更多内容请点击

基于NSGA-Ⅱ和RSM的天然气净化单元多目标优化

杨凯翔 ,  郭超 ,  陈志豪 ,  徐梁 ,  刘炳成

现代化工 ›› 2025, Vol. 45 ›› Issue (S2) : 449 -454.

PDF (3165KB)
现代化工 ›› 2025, Vol. 45 ›› Issue (S2) : 449-454. DOI: 10.16606/j.cnki.issn0253-4320.2025.S2.077
工业技术

基于NSGA-Ⅱ和RSM的天然气净化单元多目标优化

作者信息 +

Multi-objective optimization of a natural gas purification unit by NSGA-Ⅱ and RSM

Author information +
文章历史 +
PDF (3240K)

摘要

针对高含硫天然气净化装置存在的再生单元能耗高及商品气收率不足等问题,搭建基于响应面-遗传算法的多目标协同优化模型。通过Aspen Plus模拟软件结合Box-Behnken响应面设计,研究贫液温度、填料高度、吸收压力和溶液循环量对再生能耗的交互影响规律,并基于非支配排序遗传算法(NSGA-Ⅱ)构建Pareto最优解集。优化结果表明,当贫液温度46℃、填料高度13.5 m、吸收压力4.7 MPa、溶液循环量251 m3/h时,再生能耗降至3.312 GJ/t,较传统工艺节约低压蒸气31.2×104 t/a,按工业蒸气均价220元/t计,年节约人民币约6 864万元。

Abstract

To mitigate the challenges,such as excessive energy consumption in the regeneration unit and inadequate product gas recovery,existed in high-sulfur natural gas purification system,a multi-objective collaborative optimization model is established,which integrating response surface methodology and genetic algorithm.Aspen Plus simulation software,coupled with a Box-Behnken response surface design,is employed to examine the interactive influences of lean liquid temperature,packing height,absorption pressure,and solution circulation rate on regeneration energy consumption.A Pareto-optimal solution set is derived through using the non-dominated sorting genetic algorithm (NSGA-Ⅱ).The optimization results reveal that under the optimal conditions including 46℃ of lean liquid temperature,13.5 m of packing height,4.7 MPa of absorption pressure,and 251 m3/h of solution circulation rate,the regeneration energy consumption decreases to 3.312 GJ per ton of acid gas.Compared with conventional processes,this optimization can save approximately 31.2×104 tons of low-pressure steam.Given an average industrial steam price of RMB 220 per ton,the estimated annual cost savings reach approximately RMB 68.64 million.

Graphical abstract

关键词

气体净化 / 数值模拟 / Aspen Plus / 能耗优化 / 遗传算法 / 响应曲面

Key words

gas purification / numerical simulation / Aspen Plus / energy consumption optimization / genetic algorithm / response surface

Author summay

杨凯翔(2000-),男,硕士生

引用本文

引用格式 ▾
杨凯翔,郭超,陈志豪,徐梁,刘炳成. 基于NSGA-Ⅱ和RSM的天然气净化单元多目标优化[J]. 现代化工, 2025, 45(S2): 449-454 DOI:10.16606/j.cnki.issn0253-4320.2025.S2.077

登录浏览全文

4963

注册一个新账户 忘记密码

随着我国能源结构的稳步调整,天然气作为一种高效、清洁、经济的化石燃料被广泛应用于化工、城市燃气等多个行业,在我国能源体系中发挥着越来越重要的作用[1]。“十四五”期间我国天然气消费量预计将达到4.5×1011~5×1011 m3。2020年,全国天然气产量达到1.925×1011 m3,预计到2035年国内天然气产量将达到3.300×1011 m3左右[2]。原油气中除了可燃成分外,通常还含有二氧化碳、硫化氢、有机硫产物(如硫醇)以及惰性气体等杂质,不仅会降低天然气的质量,还可能对后续加工设备造成腐蚀和损害[3]。所以必须对原油气中的杂质进行处理,使其符合最终用户需求。国家标准GB 17820—2018《天然气》替代GB 17820—2012《天然气》,将一类气的总硫含量从60 mg/m3降至20 mg/m3,并将商品天然气中硫化氢的含量限制为6 mg/m3。尽管新的国家标准对天然气质量提出了严格规定,但许多处理厂仍继续遵循废止的GB 17820—2012标准,净化效果不达标且存在CO2过度脱除等问题,与常规净化过程相比,高浓度的酸性气体使净化过程更加复杂,而且导致气体净化度和商品气产率下降,成为一个亟待解决的难题。
针对降低酸气净化单元能耗问题,采用单因素分析法模拟研究不同原料气条件下胺液循环量和塔板位置的调节范围,以降低整体装置的能耗。Al-lagtah等[4]对操作参数进行了模拟和讨论,以满足较低能源成本所需的气体纯度。Rouzbahani等[5]使用稳态流程模拟器对天然气脱水单元进行了模拟,并基于模拟结果进行了敏感性分析,结果表明溶剂摩尔流量增加10%可使干气露点降低6%,且不会导致总能耗和挥发性有机化合物(VOC)排放的显著增加。郭良辉等[6]通过Aspen HYSY模拟计算,重点分析了再生塔压力、胺液循环量、富胺液进塔温度对重沸器能耗的影响规律。邱奎等[7]采用Aspen Plus软件对操作条件对普光净化厂脱硫装置能耗的影响规律进行研究,为节能优化提供了方向。何卉等[8]提出将正交实验法、神经网络算法与相应曲面算法应用于工艺优化,所得最优组合方案的能耗较基础方案下降10.9%。
如上所述,当前天然气净化工艺能耗优化研究多局限于单因素分析上,对多目标全局优化的系统研究较为匮乏[9-10]。在现场工况中,各影响因素通常存在复杂的相互作用,单因素法存在较大的局限性[11]。因此,本文中采用响应曲面法系统分析关键工艺参数间的交互作用对能耗的影响规律,并以天然气净化标准与富液负荷限制为约束条件,引入非支配排序遗传算法建立多目标优化模型,对Pareto最优解进行求取,实现再生能耗的最小化与商品气产率最大化的综合平衡,为天然气净化厂节能降耗与经济效益提升提供指导。

1 数值计算模型

1.1 净化工艺流程

天然气净化工艺流程如图1所示。本工艺采用分级吸收-催化水解耦合技术,具体流程如下:原料气首先经多级滤装置进行初步净化处理,有效截留固体杂质及颗粒物。净化后的原料气进入一级吸收塔,与二级吸收塔的半贫MDEA溶液进行逆向接触,优先选择性脱除H2S及大部分CO2。初步净化的气体经热交换器实现余热回收后,通过预热器进一步升温,使其达到催化水解反应温度。在催化水解反应器内,羰基硫(COS)被催化水解为CO2和H2S。反应后的气体经过换热器降温后,进入二级吸收塔进行深度脱酸处理。一级吸收塔底产生的富液经过闪蒸塔闪蒸换热处理后,进入再生塔,与再生塔自下而上的蒸气接触,进行汽提再生。再生贫液经过冷却后送至吸收塔,完成整个系统溶液的循环。

1.2 模型及气源参数

研究采用Aspen Plus模拟软件搭建醇胺法脱酸系统模型,液相非理想性计算采用ELECNRTL方程,气相采用Redlich-Kwong方程。基准工况设定如下:原料气处理规模为125 000 m3/h,年运行时间 8 000 h,入口压力为4.5 MPa,温度28℃,气源如 表1所示。吸收塔采用基于速率模型的RateFrac严格计算模块,填料类型为金属板波纹规整填料,换热器模块采用HeatX模型,使用简捷计算方法来快速计算换热器性能。

1.3 模型验证

为保证采用此模型与数据包进行计算的准确性,通过随机抽样获取一组现场装置运行数据进行模型验证分析。结果如表2所示,模拟值与实测值的H2S、CO2含量相对误差分别为6.25%和5.56%,在误差允许范围内,表明所搭建的模型可以较为准确地反映实际运行过程,满足天然气净化工艺模拟的工程精要求。

1.4 响应曲面设计

研究采用Design-Expert软件的Box-Behnken Design模块开展四因素三水平响应面优化实验,将贫液温度、填料高度、吸收压力、溶液循环量分别以A、B、C、D代替,以再生能耗(Y1)和净化气CO2含量(Y2)为双响应目标。按照-1,0,+1的低中高水平进行模拟方案的设计。实验选取5个中心点实验,经式(1)计算需要29组数值计算工况,各个实验点的设计见表3。
$N=2 K(K-1)+C_{0}$
式中,K为因素个数;C0为中心点重复次数。

2 结果与分析

2.1 模型方差分析

基于表3所示Box-Behnken实验设计,通过Aspen Plus数值模拟计算得模拟结果数据详见表4。运用Design-Expert软件内置的多元非线性回归分析模块得回归方程如式(2)所示。
Y1=3.472 77-0.064 231A-0.082 546B-0.046 605C+0.017 248D+0.001 334AB+0.000 761AC-0.000 186AD+0.000 980BC-0.000 372BD-0.000 109CD+0.000 555A2+0.001 815B2+0.000 219C2+0.000 022D2
模型及各因素的显著性通过P值进行评价,该模型的P值小于0.000 1,表明模型高度显著。同时,模型的F值为376.04,进一步验证了模型的显著性。回归方程与实验数据的偏差程度通过失拟度进行衡量。本实验的二次模型失拟度为3.76,不显著,该模型具有合理性,可用回归方程代替真实函数对实验结果进行分析和讨论。二次模型中R2、$R_{\mathrm{Adj}}^{2}$分别是0.997 3、0.994 7,表明该模型具有较高的可信度。图2预测值与实测值线性回归图中,数据点沿对角线直线排列分布,表明预测值与实际值之间具有良好的线性关系,验证了模型的拟合效果。本次回归拟合的能耗模型合适,可用该模型来预测能耗和贫液温度、填料高度、吸收压力、溶液循环量5个参数之间的关系。

2.2 响应曲面交互作用分析

响应曲面图包括三维(3D)响应曲面图和二维(2D)等高线图。3D响应曲面图以平面坐标轴表示交互作用因素,以纵坐标轴表示响应值,直观展示交互作用与响应值之间的关系。曲面形状的陡峭程度反映交互作用的强弱。2D等高线图则是3D曲面图的平面投影,可直观显示交互作用的强弱范围及变化趋势。
图3为溶液循环量262 m3/h、吸收压力4.5 MPa的条件下,贫液温度和填料高度的交互作用对能耗的影响规律。从图中可以看出,随着贫液温度和填料高度的增加,能耗呈现下降趋势,在较高的填料高度下,贫液温度对系统能耗的影响更为显著。当贫液温度不变时,填料高度的增加使能耗值逐步降低,由于MDEA溶液对CO2的吸收过程由物理吸收与化学吸收共同作用,其中物理吸收占据主导地位,填料高度的增加能够提供更多的传质面积和接触时间,酸气的吸收能力显著增强,吸收塔出口酸性气体浓度降低,系统能耗减少[12-13]。当填料高度保持不变时,增加贫液温度对能耗的影响与填料高度的作用呈现相似的规律。尽管贫液温度的升高可能抑制反应的正向进行,但由于MDEA溶液与H2S之间的反应为迅速酸碱质子转移反应,对反应温度的敏感度较低[14]。同时,贫液温度的提升能够降低溶液黏度,减少扩散阻力,从而促进反应的进行,在这2种作用的相互影响下,酸气吸收力能力显著增强,能耗下降。
图4为溶液循环量262 m3/h、吸收压力4.5 MPa的条件下,贫液温度和溶液循环量的交互作用对能耗的影响规律。随着贫液温度的升高和溶液循环量的降低,再生能耗呈现下降趋势,曲面整体呈现左后上角较高右前下角较低的趋势。当贫液温度保持不变时,随着溶液循环量的增多,吸收塔的负荷增加,进入再生塔进行酸气脱除的溶液增多,显著提高再生塔的热负荷和能耗[15]。循环量的增加会降低单次循环中溶液吸收的酸气量,导致吸收效率下降与泵送能耗增大[16]。
由图5可知,填料高度和吸收压力的交互作用对再生能耗具有显著的影响,表现出左高右低的曲面趋势,即随着填料高度和吸收压力的增加再生能耗逐渐降低。在吸收压力不变的条件下,随着填料高度的增加吸收效率增大,系统在相同吸收目标下对溶液循环量的需求减少,其现象可以解释为溶液循环量的增大导致更多的贫液需要加热和再生,增加了再沸器的负荷,溶液泵和冷却水系统的能耗也随之增加,进一步加剧了总能耗[17],导致再生塔所需的热量输入减少,再生能耗降低[18]。

2.3 NSGA-Ⅱ多目标优化

将选取的优化参数输入到响应曲面中,以再生能耗与净化气中CO2含量作为响应值进行拟合得到公式所示目标函数。利用MATLAB搭建基于 NSGA-Ⅱ的多目标优化模型,在满足净化气气质达标与富液负荷限制的前提下,利用NSGA-Ⅱ遗传算法寻找最优操作参数以及对应的最小能耗,实现再生能耗最低与商品气产率最大的多目标优化。
min f1(x)=F1(x)+F2(x)+F3(x)
F1(x)=3.472 77-0.064 231x1-0.082 546x2-0.046 605x3+0.017 248x4
$\begin{array}{r}F_{2}(x)=0.001334 x_{1} x_{2}+0.000761 x_{1} x_{3}-0.000186 x_{1} x_{4}+ \\0.000980 x_{2} x_{3}-0.000372 x_{2} x_{4}-0.000109 x_{3} x_{4}\end{array}$
$\begin{array}{c}F_{3}(x)=0.000555 x_{1}^{2}+0.001815 x_{2}^{2}+0.000219 x_{3}^{2}+ \\0.000022 x_{4}^{2}\end{array}$
$\begin{array}{c}f_{2}(x)=8.72038-0.05077 x_{1}+0.019779 x_{2}- \\0.124416 x_{3}+0.009371 x_{4}-0.001055 x_{1} x_{2}+ \\0.001497 x_{1} x_{3}-0.000219 x_{1} x_{4}-0.000650 x_{2} x_{3}- \\0.000296 x_{2} x_{4}+0.000084 x_{3} x_{4}\end{array}$
式中,f1(x)为能耗,GJ/t;f2(x)为净化气出口CO2摩尔分数,%;x1为贫液温度,℃;x2为填料高度,m;x3为吸收压力,MPa;x4为溶液循环量,m3/h。
为避免陷入局部最优,提高寻找最优解的精确度,需要适当确定种群规模以及交叉和变异操作[19]。将种群规模设为200,交叉概率和变异概率分别设定为0.8和0.2,最大迭代次数为400次。在多目标优化过程中,进行多次运行,当所有Pareto前沿都一致时优化收敛,从而获得完整的非支配解[20]。经过200次迭代后Pareto前沿基本稳定,将富液负荷与净化气标准限值之外的数据去除,所得Pareto前沿如图6所示。
由图6可知,商品气中CO2含量的增加将直接导致能耗上升。在优化过程中,若以商品气产量为目标,则最优解对应B点;若以能耗最小化为目标,则最优解为A点。在实际运行中,难以同时达到这2个最优值。基于两者之间的权衡,选取D点作为帕累托边界上的最优解,优化结果如表5所示。
以150℃低压蒸气作为加热介质,优化前,1 m3/h MDEA溶剂约需消耗200 kg/h低压蒸气,对应的蒸气消耗量为68 t/h。优化后,蒸气消耗量降至 29 t/h,实现年节约低压蒸气31.2×104 t,按工业蒸气均价220元/t计,年节约人民币约6 864万元。

3 结论

为降低高含硫天然气净化单元能耗并提高商品气产率,利用Aspen Plus软件与响应曲面(RSM)相结合的方法,研究了工艺流程参数的交互作用对再生能耗的影响规律,利用NSGA-Ⅱ遗传算法建立天然气净化单元优化模型,进行多目标优化,得出以下主要结论。
(1)所建立的Aspen Plus模型的模拟结果与现场运行值之间的相对误差不超过7%,满足工艺应用的需求,可以用于工艺模拟分析。
(2)结果表明模型能够有效描述多因素交互作用对净化效率和能耗的影响规律。研究发现,贫液温度与填料高度、吸收压力、溶液循环量的耦合效应显著影响净化性能,其中贫液温度与溶液循环量的交互作用对再生能耗的影响较为显著。
(3)当MDEA贫液温度为46℃、填料高度为13.5 m、吸收压力为4.7 MPa、溶液循环量为 251 m3/h时,系统能耗最低且商品气产率最大化。优化后的操作参数显著降低了再沸器功率,使蒸气消耗量降至29 t/h,每年节约低压蒸气31.2×104 t,折合人民币约6 864万元,显著提高了净化工艺的经济性。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

郝向南, 张浩. 城市燃气管道泄漏监测系统设计[J]. 科技与创新, 2025,(3):69-71,75.
[2]

郜婕, 徐文满, 田瑛. 从“底气不足”到“气象万千”——中国天然气工业改革开放40年回顾与展望[J]. 国际石油经济, 2019, 27(3):60-66.
[3]

张昆宇. 长输天然气管道腐蚀的形成与防腐保护措施[J]. 中国石油和化工标准与质量, 2025, 45(1):31-33.
[4]

Al-lagtah N M A, Al-habsi S, Onaizi S A. Optimization and performance improvement of Lekhwair natural gas sweetening plant using Aspen HYSYS[J]. J Nat Gas Sci Eng, 2015, 26:367-381.
[5]

Rouzbahani A N, Bahmani M, Shariati J, et al. Simulation,optimization,and sensitivity analysis of a natural gas dehydration unit[J]. J Nat Gas Sci Eng, 2014, 21:159-169.
[6]

郭良辉, 王艺, 徐源, 等. 天然气净化厂重沸器能耗规律分析[J]. 工程热物理学报, 2022, 43(2):425-430.
[7]

邱奎, 安鹏飞, 杨馥宁, 等. 高含硫天然气脱硫操作条件对能耗影响的模拟研究[J]. 石油学报:石油加工, 2012, 28(6):978-985.
[8]

何卉, 方梦祥, 王涛, 等. 燃煤烟气化学吸收碳捕集系统分析与优化[J]. 化工进展, 2018, 37(6):2406-2412.
[9]

Abd A A, Naji S Z, Barifcani A. Comprehensive evaluation and sensitivity analysis of regeneration energy for acid gas removal plant using single and activated-methyl diethanolamine solvents[J]. Chinese Journal of Chemical Engineering, 2020, 28(6):1684-1693.

[10]

Zarezadeh F, Vatani A, Palizdar A, et al. Simulation and optimization of sweetening and dehydration processes in the pretreatment unit of a mini-scale natural gas liquefaction plant[J]. Int J Greenh Gas Control, 2022, 118:103669.
[11]

郭土, 孙东, 杨秀丽, 等. 胜利油田注汽系统用能现状[J]. 当代化工, 2019, 48(10):2370-2373,2381.
[12]

魏青, 张振涛, 王瑞祥, 等. 醇胺法碳捕集技术的研究进展[J]. 环境工程技术学报, 2025, 15(1):90-99.
[13]

唐俊丽. 合成氨工艺脱碳方法评述[J]. 化学工程师, 2011, 25(12):34-36.
[14]

梁平, 宋冬寒, 文明, 等. 基于ProMax的高含硫天然气脱硫装置模拟与优化[J]. 现代化工, 2019, 39(7):202-206,208.

[15]

姜鹏. 醇胺法脱碳工艺模拟与装置运行研究[D]. 大连: 大连理工大学, 2019.
[16]

范秦楚, 阮玉蛟, 周军. 碳达峰碳中和目标下国内天然气净化厂运行现状与展望[J]. 石油与天然气化工, 2023, 52(1):25-31,39.
[17]

葛怀栋. 海上平台伴生气脱酸工艺技术改进和评价[J]. 石油石化节能与计量, 2025, 15(1):1-5.
[18]

李燚芳, 刘元昊, 曹红强, 等. 适合高含硫天然气的脱硫脱碳工艺研究[J]. 化学与生物工程, 2023, 40(7):65-68.
[19]

丰雪艳. 变电站环境下巡检机器人的路径规划方法研究[D]. 淮南: 安徽理工大学, 2024.
[20]

Li M Q, Yang S X, Liu X H. Bi-goal evolution for many-objective optimization problems[J]. Artificial Intelligence, 2015, 228:45-65.

基金资助

国家能源集团科研项目(GJNY2030XDXM-19-12.4)

AI Summary AI Mindmap
PDF (3165KB)

225

访问

0

被引

导航
相关文章

AI思维导图

/

〈 〉

京ICP备09035943号-37
版权所有 ©《现代化工》编辑部
地址：北京市朝阳区安定路33号化信大厦B座206　邮政编码：100029
编辑部电话：010-64444090　E-mail:mci@cncic.cn
技术支持：北京玛格泰克科技发展有限公司