بهینه سازی شبکه مبدلهای حرارتی واحد تقطیر اتمسفریک پالایشگاه اراک با استفاده از تلفیق الگوریتم ژنتیک و روش حل غیر خطی
[پایاننامه]
Optimization of heat exchanger network of Arak refinerys Atmospheric distillation Unit using genetic algorithms combined by NLP method
/مهرناز سیادتی
: آموزشهای الکترونیکی
، ۱۳۹۴
۹۰ص.
:
زبان: فارسی
زبان چکیده: فارسی
چاپی - الکترونیکی
مصور، جدول، نمودار
کارشناسی ارشد
مهندسی شیمی- فرآیند
۱۳۹۴/۱۱/۰۱
صنعتی سهند
امروزه بهینه سازی مبدل های حرارتی به دلیل کمبود روز افزون منابع انرژی بسیار مورد توجه قرار دارد .اصلاح شبکه مبدل های حرارتی توسط روش های بهینه سازی منجر به مسائلی از نوع MINLP می شود که حل آنها به دلیل حضور همزمان متغیرهای پیوسته و ناپیوسته امری دشوار است و منجر به ظهور مشکلاتی در همگرایی می شود .از اینرو در این پروژه برآنیم با تلفیق الگوریتم ژنتیک و برنامه ریزی غیر خطی برای شبکه مبدل های حرارتی واحد تقطیر اتمسفریک پالایشگاه شازند اراک روشی ارائه دهیم که در آن پارامترهای ساختاری توسط الگوریتم ژنتیک و پارامترهای پیوسته و استفاده از مبدلهای فعلی توسط برنامه ریزی غیرخطی ناپیوسته بهینه گردند .دراین روش هر شبکه به عنوان توالی ژنها در نظر گرفته شده است که هر ژن حاوی تعدادی گره می باشد که هر گره نشان دهندة آدرس یک مبدل است .برای حلNLP به جای بهینه سازی همزمان متغیرها، از یک جستجو برای حداقل اختلاف دمای نزدیکی در مبدلها و نسبت تقسیم جریانها و یک تابع هدف اصلاح شده برای حداکثر بازیابی انرژی استفاده شده است .برای اصلاح شبکه مبدل های حرارتی در حال کار تابع اصلاح شده ILP به الگوریتم طراحی اضافه شده است تا توسط آن بتوان در مورد خرید مبدل های جدید، استفاده از مبدل های فعلی و یا حذف آنها تصمیم گیری کرد .در این راستا با ارائه ساختار قبل و بعد از اصلاح نشان داده شد که ساختار اصلاح شده ۷۹ از سطوح مبدل های موجود در پالایشگاه را استفاده نموده است و در طی دو سال به سودی معادل۲۷۰،۲۱۶دلار که برابر با صرفه جویی۳۰۷،۱۹۲دلاردر سال بوده دست یافته و هزینه سالیانه برابر۰۲۹،۵۶۸دلار در سال به شبکه اعمال شده است
Todays,optimization of heat exchanger network due to the increasing scarcity of energy resources is of great importance. Modifying the heat exchanger networks by optimization methods leads to problems of the type as MINLP which is difficult to solve due to the presence of discrete and continuous variables and leads to difficulties in integration. Therefore, In this project, we intend to integrate genetic and non-linear programming algorithm for network exchanger of thermal atmospheric distillation unit of Arak Refinery in order to optimize structural parameters of a Genetic algorithms and continuous parameters and using of current exchanger with discontinuous linear programming. In this way, each network is considered as a sequence of genes in which each gene contains the number of nodes Which each node represents the address of a exchanger. For solving NLP instead of optimizing of variables simoultaniously, a search for minimum difference of temperature in exchanger, a Split-flow ratio and a modified function to recovery of maximum energy are used. A modified fucnction ILP has been added to the algorithm, so it can be decided on the procurement of new exchanger, use current transformers, or their elimination. In this regard, by providing a structure before and after the modification was shown that the modified structures has used 79 of the exchanger in refinery and in two years a profit of 216 270 dollars, equivalent to saving 192,307 dollars a year has achieved and the annual cost of 568,029 dollars a year is imposed to the network.
ba
Optimization of heat exchanger network of Arak refinerys Atmospheric distillation Unit using genetic algorithms combined by NLP method