苏ICP备112451047180号-6
关键词：甲醇精馏过程、流程、模拟、优化、换热网络、换功网络
摘要
尽管目前MDS（甲醇精馏系统）已经到达高能效水平，但在电加热介质和回流设备的工作效率的方面，仍有减少能耗的可能。为了同时优化该过程以获得更高的整体能量效率，在方法上，提出了相应的优化流程的替代工艺。它是热-功交换网络（HEN-WEN）的一体化集成工艺，在中国煤制甲醇工厂中广泛应用的四塔双效甲醇精馏方案，阐明了这一点。这项工作的完成表明有预期减少整个机组的泵用电量和再沸器蒸汽消耗分别进一步提高68.38％和15.83％的可能。
1 介绍
甲醇（CH3OH）不仅是最重要的化学原料或溶剂之一，而且是一种有前景的环保燃料[1]。尽管全球合成气的产能，约80％来自天然气，但是中国约90％以上的产能来自煤炭，其杂质多于天然气产品[2-4]。以煤为原料的甲醇精馏系统，需要采取更多的措施来提高产品质量，例如将萃取水注入顶部回流罐以去除不溶于水但溶于醇的杂质。
精馏是一种能源密集型的单元操作。两个以上塔的热集成精馏工艺目前在世界范围内广泛用于大幅节能，预计那些使用甲醇合成气作为加热介质的天然气生产冷凝原油[1]。进一步为了更好的利用能源，提出了几种热集成精馏操作[5,9]，包括双效精馏，分隔壁塔，热偶精馏塔和热泵辅助精馏。在所有这些替代品中，双效精馏在甲醇行业中被广泛采用[1,6,8]。到目前为止，由鲁齐工艺[1,10]提供的三塔双效甲醇精馏系统一直是使用最广泛的。
煤基三塔甲醇精馏系统（图1,在这个图表中以及本工作的其余部分，红线用于表示热流过程或热效用，蓝线用于表示冷流过程或冷效用。）为其轻馏分塔设计了两级冷凝器，利用尾气的较高温度从第一个冷凝器去除轻质杂质。另一种不同的设计是淡水喷射，用于回收罐中提取不溶于水或少溶于水但溶于醇的杂质，并间歇性地从靠近气-液界面排出。将轻馏分塔底部产物泵入加压塔，其底部物流通过加压塔顶部蒸气驱动常压塔反应器（双效）进入常压塔。来自常压塔和常压塔底部的甲醇收率都得到提高，来自常压塔底部的废水和从低于其进料阶段的侧流中抽出的副产物以控制顶部产物中的中间杂质如乙醇。
经过二塔改进后，将甲醇回收塔加入到三塔甲醇精馏系统中以从侧馏分或废水中回收更多甲醇（约占总甲醇产品的1-3％），从而形成四塔甲醇精馏系统[7,8]。到目前为止，这种甲醇精馏系统已经在中国最受欢迎和广泛使用。开发更有商业用途的四塔甲醇精馏系统仍然是有意义的。为了实现这一目的，在这项工作中开发了相应的工艺流程，以筛选以前未被工业化的具有其他可能的替代方案。
工艺流程是化学工艺合成的系统方法。它指的是由所有有用单元和其相关连接组成的流程网络[11-13]。然后将这些组分以单元操作模型、关联式和约束条件（如热力学性质计算公式，组成要求等）的形式制定在优化模型中[14-15]。它在本研究中用于开发所有四塔甲醇精馏系统的新型甲醇精馏系统流程。将换热网络（HEN）和换功网络（WEN）同时合并到优化过程中，以最大限度地提高其能源效率[11]。在制甲醇工艺应用中为了减少计算规模，在双效类别的基础上，为了流程开发选择了合格的配置提出了三种双效配置。然后将工艺上流行的高压方案和低压方案用作后续流程模型的基本结构，通过该模型分析了所提出的甲醇精馏系统流程的有利方案。决定是在Pro/II[16]上同时进行换热网络和换功网络合成，整合是提高能源效率重要的过程。
图1 双塔和三塔的双效甲醇精馏方案
（C1顶部塔；C2精馏塔；C3轻馏分塔；C4加压塔；C5常压塔）
2 双效精馏
这种重要的热集成方式可以节省大量的能源，而无需增加额外的功，这种方式几十年来引人注目[17-21]。其加压塔顶部蒸气驱动低压塔再沸器，或使用低压塔再沸器作为冷凝器，节省了冷凝器或再沸器及其加热和冷却装置[22-24]。三种不同的双效配置被呈现在图2，进料分流（FS），轻组分回流前置（LSF）和轻组分回流后置（LSR）。在开发工艺流程之前，选择合适的配置以减少计算空间非常重要。
进料分流是进料分成两部分，分别泵入加压塔和低压塔。两塔之间的压力差在加压塔顶部和低压塔底部以提供足够的温差。另外轻组分回流前置和轻组分回流后置的两种物流变化全部符合进料物流的共同特征，所述进料物流被发送到两个相邻级联压力柱中的一个。在轻组分回流前置情况下，加压塔首先进料，顶部产生全部轻质产品的一半，底部物流在低压塔中分离出来用于顶部的产品。轻组分回流前置的质量流量与热集成方向一致。对于轻组分回流后置，质量流量和热集成在相反的方向上，低压塔在加压塔之前被反馈。
这三种配置有不同特征和不同的操作压力和温度，对操作的难易以及在以后工业中的普及有很大的影响。进料分流在实际中很少见，因为完全分离重组分中的轻组分意味着加压塔底部温度较高，因此需要更高操作水平。与进料分流不同，轻组分回流前置对加压塔底部温度和对热效的要求较低，而另一半的轻组分在底部。更有利的是，连贯的质量流量和热量集成使启动更顺畅，更容易控制。这些优势使得轻组分回流前置在工业甲醇工厂中广受欢迎[1,6-8,10]。由于低压和轻质组分含量以及随后的最低加压塔压力，低压塔底部的轻组分回流后置温度最低。模拟比较表明，轻组分回流后置是三个配置中用能最少的[22,23]。然而，其普遍的缺点是启动程序相对复杂，启动和操作稳定时间较长。
从以上分析中，只有轻组分回流前置模式被用来开发处理流程的工业具有合理性。
图2 双效精馏的三种配置。
3 高压方案和低压方案
中国商用四塔轻组分回流前置甲醇精馏系统根据效用差异，特别是在蒸汽压力下分为两种不同的方案：高压方案（HPS）和低压方案（LPS）。高压方案（图3）表示加压塔顶部和常压塔底部之间的压力差超过650kPa。它具有交流进料甲醇回收塔的侧流或杂醇油。大部分净化后的底部废水直接排出，导致甲醇含量微量升高。因此，当加热常压塔时，加压塔应该在比低压方案情况更高的压力下运行确保较好的温差。
低压方案（图4）是从在较低压力（比高压方案的压力低约100-200kPa）下运行的加压塔命名的。主要区别在于没有来自常压塔的侧流，所有底部产物都被泵入甲醇回收塔，含有5-10％（wt）的甲醇，导致比其高压方案对应物沸点更低。这是加压塔压力低于高压方案的原因。但是，常压塔底部废水中较高的甲醇含量禁止直接排放到污水处理装置，直到在甲醇回收塔中进一步净化。
高压方案和低压方案中的两种洗涤剂似乎都是顶部带有甲醇的高压方案常压塔，底部和侧流的净化废水可去除杂质。由于进料中较大的流量和较低的甲醇含量，低压方案甲醇回收塔的直径大于其高压方案。
在这项工作中，高压方案和低压方案都是发展的基本结构给定的框架，逐步报告方法和结果。
图3 高压四塔轻组分回流前置甲醇精馏方案
（C6轻馏分塔;C7加压塔;C8常压塔C9甲醇回收塔）
图4 低压四塔轻组分回流前置甲醇精馏方案
（C10轻馏分塔;C11加压塔;C12常压塔;C13甲醇回收塔）
4 处理流程
4.1 综合能量有效甲醇精馏系统的框架
在图5该框架在这项工作中用于合成能效高的甲醇精馏系统。在本文的其余部分中，我们将遵循所给框架逐步报告方法和结果。
图5 能量有效甲醇精馏系统综合框架
4.2 数学公式
作为筛选和评估大规模替代品中目标过程的系统方法，过程流程被广泛应用于化工过程综合和演示[25-31]。使用过程流程优化库表通常会制定一个混合整数非线性编程（MINLP）问题[32-35]。混合整数非线性编程模型的一般形式是：
其中，x是一系列连续变量的向量，代表行程，压力，温度等;
y是表示单位和流的潜在存在的二元向量;
h（x）表示材料和能量平衡，
g（x，y）表示质量要求，物理限制，工艺技术要求等规范。
由于通常有自由度优化，混合整数非线性编程模型应该包括平等和不平等约束，确保dim（h）<dim（x）[32]。一般来说，混合整数非线性编程问题很难解决。在实践中，降低混合整数非线性编程模型的非线性有助于防止大规模计算极限。这个衍生的公式是将连续变量向量x分成两个子向量：
其中xNL是易于引起非线性的操作条件的子矢量，例如压力，温度，分解因数和转换率等;xL是几乎呈现线性的材料，热量和功率流量变量的子向量。为了降低非线性性质，在优化之前指定xNL中的变量。在解决相应的数学模型之前，开发了所有潜在有用的四塔甲醇精馏系统的工艺流程。首先在超结构上应用几种启发式方法来减少计算规模。
据史密斯说[12]，轻组分通常从第一塔顶部移除以最小化制冷和高压的使用。遵循这种方法，首先将轻馏分塔置于粗甲醇中去除轻馏分。正如部分所述2。轻组分回流前置的配置是在工业上的合理性上发展起来的。因此，加压塔和常压塔分别位于第二和第三列位置。因此，各种四塔方案的主要区别在于常压塔和甲醇回收塔之间的流连接关系。基于高压方案和低压方案，工艺流程被开发和展出图6。常压塔侧流被分成两个物流（S1和S2），常压塔底流（S3和S4）也是如此。这样二进制向量y可以定义为：
下面列出了几个确定这些连接流存在的情况：
1) 当S2和S3的流率为零时，4列方案折叠成如图所示的3列方案图。1违反了只有四列方案可以接受的先决条件。由于甲醇回收塔将从杂醇油中回收更多甲醇产物，所以S1的流量应为零（ys1=0）以防止在所有计算空间中富含甲醇的杂醇油侧流回收。
2) 当S3的流率为零（YS1=yS3=0，Ys2=YS4=1）时，过程结果为高压方案。
3) 当S4的流率为零（YS1=yS4=0，Ys2=YS3=1）时，该过程是混合方案。
4) 当S2和S4的流量均为零时，流程减少为低压方案。当流量为零时，流程减少为低压方案。
图6 四塔轻组分回流前置甲醇精馏方案的工艺流程
（C14轻馏分塔;C15加压塔;C16常压塔C17甲醇回收塔）
表格1枚举二进制变量的所有可能组合。枚举可以清晰地显示在一个表上，这可以确定可行的计算空间。展示了三股物流S2，S3和S4之间关系的图示图7。它表明段S2-S3和S2-S4上的过程是可行的。其余段S3-S4和三角形S2-S3-S4的内部区域是不可行的。
段S2-S4和点S3分别代表高压方案和低压方案。作为Zhang[7]等人提出的混合方案，S2-S3段也在可行区域。然而，该方案不包括在工艺流程优化中，因为根据作者的模拟报告，交流底部温度达到107.8℃，表明废水中的甲醇含量非常低。因此，鼓励在废水处理装置中处理常压塔底部流而不是甲醇回收塔。这样可以将资本支出节省在塔及其辅助设备上，从而将混合方案减少为三塔结构。段S3-S4的不可行设计的原因可以在组成相同的情况下解释。如果S3和S4都合格，甲醇回收塔将被淘汰并变成三塔计划。否则，禁止不合格的废水排放。同样，对内部三角形S2-S3-S4也可以采用相同的程序，也会导致不可行的后果。
到目前为止，已经确定了计算空间，仅包括段S2-S4（No.7）和点S3（No.3）。通过这种方式，流程可以转换为两个独立的子空间[32]。
表1 枚举二进制变量的所有可能组合
同时，优化前指定了高压方案（850kPa）和低压方案（650kPa）的固定压力，进一步降低了由xNL引起的非线性。
优化的甲醇精馏系统装置既需要低能耗成本又需要高产品回收。在甲醇厂中，热用功是运营成本的主要消耗。也就是说，减少蒸汽的使用与降低运营成本高度相符。因此，受到若干约束的目标函数被用于使总的再沸器负荷（轻馏分塔，加压塔和甲醇回收塔再沸器）在总的减压甲醇产物上最小化。
由于轻馏分塔在高压方案和低压方案中都是相同的，所以它们被排除在无奈的限制之外。由于液化甲醇产品主要来自加压塔和常压塔，产品质量和能耗主要依赖于其操作参数。在规定的压力下，加压塔顶部的产品质量由加压塔回流比和加压塔再沸器负荷（精馏塔的两个设计变量）决定。而且，这两个设计规范在后续的专栏中都有影响。至于常压塔，除加压塔规格外，其自身的再生比率，再沸器负荷和侧流率（S2）都会影响产品质量。同样，甲醇回收塔的产品质量由加压塔，常压塔和自身决定。在数学上，加压塔馏分中的乙醇含量是其回收和再沸器功能的函数，类似的表达式适用于后续的塔公式。制定这些明确的关系：
图7 S2，S3,和S4物流之间的图形关系
其中，TC和BC是塔顶和塔底;R为回流比，Q为热负荷。
精制甲醇的质量应符合美国联邦标准OM-232M级“AA”的要求：精制甲醇的纯度要求为99.85％（wt），精制甲醇中的乙醇含量为10ppm（wt）。另外，对于水处理要求，废水中的甲醇含量规定为10ppm（wt）。所有这些规范都受到限制。
另外，双效精馏在工艺流程中被限制，指定交换器最低接近温度EMAT=15℃以确保常压塔底部被加压塔顶部加热。而且，加压塔冷凝器做功能应该略高于或者超过常压塔再沸器。
甲醇产品浓度不受约束，因为如果乙醇浓度是合格的，那么与之对应的甲醇产品浓度就是合格的。因此，乙醇限制使得甲醇限制变得多余。
到目前为止，目标函数和相应的约束条件是相关的。通过考虑线性分离表示，可以将优化表达为混合整数非线性编程。
其中第一和第二项分别代表高压方案和低压方案。使用big-M约束转换为混合整数约束，混合整数非线性编程的收益率如下：
目前，可用的商业模拟器不能通过考虑二元变量去激活约束来解决混合整数非线性编程模型。实际上，这种混合整数非线性编程模型可以分解并重新分解为两个NLP问题，分别用于高压方案和低压方案。式(10)显示了高压方案的优化：
其中，PROD是精制甲醇的流率;QC是冷凝器的功率。
至于低压方案，它的常压塔底部不一定要被控制。因此，低压方案的限制与高压方案限制略有不同：
在这些公式中，单元操作模型及其相关连接（等式约束）未列出，因为它们在仿真器中自动满足。
表2 原油甲醇进料数据。
| 种类 | 质量分数％ | 种类 | 质量分数％ |
| 氢 | 0.0100 | 戊醇 | 0.0338 |
| 氮 | 0.0710 | 甲酸 | 0.0030 |
| 甲烷 | 0.0100 | 醋酸 | 0.0030 |
| 一氧化碳 | 0.0360 | 甲酸甲酯 | 0.0092 |
| 二氧化碳 | 0.6640 | 丙酮 | 0.0193 |
| 甲醇 | 94.946 | 甲基乙基酮 | 0.0030 |
| 二甲醚 | 0.0309 | 二异丙醚 | 0.0056 |
| 三甲胺 | 0.0001 | 水 | 3.7100 |
| 乙醇 | 0.0900 | 异戊烷 | 0.0562 |
| 我丙醇 | 0.0024 | 正戊烷 | 0.0169 |
| 丙醇 | 0.0264 | 正己烷 | 0.0487 |
| 异丁醇 | 0.0338 | 正庚烷 | 0.0009 |
| 丁醇 | 0.0185 | 正辛烷 | 0.0050 |
| 3-戊醇 | 0.1407 | 正壬烷 | 0.0050 |
| 温度 | 40℃ | ||
| 压力 | 500千帕 | ||
| 流量 | 239,230.0千克/小时 |
表3甲醇精馏方案优化问题的有效范围
4.3 案例考虑和优化方法
该案例中的粗甲醇进料数据来自中国北方的一家真正的甲醇工厂[8]，表2演示了热和冷用途分别是600kPa饱和蒸汽（〜159℃）和25和40℃之间的冷却水。热力学模型与我们发表的论文相同[8]。即，NRTL液体活性方法[36]被选择来计算相平衡，并且二元相互作用数据用于含有醇，水和其他极性化合物的体系。来自中国真正的甲醇精馏装置的现场数据被称为估计阶段的数量[7,8]。规定高压方案和低压方案的轻馏分塔，加压塔，常压塔和甲醇回收塔的理论阶段分别为31,51,54和46。灵敏度分析用于确定最佳进料和侧线进料位置。据观察，灵敏度分析在确定最佳位置时非常有效。两级冷凝器系统是为轻馏分塔设计的，其顶部蒸气在第一级冷凝器中部分冷凝至70℃[37]，液相流入回流罐，蒸汽相流在第二阶段冷凝器继续冷凝至40℃。将10％（相对于粗甲醇进料的质量）的洗涤水加入到回流罐中。此外，加压塔，常压塔和甲醇回收塔也选用了过冷冷凝器和不带有bafes再沸器的热虹吸管。
在个人目标函数和高压方案和约束条件下低压方案，严格的模拟和优化同时在SimSciPro/II™上进行。使用内置顺序二次规划（SQP）求解器进行优化[27]。SQP方法是一种典型的非线性规划方法，它要求所有过程变量都有一组可行的初始值。因此，方程式中设计变量的上下限(4)-(7)应该在优化之前指定。这些界限是基于实际的工业操作而设定的[8]。表3提出了与本文所考虑的所有优化案例相对应的有效边界。
所有情况下都可以使用带有IntelCorei72.4GHz处理器和Windows7，Ultimate8.00，GBRAM的个人计算机解决。每个计算机的CPU计算过程显示完整的优化过程时间评估为小于1分钟。
表4 优化高压方案每个塔的物料平衡
5 换热网络和换功网络
应用过程集成技术来提高能源总再沸器热负荷（MW）145.25纯化甲醇收率（％）99.62对于轻馏分塔，回流比率是回流与流出产品的比率[12]。效率是降低化学加工工业能源成本的根本途径。化工厂最基本的能源消耗是热量和功[32]。对于甲醇精馏系统，很容易并且可以用于几种气流来观察热量并以两种形式的能量功[1,7,8]。通常认真考虑现场热集成，以综合HEN和加热和冷却设备。虽然功比热量更有价值，但研究工作（压力或动量）整合在甲醇精馏系统中几乎没有报道。在这项工作中，在从工艺流程中挑选出方案后，换热网络和换功网络同时结合在一起，以进一步提高其能源效率。
表5 优化高压方案的操作条件
5.1 换热网络
合成优化的换热网络是实现最大热回收率的众所周知的方法[38,39]。在实践中，夹点分析[41-43]（PA）和数学规划（MP）是两个主要关键[40]。在这项工作中，夹点用于确定甲醇精馏系统中的能量目标并合成换热网络。与我们发表的作品相应的结果和中国典型的煤制甲醇工厂对于指定最小温差的基本夹点程序[44]，可通过问题表算法确定参数分配[43]用于夹点和能量目标（最大热量回收和最低公用工程消耗）。此外，换热网络合成中涉及的物流可以被编写为复合曲线（GCC），它可以直观地显示过程系统内的联合热，从而可用于换热网络合成。为了最大限度地提高能源效率，禁止能量跃迁现象。基于这个原理，换热网络合成目标是朝着最小单位数量，减少热交换器的资本投资，如方程12所示[43]:
Nunits=Nprocessstreams+Nutilities-1 (12)
在进行任何匹配之前，目标指示所需的最小单位数等于过程流和实用程序的数量减1。
5.2 换功网络
尽管在优化热量一体化方面做出了相当大的努力，并且已经在换热网络合成中取得了显着的成果，但作为能源的另一种重要形式，功往往在化工过程工业中被忽视。例如，一些物流在压缩过程中消耗功率，而另一些在膨胀过程中产生。工业上的高压水流（功源）通常通过简单的阀门设计来减压，从而使压力在内部大量排放到大气中。尽管这些废物对于在大气压下操作的那些废物而言可忽略不计且不值得回收，但对于特定工艺如甲醇[1]和氨[45]合成以及液化天然气生产，这是一个显着的能源浪费。与换热网络类似，要求压缩和膨胀的流可以作为一个整体，构成一个换功网络[45-51]。这样可以大幅降低功耗和运行成本。
尽管与热量相比，它们的成本较高，但甲醇精馏系统中的功来源很少被回收。据报道，大约有一半来自加压塔顶部的加氢甲醇。
为了克服在通向油罐的管道阻力所必需的400kPa的压力下剩余功而不进行回收。此外，加压塔底流也具有外部压力。要恢复相当多的功来补偿常压塔和甲醇回收塔顶部流到存储目的地的驱动功率[7,8]。
在这项工作中，甲醇精馏系统换功网络的开发旨在降低功耗并提高能源效率。为简化起见，只考虑主泵消耗的电量，不包括照明，控制系统和其他辅助设备。
图6（轻馏分塔底部馏出到加压塔），L2（加压塔顶部到储罐），L3（加压塔底部馏出到常压塔），L4（常压塔顶部到储罐）和L5（甲醇回收塔顶部到储存罐）。在换功网络合成期间，选择泵和膨胀机用于压缩和膨胀目的。为简化做出以下假设：
1) 所有的压缩和膨胀都是等熵的。
2) 所有的泵和膨胀机都以80％的效率功。
3) 压缩或膨胀过程中的动力学和潜在能量变化将被忽略。
4) 膨胀做功以100％的效率转化为功。
5) 膨胀机是单级的。
用上面的假设，一个轴功的一般方程（W）被消耗或产生[36]:
V：体积流率，H:焓值
对于泵，温度变化和体积膨胀不受压力变化影响，忽略温度和体积的影响，公式化简为：
对于膨胀机，使用莫里尔图[52]，借助SimSciPro/II™模拟单级等熵膨胀。轴膨胀功是通过膨胀机效率的乘积来计算的：
根据方程式(15)-(17)，可以计算泵和膨胀机的轴功。扩大的轴功用作泵的动力。这部分节能被认为是合理的。
6 结果和讨论
6.1 处理流程
工艺流程模拟和优化结果表明，优化后的高压方案（2311.0kJ/kg）比最优化的低压方案（2357.5kJ/kg）具有更高的能量效率（目标函数值更低）。优化高压方案的材料平衡和操作条件分别如下表4和5所示。粗甲醇主要来自加压塔顶部（46.2％，wt）和常压塔顶部（52.7％，wt）。其余产品从甲醇回收塔顶部回收（1.1％，wt）。在加压塔，常压塔和甲醇回收塔中，加氢甲醇的单位能耗分别为3926.7kJ/kg，2906.9kJ/kg和5059.6kJ/kg，表明常压塔得到的产品比其他两个塔更节能。甲醇含量达到“AA”标准，甲醇含量达到99.98％。此外，废水中甲醇含量低于10ppm，杂醇油流量在合理范围内。产品构成报告汇总于表6.
表6 优化高压方案的产品构成报告
| 组件 | 固体甲醇（wt） | 净化废水（wt） |
| 氢 | 0.0000e0 | 0.0000e0 |
| 氮 | 0.0000e0 | 0.0000e0 |
| 甲烷 | 0.0000e0 | 0.0000e0 |
| 一氧化碳 | 0.0000e0 | 0.0000e0 |
| 二氧化碳 | 0.0000e0 | 0.0000e0 |
| 甲醇 | 0.9998e0 | 9.9998e-6 |
| 二甲醚 | 4.8949e-20 | 0.0000e0 |
| 三甲胺 | 1.8524e-8 | 1.1388e-26 |
| 乙醇 | 1.0000e-5 | 9.5115e-5 |
| 异丙醇 | 1.8442e-9 | 1.5752e-8 |
| 丙醇 | 9.1043e-13 | 2.3655e-4 |
| 异丁醇 | 9.7272e-15 | 2.4964e-4 |
| 丁醇 | 8.2839e-22 | 1.3190e-3 |
| 3-戊醇 | 5.2235e-20 | 0.0102e0 |
| 戊醇 | 2.7669e-23 | 2.4369e-3 |
| 甲酸 | 5.9997e-15 | 2.1650e-4 |
| 醋酸 | 1.1191e-21 | 2.1652e-4 |
| 甲酸甲酯 | 1.2697e-9 | 2.1867e-26 |
| 丙酮 | 1.0651e-4 | 6.4472e-20 |
| 甲基乙基酮 | 2.5413e-5 | 5.8785e-16 |
| 二异丙醚 | 1.2046e-8 | 0.0000e0 |
| 水 | 8.0999e-7 | 0.9848e0 |
参与换热网络的物流被标记图6。列出了初始和目标温度，物流的热负荷及其相应位置表7。最低温度差异DT分15℃被指定用于换热网络合成。这个温度差与交换器最低接近温度在优化约束中相同。夹点温度计算的热和冷流是81.8℃和66.8℃。此外，总组合曲线是展示在图8。总组合曲线显示双效精馏的能量回收。将加压塔冷凝器和常压塔再沸器组合后，加压塔塔顶蒸气仍然留下额外的能量用于进一步的热量集成。加热和冷却的能源目标分别为139.89兆瓦和138.47兆瓦。热蒸汽的潜热焓为2086.3kJ/kg[36]。在这种情况下，特定产品的消耗量约为1.01千克（蒸汽）/千克（甲醇产品）[44]，中国正常工厂上涨15.83％。将优化高压方案与我们发表的作品进行比较，另有3.52％的能源消耗可以节省。
表7 换热网络物流信息
| 物流名称 | 物流位置 | 初始温度（℃） | 目标温度（℃） | 热负荷、（MW） |
| CS1 | 原料进料预热 | 40.00 | 85.00 | 8.160 |
| CS2 | 加压塔进料预热 | 78.94 | 135.97 | 13.864 |
| CS3 | 轻馏分塔再沸器 | 78.60 | 78.62 | 27.750 |
| CS4 | 加压塔再沸器 | 136.10 | 136.18 | 114.064 |
| CS5 | 常压塔再沸器 | 102.90 | 102.92 | 96.267 |
| CS6 | 甲醇回收塔再沸器 | 102.20 | 102.22 | 3.544 |
| HS1 | 第一级冷凝器 | 81.76 | 70.00 | 26.858 |
| HS2 | 第二级冷凝器 | 70.00 | 40.00 | 1.744 |
| HS3 | 加压塔冷凝器 | 130.50 | 125.19 | 115.115 |
| HS4 | 常压塔冷凝器 | 66.60 | 40.00 | 107.510 |
| HS5 | 甲醇回收塔冷凝器 | 66.60 | 40.00 | 3.584 |
| HS6 | 加压塔顶流到罐 | 125.19 | 40.00 | 7.425 |
图8.过程复合曲线
6.3. 换功网络在优化高压方案中
优化高压方案的换功网络综合仿真结果如表8所示，表明在流L1上操作的泵是功率控制器，L2和L3的物流，其压力决定了双效配置。建议使用两台膨胀机从L2和L3进行轴功回收，以实现最大节能。
在年运行8000小时的运行期间，主泵（L1，L4和L5）的总用电量为841,360kWh/y，而潜在发电量（L2和L3）为575,360kWh/y，这意味着泵输送功的减少量68.38％。
表8 换功网络物流信息
6.4 最终的优化高压方案表达
优化高压方案的最终表达如图所示图9，根据模拟结果没有任何热传递。此外，换热器的数量为13个，满足最小单元数目标。表9总结了优化高压方案的所有热交换器的对数平均温差均高于25℃的过程-过程热交换器信息，高于要求。为了获得更多的功，膨胀机引入L2流不仅作为功回收单元，而且使冷凝器在夹点之下冷却，减少冷却水的使用量。
表9 过程到过程热交换器信息。
| 换热器名称 | 热流冷流 | 对数平均温差（℃） | 热负荷（MW） |
| HE1 | HS6-CS1 | 29.26 | 3.300 |
| HE2 | HS1-CS1 | 25.32 | 4.860 |
| HE3 | HS3-CS3 | 47.02 | 18.848 |
| HE4 | HS3-CS5 | 25.31 | 96.267 |
图7 最终的优化高压方案表达
（C18轻馏分塔;C19加压塔;C20常压塔；C21甲醇回收塔）
7 结论
在这项工作中，来自实际四塔甲醇精馏系统的工艺流程被开发作为过程选择决策一般方法的一个例子。目标功能是将轻馏分塔，加压塔和甲醇回收塔再沸器的消耗降至最低。假设在双效精馏和几种质量要求下有约束条件。
仿真结果表明，高压方案在优化函数下略胜于低压方案。因此，将优化高压方案作为后续热-换功网络集成的原型进行实施。与目前中国的甲醇精馏装置相比，优化高压方案可以减少水泵消耗的功和蒸汽消耗量，比我们报告的换热网络方案提高68.38％和15.83％或3.52％。
缩略语
AC常压塔
EMAT 交换器最低接近温度
FS 进料分流
GCC 总复合曲线
HE 热交换器
HEN 换热网络
HPS 高压方案
LEC 轻馏分塔
LMTD 对数平均温差
LNG 液化天然气
LPS 低压方案
LSR 轻组分回流后置
LSF 轻组分回流前置
MDS 甲醇精馏系统
MILP 混合整数线性规划
MINLP 混合整数非线性规划
MP 数学编程
NLP 非线性规划
OPTI-HPS优化高压方案
PA 夹点分析
PC 压力塔
SQP 顺序二次编程
WC 甲醇回收塔
WEN 换功网络
罗马字母
常压塔 塔底部
H 焓
M 相当大的价值
P 压力
PROD 甲醇汽提流率
Q 再沸器的能量
QC 冷凝器的能量
R 回流比
T 温度
TC 塔顶部
V 体积流量
W 轴功
x 一系列连续变量的向量
y 二进制变量
希腊字母
h 能源效率
参考文献：
[1] Fiedler E, Grossmann G, Kersebohm DB, Weiss G, Witte C. Methanol. Ull-mann's encyclopedia of industrial chemistry. Weinheim: Wiley-VCH Verlag/Gmbh& Co; 2002.
[2] Meyers RA. Handbook of synfuels technology. New York: McGraw-Hill; 1984.
[3] Xie KC, Fang DY. Methanol technology. Beijing: Chemical Industry Press; 2010 [in Chinese].
[4] Zhang S, Li T, Zhu B. Study of supercritical three-phase methanol synthesiswith n-hexane at supercritical state. Chem Eng Sci 2006;61(4):1167e73.
[5] Cui C, Hong Y, Yang J, Wei D, Sun J, Guo C. Selecting suitable energy-savingdistillation schemes: making quick decisions. Chem Eng Process Process Intensif 2016;107:138e50.
[6] Pinto A. Methanol distillation process, US Patent 1980, 4, 210, 495.
[7] Zhang J, Liang S, Feng X. A novel multi-effect methanol distillation process . Chem Eng Process Process Intensif 2010;49:1031e7.
[8] Sun J, Wang F, Ma T, Gao H, Wu P, Liu L. Energy and exergy analysis of a five-column methanol distillation scheme. Energy 2012;45:696e703.
[9] Jane AK. Heat integrated distillation operation. Appl Energy 2010;87:1477e94.
[10] Douglas AP, Hoadley AFA. A process integration approach to the design of the two- and three-column methanol distillation schemes. Appl Therm Eng2006;26:338e49.
[11] Henao CA, Maravelias CT. Surrogate-based superstructure optimization framework . AIChE J 2011;57(5):1216e32.
[12] Smith R. Chemical process design and integration. second ed. John Wiley&Sons, Ltd; 2005.
[13] Zhang N, Smith R, Bulatov I, Klemes JJ. Sustaining high energy efficiency in existing processes with advanced process integration technology. Appl Energy 2013 ; 101:26e32.
[14] Kong L, Sen SM, Henao CA, Dumesic JA, Maravelias CT. A superstructure-based framework for simultaneous process synthesis, heat integration, and utility plant design. Comput Chem. Eng 2016;91:68e94.
[15] Wu W, Henao CA, Maravelias CT. A superstructure representation, generation,and modeling framework for chemical process synthesis. AIChE J 2016;62(9):3199e214.
[16] SimSci PRO/II http://software.schneider-electric.com/products/simsci/design/pro-ii/.
[17] Al-Elg AH, Palazoglu A. Modeling and control of a high-purity double-effect distillation column. Comput Chem. Eng 1989;13:1183e7.
[18] Ophir A, Gendel A. Adaptation of the multi-effect distillation (MED) process to yield high purity distillate for utilities, refineries and chemical industry. Desalination 1994;98:383e90.
[19] Han M, Park S. Multivariable control of double-effect distillation configurations. J Process Control 1996;6:247e53.
[20] Hasebe S, Noda M, Hashimoto I. Optimal operation policy for total reflux and multi-effect batch distillation systems. Comput Chem. Eng 1999;23:523e32.
[21] Sun J, Wang F, Ma T, Gao H, Liu Y, Cai F. Exergy analysis of a parallel double-effect organosilicon monomer distillation scheme. Energy 2012;47:498e504.
[22] Chiang TP, Luyben WL. Comparison of energy consumption in five heat-integrated distillation configurations. Ind. Eng Chem Process Des Dev1983;22:175e9.
[23] Chiang TP, Luyben WL. Comparison of the dynamic performances of three heat-integrated distillation configurations. Ind. Eng Chem Res 1988;27:99e104.
[24] Chen YC, Hung SK, Lee HY, Chien IL. Energy-saving designs for separation of close-boiling 1,2-propanediol and ethylene glycol mixture. Ind. Eng Chem 2015;54(15):3828e43.
[25] Ponce-Ortega JM, Jimenez-Gutierrez A, Grossmann IE. Optimal synthesis of heat exchanger networks involving isothermal process streams. Comput Chem Eng 2008;32(9):1918e42.
[26] Ponce-Ortega JM, Jimenez-Gutierrez A, Grossmann IE. Simultaneous retrofit and heat integration of chemical processes. Ind. Eng Chem Res 2008;47: 5512e28.
[27] More RK, Bulasara VK, Uppaluri R, Banjara VR. Optimization of crude distillation system using Pro/II: effect of binary feed selection on grass-root design.Chem Eng Res Des 2010;88:121e34.
[28] Giridhar A, Agrawal R. Synthesis of distillation configurations: I. Characteristics of a good search space. Comput Chem Eng 2010;34(1):73e83.
[29] Giridhar A, Agrawal R. Synthesis of distillation configurations: II. A search formulation for basic configurations. Comput Chem. Eng 2010;34(1):84e95.
[30] Shah VH, Agrawal R. A matrix method for multicomponent distillation sequences. AIChE J 2010;56(7):1759e75.
[31] Nallasivam U, Shah VH, Shenvi AA, Tawarmalani M, Agrawal R. Global optimization of multicomponent distillation configurations: 1. Need for a reliable global optimization algorithm. AIChE J 2013;59(3):971e81.
[32] Biegler LT, Grossmann IE, Westerberg AW. Systematic methods of chemical process design. Prentice-Hall PTR; 1997.
[33] Yeomans H, Grossmann IE. A systematic modeling framework of superstructure optimization in process synthesis. Comput Chem. Eng 1999;23:709e31.
[34] Yeomans H, Grossmann IE. Disjunctive programming models for the optimal design of distillation columns and separation sequences. Ind. Engg. Chem Res 2000;39:1637e48.
[35] Trespalacios F, Grossmann IE. Review of mixed-integer nonlinear and generalized disjunctive programming methods. Chem Ing Tech 2014;86(7):991e1012.
[36] Smith JM, Van NHC, Abbott MM. Introduction to chemical engineering thermodynamics. fifth edition. McGraw-Hill; 1996.
[37] Edgar TF, Himmelblau DM, Lasdon LS. Optimization of chemical processes.second ed. McGraw-Hill; 2001.
[38] Furman KC, Sahinidis NV. A critical review and annotated bibliography for heat exchanger network synthesis in 20th century. Ind. Eng Chem Res 2002;41:2335e70.
[39] Morar M, Agachi PS. Review: important contributions in development andimprovement of the heat integration techniques. Comput Chem. Eng 2010;34:1171e9.
[40] Klemes JJ, Kravanja Z. Forty years of heat integration: Pinch analysis (PA) and mathematical programming (MP). Curr Opin Chem Eng 2013;2:461e74.
[41] Linnhoff B, Flower JR. Synthesis of heat exchange networks. II. Evolutionarygeneration of networks with various criteria of optimality. AIChE J 1978;24:642e54.
[42] Linnhoff B, Hindmarsh E. The pinch design method for heat exchanger net-works. Chem Eng Sci 1983;38:745e63.
[43] Linnhoff B, Townsend DW, Boland D, Hewitt GF, Thomas BEA, Guy AR, et al.A user guide on process integration for the efficient use of energy. Rugby, UK:IChemE; 1982.
[44] Huang FL, Yang BL, Xiang XF. Simulation analysis of four towers flow in methanol distillation process. Mod Chem Ind 2006;26(2):324e7 [in Chinese].
[45] Liu G, Zhou H, Shen R, Feng X. A graphical method for integrating work exchange network. Appl Energy 2014;114:588e99.
[46] Onishi VC, Ravagnani MASS, Caballero JA. Simultaneous synthesis of workexchange networks with heat integration. Chem Eng Sci 2014;112:87e107.
[47] Onishi VC, Ravagnani MASS, Caballero JA. Simultaneous synthesis of heat exchange networks with pressure recovery: Optimal integration between heat and work. AIChE J 2014;60(3):893e908.
[48] Onishi VC, Ravagnani MASS, Caballero JA. Retrofit of heat exchanger networks with pressure recovery of process systems at sub-ambient conditions. Energy Convers Manag 2015;94:377e93.
[49] Razib MS, Hasan MMF, Karimi IA. Preliminary synthesis of work exchange networks. Comput Chem Eng 2012;37:262e77.
[50] Chen Z, Wang J. Heat, mass and work exchange networks. Front Chem Sci Eng 2012;6:484e502.
[51] Dong R, Yu Y, Zhang Z. Simultaneous optimization of integrated heat, mass and pressure exchange network using exergoeconomic method. Appl Energy 2014;136:1098e109.
[52] Couper JR, Penney WR, Fair IR, Walas SM. Chemical process equipment: selection and design. second ed. USA: Elsevier; 2010.