更多内容请点击

基于Aspen Plus的DMS制取DMSO的过程模拟和节能优化

徐泽豪 ,  穆仕芳

现代化工 ›› 2026, Vol. 46 ›› Issue (4) : 203 -209.

PDF (2792KB)
现代化工 ›› 2026, Vol. 46 ›› Issue (4) : 203-209. DOI: 10.16606/j.cnki.issn0253-4320.2026.04.033
工业技术

基于Aspen Plus的DMS制取DMSO的过程模拟和节能优化

作者信息 +

Process simulation and energy-saving optimization of DMSO production from DMS based on Aspen Plus

Author information +
文章历史 +
PDF (2858K)

摘要

针对DMS制取DMSO过程中DMSO纯度低、能耗高的问题,首先运用Aspen Plus软件对过氧化氢氧化法制DMSO进行初步模拟,然后运用灵敏度分析模块对精馏塔进行参数优化,接着在分析塔的能耗后对DMSO初分离塔和DMSO精制塔进行热泵精馏改造,最后以夹点技术为指导,通过删除小面积换热器、选用合理公用工程的方法对流程换热网络进行优化。模拟结果表明,热泵精馏改造后,总公用工程消耗减少85%;DMSO纯度由96.94%提升至99.99%;换热网络优化后,总公用工程消耗减少5%,碳排放量减少33%。在完成所有节能优化后,总公用工程消耗较初始流程减少85.75%,碳排放量减少33%,DMSO纯度稳定达到99.99%。

Abstract

To address the problems of low DMSO purity and high energy consumption in the production of DMSO from DMS,the hydrogen peroxide oxidation process for synthesizing DMSO was simulated using Aspen Plus.Sensitivity analysis was employed to optimize key parameters of the distillation column.Based on the energy consumption profile,heat pump-assisted distillation was implemented for both the DMSO pre-separation and purification columns.Furthermore,guided by pinch analysis,the heat-exchange network was systematically optimized by eliminating minor heat exchangers and rationally selecting utility systems.The simulation results indicate that,after the heat pump retrofit,total utility consumption decreased by 85%,and DMSO purity increased from 96.94% to 99.99%.Subsequent optimization of the heat-exchange network further reduced total utility consumption by 5% and carbon emissions by 33%.Overall,after all energy-saving optimizations,the total utility demand was reduced by 85.75%,carbon emissions decreased by 33%,and product purity remained stable at 99.99%.

Graphical abstract

关键词

DMSO / 过氧化氢氧化法 / 换热网络优化 / 热泵精馏 / Aspen Plus

Key words

DMSO / hydrogen peroxide oxidation / heat exchanger network optimization / heat pump distillation / Aspen Plus

引用本文

引用格式 ▾
徐泽豪,穆仕芳. 基于Aspen Plus的DMS制取DMSO的过程模拟和节能优化[J]. , 2026, 46(4): 203-209 DOI:10.16606/j.cnki.issn0253-4320.2026.04.033

登录浏览全文

4963

注册一个新账户 忘记密码

二甲基亚砜(DMSO)是一种极为重要的非质子极性溶剂和止痛药物的活性组分[1],用途十分广泛,被誉为“万能溶媒”和“万能药”[2]。随着医药、电子等行业对原料纯度要求的持续提升,市场对高纯度DMSO需求显著增长。由二甲基硫醚(DMS)制备二甲基亚砜(DMSO)工业化途径主要有二氧化氮氧化法、臭氧氧化法和过氧化氢氧化法等,过氧化氢氧化法在制备DMSO的过程中表现出反应条件温和、选择性优异的特点,且副产物仅为水,是一种兼具高效性与环境友好性的合成路线,有利于获得高纯度DMSO产品,在对纯度要求严格的医药与电子领域显示出重要价值。然而,该工艺由于需要大量水作为反应介质且反应生成水,导致体系含水量高,后续分离工段能耗突出,但关于DMSO提纯、脱水工艺参数优化的文献报道较少。因此,对该工艺及产品分离过程进行分析研究并提出提纯和节能策略方案,具有重要的现实意义。
Aspen Plus软件在化工过程模拟及节能技术优化方面应用广泛,塔的节能优化方面,金靓婕等[3]发现带有侧线采出回流的部分透热精馏操作可通过合理分配能量等操作提升正丙醇-异丙醇体系能量利用率;Feng等[4]研究提出蒸馏-分子筛耦合分离工艺可解决传统纤维素燃料乙醇三柱蒸馏工艺能耗高、成本突出等问题;杨基和等[5]研究发现,通过双塔串联流程模拟可以实现高纯度甲基环己烷的提取;李军等[6]研究发现,结合NSGA-Ⅱ和Aspen Plus严格流程模拟解决了隔壁塔多变量、强耦合的优化难题;刘军等[7]研究发现,超重力热泵精馏系统在处理高浓度乙醇-水溶液有极大节能优势和经济效益;换热网络优化方面,王扬威等[8]研究发现,利用Aspen Energy Analyzer软件对子系统进行换热网络优化节能效果极佳;吴小龙等[9]提出一种预留节点策略改良,该算法有效解决连续节点上存在换热单元,从而影响后续新单元生成的问题;田鹏等[10]研究发现,基于“自热再生”思想设计换热网络可极大降低低温甲醇洗工艺能耗;叶昊天等[11]研究发现,在考虑本质安全对换热网络优化时经济权重的选取对其影响很大;Gao等[12]对一种常规反应蒸馏工艺产生乙酸正丙酯进行换热网络优化,提出部分热集成反应蒸馏工艺产生乙酸正丙酯总能耗降低32.2%;王磊等[13]研究提出一种基于经济性与效率的换热网络多目标优化算法极大加快方案最优解的搜索速度;李保红等[14]研究提出一种基于换热器负荷图指导换热网络设计改造新方法,并通过实例研究其有效性。关于装置进行精馏塔的节能改造和运用夹点技术优化换热网络均可以极大节约能耗、提升能源利用效率的研究很多,然而对装置的节能优化不仅仅是塔的节能或换热网络优化,而是两者共同作用的结果,但目前将两者结合利用进行节能优化的研究报道较少。
为解决过氧化氢氧化法制备DMSO分离工段的脱水高能耗和DMSO纯度低问题,本文中采用Aspen Plus软件对过氧化氢氧化法制备二甲基亚砜[15]的过程进行建模分析,通过灵敏度分析明确各精馏塔最优操作参数。在此基础上,引入热泵精馏技术并评估其对提高DMSO纯度及降低能耗的作用。随后,结合Aspen Energy Analyzer对换热网络进行进一步的节能优化。最终提出了参数优化、热泵精馏与换热网络协同的一体化提纯节能方案,为DMS氧化制备DMSO工艺过程提纯和节能策略提供建议。

1 工艺流程设计与过程建模

1.1 组分定义及输入

模型的组分设置以Litvinenko等[16]对二甲基亚砜合成的动力学研究为基础得到二甲基亚砜制备所需的主要反应物以及反应物比例。其中主要反应物为(CH3)2S、H2O2,反应生成(CH3)2SO、(CH3)2SO2,氯化氢气体以及水作为辅助材料提供酸性环境,不直接参与反应。所有的化学反应动力学参数不随反应条件变化,以上物质皆定义为常规组分输入到Aspen Plus物性组分中。反应方程式如下:
$ \left(\mathrm{CH}_{3}\right)_{2} \mathrm{~S}+\mathrm{H}_{2} \mathrm{O}_{2} \longrightarrow\left(\mathrm{CH}_{3}\right)_{2} \mathrm{SO}+\mathrm{H}_{2} \mathrm{O}$
$ \left(\mathrm{CH}_{3}\right)_{2} \mathrm{SO}+\mathrm{H}_{2} \mathrm{O}_{2} \longrightarrow\left(\mathrm{CH}_{3}\right)_{2} \mathrm{SO}_{2}+\mathrm{H}_{2} \mathrm{O}$
本文中以年产8 500 t电子级DMSO为例进行组分参数的输入,具体组分参数如表1所示。

1.2 物性方法的选择

二甲基硫醚氧化生成二甲基亚砜的反应体系属于有机液相氧化过程,在中等温度和压力条件下进行。针对该以非电解质有机化合物为主要反应体系的工艺过程,选择PENG-ROB作为物性方法[16]。该方法基于状态方程,能够准确描述有机组分在不同相态下的热力学行为,适用于气液平衡及反应焓变等关键物性的计算,在较宽温度和压力范围内具有良好可靠性,可为塔节能优化与换热网络设计提供精确的热力学基础。

1.3 工艺流程简介

DMS制备二甲基亚砜制备装置可以分为原料预处理、反应、分离3部分,初始工艺流程如图1所示。首先,原料二甲基硫醚、过氧化氢(质量分数50%)以及辅助原料水、氯化氢气体经过初步换热以及变压后进行混合,接着经过换热器和压力变送设备使其温度、压力达到反应要求条件后进入反应器(R0301)进行反应生成产物二甲基亚砜以及副产物二甲基砜,在生成产物后经过压力变送设备和换热设备达到DMSO初分离塔(T0301)分离要求进入DMSO初分离塔(T0301)初步脱去水和过氧化氢,将塔顶出来的废液(0326)循环至反应器(R0301)前的混合器(MIX0303)以实现水的循环利用,接着进入DMSO再分离塔(T0302)进一步脱去水和过氧化氢,塔顶废液(0331)送入污水处理厂,塔釜液(0332)进入T0303进一步精馏提纯,塔顶废液进入污水处理厂,最后,塔釜液进入DMSO精制塔(T0304)进行最终的精馏提纯,塔顶废液(0343)送入污水处理厂,塔底得到二甲基亚砜(96.94%)。其中,反应器采用RCSTR反应器,反应条件设置为:反应器温度30℃、压力200 kPa、停留时间为0.5 h、进料比为n(二甲基硫醚)∶n(过氧化氢)=1∶2。

1.4 初步模拟结果

综合上述条件并将组分、物性方法、反应动力学参数输入Aspen Plus,并对二甲基硫醚氧化反应生成二甲基亚砜过程进行初步模拟,模拟结果如表2所示。
由表2可知,采用上述条件进行的初步模拟得到的二甲基亚砜的纯度为96.94%,年产量为8 760 t/a,公用工程消耗量为741 900 kW;二甲基亚砜纯度未达到合格品;且该过程存在高水耗的问题,水循环利用率为0%。

2 基于模型的工艺优化分析

2.1 塔的参数优化

由于初步模拟存在产品纯度不合格、能耗高、水耗高的问题,因此,采用Aspen Plus软件的灵敏度分析功能对DMSO初分离塔、DMSO再分离塔、DMSO精制塔进行参数优化,以期能够提升DMSO纯度并减少能耗。DMSO初分离塔冷凝器、再沸器热负荷分别达-354 439、357 158 kW,能耗极大,因此以DMSO初分离塔的优化为例介绍。DMSO初分离塔主要目的是对反应器(R0301)出口产物中的水和过氧化氢等进行去除,达到初步提纯DMSO的效果。通过Aspen Plus软件的共沸物搜索功能发现,该塔涉及的分离体系不存在共沸物,因此采用常规精馏法进行分离。
首先对理论塔板数进行优化,运用Aspen Plus流程模拟软件的灵敏度分析功能,得到塔底DMSO纯度随理论塔板数的变化规律如图2所示。由图2可知,当理论塔板数小于5时,塔底DMSO含量迅速上升,塔底H2O含量迅速下降,当理论塔板数大于5时,塔底DMSO含量与塔底H2O含量趋于稳定,不再发生剧烈变化。结合经济因素,确定DMSO初分离塔的最优理论塔板数为5。
接着对回流比进行优化,图3为DMSO初分离塔塔底DMSO含量和塔耗能量随回流比变化的情况。由图3可知,为了尽可能提升DMSO的纯度,同时又要保证塔能耗尽可能最小(回流比越大,塔的能耗越高),因此,确定DMSO初分离塔的最佳回流比为4.0。
最后对进料位置和塔顶压力进行优化。图4为进料位置对塔底DMSO含量和H2O含量的影响,由图4可知,进料位置在第3块塔板时,塔底DMSO含量达到最大值,此时塔底H2O含量处于一个较小值。若选择两端的塔板会导致进料不均匀,造成DMSO含量过低或者H2O含量过高。因此,为保证分离和实际生产需求,最终确定进料塔板为第3块塔板。图5为塔顶压力对塔底DMSO含量和H2O含量的影响,从图中可以看出,塔底DMSO含量随塔顶压力升高先增后减,H2O含量随塔顶压力升高而升高,塔底DMSO含量在塔顶压力为88 kPa时达到最大值,最终确定塔顶压力为88 kPa。
对其余塔进行同样的参数优化后得到表3,由表3可知,DMSO初分离塔最优理论塔板数为5、回流比为4.0、进料位置在第3块板、塔顶压强为88 kPa;DMSO再分塔最优理论塔板数为7、回流比为3.98、进料位置在第3块板、塔顶压强为100 kPa;DMSO精制塔最优理论塔板数为9、回流比为3.0、进料位置在第5块板、塔顶压强为99 kPa。

2.2 塔的节能技术优化

塔参数优化后,DMSO初分离塔与精制塔的能耗虽有所下降,但总体能耗依然较高,且产品纯度未能稳定维持在目标要求的高水平。因此采用热泵精馏对之进行优化。热泵精馏[16]通过将精馏塔顶产生的低温蒸气经压缩升温后,作为塔釜再沸器的热源,从而回收利用塔顶蒸气的冷凝潜热,显著降低整个精馏过程的能量消耗。热泵精馏要求塔顶和塔底温差小于36℃。DMSO初分离塔塔顶、塔底温差为31℃;DMSO精制塔塔顶塔底温差为10℃,二者均符合热泵精馏的要求。因此,将DMSO初分离塔和DMSO精制塔改造为热泵精馏塔并重新进行模拟。
图6为优化工艺流程图,相较于初始工艺,DMSO初分离塔和DMSO精制塔改造为热泵精馏,原本4座精馏塔减少为3座精馏塔。表4为优化前后参数对比,对DMSO初分离塔进行热泵精馏模拟后,塔底DMSO纯度提升了5.9%,通过回收塔顶冷凝潜热,实现了塔能量的内部循环,且塔整体能耗大幅度降低,极大减少了公用工程成本。对DMSO精制塔进行热泵精馏模拟后,DMSO纯度由96.94%提高到99.99%,通过对塔顶气化潜热的利用实现整塔能耗大幅降低,极大减轻公用工程负担。
此外,优化后整体能耗也极大改善,具体参数如表5所示。
由表5可知,对塔进行参数优化和对DMSO初分离塔和DMSO精制塔进行热泵精馏改造后,总加热负荷减少96%,总冷却负荷减少95%,总电能消耗大幅增加,这是由于热泵精馏压缩机(COM10、COM11)运行造成的,然而总冷热负荷减少量远大于电能增量,总公用工程净能耗减少85%,总经营成本降低约70%。

2.3 基于精馏塔参数优化以及热泵精馏改造的换热网络优化

在完成精馏塔参数优化及热泵精馏改造后,系统能耗虽已显著降低,但仍存在部分换热器公用工程配置不当及换热面积不足等问题,可能对装置运行的安全性与稳定性产生不利影响。因此,有必要对改造后的流程换热网络进行系统化分析与再优化。具体包括识别并剔除违背夹点匹配原则的换热单元,淘汰换热面积偏小或换热温差过大的换热器,消除换热网络中的循环回路,及修正不合理的公用工程配置。通过上述措施,在确保工艺安全性与可靠性的前提下,有望进一步降低整体能耗并提升过程能效。
对换热网络进行研究的过程中,夹点温差的选择是一个重要步骤。可回收能量的数量、冷热公用工程的用量、换热面积及设备的投资费用都与夹点温差的选择有关。由Aspen Energy Analyzer V11优化前后总成本指数目标随最小温差(ΔTmin)变化图7和图8分析选定,原夹点温差ΔTmin=10℃优化后换热网络夹点温差ΔTmin=18℃。
选择优化后18℃而非10℃的夹点温差,是基于投资成本、操作稳定性与能量回收的综合权衡。较大的温差降低了所需换热面积与设备投资,并为工况波动提供了必要的安全裕度,增强了操作稳健性。虽然能量回收有所减少,但由图7、图8可知,18℃的夹点温差可以实现更优的总成本经济性。
根据Aspen Energy AnalyzerV11对初始换热网络分析结果进行分析优化。首先删除原有换热网络中的小面积换热器E-005(换热面积为0.3 m2)、E-024(换热面积为0.7 m2);其次以降低成本为目的对不同换热器公用工程进行调整优化;接着删除换热网络中的Loop回路减少换热器数目;再通过path通路来调节换热量,使换热器的热负荷得到松弛。本文中将远距离换热器进行了删除,Loop回路换热器进行重新设计,原有换热网络如图9所示,得到的最终换热网络如图10所示。
表6是优化前后换热网络参数对比,经过优化的换热网络在能量利用效率及碳排放方面均有显著改善。换热网络优化后总热公用工程消耗量减少 2 063 kW;冷公用工程消耗量减少3 086 kW;碳排放量减少1 437 kg/h。总体来看,换热网络优化使得总公用工程消耗减少5%,碳排放量减少33%。

3 结论

(1)DMSO初分离塔的最优操作参数为理论塔板数为5、回流比为4.0、进料位置在第3块板、塔顶压强为88 kPa;DMSO再分塔最优塔的最优操作参数为理论塔板数为7、回流比为3.98、进料位置在第3块塔板、塔顶压强为100 kPa;DMSO精制塔板数的最优操作参数为理论塔板数为9,回流比为3.0,进料位置在第5块塔板、塔顶压强为99 kPa。
(2)在对精馏塔参数优化基础上,引入热泵精馏技术对DMSO初分离塔、DMSO精制塔进行改造,改造后模拟结果显示,总公用工程用量减少85%,总经营成本减少70%,产品DMSO质量分数由96.94%稳定提升至99.99%。
(3)在完成参数优化和热泵精馏改造后,运用夹点技术对优化后过程的换热网络进行优化,优化前后夹点温差分别为10、18℃,优化后夹点温差更符合要求且此时装置操作费用更低。优化前后总公用工程消耗减少5%,其中热公用工程消耗量减少17.1%;碳排放量减少33%。
(4)结合灵敏度分析塔参数优化、热泵精馏改造以及换热网络优化后,总体优化方案实现了总公用工程净消耗量减少约85%;碳排放量减少33%;DMSO质量分数由96.94%提升至99.99%。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

张晓钰, 兰金鑫, 黎昕, 等. [Emim]Ac-[Emim]OH-DMSO三元体系溶解纤维素的研究[J]. 化工学报, 2025, 76(7):3226-3234.
[2]

Ding Y Q, Liu S, Liu J T, et al. Cryopreservation with DMSO affects the DNA integrity,apoptosis,cell cycle and function of human bone mesenchymal stem cells[J]. Cryobiology, 2024, 114:104847.

[3]

金靓婕, 白鹏, 郭翔海. 带有侧线采出回流的部分透热精馏的节能优化[J]. 化工学报, 2019, 70(5):1804-1814.

[4]

Feng X, Lu S S, Du X, et al. Design and optimization of a high-efficiency distillation process for cellulosic fuel ethanol integrated with thermal coupling and molecular sieve adsorption[J]. Chinese Journal of Chemical Engineering, 2026, 89:13-24.

[5]

杨基和, 滕旭光, 周永生. 从环烷基直馏汽油中提取甲基环己烷的研究[J]. 高校化学工程学报, 2011, 25(4):719-723.
[6]

李军, 王纯正, 马占华, 等. 基于Aspen Plus和NSGA-Ⅱ的隔壁塔多目标优化研究[J]. 高校化学工程学报, 2015, 29(2):400-406.
[7]

刘军, 张钰, 毛祥, 等. 基于乙醇压缩的超重力热泵精馏热集成系统性能分析[J]. 化工学报, 2018, 69(10):4342-4352.

[8]

王扬威, 陈华泽, 刘康林, 等. 基于夹点技术的环氧丙烷工艺系统换热网络优化方法[J]. 过程工程学报, 2015, 15(6):1049-1056.

[9]

吴小龙, 黄晓璜, 肖媛, 等. 一种预留节点策略应用于换热网络优化[J]. 化工学报, 2025, 76(7):3388-3402.
[10]

田鹏, 张忠林, 任超, 等. 基于自热再生的一种低温甲醇洗工艺建模与优化[J]. 化工学报, 2025, 76(9):4601-4612.
[11]

叶昊天, 董以宁, 许爽, 等. 考虑本质安全的换热网络多目标优化[J]. 化工学报, 2019, 70(7):2584-2593.

[12]

Gao X L, Weng X H, Yang Y, et al. Partially thermally integrated reactive distillation process for the production of n-propyl acetate using heat exchanger network[J]. Energy Sources,Part A:Recovery,Utilization,and Environmental Effects, 2024, 46(1):2284-2298.

[13]

王磊, 陈玉婷, 徐燕燕, 等. 综合考虑经济性与效率的换热网络多目标约束优化方法[J]. 化工学报, 2020, 71(3):1189-1201.

[14]

李保红, 李继文. 采用换热器负荷图指导换热网络改造的新方法[J]. 化工学报, 2020, 71(3):1288-1296.

[15]

Hu F L, Huang J W, Xie S Q. Green valorization of sulfurous waste gases:An energy-efficient process for high-purity dimethyl sulfoxide production via advanced process simulation and integration[J]. Energy Conversion and Management, 2026, 348:120637.

[16]

Litvinenko S L, Lobachev V L, Dyatlenko L M, et al. Quantum-chemical investigation of the mechanisms of oxidation of dimethyl sulfide by hydrogen peroxide and peroxoborates[J]. Theor Exp Chem, 2011, 47(1):2-8.

基金资助

教育部产学研协同育人项目(241001665294741)

AI Summary AI Mindmap
PDF (2792KB)

0

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