طراحی برج‌های تقطیر خلوص بالا و مقاوم در برابر اغتشاش های کیفیت خوراک

نوع مقاله : علمی-پژوهشی

نویسنده

دانشکده مهندسی شیمی، دانشگاه صنعتی سهند تبریز، تبریز، ایران

چکیده

هدف اصلی در این کار، ارایه یک سامانه کنترل مقاوم در برابر اغتشاش­ های ناشی از ترکیب درصد خوراک برای برج تقطیرخلوص بالای  سامانه دوجزئی آب و متانول (40% مولی) است. باوجود عملکرد بهتر ساختار کنترل تک دمایی مبتنی بر نسبت برگشت به خوراک ثابت در مقایسه با ساختار مبتنی بر نسبت برگشت ثابت برای این سامانه، ولی این عملکرد قابل پذیرش نیست. بنابراین، برای بهبود عملکرد سامانه تک دمایی، غلظت متانول خوراک به‌صورت یک متغیر تصادفی گاوسی با میانگین و انحراف استاندارد مشخص فرض می‌شود. مجموعه متغیرهای تصمیم‌گیری با در نظر گرفتن پارامترهای طراحی همراه با نقطه­ های مقرر کنترلرهای تناسبی ـ انتگرالی به­ دست می ­آید. ممان اول و دوم قیدها و تابع هدف با استفاده از تبدیل غیرملموس به ­دست آمده و مسئله بهینه‌سازی تصادفی برآمده به کمک نگرش شانس محدود حل می شود. پاسخ دینامیکی ساختار کنترل تک دمایی اصلاح‌شده در برابر اغتشاش ­های اندازه­ گیری نشده ­ی ناشی از ترکیب درصد خوراک، عملکرد دلخواه الگوریتم ارایه شده را با توجه به حفظ کیفیت فراورده­ های بالای مقدار مد نظر نشان می ­دهد.

کلیدواژه‌ها

موضوعات

مراجع

[1] Luyben, W.L., “Distillation Design and Control Using Aspen Simulation”, John Wiley & Sons, Inc., (2013).
[2] Valadkhani A., Shahrokhi M., Simulation and Control of an Aromatic Distillation Column, Iran. J. Chem. Chem. Eng. (IJCCE), 26(2): 97-108 (2007).
[3] Luyben, W.L., “Practical Distillation Control”, Springer Science & Business Media (2012).
[4] Ahmadian Behrooz H., Robust Design and Control of Extractive Distillation Processes under Feed Disturbances, Ind. Eng. Chem. Res., 56: 4446-4462 (2017).
[5] Tan L., Yang C., Zhou N., Synthesis/Design Optimization of SOFC–PEM hybrid System under Uncertainty, Chin. J. Chem. Eng., 23: 128-137 (2015).
[6] Fu Y., Diwekar U.M., Young D., Cabezas H., Process Design for the Environment: A Multi-Objective Framework Under Uncertainty, Clean Prod. Process., 2: 92-107 (2000).
[7] Chen Y., Yuan Z., Chen B., Process Optimization with Consideration of Uncertainties-An Overview, Chin. J. Chem. Eng., 26: 1700-1706 (2018).
[8] Wang F., Luo Y., Yuan X., A Formulation Methodology for Multicomponent Distillation Sequences Based on Stochastic Optimization, Chin. J. Chem. Eng., 24: 1229-1235 (2016).
[9] Saldarriaga-Cortés C., Salazar H., Moreno R., Jiménez-Estévez G., Stochastic Planning of Electricity and Gas Networks: An Asynchronous Column Generation Approach, Appl. Energy, 233: 1065–1077 (2019).
[10] Kang L., Liu Y., Synthesis of Flexible Heat Exchanger Networks: A Review, Chin. J. Chem. Eng., (2018).
[11] Dige N., Diwekar U., Efficient Sampling Algorithm for Large-Scale Optimization under Uncertainty Problems, Comput. Chem. Eng., 115: 431-454 (2018).
[12] Li S., Lou H.H., A Strategy for Multi-Objective Optimization Under Uncertainty in Chemical Process Design, Chin. J. Chem. Eng., 16: 39-42 (2008).
[13] Emenike V.N., Xiangzhong X., Schenkendorf R., Spiess A., Krewer U., Robust Dynamic Optimization of Enzyme-Catalyzed Carboligation: A Point Estimate-Based Back-Off Approach, Comput. Chem. Eng., 121: 232-247 (2018).
[14] صادق پور، پریسا؛ حقیقی، محمد؛ بررسی تأثیر غلظت منگنز و نیکل در سنتز کاتالیست نانوساختار MnNiAPSO-34 برای تبدیل متانول به الفین های سبک، نشریه شیمی و مهندسی شیمی ایران، (1)34: 11 تا 27 (1394).
[15] سید علیزاده گنجی ، سیدمحمد؛ حیاتی، محمد، بهینه سازی فرایند جدایش تفریقی دیسپروسیم و گادولینیم تحت شرایط عدم قطعیت، نشریه شیمی و مهندسی شیمی ایران، (3)37: 157 تا 172 (1398).
[16] Luyben W.L., Use of Mass or Molar Reflux-to-Feed Ratios in Distillation Single-End Control Structures, Ind. Eng. Chem. Res., 52: 15883-15895 (2013b).
[17] Luyben W.L., Effect of Feed Composition on the Selection of Control Structures for High-Purity Binary Distillation, Ind. Eng. Chem. Res., 44: 7800-7813 (2005).
[18] Tyreus B.D., Luyben W.L., Tuning PI Controllers for Integrator/Dead Time Processes, Ind. Eng. Chem. Res., 31: 2625-2628 (1992).
[19] Li P., Arellano-Garcia H., Wozny G., Chance Constrained Programming Approach to Process Optimization under Uncertainty, Comput. Chem. Eng., 32: 25-45 (2008).
[20] Sahinidis N.V., Optimization Under Uncertainty: State-of-the-Art and Opportunities, Comput. Chem. Eng., 28: 971-983 (2004).
 [21] Flemming T., Bartl M., Li P., Set-point Optimization for Closed-Loop Control Systems under Uncertainty, Ind. Eng. Chem. Res., 46: 4930-4942 (2007).
[22] Ahmadian Behrooz H., Managing Demand Uncertainty in Natural Gas Transmission Networks, J. Nat. Gas Sci. Eng., 34: 100-111 (2016).
[23] Julier S.J., Uhlmann J.K., Unscented Filtering and Nonlinear Estimation, Proc. IEEE., 92: 401-422 (2004).
[24] Van Der Merwe, R., “Sigma-Point Kalman Filters for Probabilistic Inference in Dynamic State-Space Models”, Oregon Health & Science University, (2004).
[25] Kandepu R., Imsland L., Foss B.A., “Constrained State Estimation Using the Unscented Kalman Filter”, Control and Automation, 16th Mediterranean Conference on …. Citeseer, 1453-1458 (2008).

فایل ها

هم رسانی

ارجاع به این مقاله

آمار