基于混整空间粒子群算法的精馏塔优化设计
本文关键词: 混合整数非线性规划 粒子群算法 共沸精馏 优化设计 流体力学 出处:《青岛科技大学》2015年硕士论文 论文类型:学位论文
【摘要】:精馏塔是化工与石化行业中最重要的分离单元设备之一。在化工企业中,约90%的分离与提纯操作为精馏操作,约占分离总能耗的90%。因此,对精馏塔进行优化设计,减少设备投资与能耗,具有重大的经济效益。由于精馏塔优化设计的变量既包括了塔板数、进料位置等整数变量,又包括了回流比等实数变量,因此精馏塔优化是一个混合整数非线性规划( Mixed integer nonlinear programming, MINLP)问题。本文研究了MINLP问题求解的各算法的优、缺点之后,最终选择粒子群优化(Particle swarm optimization, PSO)算法进行精馏塔的优化设计。为提高PSO算法求解MINLP的效率,本文研究和分析了现有的PSO算法整数编码和约束处理技术之后,提出了新的整数变量处理策略和流体力学约束条件,并以Deb方法处理约束,提出了混合整数空间粒子群优化(Mixed integer space particle swarm optimization, MIS-PSO)算法。采用C#编程语言开发了精馏塔MINLP界面平台,采用C++编程语言开发了MIS-PSO算法的动态链接文件,在MINLP平台中调用MIS-PSO算法进行粒子位置的更新。通过ActiveX控件调用Aspen Plus,将Aspen Plus中建立的精馏模型作为适应度函数,计算粒子所对应的塔结构和操作参数而获得粒子的适应度函数值,充分利用了Aspen的强大计算能力和成熟的精馏计算模块,并使得寻优过程更易收敛。之后将MIS-PSO算法用于一个共沸精馏塔的设计,MIS-PS O算法计算得出的最优年度总费用(Total annual cost, TAC)为7.08×105$/year,该结果不仅满足所有约束,而且比Aspen Consep的计算结果降低了19.64%,并且优于文献结果。由Aspen Consep所设计的塔不仅TAC最优值不及MIS-PSO法得出的最优值,而且空塔气速低于0.5m/s的下限,说明MIS-PSO算法可以更好地应用于精馏塔的优化设计。为考察多塔优化的有效性,将MIS-PSO法用于一个异丙醇脱水过程的共沸精馏双塔序列。计算结果表明,TAC 1.218×106$/year比文献值减少16.96%,符合流体力学约束条件。文献值经过计算后TAC高于MIS-PSO法,并且C-1塔的空塔气速0.851 m/s大于0.8m/s的上限,不满足流体力学约束。该计算结果进一步说明MIS-PSO法计算多塔得出的结果也优于文献结果。上述工作表明,MIS-PSO法直接在混合整数空间进行寻优,为PSO算法求解混合整数规划问题提供了新的思路。MIS-PSO法可以用于精馏序列的最优设计,并且所得的结果优于以往的文献值。未来可将本文成果应用于更为复杂的精馏塔设计优化,以满足大规模化工流程优化的需要。
[Abstract]:Distillation column is one of the most important separation units in chemical and petrochemical industries. In chemical enterprises, about 90% of separation and purification operations are distillation operations, accounting for about 90 percent of the total separation energy consumption. The optimization design of distillation column to reduce equipment investment and energy consumption has great economic benefits. Because the variables of optimization design of distillation column include integral variables such as tray number feed position and so on. Reflux ratio and other real variables are also included, so the distillation column optimization is a Mixed integer nonlinear programming. This paper studies the advantages and disadvantages of the algorithms for solving the MINLP problem. Particle Swarm Optimization (PSO) is used to optimize particle swarm optimization. In order to improve the efficiency of PSO algorithm to solve MINLP, this paper studies and analyzes the existing PSO algorithm integer coding and constraint processing technology. A new integer variable processing strategy and fluid mechanics constraint conditions are proposed, and Deb method is used to deal with the constraints. Mixed integer space particle swarm optimization is proposed for mixed integer space particle swarm optimization. MIS-PSO algorithm. The MINLP interface platform of distillation column is developed by C # programming language, and the dynamic link file of MIS-PSO algorithm is developed by C programming language. Call the MIS-PSO algorithm in the MINLP platform to update the position of the particle. Call Aspen Plus through the ActiveX control. The distillation model established in Aspen Plus is taken as fitness function, and the corresponding tower structure and operation parameters of particles are calculated to obtain the fitness function of particles. The powerful computing power of Aspen and the mature distillation calculation module are fully utilized, and the optimization process is more easily converged. Then, the MIS-PSO algorithm is used in the design of an azeotropic distillation column. Total annual cost (TAC) calculated by MIS-PS O algorithm is 7.08 脳 10 ~ 5 / year. The results not only satisfy all the constraints, but also decrease by 19.64% compared with the results of Aspen Consep. The column designed by Aspen Consep is not only less than the optimal value obtained by MIS-PSO method, but also lower than the lower limit of 0.5 m / s. It shows that MIS-PSO algorithm can be applied to the optimization design of distillation column better. The MIS-PSO method was applied to an azeotropic distillation two-column sequence in the dehydration process of isopropanol. The calculated results show that the value of TAC 1.218 脳 106 / year is 16.96% less than that in the literature. The TAC value is higher than that of MIS-PSO method, and the upper limit of the empty tower gas velocity of C-1 tower is 0.851 m / s > 0.8 m / s. The results show that the MIS-PSO method is also superior to the results of the literature. The MIS-PSO method is directly applied to the optimization of mixed integer space, which provides a new idea for the PSO algorithm to solve the mixed integer programming problem. MIS-PSO method can be used in the optimal design of distillation sequences. The results obtained are better than the previous ones. In the future, the results of this paper can be applied to the design optimization of more complex distillation column to meet the needs of large-scale chemical process optimization.
【学位授予单位】:青岛科技大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TQ053.5;TP18
【相似文献】
相关期刊论文 前10条
1 陈金环;王冠;王东云;;粒子群算法及特性的研究[J];中原工学院学报;2007年04期
2 杨立生;;基于粒子群算法的选矿能力优化研究[J];矿业快报;2007年11期
3 左毅;陈勇;;基于对称扰动的改进粒子群算法[J];重庆科技学院学报(自然科学版);2010年03期
4 杨瑞连;曾光明;李晓东;;混沌粒子群算法在水污染控制系统规划中的应用[J];环境工程学报;2010年12期
5 邓毅;江青茵;曹志凯;师佳;周华;;改进的粒子群算法在化工过程优化中的应用[J];计算机与应用化学;2011年06期
6 闫元元;高兴宝;周喜虎;;基于变异和交叉的改进粒子群算法[J];陕西科技大学学报(自然科学版);2011年04期
7 李娥;高兴宝;;一种基于阶段进化适应性策略的粒子群算法[J];陕西科技大学学报(自然科学版);2011年05期
8 王燕;贺兴时;王凡;刘达卓;;改进反向粒子群算法及其在噪声中的应用[J];西安工程大学学报;2011年05期
9 熊聪聪;许淑yN;徐姝;;基于粒子群算法的天气滚动预报集成技术[J];天津科技大学学报;2012年01期
10 王防修;周康;;基于粒子群算法的罐容表标定[J];武汉工业学院学报;2012年03期
相关会议论文 前10条
1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(上)[C];2012年
2 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集(上)[C];2009年
3 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年
4 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用(第7卷)——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年
6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年
7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年
8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
9 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年
10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国(天津)’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年
相关博士学位论文 前10条
1 王芳;粒子群算法的研究[D];西南大学;2006年
2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年
3 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年
4 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年
5 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年
6 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年
7 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年
8 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年
9 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年
10 冯琳;改进多目标粒子群算法的研究及其在电弧炉供电曲线优化中的应用[D];东北大学;2013年
相关硕士学位论文 前10条
1 张忠伟;结构优化中粒子群算法的研究与应用[D];大连理工大学;2009年
2 李强;基于改进粒子群算法的艾萨炉配料优化[D];昆明理工大学;2015年
3 付晓艳;基于粒子群算法的自调节隶属函数模糊控制器设计[D];河北联合大学;2014年
4 余汉森;粒子群算法的自适应变异研究[D];南京信息工程大学;2015年
5 梁计锋;基于改进粒子群算法的交通控制算法研究[D];长安大学;2015年
6 杨伟;基于粒子群算法的氧乐果合成过程建模研究[D];郑州大学;2015年
7 李程;基于粒子群算法的AS/RS优化调度方法研究[D];陕西科技大学;2015年
8 樊伟健;基于混合混沌粒子群算法求解变循环发动机数学模型问题[D];山东大学;2015年
9 陈百霞;考虑风电场并网的电力系统无功优化[D];山东大学;2015年
10 戴玉倩;基于混合动态粒子群算法的软件测试数据自动生成研究[D];江西理工大学;2015年
,本文编号:1468543
本文链接:https://www.wllwen.com/kejilunwen/huaxuehuagong/1468543.html