一种用于具有净化单元的多杂质氢网络的设计方法与流程

本发明涉及氢网络设计领域，具体涉及一种用于具有净化单元的多杂质氢网络的设计方法。

背景技术：

氢气目前已成为一种非常重要的资源。在石油炼化企业的加氢工艺过程中需要使用大量的氢气，随着原油的重质化、劣质化及日益严格的工业环保标准和相关立法的实施，加氢工艺对氢气的需求量不断增加。当存在多个耗氢、制氢、氢净化单元等装置且这些装置之间存在密切联系时，常将上述诸多装置看成氢网络。

与只考虑回用的氢网络相比，对于节氢效果较好的具有净化单元的氢网络的设计，各国学者已提出氢夹点分析法和数学优化法。运用氢夹点分析法的有，Alves分析了净化单元的三个可能位置(夹点之上，跨跃夹点和夹点之下)，并指出，将净化单元放在跨跃夹点的位置是最好的选择。然而，这种定性的结论不能给出氢消耗目标；Liu等提出一种氢网络的净化单元模型来评价净化方案的可行性；Agrawal等在极限复合曲线概念基础上提出一种不需迭代的图解方法，通过构建极限氢分布图来讨论具有净化单元的氢网络，并给出了计算氢消耗目标值的方法；Foo等提出一种称为气体梯级分析(gas cascade analysis，GCA)方法来计算可用氢目标，并讨论了具有两个净化单元的情况；Ng等提出一种基于自动化的目标夹点技术用于再利用氢网络的设计，Ng等又将之进行改进用于研究氢物流的净化问题；Zhang等提出一种图解方法，通过杂质负荷-流率复合曲线图来得到具有净化单元氢网络的夹点浓度和氢消耗目标。Liu等提出一种图解法确定具有提纯单元氢网络的夹点位置、最小新鲜氢气消耗量、最佳提纯物流流量和最大新鲜氢气节省量。Yang等和Zhang等采用改进的图示法优化提纯流量和浓度，并最终分别确定了氢网络的最大公共工程节省量和最小新鲜氢气消耗量。Deng等提出一种改进的三元图表法设计具有提纯单元的氢网络。运用数学优化法的有，Liao等针对再利用氢网络提出一种基于严格数学规划方法确定系统的目标值，Liao等又将该方法推广应用于具有一个净化单元的氢网络；潘春晖等提出一种迭代方法来设计具有净化单元的氢网络，既给出了氢消耗目标值，同时也给出了氢网络的具体设计。该种氢网络实际上是本文提出的具有固定净化后氢浓度模型的氢网络。Lou等采用鲁棒优化模型来优化炼油厂氢网络结构，通过权衡模型的鲁棒性和网络的鲁棒性来获得受场景变化影响较小且年度费用较低的氢网络结构。Wang等建立了一个具有净化单元氢网络的数学模型，将总能量消耗作为最优化的目标函数，其中包括纯氢消耗，净化过程的能源消耗。对于具有净化单元的多杂质氢网络，Zhou等在建立烃移除单元模型基础上引入脱硫单元模型，将年总成本作为氢分配网络成本和质量交换网络成本之间权衡的优化目标。通过实例说明所提出方法的适用性和有效性。Zhou等针对具有净化的氢网络系统的经济和环境双方面效益，提出了混合整数非线性规划模型。用全年成本来评估氢网络的经济效益，用二氧化碳总的排放量来评估环保效应。

从经济和环保的角度考虑，增加净化设备、优化氢网络是石油炼化企业节约氢资源及减少二氧化碳排放的重要方法。

技术实现要素：

本发明的目的在于提供了一种用于具有净化单元的多杂质氢网络的设计方法。

为实现上述目的，本发明采取的技术方案为：

一种用于具有净化单元的多杂质氢网络的设计方法，包括如下步骤：

S1、需求物流执行顺序的确定，对于多杂质氢网络，运用浓度势方法来确定需求物流的执行顺序。

当内部源物流S_i满足需求物流D_j时，为了提高S_i的回用量，应使需求物流中至少一种杂质的浓度达到极限值；首先达到极限值的杂质将决定S_i的用量，将该杂质称为S_i回用的关键杂质(RKC)；对于关键杂质来说，单位流量(如每mol·s^-1)的需求物流D_j的极限杂质负荷与源物流分配过来的杂质负荷相等；

$1\×C_{D_{j,RKC}}^{\max }=R_{i,j}\×C_{S_{i,RKC}}---\left(1\right)$

即

式中，为Dj中关键杂质的极限浓度；为S_i中关键杂质的浓度；为D_j中杂质k的极限浓度；为S_i中杂质k的浓度；NC为杂质个数；R_i，j称为源物流S_i满足需求物流D_j时的虚拟回用率；

需求物流的浓度势(CPD)是该需求物流回用各源物流的总体可能性的量度，通过式(3)表示：

$CPD\left(D_j\right)=C_{S_{i,RKC}}=C_{D_{j,RKC}}---\left(3\right)$

式中，NS为源物流个数；

由式(3)可知，浓度势的值只与需求物流和源物流的常规浓度有关，将浓度势概念运用到氢网络时，需求物流浓度势的值越低，其浓度也将越低。在进行网络设计时，具有最低CPD值的需求物流将首先被满足。当一需求物流执行完成后，基于当前可用源物流计算出各待执行需求物流的浓度势CPD值，CPD值最低的需求物流接着执行。

S2、完成源物流的分配，确定净化后源物流的用量F_reg及未回用的内部源物流；

S21、当满足D_j时，若一内部源物流(如S₂)k杂质的虚拟回用率R_2，j，k＜1(即)，而另一源物流(如S₁)相应杂质的虚拟回用率R_1，j，k＞1(即)，则称两个源物流是互补的；

当满足需求物流D_j时，按以下规则来选取源物流：

规则1：若存在R_i，j，RKC值等于1的内部源物流Si，即优先由之来满足D_j；

规则2：若存在至少一条R_i，j，RKC值大于1的内部源物流(如S₁)，可优先回用；或将其与R_i，j，RKC＜1的内部源物流(如S₂)组成互补源物流来满足D_j，S₁的分配系数可取其下限值，通过式(6)确定；

规则3：若所有内部源物流的R_i，j，RKC值都小于1，优先选择依次使外部源物流和净化后源物流用量最少的互补内部源物流来满足D_j；若不存在互补的内部源物流，可选择R_i，j，RKC最大的内部源物流来满足D_j，此时若净化后源物流的R_i，j，RKC值大于等于1，优先回用之，否则需补充外部源物流；

其中，上述规则1、规则2和规则3中的源物流均为加入了净化后源物流；

现有文献提出的氢网络多氢源匹配法是选用浓度刚好低于和刚好高于需求物6流浓度的两个源物流来满足需求水流，并提出了计算源物流分配流量的计算方法。而对于多杂质系统针对不同杂质按照该方法选取的两个源物流很难一致，因此，用互补的两个源物流来代替该方法中的两个源物流，即可将该方法运用于多杂质系统。

S22、互补的两个源物流S₁和S₂满足D_j时，可得：

$\frac{F_{D_j}}{C_{S_{2,k}}-C_{S_{1,k}}}=\frac{F_{S_{2,k}}}{C_{D_{j,k}}^{\max }-C_{S_{1,k}}}=\frac{F_{S_{1,k}}}{C_{S_{2,k}}-C_{D_{j,k}}^{\max }}---\left(4\right)$

由式(8)可得到式(9)：

${\mathrm{\γ}}_{S_{1,k}}=\frac{F_{S_{1,k}}}{F_{D_j}}=\frac{C_{S_{2,k}}-C_{D_{j,k}}^{\max }}{C_{S_{2,k}}-C_{S_{1,k}}}.---\left(5\right)$

由式(5)可看出，和越小，则也越小，因此，可由式(6)得到的下限：

${\mathrm{\γ}}_{S_1}^{ll}=\max \left(\frac{F_{S_{1,k}}}{F_{D_j}}\right)=\max \frac{C_{S_{2,k}}-C_{D_{j,k}}^{\max }}{C_{S_{2,k}}-C_{S_{1,k}}}.---\left(6\right)$

若S₁和S₂都为内部源物流，R_i，j，RKC都小于1，且存在浓度满足不等式的杂质，即S₁和S₂的分配流量也受限于该种杂质；针对该杂质，由式(9)可看出，和越大，则越小；因此，由式(7)可得到的上限：

${\mathrm{\γ}}_{S_1}^{hl}=\min \left(\frac{F_{S_{1,k}}}{F_{D_j}}\right)=min\frac{C_{S_{2,k}}-C_{D_{j,k}}^{\max }}{C_{S_{2,k}}-C_{S_{1,k}}}.---\left(7\right)$

当式(8)成立，且取区间内的值时，由S₁和S₂满足D_j可不需补充外部源物流，用量可由式(9)和式(10)得到；

${\mathrm{\Δ\γ}}_{S_1}={\mathrm{\γ}}_{S_1}^{hl}-{\mathrm{\γ}}_{S_1}^{ll}\≥0---\left(8\right)$

$F_{S_1}={\mathrm{\γ}}_{S_1}\×F_{D_j}---\left(9\right)$

$F_{S_2}=F_{D_j}-F_{S_1}---\left(10\right)$

若存在多组互补的源物流且各自都不满足式(8)，可选择绝对值最小的互补内部源物流来满足D_j，回用量可通过EXCEL表的计算模型来确定；这是因为互补内部源物流的绝对值越小，满足D_j时外部源物流用量一般情况下越小，源水流分配方法见图1所示。

S3、比较未回用内部源物流全部净化后的量与F_reg的大小，分两种情况进行后续设计：

(1)当时，将作为下一次迭代时净化后源物流的量，继续迭代，直至相邻两次迭代所得净化后源物流量之差小于某一很小值ε(本文取ε＝0.01mol·s^-1)时，可认为迭代已收敛；

(2)当时，选取杂质浓度较低的未回用的源物流用于净化。对于固定净化后氢浓度模型，将F_reg作为最终设计的净化后源物流的用量，只需一次迭代就能得到最终设计。对于给定杂质移除率模型，将F_reg作为下一次迭代的净化后源物流的量的初值，只需几次迭代即可得到最终设计。

本发明具有以下有益效果：

可使各内部源物流都得到回用或用于净化，说明可使外部源物流用量最少，即能得到氢消耗目标值。设计步骤简单计算量小，可用手算即可完成。另外，本发明还可以得出氢网络设计。即能设计固定净化后氢浓度模型，又能设计给定杂质移除率模型，具有较好的适用性。

附图说明

图1为本发明实施例中源物流分配方法流程图。

图2为本发明实施例中网络设计流程图。

图3为本发明实施例1的设计图。

图4为本发明实施例2的设计图。

具体实施方式

为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

以下实施例中，对于具有净化单元的氢网络按照对净化单元的处理可分为固定净化后浓度模型和给定杂质移除率模型。此处需要说明的是，网络设计前需净化的内部源物流的浓度和流量都是未知的，对于前一种模型，净化后氢浓度已知而流量未知；对于后一种模型，净化后氢浓度和流量都未知。对于第一次迭代，首先假设净化后源物流的量足够大，且对于后一种模型，还需对净化后源物流的浓度进行估算，将之用于设计。对于前一种模型，七个变量可得到四个(C_in、F_in、C_reg和HR)，另外三个(F_reg、C_r和F_r)可通过解前三个等式得到。对于后一种模型，八个变量可得到四个(C_in、F_in、HR和IR)，另外四个(C_reg、F_reg、C_r和F_r)可通过解以上四个等式得到。从而通过迭代运算得到设计结果。

本发明实施例提供了一种用于具有净化单元的多杂质氢网络的设计方法，包括如下步骤：

S1、需求物流执行顺序的确定，对于多杂质氢网络，运用浓度势方法来确定需求物流的执行顺序。

当内部源物流S_i满足需求物流D_j时，为了提高S_i的回用量，应使需求物流中至少一种杂质的浓度达到极限值；首先达到极限值的杂质将决定S_i的用量，将该杂质称为S_i回用的关键杂质(RKC)；对于关键杂质来说，单位流量(如每mol·s^-1)的需求物流D_j的极限杂质负荷与源物流分配过来的杂质负荷相等；

$1\×C_{D_{j,RKC}}^{\max }=R_{i,j}\×C_{S_{i,RKC}}---\left(1\right)$

即

式中，为Dj中关键杂质的极限浓度；为S_i中关键杂质的浓度；为D_j中杂质k的极限浓度；为S_i中杂质k的浓度；NC为杂质个数；R_i，j称为源物流Si满足需求物流D_j时的虚拟回用率；

需求物流的浓度势(CPD)是该需求物流回用各源物流的总体可能性的量度，通过式(3)表示：

$CPD\left(D_j\right)=C_{S_{i,RKC}}=C_{D_{j,RKC}}---\left(3\right)$

式中，NS为源物流个数；

由式(3)可知，浓度势的值只与需求物流和源物流的常规浓度有关，将浓度势概念运用到氢网络时，需求物流浓度势的值越低，其浓度也将越低。在进行网络设计时，具有最低CPD值的需求物流将首先被满足。当一需求物流执行完成后，基于当前可用源物流计算出各待执行需求物流的浓度势CPD值，CPD值最低的需求物流接着执行。

S2、完成源物流的分配，确定净化后源物流的用量F_reg及未回用的内部源物流；

S21、当满足D_j时，若一内部源物流(如S₂)k杂质的虚拟回用率R_2，j，k＜1(即)，而另一源物流(如S₁)相应杂质的虚拟回用率R_1，j，k＞1(即)，则称两个源物流是互补的；

当满足需求物流D_j时，按以下规则来选取源物流：

规则1：若存在R_i，j，RKC值等于1的内部源物流Si，即优先由之来满足D_j；

规则2：若存在至少一条R_i，j，RKC值大于1的内部源物流(如S₁)，可优先回用；或将其与R_i，j，RKC＜1的内部源物流(如S₂)组成互补源物流来满足D_j，S₁的分配系数可取其下限值，通过式(6)确定；

规则3：若所有内部源物流的R_i，j，RKC值都小于1，优先选择依次使外部源物流和净化后源物流用量最少的互补内部源物流来满足D_j；若不存在互补的内部源物流，可选择R_i，j，RKC最大的内部源物流来满足D_j，此时若净化后源物流的R_i，j，RKC值大于等于1，优先回用之，否则需补充外部源物流；

其中，上述规则1、规则2和规则3中的源物流均为加入了净化后源物流；

现有文献提出的氢网络多氢源匹配法是选用浓度刚好低于和刚好高于需求物6流浓度的两个源物流来满足需求水流，并提出了计算源物流分配流量的计算方法。而对于多杂质系统针对不同杂质按照该方法选取的两个源物流很难一致，因此，用互补的两个源物流来代替该方法中的两个源物流，即可将该方法运用于多杂质系统。

S22、互补的两个源物流S₁和S₂满足D_j时，可得：

$\frac{F_{D_j}}{C_{S_{2,k}}-C_{S_{1,k}}}=\frac{F_{S_{2,k}}}{C_{D_{j,k}}^{\max }-C_{S_{1,k}}}=\frac{F_{S_{1,k}}}{C_{S_{2,k}}-C_{D_{j,k}}^{\max }}---\left(4\right)$

由式(8)可得到式(9)：

${\mathrm{\γ}}_{S_{1,k}}=\frac{F_{S_{1,k}}}{F_{D_j}}=\frac{C_{S_{2,k}}-C_{D_{j,k}}^{\max }}{C_{S_{2,k}}-C_{S_{1,k}}}.---\left(5\right)$

由式(5)可看出，和越小，则也越小，因此，可由式(6)得到的下限：

${\mathrm{\γ}}_{S_1}^{ll}=\max \left(\frac{F_{S_{1,k}}}{F_{D_j}}\right)=\max \frac{C_{S_{2,k}}-C_{D_{j,k}}^{\max }}{C_{S_{2,k}}-C_{S_{1,k}}}.---\left(6\right)$

若S₁和S₂都为内部源物流，R_i，j，RKC都小于1，且存在浓度满足不等式的杂质，即S₁和S₂的分配流量也受限于该种杂质；针对该杂质，由式(9)可看出，和越大，则越小；因此，由式(7)可得到的上限：

${\mathrm{\γ}}_{S_1}^{hl}=\min \left(\frac{F_{S_{1,k}}}{F_{D_j}}\right)=min\frac{C_{S_{2,k}}-C_{D_{j,k}}^{\max }}{C_{S_{2,k}}-C_{S_{1,k}}}.---\left(7\right)$

当式(8)成立，且取区间内的值时，由S₁和S₂满足D_j可不需补充外部源物流，用量可由式(9)和式(10)得到；

${\mathrm{\Δ\γ}}_{S_1}={\mathrm{\γ}}_{S_1}^{hl}-{\mathrm{\γ}}_{S_1}^{ll}\≥0---\left(8\right)$

$F_{S_1}={\mathrm{\γ}}_{S_1}\×F_{D_j}---\left(9\right)$

$F_{S_2}=F_{D_j}-F_{S_1}---\left(10\right)$

若存在多组互补的源物流且各自都不满足式(8)，可选择绝对值最小的互补内部源物流来满足D_j，回用量可通过EXCEL表的计算模型来确定；这是因为互补内部源物流的绝对值越小，满足D_j时外部源物流用量一般情况下越小，源水流分配方法见图1所示。

S3、比较未回用内部源物流全部净化后的量与F_reg的大小，分两种情况进行后续设计：

(1)当时，将作为下一次迭代时净化后源物流的量，继续迭代，直至相邻两次迭代所得净化后源物流量之差小于某一很小值ε(本文取ε＝0.01mol·s^-1)时，可认为迭代已收敛；

(2)当时，选取杂质浓度较低的未回用的源物流用于净化。对于固定净化后氢浓度模型，将F_reg作为最终设计的净化后源物流的用量，只需一次迭代就能得到最终设计。对于给定杂质移除率模型，将F_reg作为下一次迭代的净化后源物流的量的初值，只需几次迭代即可得到最终设计，网络设计过程见图2所示。

实施例1

研究的实例为文献刘桂莲等(Liu Guilian(刘桂莲)，Tang Mingyuan(唐明元)，Feng Xiao(冯霄).Optimization of Hydrogen Network with Multi-Impurities(多杂质氢网络的优化)[J].Petro chem Ical Technology(石油化工).2009，38(4)：419-422)中一多杂质氢网络，极限数据见图3。为了节约外部源物流，在该氢网络中放置一个净化单元，净化单元的参数为：已知氢回收率HR＝95％，杂质移除率IR＝95％。

下面运用提出的方法进行设计。

首先运用只考虑回用的多杂质氢网络设计得到的未回用的源物流33.50mol·s^-1的S₁、68mol·s^-1的S3、45mol·s^-1的S5和28mol·s^-1的S₆进行净化，运用式(1-4)来估算净化后源物流的浓度为(0.19，0.40，0.23)，其量待定，将之作为净化后源物流用于第一次迭代，

首先运用各含氢物流的极限浓度和式(7)分别求出各需求物流的浓度势CPD值并按大小排序，CPD₁、CPD₅、CPD₂、CPD₆、CPD₃、CPD₄的值分别为1.15、5.27、7.83、8.27、9.98、13.91。CPD值最小的需求物流D1将首先执行。

对于需求物流D1，首先运用式(6)分别计算出各内部源物流的Ri，j值并按大小排出顺序，RSreg，1、R_1，1、R_2，1、R_3，1、R_4，1、R_5，1、R_6，1的值分别为0.637、0.240、0.117、0.086、0.034、0.024、0.017，都是小于1的，而且回用的关键杂质都为A杂质，说明不存在互补的源物流，属于规则3的情形。因此，选取Ri，j值最大的S_reg与外部源物流S_Utility共同来满足，运用式(10)和式(13)求出外部源物流的分配量为61.16mol·s^-1，再运用式(14)求出S_reg的分配量为34.84mol·s^-1。

接着，运用可用的内部源物流S₁、S₂、S₃、S₄、S₅、S₆和式(7)分别计算出未执行需求物流D₂、D₃、D₄、D₅和D₆的CPD值，CPD值最小的需求物流D₅接着执行。后面的设计过程略。本例的整体设计过程见表1。

表1 例1氢网络的设计过程

由于末回用的源物流的量为221.54mol·s^-1，与之对应的净化后源物流的量为183.91mol·s^-1，浓度为(.18，0.35，0.27)，净化后源物流的用量为194.56mol·s^-1，因为183.91＜194.56，所以本例的设计需多次迭代即5次迭代才能得到最终设计。每次迭代的结果见表2。

表2.例1迭代设计结果

最终设计见图3。所得设计的外部源物流用量43.28mol·s^-1，净化后源物流的用量为173.63mol·s^-1，净化前源物流的量为209.04mol·s^-1，燃料气排放量为35.41mol·s^-1。该设计中各内部源物流都得到回用或用于净化，说明纯氢用量已达到最少，该外部源物用量即为氢消耗目标值。且本文提出的方法设计步骤和计算过程并不复杂，说明提出的方法是非常有意义的和可行的。

实施例2

研究的实例为例1中的多杂质氢网络。在该氢网络中放置一个净化单元，净化单元的参数为：净化后源物流的杂质浓度为C_reg＝(0.03，0.25，0.72)(mol％)，氢回收率为HR＝95％。下面运用提出的方法进行设计。

设计步骤和方法与例1类似。因为第一次迭代中末回用的源物流的量为192.59mol·s^-1，净化后的源物流的用量为200.46mol·s^-1。显然末回用的源物流对应的净化后源物流的量小于净化后源物流的用量，本种情况的设计需要四次迭代才能得到最终设计，每次迭代的结果见表3。

表3.例2迭代设计结果

最终设计见图4。所得设计的外部源物流用量39.22mol·s^-1，净化后源物流的用量为158.75mol·s^-1，净化前源物流的量为190.10mol·s^-1，燃料气排放量为31.35mol·s^-1。该设计中各内部源物流都得到回用或用于净化，说明纯氢用量已达到最少，该外部源物用量即为氢消耗目标值。且本文提出的方法设计步骤和计算过程并不复杂，说明提出的方法是非常有意义的和可行的。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。