基于初值优选的模拟数据驱动型复杂精馏塔操作优化

基于初值优选的模拟数据驱动型复杂精馏塔操作优化

论文摘要

化工行业中,复杂精馏塔是最常见的分离单元,其操作不但关乎能耗,也关乎产品质量和分布。但由于机理复杂、变量多,其设定目标(单目标/多目标)下的操作优化十分困难,一直是工程和学术界关注的热点。本文开展的研究就是用数据处理技术,引导流程模拟软件(如PRO/II、ASPEN等),在塔系统的可行操作域内,快速有效的找到其独立可调操作变量的最优值,以保证其目标函数达到极值。主要研究有:一、鉴于模拟初值多凭经验选取,且对寻优进程有重大影响,提出了基于模拟计算值与现场实际值误差(又称拟合误差)最小,用单目标和多目标遗传算法(GA和NSGA-II)优选模拟初值的方法。二、鉴于复杂精馏塔系统可调变量多,对特定目标函数影响程度不一的特点,提出了用主成分分析法(PCA)优选独立变量的方法,将那些对目标函数贡献大的可调变量设为独立变量,提速了收敛进程。三、在复杂精馏塔独立变量目标函数数组常规GA寻优中嵌入粒子群算法(PSO),以改善GA的局部寻优能力和加快其收敛速度。具体是利用PSO基于个体最优值及群体最优值更新速度的选择操作替换常规GA的轮盘赌选择算子。将本文开发的方法应用于某炼油厂50×104t/a延迟焦化装置主分馏塔的操作优化研究。其中,设定体系收益为目标函数,契PCA确定一中流量、二中流量、塔顶压力、塔顶冷回流量这四个可调操作变量为独立变量,契NSGA-II确定可行域中的状态点(13490,12075,0.094,4216)为模拟初值,采用GA-PSO进行优化计算,表明经过19次迭代,体系收益达到最大,对应最优操作变量取值(24079,9336,0.112,5290),相比现有操作(13380,11340,0.094,4100),增效181.69万元/年。同时,优化进程相比单纯GA计算,GA-PSO迭代计算次数减少8次。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  •   1.1 研究背景与意义
  •   1.2 精馏过程的节能研究现状
  •     1.2.1 精馏塔设计及工艺优化
  •     1.2.2 精馏塔操作优化
  •   1.3 复杂精馏塔的操作优化
  •   1.4 本文的研究内容
  • 第二章 优选模拟初值
  •   2.1 复杂精馏塔的全流程模拟
  •   2.2 复杂精馏塔的操作参数及可行域
  •     2.2.1 操作参数
  •     2.2.2 参数变化及输出范围
  •   2.3 模拟初值优选
  •     2.3.1 模拟初值优选的一般方法
  •     2.3.2 单目标初值优选
  •     2.3.3 双目标初值优选
  •   2.4 参数误差修正
  •   2.5 本章小结
  • 第三章 用PCA优选决策变量
  •   3.1 复杂精馏塔的可调操作变量
  •   3.2 用PCA优选决策变量
  •     3.2.1 PCA简介
  •     3.2.2 用PCA优选决策变量的一般方法
  •   3.3 案例说明
  •     3.3.1 目标函数
  •     3.3.2 数据获取与处理
  •     3.3.3 主成分分析
  •   3.4 本章小结
  • 第四章 工艺单元的操作优化
  •   4.1 单目标优化算法
  •     4.1.1 GA算法
  •     4.1.2 GA+PSO算法
  •     4.1.3 两种算法效果对比
  •   4.2 软件交互与算法集成
  •   4.3 本章小结
  • 第五章 案例应用
  •   5.1 研究对象
  •   5.2 优选初值
  •   5.3 目标函数
  •   5.4 决策变量优选及可行域
  •   5.5 约束条件
  •     5.5.1 系统内热联合约束
  •     5.5.2 产品质量约束
  •   5.6 操作优化
  •     5.6.1 基于GA+PSO算法的操作优化
  •     5.6.2 基于GA算法的操作优化
  •     5.6.3 结果对比与分析
  •   5.7 本章小结
  • 结论与建议
  • 参考文献
  • 攻读硕士学位期间取得的研究成果
  • 致谢
  • 附件
  • 文章来源

    类型: 硕士论文

    作者: 黄仁宇

    导师: 李国庆,陈文良

    关键词: 复杂精馏塔,操作优化,流程模拟,初值,遗传算法

    来源: 华南理工大学

    年度: 2019

    分类: 基础科学,工程科技Ⅰ辑

    专业: 数学,无机化工,有机化工

    单位: 华南理工大学

    分类号: O224;TQ051.81

    DOI: 10.27151/d.cnki.ghnlu.2019.003278

    总页数: 70

    文件大小: 1654K

    下载量: 52

    相关论文文献

    • [1].遗传算法在焊接领域的优化与应用[J]. 现代焊接 2012(03)
    • [2].面向作业车间调度问题的遗传算法改进[J]. 河北科技大学学报 2019(06)
    • [3].基于改进遗传算法的校园食堂外卖配送路径优化研究[J]. 辽宁工业大学学报(自然科学版) 2020(01)
    • [4].混合杂草遗传算法求解旅行商问题[J]. 科学技术创新 2020(11)
    • [5].基于模糊遗传算法的先进战机协同攻防决策[J]. 火力与指挥控制 2020(03)
    • [6].基于改进遗传算法的自动导引小车路径规划[J]. 组合机床与自动化加工技术 2020(07)
    • [7].基于遗传算法的海水淡化系统优化调度研究[J]. 绥化学院学报 2020(08)
    • [8].基于改进遗传算法的工程施工进度优化分析[J]. 住宅与房地产 2020(21)
    • [9].基于遗传算法物流配送最佳路径问题研究[J]. 河北建筑工程学院学报 2020(02)
    • [10].基于优化遗传算法的配电网故障定位技术[J]. 化工自动化及仪表 2020(05)
    • [11].两个轴辐式网络协同建设的多层编码遗传算法[J]. 西南交通大学学报 2020(05)
    • [12].基于遗传算法的旅游最优路径探究[J]. 电脑知识与技术 2018(34)
    • [13].浅谈遗传算法及其部分改进算法[J]. 科技风 2019(12)
    • [14].遗传算法在优化问题中的应用综述[J]. 山东工业技术 2019(12)
    • [15].一种改进遗传算法及验证[J]. 电脑编程技巧与维护 2019(06)
    • [16].现代农机数字化装配车间调度技术研究——基于云计算和遗传算法[J]. 农机化研究 2018(01)
    • [17].基于遗传算法的小麦收割机路径智能优化控制研究[J]. 农机化研究 2018(02)
    • [18].基于遗传算法的医院房间位置优化研究[J]. 电脑与信息技术 2018(01)
    • [19].基于遗传算法的汽油调和优化系统[J]. 工业控制计算机 2018(10)
    • [20].基于遗传算法进行结构优化的研究现状[J]. 河北建筑工程学院学报 2018(03)
    • [21].用于图像分割的双变异遗传算法[J]. 传感器与微系统 2017(02)
    • [22].基于改进遗传算法的新型水面无人艇性能综合优化分析[J]. 江苏科技大学学报(自然科学版) 2017(01)
    • [23].以混合式遗传算法核心的网络差异数据挖掘技术[J]. 中国新通信 2017(06)
    • [24].基于贪心遗传算法的穴盘苗补栽路径优化[J]. 农业机械学报 2017(05)
    • [25].基于改进遗传算法的列车节能操纵方案研究[J]. 机电一体化 2017(01)
    • [26].基于混沌遗传算法的计算机辅助动态布局[J]. 计算机工程与设计 2017(09)
    • [27].基于改进遗传算法的多项目资源均衡配置研究[J]. 工业技术经济 2017(10)
    • [28].基于交互式遗传算法的建筑物外观设计探讨[J]. 科技展望 2015(34)
    • [29].改进遗传算法及其在泵站优化运行中的应用[J]. 南水北调与水利科技 2016(02)
    • [30].基于改进遗传算法的高校排课优化问题研究[J]. 电子科技 2016(05)

    标签:;  ;  ;  ;  ;  

    基于初值优选的模拟数据驱动型复杂精馏塔操作优化
    下载Doc文档

    猜你喜欢