí)結(jié)晶器溶質(zhì)TA的質(zhì)量衡算方程有 其中

和

分別為第i級(jí)結(jié)晶器進(jìn)料中液相和固相TA的質(zhì)量流量，kg/hr，

和

分別為第i級(jí)結(jié)晶器出料中液相和固相TA的質(zhì)量流量，kg/hr。每級(jí)結(jié)晶器水的質(zhì)量衡算方程有 其中

和

分別為第i級(jí)結(jié)晶器進(jìn)料和出料中水的質(zhì)量流量，kg/hr，

為第i級(jí)結(jié)晶器補(bǔ)充噴射水的質(zhì)量流量，kg/hr，

為第i級(jí)結(jié)晶器的閃蒸汽量，kg/hr。
假定結(jié)晶器出口物料為飽和溶液，則有 其中CT為對(duì)應(yīng)結(jié)晶器操作溫度T時(shí)的TA溶解度參數(shù)，gTA/g溶液。
結(jié)晶器絕熱操作，忽略熱損失，則可通過(guò)下面的熱量守恒公式計(jì)算獲得結(jié)晶器的閃蒸汽量。
其中rT為水在溫度T時(shí)的汽化焓，kJ/kg，RT為TA在溫度T時(shí)的結(jié)晶焓，kJ/kg，

為進(jìn)料中水在結(jié)晶器進(jìn)出口平均溫度和壓力下的熱容，kJ/kg.K，

和

分別為進(jìn)料中液相和固相TA在結(jié)晶器進(jìn)出口平均溫度和壓力下的熱容，kJ/kg.K，

為補(bǔ)充噴射水的平均熱容，kJ/kg.K。
對(duì)基于精英選擇和個(gè)體遷移的多目標(biāo)進(jìn)化算法進(jìn)行簡(jiǎn)單介紹，首先介紹下Pareto解和排擠比較算子 解的可控性定義為一個(gè)給定的目標(biāo)向量解u＝(u1，…，um)能夠控制向量解

當(dāng)且僅當(dāng)u部分小于v，即

并且

一個(gè)解xu∈D被稱為Pareto最優(yōu)解，當(dāng)且僅當(dāng)不存在解xv∈D使v＝f(xv)＝(v1，…，vm)控制u＝f(xu)＝(u1，…，um)。在本發(fā)明中，u，v對(duì)應(yīng)多目標(biāo)向量解，即第五級(jí)漿料預(yù)熱器的出口溫度、第一級(jí)結(jié)晶器頂部氣相出口流量和第二級(jí)結(jié)晶器頂部氣相出口流量，f代表工藝操作條件與待優(yōu)化的多目標(biāo)向量之間的函數(shù)關(guān)系，向量x對(duì)應(yīng)可調(diào)的參數(shù)變量，即對(duì)應(yīng)5級(jí)結(jié)晶器的操作溫度。
限制求解精度在一定程度上會(huì)提高Pareto最優(yōu)精英解之間的差異，同時(shí)Pareto最優(yōu)精英解的數(shù)量也將大幅下降。然而，有時(shí)Pareto最優(yōu)精英解的數(shù)量仍會(huì)超出需要。為此我們提出一種新的排擠比較算子，它對(duì)任何數(shù)量目標(biāo)的優(yōu)化問(wèn)題都適用。整個(gè)過(guò)程描述如下 1.計(jì)算任意兩個(gè)Pareto最優(yōu)精英解的歐幾里得距離 2.找出最短的歐幾里得距離dis{F(x1)，F(xiàn)(x2)}并確定連接的兩個(gè)點(diǎn)F(x1)，F(xiàn)(x2)。
3.找出分別和兩個(gè)點(diǎn)F(x1)，F(xiàn)(x2)連接的最短的兩個(gè)距離dis{F(xi)，F(xiàn)(x1)}和dis{F(xj)，F(xiàn)(x2)}，不包括距離dis{F(x1)，F(xiàn)(x2)}。
(1)如果dis{F(xi)，F(xiàn)(x1)}＞dis{F(xj)，F(xiàn)(x2)}，從Pareto精英種群中刪去點(diǎn)x2； (2)如果dis{F(xi)，F(xiàn)(x1)}＜dis{F(xj)，F(xiàn)(x2)}，從Pareto精英種群中刪去點(diǎn)x1； (3)如果dis{F(xi)，F(xiàn)(x1)}＝dis{F(xj)，F(xiàn)(x2)}或者xi＝xj，從點(diǎn)x1和點(diǎn)x2中隨機(jī)刪去一個(gè)點(diǎn)。
本專利提出了基于精英選擇和個(gè)體遷移的多目標(biāo)進(jìn)化算法，該算法不但保留獲得的精英種群，還令精英種群中的個(gè)體也參與進(jìn)化，增加了獲得好解的機(jī)率。在應(yīng)用有限精度法來(lái)控制Pareto解的數(shù)量的同時(shí)，引入了上述的排擠比較算子來(lái)保證Pareto解的多樣性。
首先針對(duì)多目標(biāo)優(yōu)化問(wèn)題中的各個(gè)單目標(biāo)，隨機(jī)生成相應(yīng)的單目標(biāo)子種群，其中各個(gè)單目標(biāo)的子種群規(guī)模是相同的。然后，創(chuàng)建一個(gè)Pareto最優(yōu)精英種群，保存目前為止所生成的非控解，這些非控解是通過(guò)比較所有的初始單目標(biāo)種群中的個(gè)體得來(lái)的。除了保存當(dāng)前得到的非控解，Pareto最優(yōu)精英種群中的個(gè)體也參與進(jìn)化。
進(jìn)化過(guò)程中，要求每一個(gè)單目標(biāo)子種群中的個(gè)體都是不同的。這樣每個(gè)單目標(biāo)子種群就既包括了它優(yōu)化的目標(biāo)的最好解，同時(shí)也保證了解的多樣性。這使得算法既能優(yōu)化指定的單目標(biāo)同時(shí)又能兼顧其他目標(biāo)的優(yōu)化。精英種群中的個(gè)體參與進(jìn)化又能進(jìn)一步有助于找到更多的Pareto最優(yōu)解。
基于精英選擇和個(gè)體遷移的多目標(biāo)進(jìn)化算法的基本步驟總結(jié)如下 步驟1參數(shù)初始化。確定交叉概率Pc，變異概率Pm，種群規(guī)模Popsize，最大迭代次數(shù)Maxgen，目標(biāo)值精度，在進(jìn)化過(guò)程中Pareto最優(yōu)精英解的最大數(shù)量Num_current，最后一代Pareto最優(yōu)精英解的數(shù)量Num_final，其中Num_final＜＝Num_current。令當(dāng)前代數(shù)k＝1。
步驟2對(duì)于m個(gè)目標(biāo)的問(wèn)題，分別隨機(jī)產(chǎn)生m個(gè)單目標(biāo)子種群，然后計(jì)算所有個(gè)體的目標(biāo)函數(shù)值。
步驟3基于Pareto最優(yōu)解的概念，比較m個(gè)單目標(biāo)子種群中的所有個(gè)體，獲得初始Pareto最優(yōu)精英種群。
步驟4對(duì)于多目標(biāo)優(yōu)化問(wèn)題中的第一個(gè)目標(biāo)，從相應(yīng)的單目標(biāo)子種群和Pareto最優(yōu)精英種群的并集中選出最好的Popsize個(gè)體，并要求每個(gè)個(gè)體都是不同的。這樣的選擇過(guò)程一直進(jìn)行到所有單目標(biāo)子種群的父?jìng)€(gè)體都選擇完畢。
步驟5分別在每個(gè)單目標(biāo)子種群的父?jìng)€(gè)體上，應(yīng)用交叉和變異算子，獲得第k+1代的單目標(biāo)子種群。
步驟6在Pareto精英種群中應(yīng)用交叉和變異，產(chǎn)生Popsize個(gè)新的個(gè)體，不考慮進(jìn)化前精英種群的大小。
步驟7基于Pareto最優(yōu)的概念，將所有第k+1代的單目標(biāo)子種群中的個(gè)體及精英種群進(jìn)化得到的Popsize個(gè)新個(gè)體分別和第k代Pareto最優(yōu)精英種群中的個(gè)體進(jìn)行比較，得到第k+1代的Pareto最優(yōu)精英種群。
步驟8如果所得的Pareto最優(yōu)精英解的個(gè)數(shù)超出了指定的數(shù)量Num_current，執(zhí)行排擠比較算子。
步驟9令k＝k+1，重復(fù)步驟4-9直至進(jìn)化代數(shù)達(dá)到最大值Maxgen。
步驟10用提出的排擠比較算子生成Num_final(Num_final＜Num_current)個(gè)Pareto最優(yōu)精英解。
交叉算子、變異算子 交叉算子采用線性交叉。具體如下隨機(jī)選擇兩個(gè)父代個(gè)體，


產(chǎn)生一個(gè)隨機(jī)數(shù)，如果該數(shù)大于交叉概率，則不執(zhí)行交叉操作，直接將兩個(gè)父代個(gè)體復(fù)制為子代個(gè)體；否則，執(zhí)行線性交叉。經(jīng)過(guò)線性交叉后生成兩個(gè)子個(gè)體，是隨機(jī)產(chǎn)生。
每個(gè)個(gè)體的每個(gè)決策變量都有均等的變異機(jī)會(huì)，先選定一個(gè)個(gè)體的一個(gè)決策變量，然后產(chǎn)生一個(gè)隨機(jī)數(shù)，如果該數(shù)大于變異概率，則不執(zhí)行變異操作；否則在該個(gè)體的相應(yīng)的決策變量的定義域范圍重新隨機(jī)生成一個(gè)變量。
一種建立工業(yè)裝置粗對(duì)苯二甲酸加氫精制過(guò)程節(jié)能優(yōu)化運(yùn)行方法基于漿料預(yù)熱系統(tǒng)與結(jié)晶器系統(tǒng)的機(jī)理模型，利用基于精英選擇和個(gè)體遷移的多目標(biāo)進(jìn)化算法對(duì)工藝操作條件進(jìn)行優(yōu)化，其具體實(shí)施步驟如下 1.采集工業(yè)運(yùn)行數(shù)據(jù)。
2.建立漿料預(yù)熱系統(tǒng)與結(jié)晶器系統(tǒng)機(jī)理模型。
3.利用基于精英選擇和個(gè)體遷移的多目標(biāo)進(jìn)化算法，選擇優(yōu)化目標(biāo)Max Tex5，MaxV1，Max V2，選擇優(yōu)化變量5級(jí)結(jié)晶器的操作溫度(x1，x2，x3，x4，x5，℃)。其中240≤x1≤244，220≤x2≤223，192≤x3≤195，164≤x4≤167，149≤x5≤152，第5級(jí)漿料預(yù)熱器的出口溫度與加熱蒸汽第1結(jié)晶器的操作溫度相差在8℃以上。
4.設(shè)定基于精英選擇和個(gè)體遷移的多目標(biāo)進(jìn)化算法的參數(shù)子種群規(guī)模，交叉概率Pc，變異概率Pm，種群規(guī)模Popsize，最大迭代次數(shù)Maxgen，目標(biāo)值精度，在進(jìn)化過(guò)程中Pareto最優(yōu)精英解的最大數(shù)量Num_current，最后一代Pareto最優(yōu)精英解的數(shù)量Num_final，其中Num_final＜＝Num_current 5.設(shè)定粗對(duì)苯二甲酸加氫精制過(guò)程節(jié)能優(yōu)化最大迭代次數(shù)PXMaxgen。
6.設(shè)置t＝1。對(duì)優(yōu)化的目標(biāo)，即第五級(jí)漿料預(yù)熱器的出口溫度、第一級(jí)結(jié)晶器頂部氣相出口流量和第二級(jí)結(jié)晶器頂部氣相出口流量，分別隨機(jī)初始化種群，得到5級(jí)結(jié)晶器的操作溫度。
7.把步驟6的工藝數(shù)據(jù)輸入漿料預(yù)熱與結(jié)晶器模型，得到各級(jí)預(yù)熱器的出口溫度與結(jié)晶器頂部的氣相流量。
8.基于Pareto最優(yōu)解定義，獲得初始的Pareto最優(yōu)精英種群。
9.根據(jù)基于精英選擇和個(gè)體遷移的多目標(biāo)進(jìn)化算法(步驟4-8)，獲得每個(gè)目標(biāo)種群的新一代個(gè)體和新一代的Pareto最優(yōu)精英種群。
10.將每個(gè)目標(biāo)種群的新一代個(gè)體中的工藝參數(shù)，即5級(jí)結(jié)晶器的操作溫度，送入結(jié)晶器模型，得到目標(biāo)值，即第五級(jí)漿料預(yù)熱器的出口溫度、第一級(jí)結(jié)晶器頂部氣相出口流量和第二級(jí)結(jié)晶器頂部氣相出口流量。t＝t+1。返回步驟8，直到t＝Maxgen，退出優(yōu)化，此時(shí)Pareto最優(yōu)精英種群中的個(gè)體即為問(wèn)題的最優(yōu)解，進(jìn)而得到最優(yōu)的操作參數(shù)。
根據(jù)一實(shí)際工況，漿料流量149.63t/hr，其中TA質(zhì)量百分比29％，初始溫度98℃。設(shè)定多目標(biāo)進(jìn)化算法的參數(shù)如下Popsize＝25，Maxgen＝100，Pc＝0.9，Pm＝0.05，Num_current＝500，Num_final＝400，目標(biāo)值精度＝0.001，PXMaxgen＝100。則由模型與優(yōu)化算法可以獲得較優(yōu)的結(jié)晶器工藝操作溫度分別為第1結(jié)晶器243.90℃，第2結(jié)晶器222.95℃，第3結(jié)晶器194.51℃，第4結(jié)晶器165.41℃，第5結(jié)晶器151.03℃，第5漿料預(yù)熱器出口溫度為235.52℃，第1結(jié)晶器頂部蒸汽流量19.6t/hr，第2結(jié)晶器頂部蒸汽流量9.52t/hr。根據(jù)此離線優(yōu)化結(jié)果對(duì)裝置進(jìn)行操作優(yōu)化后，第一結(jié)晶器閃蒸汽增加了0.8t/hr，第二結(jié)晶器閃蒸汽增加了0.3t/hr，第五漿料預(yù)熱器的出口溫度提高了1.2℃，使得后續(xù)的高壓蒸汽節(jié)約0.9t/hr。
綜上所述僅為發(fā)明的較佳實(shí)施例而已，并非用來(lái)限定本發(fā)明的實(shí)施范圍。即凡依本發(fā)明申請(qǐng)專利范圍的內(nèi)容所作的等效變化與修飾，都應(yīng)為本發(fā)明的技術(shù)范疇。
權(quán)利要求
1.一種工業(yè)裝置粗對(duì)苯二甲酸加氫精制過(guò)程節(jié)能優(yōu)化運(yùn)行方法，其特征在于所述方法包括以下步驟
①采集工業(yè)運(yùn)行數(shù)據(jù)；
②建立漿料預(yù)熱系統(tǒng)與結(jié)晶器系統(tǒng)機(jī)理模型；
③確定工業(yè)裝置粗對(duì)苯二甲酸加氫精制過(guò)程多目標(biāo)優(yōu)化的目標(biāo)函數(shù)和優(yōu)化變量；
④設(shè)定基于精英選擇和個(gè)體遷移的多目標(biāo)進(jìn)化算法的參數(shù)；
⑤基于漿料預(yù)熱系統(tǒng)與結(jié)晶器系統(tǒng)機(jī)理模型，利用基于精英選擇和個(gè)體遷移的多目標(biāo)進(jìn)化算法，對(duì)操作條件參數(shù)進(jìn)行優(yōu)化，直至達(dá)到優(yōu)化目標(biāo)，包括以下步驟
a)針對(duì)每個(gè)優(yōu)化目標(biāo)，隨機(jī)生成相應(yīng)單目標(biāo)子種群；
b)計(jì)算每個(gè)單目標(biāo)子種群所有個(gè)體的目標(biāo)函數(shù)值，基于Pareto最優(yōu)解定義，比較所有單目標(biāo)子種群中的所有個(gè)體，獲得初始Pareto最優(yōu)解，并保存到精英種群中，所述目標(biāo)函數(shù)為在一定的漿料濃度下，基于漿料預(yù)熱系統(tǒng)與結(jié)晶器系統(tǒng)機(jī)理模型，最大化第五級(jí)漿料預(yù)熱器的出口溫度、最大化第一級(jí)結(jié)晶器頂部氣相出口流量和最大化第二級(jí)結(jié)晶器頂部氣相出口流量；
c)對(duì)于多目標(biāo)優(yōu)化問(wèn)題中的第一個(gè)目標(biāo)，從相應(yīng)的單目標(biāo)子種群和Pareto最優(yōu)精英種群的并集中，選出該目標(biāo)最好的個(gè)體作為該子種群的父?jìng)€(gè)體；重復(fù)前述選擇過(guò)程直至所有單目標(biāo)子種群的父?jìng)€(gè)體都選擇完畢；
d)分別在每個(gè)單目標(biāo)子種群的父?jìng)€(gè)體上，應(yīng)用交叉和變異算子，獲得本次循環(huán)的單目標(biāo)子種群；
e)在Pareto精英種群中應(yīng)用交叉和變異，產(chǎn)生子種群數(shù)量個(gè)新的個(gè)體；
f)基于Pareto最優(yōu)的概念，將所有本次循環(huán)的單目標(biāo)子種群中的個(gè)體及精英種群進(jìn)化得到的子種群數(shù)量個(gè)新個(gè)體分別和前次循環(huán)的Pareto最優(yōu)精英種群中的個(gè)體進(jìn)行比較，得到本次循環(huán)的Pareto最優(yōu)精英種群；
g)重復(fù)步驟c)-f)直至進(jìn)化達(dá)到優(yōu)化目標(biāo)；
h)所得Parento最優(yōu)精英種群即為優(yōu)化解；
所述步驟①中的數(shù)據(jù)為TA漿料中TA和水的質(zhì)量流量，漿料初始溫度，各級(jí)漿料預(yù)熱器的出口溫度，各級(jí)結(jié)晶器的操作溫度；
所述步驟②中的機(jī)理模型為物料平衡模型和能量平衡模型，模型如下
換熱器熱量守恒方程
其中
和
分別為冷流液相和固相TA以及水的平均熱容，kJ/kg.K，
為熱流凝液的平均熱容，kJ/kg.K，DT′
為TA的平均溶解焓，ΔT為冷流的溫度差，ΔT′
為熱流的溫度差，
為熱流凝液流量，kg/hr，
為熱流蒸汽流量，kg/hr，RT″
為熱流蒸汽焓，kJ/kg；
結(jié)晶器熱量守恒方程
其中rT為水在溫度T時(shí)的汽化焓，kJ/kg，RT為TA在溫度T時(shí)的結(jié)晶焓，kJ/kg，
為進(jìn)料中水在結(jié)晶器進(jìn)出口平均溫度和壓力下的熱容，kJ/kg.K，
和
分別為進(jìn)料中液相和固相TA在結(jié)晶器進(jìn)出口平均溫度和壓力下的熱容，kJ/kg.K，
為補(bǔ)充噴射水的平均熱容，kJ/kg.K；
所述步驟③中的優(yōu)化目標(biāo)是指在一定的漿料濃度下，基于漿料預(yù)熱系統(tǒng)與結(jié)晶器系統(tǒng)機(jī)理模型，最大化第五級(jí)漿料預(yù)熱器的出口溫度、最大化第一級(jí)結(jié)晶器頂部氣相出口流量和最大化第二級(jí)結(jié)晶器頂部氣相出口流量；
所述步驟③中的優(yōu)化變量是5級(jí)結(jié)晶器的操作溫度；
所述步驟④中的參數(shù)為子種群數(shù)量，最大迭代次數(shù)，交叉概率，變異概率，目標(biāo)精度以及優(yōu)化循環(huán)次數(shù)；
所述步驟⑤中的優(yōu)化目標(biāo)，是優(yōu)化循環(huán)次數(shù)或優(yōu)化閾值。
2.如權(quán)利要求1所述的優(yōu)化方法，其特征在于所述步驟⑤中c)中從相應(yīng)的單目標(biāo)子種群和Pareto最優(yōu)精英種群的并集中選出的個(gè)體為互相不同的個(gè)體。
3.如權(quán)利要求1或2所述的優(yōu)化方法，其特征在于所述步驟②中的參數(shù)，還包括，Pareto最優(yōu)精英解的最大數(shù)量Num_current，最后一代Pareto最優(yōu)精英解的數(shù)量Num_final，其中Num_final＜＝Num_current；所述步驟⑤中，步驟f)、步驟g)間還包括步驟h)，即所得的Pareto最優(yōu)精英解的個(gè)數(shù)如超出了指定的數(shù)量Num_current，執(zhí)行排擠比較算子；所述步驟④中，步驟f)、步驟h)、步驟g)后還包括步驟i)，即排擠比較算子生成Num_funal個(gè)Pareto最優(yōu)精英解。
全文摘要
本發(fā)明涉及一種工業(yè)裝置粗對(duì)苯二甲酸加氫精制過(guò)程節(jié)能優(yōu)化運(yùn)行方法，此方法基于漿料預(yù)熱系統(tǒng)模型和結(jié)晶器系統(tǒng)機(jī)理模型，應(yīng)用基于精英選擇和個(gè)體遷移的多目標(biāo)進(jìn)化算法，根據(jù)實(shí)際工業(yè)生產(chǎn)目標(biāo)，對(duì)工藝操作條件進(jìn)行優(yōu)化，以達(dá)到對(duì)工業(yè)裝置粗對(duì)苯二甲酸加氫精制過(guò)程漿料預(yù)熱與結(jié)晶器用能的準(zhǔn)確描述和實(shí)現(xiàn)工業(yè)生產(chǎn)節(jié)能的目的。這種優(yōu)化運(yùn)行方法實(shí)現(xiàn)了粗對(duì)苯二甲酸加氫精制過(guò)程操作條件的優(yōu)化，為生產(chǎn)工藝的改造、節(jié)能等提供基礎(chǔ)和依據(jù)，且此方法適用于各類粗對(duì)苯二甲酸加氫精制過(guò)程的優(yōu)化，有著廣泛的適應(yīng)性。
文檔編號(hào)C07C63/26GK101825868SQ20101016503
公開日2010年9月8日 申請(qǐng)日期2010年4月29日 優(yōu)先權(quán)日2010年4月29日
發(fā)明者錢鋒, 鐘偉民, 祁榮賓, 杜文莉 申請(qǐng)人:華東理工大學(xué)