更多内容请点击

天然气脱硫脱碳单元能耗分析与优化研究

朱洪林 ,  李涛 ,  李静 ,  高阳 ,  罗威

现代化工 ›› 2026, Vol. 46 ›› Issue (S1) : 363 -369.

PDF (1981KB)
现代化工 ›› 2026, Vol. 46 ›› Issue (S1) : 363-369. DOI: 10.16606/j.cnki.issn0253-4320.2026.S1.062
工业技术

天然气脱硫脱碳单元能耗分析与优化研究

作者信息 +

Energy consumption analysis and optimization of the natural gas desulfurization and decarbonization unit

Author information +
文章历史 +
PDF (2028K)

摘要

针对天然气净化厂脱硫脱碳单元能耗较高的问题,基于Aspen Hysys软件建立天然气净化厂脱硫脱碳单元流程模拟模型,模型计算误差小于10.22%。通过对甲基二乙醇胺(MDEA)溶液质量分数等参数以湿净化气H2S含量和工艺总能耗为目标函数进行单因素分析优化,优化结果表明,MDEA溶液质量分数为48%,MDEA溶液循环量为70 m3/h,MDEA贫液进入吸收塔温度为31℃,工艺总能耗较优化前下降了461.68 kW。对脱硫脱碳单元进行㶲分析,工艺流程总体㶲效率为15.29%,主要㶲损来源于MDEA再生塔再沸器耗能2 393.39 kW,占脱硫脱碳单元总能耗的61.37%。研究结果对天然气脱硫工艺的节能降耗和技术改进提供指导方向。

Abstract

Aiming at the problem of high energy consumption in the desulfurization and decarbonization unit of natural gas purification plants,a process simulation model of the unit was established based on Aspen Hysys software,with the model calculation error controlled within 10.22%.Taking the H2S content in wet purified gas and the total process energy consumption as the objective functions,a single-factor analysis and optimization were conducted on parameters such as the MDEA solution concentration.The optimization results show that when the MDEA solution concentration is 48%,the MDEA solution circulation rate is 70 m3/h,and the temperature of the MDEA lean solution entering the absorber is 31℃,the total process energy consumption is reduced by 461.68 kW compared to that before optimization.Furthermore,an exergy analysis was carried out on the desulfurization and decarbonization unit,revealing an overall exergy efficiency of 15.29% for the process.The main exergy loss originates from the reboiler of the MDEA regenerator,which consumes 2393.39 kW,accounting for 61.37% of the total energy consumption of the unit.The research results provide a guiding direction for energy conservation,consumption reduction,and technological improvement of the natural gas desulfurization process.

Graphical abstract

关键词

天然气 / 流程模拟 / 热力学过程 / 优化设计 / 㶲分析

Key words

natural gas / process simulation / thermodynamic process / optimization design / exergy analysis

引用本文

引用格式 ▾
朱洪林,李涛,李静,高阳,罗威. 天然气脱硫脱碳单元能耗分析与优化研究[J]. 现代化工, 2026, 46(S1): 363-369 DOI:10.16606/j.cnki.issn0253-4320.2026.S1.062

登录浏览全文

4963

注册一个新账户 忘记密码

能源作为支撑经济、社会发展的关键,既是经济结构转型的物质基础,也是推动“双碳”目标的重要领域[1]。随着国家能源安全与低碳转型的需求,迫切需要开发清洁能源替代品来减少碳排放[2]。天然气是绿色低碳能源的典型代表,主要由甲烷(CH4)组成,使其具有高氢碳比(H/C)和高能量密度,相较于煤炭和石油等化石能源的碳排放量更低[3]。我国天然气资源较丰富,其中四川盆地是国内最大的天然气生产基地,集中了我国大部分含硫天然气。针对含硫天然气的净化工艺,需要保证商品气达到硫化氢(H2S)含量不高于6 mg/m3、二氧化碳(CO2)不高于3.0%,符合一类气指标要求的前提下,优化工艺过程能耗,从而提升天然气开发的经济效益[4]。
高含硫天然气中的硫化物以H2S为主,与CO2一起构成天然气中的主要酸性成分[5]。H2S作为剧毒物质,会使催化剂中毒、燃烧后严重影响空气质量,最终危害人体健康[6-7];CO2会影响天然气的H/C,降低燃料的热值,排放后将对臭氧层造成破坏,加剧温室效应。同时,这些酸性成分与水结合后,会对设备与管道造成腐蚀[8]。因此,脱硫脱碳工艺是天然气净化工厂的关键。
目前,国内外天然气脱硫脱碳工艺以醇胺法和砜胺法占主导地位,两种方法均是向天然气中加入吸收剂,实现对CO2和硫化物的脱除[9]。其中醇胺法操作灵活性高,原料气适应范围更加宽泛且处理效率高,因此大规模用于化工行业中。醇胺法中脱硫脱碳常用的吸收剂有:一乙醇胺(MEA)、二乙醇胺(DEA)、甲基二乙醇胺(MDEA)等。与MEA和DEA相比,MDEA因其化学稳定性好溶剂不易降解变质、能耗低、可选择性脱除H2S、腐蚀性小等优点,而被广泛使用[10-12]。
在天然气MDEA法脱硫脱碳中,需要对脱除条件不断进行优化调整。肖荣鸽等[13]基于Hysys软件构建了DEA法脱硫工艺模型,采用单因素法分析闪蒸压力、再生塔进料温度、再生塔回流比对工艺能耗的影响,结合正交试验多因素分析法优选出最佳工艺,最终将总能耗降低约26%;李奇等[14]应用Hysys软件建立了含硫天然气净化装置工艺模型,通过单因素方法研究原料气中H2S体积分数、MDEA质量分数、H2S负荷、汽提气流量对装置能耗的影响,得到关键参数后进行优化,优化结果能耗降低了12.8%。周生懂[15]利用Hysys软件构建了天然气脱硫脱水工艺流程仿真模型,分析了关键工艺参数对系统能耗的影响规律,并对净化厂系统的节能潜力进行了探讨。尹晓云等[16]基于Aspen Hysys流程模拟软件,搭建含硫天然气净化厂脱硫单元稳态模拟模型,对脱硫单元的吸收塔塔板数、吸收塔压力、胺液循环量和胺液进料温度4个关键工艺参数进行了优化。目前Aspen Hysys主要用于石油天然气系统模拟,凭借丰富的组分库与热力学模型在全球石油石化模拟领域占重要地位。其中酸气-化学溶剂(Acid Gas-Chemical Solvent)物性包专用于胺液脱硫过程处理[17],该物性包核心方程与模型分别为Peng-Robinson状态方程、Electrolyte NRTL活度系数模型。Peng-Robinson方程对于烃类混合物、酸性气体的气相平衡计算以及油、气、水3相系统处理均具有较高的可靠性和有效性,是工程中最常用的方程[18]。Electrolyte NRTL模型用于液相与非理想溶液体系的活度计算,通过二元交互参数来描述一对特定组分间的相互作用强度[19],在吸收、再生环节提供关键的工艺指标。在模拟中,常将Peng-Robinson方程与Electrolyte NRTL模型组合使用以处理天然气脱硫脱碳等复杂过程。
节能降耗是化工企业可持续生产的重要前提,在化工生产过程中节能的根本在于降低能量的损失[20],能耗评价的基本方法有热平衡分析法与㶲平衡分析法[21]。张生安等[8]利用Hysys软件建立了天然气脱硫脱碳与脱水工艺模型,基于夹点技术分析换热网络节能潜力,采用灵敏度分析考察了MDEA循环量对产品气组分的影响、三甘醇(Triethylene glycol,TEG)循环量对系统性能的影响,优化得到的方案最大节省能量为2 795.41 kW;冯梁俊等[22]基于Hysys软件建立了天然气处理模型,采用㶲分析法确定关键耗能单元,并采用敏感性分析与Box-Behnken设计,优化后年节能1.134×107 kW·h,减排CO2共 2 100 t。传统的过程能耗评价指标主要围绕在CO2排放量以及冷热负荷的绝对值上,只能反应能量的数量。而㶲分析从能质的角度出发,不仅考虑了能量的数量,同时也考虑了能量的可利用程度,能够衡量能量的有效利用程度[23]。通过㶲分析计算流程的㶲效率,才能客观评价设备是否存在节能空间,为系统优化提供明确方向。
本文基于Aspen Hysys流程仿真模拟软件,使用Peng-Robinson方程与Electrolyte NRTL模型计算物性数据,对磨溪天然气净化厂脱硫脱碳工艺流程展开模拟,将模型计算值与实际工业数据进行模型准确性对比。针对MDEA溶液质量分数、MDEA溶液循环量、MDEA溶液进入吸收塔温度和再生塔塔顶压力参数以脱硫单元能耗和再生酸气质量为目标函数进行单因素分析优化,降低过程能耗和提升净化气质量。再结合㶲分析技术,对脱硫脱碳工艺的关键㶲设备进行识别,为天然气脱硫脱碳工艺节能减排和技术改进提供理论指导。

1 天然气脱硫脱碳模型构建

1.1 天然气脱硫脱碳进料条件

本研究中原料天然气进料流量为300×104 m3/d(20℃,101.325 kPa标准状态下),进料压力为 6 200 kPa,进料温度为30℃,进料组成如表1所示。采用MDEA溶剂进行脱硫脱碳处理。

1.2 物性及热力学状态方程

热力学模型的选择通常要考虑流程中混合物的性质、压力和温度范围,还有是否可能发生相变等因素[24]。本研究考虑到脱硫装置进料气高含硫的特性及脱硫胺液适配性,仿真模拟流程的物性模型选定为酸气-化学溶剂(Acid Gas-Chemical Solvents)物性包。Aspen Hysys酸性气体脱除工艺流程使用酸气-化学溶剂物性包来模拟工艺物流中H2S、SO2、CO2和硫醇等酸性气体的脱除,该物性包整合了天然气脱酸性气过程中的各类化学反应数据。酸气-化学溶剂物性包以Peng-Robinson状态方程描述气相,以电解质非随机双液(Electrolyte NRTL)活度系数模型描述电解质热力学[25]。Peng-Robinson状态方程是一种常用于描述高温高压下天然气系统热力学性质的数学模型,在Aspen Hysys中经过优化后[26],能很好地适用于多相体系。

1.3 天然气脱硫脱碳建模

1.3.1 建立装置模拟流程

MDEA选择性脱硫工艺流程是基于MDEA溶液与酸气(H2S、CO2)的反应设置的,MDEA与H2S的反应为式(1),与CO2的反应为式(2)~式(4)。
$\mathrm{MDEA}+\mathrm{H}_{2} \mathrm{~S} \rightleftharpoons \mathrm{MDEAH}^{+}+\mathrm{HS}^{-}$
$\mathrm{CO}_{2}+\mathrm{H}_{2} \mathrm{O} \rightleftharpoons \mathrm{H}^{+}+\mathrm{HCO}_{3}^{-}$
$\mathrm{MDEA}+\mathrm{H}^{+} \rightleftharpoons \mathrm{MDEAH}^{+}$
$\mathrm{MDEA}+\mathrm{CO}_{2}+\mathrm{H}_{2} \mathrm{O} \rightleftharpoons \mathrm{MDEAH}^{+}+\mathrm{HCO}_{3}^{-}$
在高压和常温条件下胺液吸收天然气中的酸气,在低压和高温条件下使胺液吸收的酸气逸出,再生的胺液可循环使用。因此尽管使用不同MDEA溶液配方,其基本工艺流程相同。MDEA胺法装置的主要设备有吸收塔(使MDEA溶液脱除天然气中酸气),再生塔和再沸器(使MDEA溶液中酸气析出),闪蒸罐(降低析出酸气中烃含量),换热和冷凝器(调节胺液温度),气、液分离器和过滤器以及使溶液循环的泵等。
本研究采用的脱硫脱碳工艺流程如图1所示,脱硫脱碳单元采用甲基二乙醇胺(MDEA)溶液作脱硫剂,脱除原料天然气中绝大部分H2S与CO2,经脱除酸性气体处理后的湿净化气,将输送至下游关联装置进行进一步处理。吸收了酸性气体的MDEA富胺液进入闪蒸系统与再生系统进行溶剂再生,再生后的溶液返回装置吸收塔重新参与吸收过程,形成溶剂循环使用。富胺液再生过程中产生的酸气,通过管道输送至硫磺回收装置进行进一步处理;闪蒸过程中分离出的闪蒸气,则被引入工厂燃料气系统作为燃料气使用,充分利用贫液热量。
利用Aspen Hysys软件,选用酸性气体-化学溶剂物性包来模拟天然气净化厂MDEA法脱硫工艺,建立的天然气净化厂脱硫单元模拟流程如图2所示,研究MDEA循环量、MDEA质量分数、吸收温度等参数对脱硫脱碳装置能耗的影响,模拟中,原料气流量等参数与装置生产数据相一致,以实际工业数据作为模型参数输入值,如表2所示。

1.3.2 装置模拟模型有效性评价

模拟值与现场值的对比见表3。从表3可以看出,模拟模型湿净化气中CO2摩尔体积分数为1.92%,与真实值1.817%接近,相对误差为5.67%,湿净化气中的H2S摩尔浓度为1.67 mg/m3,与真实值1.86 mg/m3接近,相对误差为10.22%,再生酸气中H2S摩尔分数为36.65%,与真实值40.19%接近,相对误差为8.81%,模拟值与现场操作值相近,相对误差均在10.22%以内,表明所构建的模型可真实反映天然气脱硫过程,所构建模型可用于进一步研究分析。

2 过程能耗评价及优化

2.1 单因素分析

天然气净化厂脱硫单元的能耗主要由重沸器热负荷、循环泵负荷及各冷却器热负荷组成,将重沸器热负荷、循环泵负荷及各冷却器负荷之和定义为工艺总能耗[13],定量分析吸收塔压力、胺液循环量、贫胺液进料温度、原料气温度等因素对工艺总能耗和净化气中H2S含量的影响,为下一步选择优化参数建立能耗评价模型提供参考。

2.1.1 MDEA溶液质量分数

将其他参数保持为表2的默认设置,使MDEA溶液质量分数在42%~52%(质量分数)范围内变化,MDEA质量分数对湿净化气中H2S含量的影响如图3所示。随着MDEA溶液质量分数从42%增加至52%,湿净化气中H2S含量从2.65 mg/m3降低至1.51 mg/m3,工艺总能耗从13 164.9 kW降低至12 987.2 kW,所有工况下净化气中H2S含量均满足《天然气》(GB 17820—2018)一级气质中H2S含量<6 mg/m3的要求。这是因为MDEA质量分数提高,传质推动力增强,反应速率提高,使净化气中H2S残留量随之降低。由于随着MDEA溶液质量分数的升高,溶液粘度也随之增大,为保证在实际工程中的应用,选用质量分数48%的MDEA溶液较为合适。

2.1.2 MDEA溶液循环量

将其他参数保持为表2的默认设置,调整MDEA循环量在70~75 m3/h范围内变化,MDEA溶液循环量对工艺净化效果和能耗的影响如图4所示。MDEA循环量的大小不仅影响天然气的净化度,而且影响再生塔的能耗。当MDEA循环量由 70 m3/h增大至75 m3/h时,湿净化气中H2S含量从2.73 mg/m3降低至1.96 mg/m3,工艺总能耗由12 783.7 kW增大至14 734.3 kW,该阶段循环量的提升主要为能耗增加因素。因此,在后续研究中,可选用70 m3/h的溶液循环量。

2.1.3 MDEA溶液进入吸收塔温度

MDEA吸收酸气为放热反应,降低溶液入塔温度减缓CO2在胺液中反应速度,提高胺液选择性。将其他参数保持为表2的默认设置,调整MDEA溶液进入吸收塔的温度范围为25~35℃,MDEA溶液入塔温度对工艺净化效果和能耗的影响如图5所示。随着MDEA入塔温度从25℃升高至35℃,湿净化气中H2S含量1.81 mg/m3升高至2.89 mg/m3,工艺总能耗由13 558.97 kW减小至12 815.32 kW。因此,在后续研究中,可选择MDEA溶液进入吸收塔的温度为31℃。

2.1.4 优化方案对比分析

优化前后运行参数及工艺总能耗数据如表4所示。由表4可知,优化后工艺总能耗较优化前下降了461.68 kW,此时对应的MDEA溶液质量分数为48%,MDEA溶液循环量为70 m3/h,MDEA贫液进入吸收塔温度为31℃。

2.2 脱硫脱碳单元能耗评价及优化

2.2.1 能耗评价模型构建

在工艺过程能效评价中,单纯以总能耗作为衡量指标往往存在一定的局限性。传统能耗分析只能反映系统的能源输入与消耗的数量关系,却难以揭示能量在利用过程中的质量差异和不可逆损失情况。而㶲分析作为一种基于热力学第二定律的评价方法,能够更为客观、真实地反映工艺过程中能量的利用效率[27]。
对于天然气净化这一典型高能耗过程而言,单纯的能耗指标可能低估了热力学不可逆过程造成的能效损失,而㶲分析则可以定量指出吸收再生过程的效率瓶颈所在。这种方法不仅能全面评价系统的运行状态,还能为后续的节能改造与工艺优化提供科学依据。
因此,将㶲分析引入到天然气净化工艺的模拟与评价中,不仅能够突破传统能耗分析的局限,也能够为能效提升、节能降耗和绿色低碳发展目标的实现提供坚实的理论支撑。计算公式如式(5)~式(9)所示。
物流㶲
$Ex=E{x}_{\mathrm{p}\mathrm{h}\mathrm{y}\mathrm{s}\mathrm{i}\mathrm{c}\mathrm{a}\mathrm{l}}+E{x}_{\mathrm{c}\mathrm{h}\mathrm{e}\mathrm{m}\mathrm{i}\mathrm{c}\mathrm{a}\mathrm{l}}+E{x}_{\mathrm{Q}}$
物理㶲
$E{x}_{\mathrm{p}\mathrm{h}\mathrm{y}\mathrm{s}\mathrm{i}\mathrm{c}\mathrm{a}\mathrm{l}}=(H-{H}_{0})-{T}_{0}(S-{S}_{0})$
化学㶲
$\mathrm{E}{x}_{\mathrm{c}\mathrm{h}\mathrm{e}\mathrm{m}\mathrm{i}\mathrm{c}\mathrm{a}\mathrm{l}}=\mathrm{F}({X}_{0,\mathrm{L}}\stackrel{\mathrm{n}}{\sum _{i=1}}{x}_{0,i}E{x}_{\mathrm{c}\mathrm{h},i}^{0\mathrm{L}}+{X}_{0,\mathrm{V}}\stackrel{\mathrm{n}}{\sum _{i=1}}{y}_{0,i}E{x}_{\mathrm{c}\mathrm{h},i}^{0\mathrm{V}})$
热㶲
ExQ=Q(1-T0/T) (8)
热力学效率
$\eta =(E{x}_{\mathrm{p}\mathrm{r}\mathrm{o}\mathrm{d}\mathrm{u}\mathrm{c}\mathrm{t}}/{E}_{\mathrm{i}\mathrm{n}})\times 100\mathrm{\%}$
式中,H和H0分别为进料焓流量和标准状态下的焓流量,kW;S和S0分别为进料的熵和标准状态下的熵流量,kW/K;F为流股的摩尔流量,kmol/h;xo,L和xo,V为液相和气相分率,%;yo,i和xo,i为组分i的液相分率和气相分率,%;E${x}_{\mathrm{c}\mathrm{h},i}^{0\mathrm{L}}$和$E{\mathrm{x}}_{\mathrm{c}\mathrm{h},i}^{0\mathrm{V}}$为组分i在液相和气相中的标准化学能,kJ/kmol。
本研究基于流程模拟软件搭建脱硫脱碳单元模型的模拟结果,按上述公式计算各物流的物理㶲、化学㶲以及热㶲,按设备拆分㶲损失,识别高损失环节。

2.2.2 能耗评价模型优化计算

采用㶲分析方法,分别核算出各单位能耗、综合能耗以及综合㶲效率,天然气脱硫脱碳单元能耗情况如表5所示。能量消耗工艺设备主要包括贫液冷却器、贫液空冷器、再生塔顶冷凝器、再生塔底重沸器和贫液输送提升泵,耗能载体包括电、热等。设备运行能耗主要取决于设备性能和操作条件,溶液循环能耗由溶液循环量和溶液质量分数决定。
由表5可知,脱硫脱碳单元输入流股有:原料气、补充水、补充MDEA,其中原料气能耗最高为580 kW,补充MDEA能耗最低为0.18 kW;湿净化气作为唯一的输出流股,能耗为 596.2 kW;脱硫单元中产生热㶲的设备有:E1105冷却器、空冷器、冷凝器、重沸器,其中重沸器能耗最高为2 393.39 kW、空冷器能耗最低为-55.2 kW;废气、废液有:闪蒸燃料气、MDEA放空流股、酸气、分离燃料气,其中分离燃料气能耗最高为576.8 kW,酸气能耗最低为-0.63 kW;脱硫单元中仅由P-100泵产生电㶲,能耗为234.21 kW。
由表6可知,脱硫脱碳单元的综合能耗为 3 303.72 kW,㶲效率15.29%。换热设备能耗 3 085.21 kW,其中MDEA再生塔再沸器耗能 2 393.39 kW,占总热㶲的77.58%、占脱硫脱碳单元总能耗的61.37%。根据上述计算和分析结果发现,天然气脱硫脱碳流程中MDEA再生塔底再沸器的热㶲在工艺的综合能耗占比较高,需要对相关联的参数进行调整,以优化再沸器的能耗水平,达到降低综合能耗的目的。
再沸器能耗过高分析其原因是:MDEA溶液质量分数较低:随着MDEA质量分数升高溶剂中的水含量减少,在再生塔中,加热这些水到沸腾需要消耗大量显热,提高浓度可以减少单位酸气去除量的溶剂总质量,从而降低重沸器负担;MDEA循环量较大:重沸器的能量主要用于产生蒸汽作为剥离气,如果循环量过大,大量的能量被浪费在加热多余的显热上,因此寻找最小MDEA循环量可降低再沸器能耗,提高脱硫单元㶲效率;回流比需要优化:在再生塔中顶部的冷凝回流主要是为了防止胺液损失,但回流水进入塔内后最终又要在重沸器里被重新汽化,在保证塔顶出口气温度的前提下尽量减小回流比,回流越小重沸器消耗在水循环上的潜热就越少。
根据上述分析,可通过适当提高MDEA溶液浓度、降低MDEA循环量、减小回流比,以此降低重沸器能耗从而提升天然气脱硫脱碳单元的㶲效率。

3 结论

为研究天然气净化厂脱硫脱碳单元能耗特性并挖掘节能潜力,基于Aspen Hysys软件构建以MDEA为吸收剂的脱硫脱碳模型,结合现场运行数据验证模型可靠性,通过单因素分析与㶲分析方法相结合的手段,系统探究关键工艺参数对能耗及净化效果的影响机制,得出以下主要结论。
(1)所建立的Aspen Hysys工艺模型经现场数据验证,相对误差均控制在11%以内,满足能耗分析与优化研究的实际需求,可作为后续工艺优化的可靠模拟工具。
(2)单因素分析结果明确了MDEA溶液质量分数、循环量及贫液进料温度等关键参数对系统能耗和净化效果的核心影响规律;引入㶲分析方法后,进一步揭示了单元能量利用的薄弱环节——再生塔底再沸器为能耗最高设备,其热㶲占单元总能耗的61.37%,是节能优化的核心。当前单元㶲效率仅为15.29%,表明系统存在显著的能量贬值与不可逆损失,具备较大的节能改造空间。
(3)优化分析表明,通过适度提高MDEA溶液质量分数、在确保净化指标达标前提下合理降低胺液循环量、优化再生塔回流比等协同措施,在本研究中,选择MDEA溶液质量分数为48%,MDEA溶液循环量为70 m3/h,可有效降低再沸器热负荷,显著提升系统整体㶲效率,实现节能降耗的核心目标。
综上,本文所构建的模拟与㶲分析相结合的评价方法,能够更全面、深入地揭示天然气脱硫脱碳过程的能耗结构与薄弱环节,为实际生产中的工艺参数优化与节能改造提供了明确方向与理论依据,对推动天然气净化行业的绿色、低碳与高效发展具有积极的工程应用价值。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

彭天瞳. 高含硫天然气醇胺法脱酸气工艺模拟及参数优化[D]. 西安: 西安石油大学, 2026.
[2]

王靖毓. 基于醇胺法的天然气脱碳与CO2提纯模拟优化研究[D]. 西安: 西安石油大学, 2026.
[3]

贾爱林, 王国亭, 李易隆. 中国天然气开发形势与远景展望[J]. 天然气工业, 2025, 45(5):31-42.
[4]

王丹阳. 高酸性天然气脱硫脱碳装置能耗对比分析[D]. 成都: 西南石油大学, 2020.
[5]

杜昌雄, 侯雅雯, 祝小虎, 等. 高酸性天然气脱硫脱碳装置化学处理过程能耗对比分析[J]. 当代化工, 2024, 53(11):2731-2735.
[6]

薛家烨, 姚芊羽, 宋瑜淼, 等. 脱硫技术研究进展[J]. 广州化工, 2025(8):20-23.
[7]

周新. 天然气脱硫脱碳工艺综述[J]. 化工设计通讯, 2017, 43(3):11,32.
[8]

张生安, 温欣, 陈星, 等. 天然气脱硫脱碳和脱水工艺的节能模拟与优化[J]. 石化技术与应用, 2024, 42(5):364-370.
[9]

肖俊, 高鑫, 熊运涛, 等. 天然气脱硫脱碳工艺综述[J]. 天然气与石油, 2013, 31(5):34-36,40.
[10]

肖荣鸽, 庄琦, 王栋, 等. 基于软件模拟的天然气醇胺法脱硫脱碳工艺研究进展[J]. 天然气化工—C1化学与化工, 2021, 46(4):21-26.
[11]

成庆林, 刘鹤皋, 孟岚, 等. 天然气醇胺脱硫工艺碳排放分析与优化[J]. 当代化工, 2023, 52(6):1389-1395.
[12]

王开岳. 天然气脱硫脱碳工艺发展进程的回顾——甲基二乙醇胺现居一支独秀地位[J]. 天然气与石油, 2011, 29(1):15-21.
[13]

肖荣鸽, 庄琦, 王梦霞, 等. 基于正交试验的天然气脱硫工艺优化[J]. 天然气化工, 2021, 46(5):129-134.
[14]

李奇, 姬忠礼, 段西欢, 等. 基于Hysys建模的含硫天然气净化装置能耗分析[J]. 油气储运, 2011, 30(12):941-944.
[15]

周生懂. 基于Hysys的天然气脱硫工艺模拟分析[J]. 石油工业技术监督, 2025, 41(7):47-51.
[16]

尹晓云, 李静, 林冬, 等. 基于正交试验的天然气脱硫工艺多目标优化[J]. 石油与天然气化工, 2024, 53(5):138-146.
[17]

昌兴文, 刘统华, 刘欢, 等. Aspen Hysys在模拟炼油厂干气MDEA脱硫过程中的应用[J]. 中外能源, 2022, 27(10):94-98.
[18]

肖健, 文韵豪, 崔兰德, 等. 英买力油气处理厂工艺模拟与分析[J]. 石化技术, 2018, 25(11):81-82.
[19]

徐建新. 尿素生产低常压回收系统及解吸塔的模拟分析[D]. 天津: 河北工业大学, 2013.
[20]

徐海, 王玲. 化工生产过程中的能耗分析与节能措施研究[J]. 化工管理, 2016(30):159.
[21]

高建, 廖传华, 黄振仁. 化工生产过程中的能耗分析与节能[J]. 节能, 2003(1):27-29.
[22]

冯梁俊, 彭星煜, 蒋炜, 等. 基于㶲分析的天然气处理厂增压系统节能优化[J]. 石油与天然气化工, 2025, 54(4):146-152.
[23]

张扬. 天然气净化厂能量系统优化研究[D]. 北京: 中国石油大学(北京), 2026.
[24]

Edwards J. Process modelling selection of thermodynamic methods[C]. UK: ChemCAD Seminar, 2000.
[25]

Song Y, Chen C C. Symmetric electrolyte nonrandom two-liquid activity coefficient model[J]. Industrial and Engineering Chemistry Research, 2009, 48(16):7788-7797.
[26]

蒋沁锟. 基于LNG冷能的精馏型碳捕集流程构建及其性能分析[D]. 杭州: 浙江大学, 2024.
[27]

Enrico S, Gran W. A brief commented history of exergy from the beginnings to 2004[J]. International Journal of Thermodynamics, 2007, 10(1):1-26.

基金资助

中国石油西南油气田分公司川中油气矿2025年度科技项目计划项目(2025JH-2)

AI Summary AI Mindmap
PDF (1981KB)

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