Стратегии линейного управления флегмовым числом максимизируют выход основного погона за счет оптимизации наклона и точки пересечения траектории флегмового числа на каждом рабочем интервале при соблюдении ограничений по чистоте продукта и модели процесса. Для интервала (j) определите флегмовое число как (R_j(t)=a_jt+b_j), затем рассчитайте количество основного погона из результирующего расхода дистиллята (D(t)=V(t)/(R_j(t)+1)). Параметры (a_j), (b_j) и, если применимо, время переключения интервалов являются переменными решения в задаче нелинейного программирования.

Основная задача оптимизации заключается в максимизации накопленного продукта основного погона при обеспечении физической реализуемости флегмового числа и соответствии состава дистиллята требуемой чистоте на протяжении всего погона или в его конце.

Формулирование стратегии линейного флегмового числа

Определение траектории управления

Для интервала основного погона (t\in[t_{j-1},t_j]) используйте

[ R_j(t)=a_jt+b_j ]

где:

(R_j(t)) — флегмовое число,
(a_j) — наклон флегмового числа,
(b_j) — точка пересечения,
(t_{j-1}) и (t_j) — время начала и окончания интервала.

Положительное значение (a_j) увеличивает флегмовое число с течением времени, в то время как отрицательное (a_j) постепенно его снижает. Параметры должны быть выбраны таким образом, чтобы траектория оставалась в пределах рабочего диапазона оборудования.

Связь флегмового числа с отбором дистиллята

Если (V(t)) — скорость испарения пара, а флегмовое число определяется как

[ R=\frac{L}{D} ]

то расход дистиллята составляет

[ D_j(t)=\frac{V(t)}{R_j(t)+1} =\frac{V(t)}{a_jt+b_j+1}. ]

Эта зависимость отражает основной компромисс при получении продукта: увеличение флегмового числа обычно улучшает разделение, но снижает мгновенную скорость отбора дистиллята при фиксированной скорости испарения.

Расчет накопленного количества основного погона

Общее количество дистиллята, собранного за интервал (j), равно

[ P_j= \int_{t_{j-1}}^{t_j} \frac{V(t)}{a_jt+b_j+1},dt. ]

Если скорость испарения постоянна, (V(t)=V), и (a_j\neq 0), интеграл имеет аналитическую форму

[ P_j= \frac{V}{a_j} \ln\left( \frac{a_jt_j+b_j+1} {a_jt_{j-1}+b_j+1} \right). ]

Когда (a_j=0), стратегия постоянна на интервале и

[ P_j= \frac{V(t_j-t_{j-1})}{b_j+1}. ]

Для основного погона, состоящего из нескольких интервалов, общее количество составляет

[ P_{\text{main}}=\sum_{j=1}^{m}P_j. ]

Цель оптимизации, таким образом, обычно записывается как

[ \max_{{a_j,b_j,t_j}} P_{\text{main}}. ]

Добавление ограничений по чистоте продукта

Использование чистоты продукта, взвешенной по составу

Максимизация только общего количества дистиллята может привести к получению продукта, не соответствующего спецификации. Поэтому оптимизация должна отслеживать состав компонентов с помощью модели периодической ректификации.

Пусть (x_D^k(t)) — мольная доля компонента (k) в дистилляте. Накопленное количество компонента (k) за интервал (j) равно

[ P_j^k= \int_{t_{j-1}}^{t_j} x_D^k(t)D_j(t),dt. ]

Средний состав собранного основного погона равен

[ \bar{x}_{D,j}^k

\frac{P_j^k}{P_j}

\frac{ \int_{t_{j-1}}^{t_j} x_D^k(t)D_j(t),dt }{ \int_{t_{j-1}}^{t_j} D_j(t),dt }. ]

Требуемая спецификация чистоты может быть выражена как

[ \bar{x}{D,j}^k\geq \bar{x}{D,\text{spec}}^k. ]

Эта формулировка позволяет составу варьироваться во время отбора, если собранный продукт соответствует требуемой средней спецификации.

Применение мгновенных ограничений или ограничений по траектории при необходимости

Если продукт должен соответствовать спецификации в любой момент времени, наложите более строгое ограничение по траектории

[ x_D^k(t)\geq x_{D,\text{spec}}^k, \qquad t\in[t_{j-1},t_j]. ]

Обычно это дает меньший выход, чем ограничение по средней чистоте, поскольку не позволяет оптимизатору собирать временно менее чистый материал, который мог бы быть приемлемым при смешивании в общем погоне.

Представление чистоты через функцию спецификации

Если в технологическом процессе используется функция спецификации (X_{\mathrm{SPEC},k}), ограничение можно записать в общем виде как

[ X_{\mathrm{SPEC},k} \left( \mathbf{x}(t),\mathbf{M}(t),R_j(t) \right) \geq 0, ]

где (\mathbf{x}(t)) представляет составы фаз, а (\mathbf{M}(t)) — объемы жидкости в аппарате и колонне. Это позволяет оценивать ограничение по чистоте непосредственно из динамической модели процесса.

Построение задачи нелинейной оптимизации

Определение переменных решения

Для (m) интервалов линейной стратегии типичный вектор решений имеет вид

[ \mathbf{z}

\left[ a_1,b_1,\ldots,a_m,b_m, t_1,\ldots,t_{m-1} \right]. ]

Если границы интервалов фиксированы, оптимизируются только значения (a_j) и (b_j). Если также оптимизируется время переключения, значения (t_j) становятся переменными решения.

Эквивалентная параметризация использует значения флегмового числа на концах интервалов:

[ R_{j,\mathrm{start}}=a_jt_{j-1}+b_j, \qquad R_{j,\mathrm{end}}=a_jt_j+b_j. ]

Наклон и точка пересечения могут быть восстановлены из

[ a_j= \frac{R_{j,\mathrm{end}}-R_{j,\mathrm{start}}} {t_j-t_{j-1}}, ]

[ b_j= R_{j,\mathrm{start}}-a_jt_{j-1}. ]

Переменные на концах интервалов часто легче ограничивать и интерпретировать в процессе эксплуатации.

Включение динамической модели колонны

Стратегия флегмового числа влияет на траекторию периодического процесса через балансы в колонне и кубе. Общая динамическая модель может быть представлена как

[ \frac{d\mathbf{y}}{dt}

\mathbf{f} \left( \mathbf{y}(t),R_j(t),\mathbf{p} \right), ]

с алгебраическими связями

[ \mathbf{0}

\mathbf{g} \left( \mathbf{y}(t),R_j(t),\mathbf{p} \right). ]

Здесь (\mathbf{y}(t)) содержит такие величины, как объемы жидкости, запасы компонентов, температуры и составы, а (\mathbf{p}) содержит фиксированные параметры процесса, такие как количество ступеней, состав питания, давление и условия испарения.

Модель также должна соблюдать начальные условия:

[ \mathbf{y}(0)=\mathbf{y}_0. ]

Полученная оптимизация является нелинейной, поскольку флегмовое число одновременно влияет на фазовое равновесие, внутренние потоки, составы, запасы и знаменатель скорости дистиллята.

Спецификация полной задачи оптимизации

Репрезентативная формулировка выглядит следующим образом:

[ \begin{aligned} \max_{\mathbf{z},,\mathbf{y}(t)} \quad & P_{\text{main}}

\sum_{j=1}^{m} \int_{t_{j-1}}^{t_j} \frac{V(t)}{a_jt+b_j+1},dt \[4pt] \text{при ограничениях} \quad & \frac{d\mathbf{y}}{dt}

\mathbf{f}\left(\mathbf{y},R_j(t),\mathbf{p}\right), \ & \mathbf{0}

\mathbf{g}\left(\mathbf{y},R_j(t),\mathbf{p}\right), \ & \bar{x}{D,j}^k \geq \bar{x}{D,\text{spec}}^k, \ & R_{\min}\leq R_j(t)\leq R_{\max}, \ & a_jt+b_j+1>0, \ & t_{j-1}<t_j, \ & t_m\leq t_{\text{batch}}. \end{aligned} ]

Целевая функция может вместо этого максимизировать количество конкретного компонента основного погона:

[ \max P_{\text{main}}^k

\max \sum_{j=1}^{m} \int_{t_{j-1}}^{t_j} x_D^k(t) \frac{V(t)}{a_jt+b_j+1},dt. ]

Это целесообразно, когда «выход» означает извлечение целевого компонента, а не общий объем собранного дистиллята.

Управление переключениями и границами погонов

Обеспечение непрерывности между линейными стратегиями

Если стратегия флегмового числа меняется от интервала (j) к интервалу (j+1), непрерывность может быть задана условием

[ a_jt_j+b_j

a_{j+1}t_j+b_{j+1}. ]

Без этого ограничения оптимизатор может создать резкий скачок флегмового числа. Такой скачок может быть приемлем, если аппаратное обеспечение управления поддерживает его, но в противном случае его следует ограничить или заменить плавным изменением.

Оптимизация времени переключения погонов

Время переключения определяет, когда процесс переходит от одной стратегии к другой или когда сбор продукта начинается и прекращается. Они могут быть оптимизированы при условии

[ t_{j-1}+\Delta t_{\min} \leq t_j \leq t_{\text{batch}}, ]

где (\Delta t_{\min}) предотвращает сокращение интервалов до пренебрежимо малой длительности.

Оптимизация времени переключения важна, потому что состав непрерывно меняется по мере истощения кубового остатка. Фиксированный профиль флегмового числа с плохо выбранным временем переключения может привести к сбору избыточного промежуточного некондиционного материала, даже если сами уровни флегмового числа являются разумными.

Включение ограничений по некондиционным погонам и остатку

Если операция включает стадии основного погона, некондиционного погона и остатка, определите отдельные стратегии:

[ R_{\text{main}}(t)=a_{\text{main}}t+b_{\text{main}}, ]

[ R_{\text{off}}(t)=a_{\text{off}}t+b_{\text{off}}. ]

Целевая функция может затем максимизировать извлечение основного погона при ограничении количества некондиционного:

[ \max P_{\text{main}}^k ]

при ограничениях

[ P_{\text{off}}\leq P_{\text{off,max}} ]

и требуемых спецификациях как для основного продукта, так и для кубового остатка. В операциях с рециклом количество и состав некондиционного погона могут стать входными данными для следующей партии, создавая задачу последовательной оптимизации.

Численное решение модели

Дискретизация динамических уравнений

Формулировка в непрерывном времени обычно преобразуется в конечномерную задачу нелинейного программирования посредством прямой транскрипции, коллокации или численного интегрирования внутри оптимизатора.

Для простой реализации разделите каждый интервал на узловые точки (t_n), вычислите

[ R_j(t_n)=a_jt_n+b_j, ]

и аппроксимируйте накопленный продукт с помощью численной квадратуры:

[ P_j \approx \sum_n w_n \frac{V(t_n)} {R_j(t_n)+1}, ]

где (w_n) — веса интегрирования.

Уравнения состояния колонны соблюдаются в тех же узловых точках или оцениваются путем интегрирования динамической модели для каждой пробной стратегии.

Совместная оптимизация уровней стратегии и длительности

Практическая аппроксимация использует кусочно-постоянные уровни флегмового числа, но линейная стратегия обеспечивает более плавную траекторию всего с двумя параметрами на интервал. Оптимизатор может одновременно определять:

начальный уровень флегмового числа,
конечный уровень флегмового числа,
наклон каждого линейного сегмента,
длительность каждого сегмента,
время переключения между основным и некондиционным погоном.

Это дает больше гибкости, чем постоянная стратегия, при сохранении управляемого количества переменных решения.

Проверка численной и физической реализуемости

Оптимизация должна отклонять любую стратегию-кандидат, для которой

[ R_j(t)+1\leq 0, ]

поскольку выражение для расхода дистиллята становится неопределенным или физически бессмысленным. Она также должна отклонять траектории, нарушающие пределы работы конденсатора, кипятильника, клапана флегмы, захлебывания или минимального расхода дистиллята.

Математически реализуемое решение не автоматически является применимой стратегией управления. Окончательная траектория должна быть проверена на соответствие пределам реакции исполнительных механизмов и разрешающей способности системы управления установки.

Понимание компромиссов

Более высокое флегмовое число улучшает чистоту, но снижает скорость отбора

При фиксированном испарении (V),

[ D(t)=\frac{V}{R(t)+1} ]

уменьшается по мере увеличения флегмового числа. Высокое флегмовое число возвращает больше сконденсированной жидкости обратно в колонну, улучшая разделение, но снижая количество дистиллята, собираемого за единицу времени.

Поэтому оптимизатор стремится использовать более высокое флегмовое число, когда чистоту трудно поддерживать, и более низкое, когда запас по составу позволяет быстрее отбирать продукт.

Средняя чистота и чистота по траектории — разные цели

Ограничение по средней чистоте допускает изменение состава внутри собранного погона. Ограничение по траектории требует, чтобы каждая мгновенная проба дистиллята соответствовала спецификации.

Задача с ограничением по траектории является более строгой и может снизить выход основного погона, но она может быть необходима, когда смешивание запрещено или качество продукта должно контролироваться непрерывно.

Увеличение количества интервалов стратегии повышает гибкость

Добавление интервалов позволяет траектории флегмового числа более точно реагировать на изменение состава в кубе. Однако каждый дополнительный интервал вводит параметры, условия переключения и возможную численную сложность.

Слишком большое количество интервалов также может привести к переобученной траектории управления, которой трудно управлять или которая чувствительна к ошибкам модели. Количество интервалов должно отражать динамику процесса и доступную разрешающую способность управления.

Точность модели ограничивает ценность оптимизации

Оптимальная стратегия зависит от модели фазового равновесия, допущений об объеме жидкости, поведения испарения и измерений чистоты. Траектория, оптимизированная с помощью упрощенной модели равновесных ступеней, может работать иначе в колонне со значительным объемом жидкости или неидеальной термодинамикой.

Поэтому валидация модели и внедрение в замкнутом контуре необходимы, прежде чем рассматривать прогнозируемый выход как гарантию эффективности.

Правильный выбор для вашей цели

Выберите формулировку в соответствии со значением выхода и эксплуатационными требованиями:

Если ваша главная цель — массовый выход основного погона: Максимизируйте (\sum_j\int D_j(t),dt) при соблюдении требуемой средней чистоты и границ флегмового числа.
Если ваша главная цель — извлечение целевого компонента: Максимизируйте (\sum_j\int x_D^k(t)D_j(t),dt), так как общая масса дистиллята может включать нежелательные компоненты.
Если ваша главная цель — гарантированное качество продукта: Применяйте ограничения по мгновенной чистоте (x_D^k(t)\geq x_{D,\mathrm{spec}}^k) вместо того, чтобы полагаться только на среднюю чистоту погона.
Если ваша главная цель — минимальное время партии: Минимизируйте (t_m) при ограничениях на минимальное количество основного погона и чистоту.
Если ваша главная цель — практическое внедрение на установке: Оптимизируйте конечные значения флегмового числа и время переключения, затем наложите ограничения на непрерывность и скорость исполнительных механизмов для линейной стратегии.

Математически сформулированная линейная стратегия управления флегмовым числом превращает управление ректификацией в задачу ограниченной динамической оптимизации, в которой выход, чистота, время и эксплуатационная пригодность оптимизируются совместно.

Сводная таблица:

Элемент	Ключевая формулировка или идея
Стратегия флегмового числа	$R_j(t)=a_jt+b_j$ для каждого рабочего интервала
Расход дистиллята	$D_j(t)=V(t)/(R_j(t)+1)$
Выход основного погона	Максимизировать $P_{main}=\sum_j\int D_j(t)\,dt$
Извлечение целевого компонента	Максимизировать $P_{main}^k=\sum_j\int x_D^k(t)D_j(t)\,dt$
Ограничение чистоты	Применять среднюю чистоту или мгновенные ограничения по траектории
Переменные решения	Наклоны стратегии, точки пересечения, значения флегмового числа на концах, время переключения
Эксплуатационные ограничения	Соблюдать границы флегмового числа, положительный знаменатель расхода, длительность интервала, время партии
Практическое внедрение	Добавить непрерывность стратегии, скорость исполнительных механизмов, ограничения по захлебыванию, конденсатору и кипятильнику
Численное решение	Использовать динамическое моделирование с прямой транскрипцией, коллокацией или численной квадратурой
Основной компромисс	Высокое флегмовое число улучшает разделение, но снижает скорость отбора дистиллята

Оптимизируйте работу вашей периодической ректификационной установки

Хотите увеличить выход основного погона без ущерба для чистоты продукта или эксплуатационной пригодности установки? Свяжитесь с LABPARK, чтобы обсудить образовательную или профессиональную пилотную установку для ваших задач.

LABPARK предоставляет пилотные установки для химической инженерии, биопроцессов и биотехнологий, а также очистки воды и охраны окружающей среды. Университеты, научно-исследовательские институты и предприятия могут использовать наши системы для оценки стратегий флегмового числа, динамических моделей процессов, ограничений по чистоте, стратегий переключения и извлечения целевых компонентов в реалистичных условиях эксплуатации.

Наша команда поможет вам выбрать и сконфигурировать решение пилотного масштаба для разработки процессов, обучения, исследований, валидации и подготовки операторов, предоставляя практические данные для улучшения стратегий управления перед полномасштабным внедрением.