tesis: columna de deshumidificación · 2007 lima-perú 4 objetivos 1. encontrar las condiciones...
TRANSCRIPT
OPTIMIZACIÓN DEUN REACTORINDUSTRIALDE ETILENO
USANDOALGORITMOS
GENÉTICOS
Prof. Ing. Jack ZavaletaProf. Ing. Alex Pilco
Facultad de Ingeniería Química y TextilUNIVERSIDAD NACIONAL DE INGENIERÍA
2007 Lima-Perú3
JustificaciónEl Etileno es uno de los compuestos fundamentales para la industria petroquímica. Producción mundial:- 2001.- 90.4 millones de toneladas métricas - 2005.- 104 millones de toneladas métricasCrecimiento estimado: 4% anual.
Por eso, se concluye que cualquier mejora por pequeña que sea en el procesamiento de
etileno tendrá el potencial de alcanzar grandes ganancias en la industria petroquímica.
2007 Lima-Perú4
Objetivos1. Encontrar las condiciones óptimas de operación de un
reactor industrial de etileno, maximizando la conversión de etano (X) y la producción (f) y selectividad de etileno (S), usando un algoritmo genético simple.
2. Modelar el reactor de etileno mediante el craqueo térmico con vapor usando un mecanismo de radicales libres para la producción de etileno a partir de etano.
2007 Lima-Perú5ETILENO Y
COPRODUCTOS
HORNOTÍPICO DECRAQUEOCON VAPOR
Sección de convección
Temperatura de entrada
Entrada del serpentín
Vapor de dilución
ALIMENTACIÓNDEL HIDROCARBURO
Sección radiante
Aire
Serpentín de craqueo con vapor
Combustible
Reacción representativa
C2H6 C2H4 + H2
2007 Lima-Perú6
Planteamiento del problemaFunciones objetivo
F1=max(X+S), F2=max(X+f), F3=max(f+S) y F4=max(X+S+f)
Variables de decisión•Temperatura de entrada del reactor (Tin), •Presión de entrada del reactor (Pin), •Parámetros del flux de calor (α, β, γ), •Relación del flujo de vapor al flujo de alimento (SR), •Flujo de alimentación (Fin), •Número de tubos del reactor (ntubos) y •Diámetro del tubo del reactor (din)
Total: 9 variables
( )2x xq x
L Lα β γ⎛ ⎞ ⎛ ⎞= + +⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠
2007 Lima-Perú7
Restricciones
700 ≤ Tin ≤ 1100 K290 ≤ Pin ≤ 500 kPa50 ≤ α ≤ 100 kW/m2
-100 ≤ β ≤ 0 kW/m2
0 ≤ γ ≤ 50 kW/m2
0.3 ≤ SR ≤ 0.50.01 ≤ Fin ≤ 0.025 kmol/s8 ≤ ntubos ≤ 150.0953 ≤ din ≤ 0.1143 m
2007 Lima-Perú8
ECUACIONES DE DISEÑOMecanismo de radicales libres
Son 20 especies químicas participando en 49 reacciones.
Especies moleculares (11): H2; CH4; C2H2; C2H4; C2H6; C3H6; C3H8; C4H6; 1-C4H8; n-C4H10; C5
+
Radicales (9): H.; CH3.; C2H3.; C2H5.; C3H5.; 1-C3H7.; C4H7.; 1-C4H9.; C5H11.
20
1i i j
j
r k C=
= ∏iE
RTi ik Ae
−
=
jj
T
F PCF RT
⎛ ⎞= ⎜ ⎟⎝ ⎠
20
1T vapor j
j
F F F=
= +∑
2007 Lima-Perú9
ECUACIONES DE DISEÑO
Balance de materia ( )249
1 4j in
ij ii
dF dr
dxπ
α=
= ∑
Balance de Energía( ) ( )
20
,1
20
, ,1
jin f j
j
j P j vapor P vaporj
dFq x d H
dxdTdx F C F C
π=
=
⎡ ⎤− Δ⎢ ⎥
⎣ ⎦=+
∑
∑
20
1
2
1 1
1
j
jr
m t m
c
m m
dFdx dT F
G A M T dxdPg Pdx
M P G RT
= ⎛ ⎞− −⎜ ⎟⎝ ⎠=
+
∑Balance de Momentun
2007 Lima-Perú10
¿Qué son los algoritmos genéticos?Un método de optimización estocástico basado en
los procesos de evolución biológica(J. Holland, 1970 – Universidad de Michigan).
EN ALGUNA PARTE, ALGUNA COSA SALIÓTERRIBLEMENTE MAL
2007 Lima-Perú11
Procesos en la evolución biológica
ALGORITMO GENÉTICO
Selección
Cruzamiento Mutación
2007 Lima-Perú12
GENERATE NEW
POPULATION
Structure of a single genetic algorithm
Generateinitial
population
Evaluateobjectivefunction
Generation < Defined Total Generations?
Selection
Crossover
MutationReinsertion
Bestindividuals
ResultStart
yes
no
2007 Lima-Perú13
Los algoritmos genéticos vs. métodos tradicionales
Las 4 diferencias más importantes son:• Buscan una población en paralelo, no un simple punto.• No requiere la información de la derivada u otro
conocimiento auxiliar; sólo la función objetivo y correspondientes niveles de aptitud influencia las direcciones de búsqueda.
• Usa una regla de transición probabilística, no determinística.• Trabaja en una encodificación del conjunto de parámetros
en lugar de los parámetros por si mismos.
2007 Lima-Perú14
Condiciones de operación y diseño para el reactor industrial
Parámetro valor
Temperatura de la mezcla etano-vapor en la entrada (K) 953
Presión de la mezcla etano-vapor en la entrada (kPa) 303
Razón masa vapor/etano (SR) 0.4
Velocidad de flujo de etano en la entrada (kmol/s) 0.02087
Diámetro del tubo interior (m) 0.108
Número de tubos rectos (cada uno de 8.941m) 10
Número de codos (cada uno de 0.559 m de longitud) 10
Longitud del reactor total (m) 95
2007 Lima-Perú15
Comparación de las predicciones del modelo con los datos industriales
medición predicción predicción
Parámetro industrial (referencia) (este trabajo)
Temperatura de salida del serpentín (K) 1108 1211 1124.7
Presión de salida del serpentín (kPa) 131.7 132.3 131.38
Conversión 0.599 0.618 0.6213
Velocidad de flujo de salida CH4(kmol/s) 0.00131 0.0013 0.00127
Velocidad de flujo de salida C2H4(kmol/s) 0.0109 0.01109 0.01087
Velocidad de flujo de salida C2H6(kmol/s) 0.00822 0.007827 0.0079
Velocidad de flujo de salida C3H6(kmol/s) 0.00016 0.000137 0.00013
2007 Lima-Perú21
Gráfica X versus f. Resumen de las optimizaciones de todas las funciones objetivo.
Dato de planta
industrial
2007 Lima-Perú22
Resumen de los mejores resultadosExp. F=X+S F=X+f F=S+f F=X+S+f
Tin (K) 953.0 971.6 762.4 1008.4 1093.3 1055.9 1021.5 1099.4 1027.7
Pin (kPa) 303.0 175.6 291.5 372.8 341.7 356.5 376.0 372.8 384.0
Alfa 96.0 85.4 85.6 93.9 98.2 72.8 97.2 95.6 87.9
Beta -85.91 -55.10 -69.48 -57.80 -61.40 -15.24 -52.45 -55.74 -51.98
Gamma 42.955 13.123 34.226 20.253 29.030 5.486 24.950 22.947 18.367
SR 0.40 0.37 0.49 0.49 0.41 0.49 0.48 0.48 0.37
Fin (kmol/s) 0.02087 0.01012 0.01362 0.02472 0.02494 0.02493 0.02492 0.02494 0.02499
ntubos 10.0 8.1 13.5 13.8 11.2 11.0 10.3 11.3 13.6
din 0.108 0.096 0.096 0.114 0.114 0.111 0.108 0.110 0.110
F 1.4118 1.5974 1.5806 1.3946 1.3987 1.1613 1.1553 2.0051 1.9926
f (kg/s) 0.30508 0.18860 0.24841 0.41183 0.41668 0.39943 0.40650 0.44062 0.43686
X 0.62132 0.92365 0.91372 0.98272 0.98207 0.70509 0.73014 0.93140 0.92542
S 0.79043 0.67379 0.66688 0.56451 0.56670 0.76191 0.74881 0.63308 0.63031
f Propileno 5.47E-03 1.19E-03 2.14E-03 4.24E-03 4.46E-03 6.55E-03 7.22E-03 5.34E-03 5.96E-03
f Butadieno 4.47E-04 1.19E-03 1.38E-03 3.59E-03 3.77E-03 8.70E-04 8.03E-04 2.43E-03 2.16E-03
f Acetileno 2.82E-04 8.47E-04 9.72E-04 2.66E-03 2.38E-03 5.37E-04 4.68E-04 1.56E-03 1.39E-03
tr(s) 0.59 0.42 0.85 0.75 0.59 0.57 0.56 0.56 0.80
Tpr(K) 1060.3 1110.9 1060.7 1108.4 1118.9 1077.3 1078.0 1111.5 1096.0
Ppr(kPa) 234.9 132.4 215.1 270.3 253.6 261.1 286.5 272.2 280.7
2007 Lima-Perú23
(1) Froment, G.F., B. O. Van de Steene, S. Van Damme, S. Narayanan and A. G. Goossens. Thermal Cracking of Ethane and Ethane-Propane Mixtures. Ind. Eng., Process Des. Dev., 1976, 15(4), 495-504.
(2) Sundaram, K. M.; Froment, G. F. Modeling of Thermal Cracking Kinetics. 3. Radical Mechanisms for the Pyrolysis of Simple Paraffins, Olefins, and Their Mixtures. Ind. Eng. Chem. Fundam, 1978, 17, 174.
(3) Valderrama José O. y Jack Zavaleta, Sublimation Pressure Calculated from High Pressure Gas-Solid Equilibrium Data using Genetic Algorithms, Ind. & Eng. Chem. Res., 44, 4824-4833, 2005.
REFERENCIAS
2007 Lima-Perú24
•El modelo cinético de radicales libres probó ser muy preciso, lo que permitió una adecuada optimización de este proceso.
CONCLUSIONES
•El esquema de radicales libres para la pirólisis del etano es el corazón de este trabajo, se usaron rutinas de solución de ecuaciones diferenciales tipo stiff para solucionar las 22 ecuaciones diferenciales que conformaban el modelado del reactor de pirólisis.
•El algoritmo genético simple demostró que es capaz de encontrar los frentes de Pareto que proporciona otro método más sofisticado (NSGA-II). Las pruebas iniciales con NGen=70, NInd=60, Pc=0.85 y Pm=0.015 demuestran que el mejor desempeño del algoritmo.
2007 Lima-Perú25
AgradecimientosAgradecimientos
Facultad de Ingeniería Química y Textil – UNICentro de Información Tecnológica, Chile.Instituto General de Investigación de la UNICentro de Investigación y Desarrollo del Gas