青岛科大朱兆友&王英龙团队: 创新启发式过程系统工程筛选绿色经济性能的预测模型

文摘   2024-07-05 11:25   英国  

研究简介

化学和制药工业中萃取蒸馏 (ED) 分离的关键在于筛选合适的夹带剂。随着合成化学科技发展,越来越多的创新夹带剂被设计出来。筛选夹带剂也是 ED 分离过程中的一个关键环节和首要任务。

鉴于不同夹带剂对物理化学和生物化学特性的不同影响,如何筛选出环境友好、低绿色生态毒性的可持续夹带剂,在设计和优化化学分离过程中引起了越来越多研究人员的关注。

基于此,青岛科技大学化工学院朱兆友和王英龙教授清洁化工与过程强化技术团队多年来从事绿色化工过程设计与过程强化技术,在总结在化工萃取精馏分离共沸物过程设计的预测筛选优越 TAC 的启发式模型 (Front. Chem. Sci. Eng.,2020,14: 824-833) 和 (Green Chem.,2023,25: 2305-2317) 研究成果基础上,基于化工过程系统工程 (PSE) 思路,建立了创新启发式过程预测模型,并以计算过程 TAC 作为具有普遍可预测性的定向目标函数进行了验证。

基于化工 PSE 的概念,当基于最小化 PECI 影响优异的过程经济性、生命周期评价的环境友好性和生态毒性绿色可持续性时,我们创新提出了启发式过程预测模型实现了最小化 PECI 筛选具有优越 TAC 和环境友好性(AP、GWP)以及生态毒性绿色持续性(FETP、HTP、TETP)的最佳绿色夹带剂的有效预测,概述了化工萃取精馏分离过程中的表征和数学建模原理。再次拓展深入发展绿色化工过程设计与过程强化技术研究,构建新的应用 PSE 思维筛选夹带剂的过程预测模型。

化工萃取精馏分离共沸物工艺设计的过程 TAC 和 LCA 效果影响了最佳经济性、环境友好性和生态毒性绿色可持续性,该启发式过程预测模型具有广泛的可预测性和适用性,可与不同的工艺优化算法相结合,为未来的绿色化学分离工艺集成和开发创新的优化算法模块提供了无限的复合模式和机会。

本研究工作得到了国家自然科学基金(No.21808117)和泰山学者建设工程基金(No.tsqn202211163)的资助。研究成果再次以题为“Heuristic    process prediction model for screening optimal green entrainers based on TAC    and LCA impacts utilizing PSE concepts”(《利用 PSE 思路基于最优 TAC 和 LCA 影响的筛选绿色夹带剂的启发式过程预测模型》)的论文发表在英国皇家化学会的国际绿色可持续技术一区顶刊 Green Chemistry 上。



内容详述

大多数共沸物系统都是从产品和废液回收过程中分离出来的。不同的分离方法分离不同的共沸物和近沸点混合物(ΔT<10℃),不仅直接决定产品的质量,而且影响工艺的经济性和能耗。研究者基于清晰分割的概念,提出每个分离单元级别的目标产物 LC,和(HC+SOL)混合物相对挥发度(αi)作为 αLC,i-(HC+SOL) ,如下所示:

化工 PSE 概念的年度总成本效益(TAC)是现代化学过程设计、模拟和优化的目标函数。目前,大多数化学研究人员采用了 Luyben 中 TAC 的详细计算方法,其计算表达式如下所示:

在这项工作中,设备投资成本主要是指塔体、塔板和换热器等主要设备成本,设备成本除阀门、管道和泵外的优化评价遵循道格拉斯模型。假设塔的总蒸汽能耗(Q)最终集中在热蒸汽和冷蒸汽消耗的公用事业运营成本上。根据能量守恒定律,可以使用有效总蒸汽消耗量(QR)来测量加热和冷却的等效和一致的能耗。热交换器(TEC)的设备成本与其面积成正比,这与全效蒸汽呈正相关。在ED过程中添加夹带剂后的过程经济成本指数(PECI)和可以形成以下目标函数:


上式是启发式过程预测模型的表达式,其中是模型输入值,PECI 是模型指数,用于预测、评估和筛选具有最佳过程分离效率的夹带剂。基于文献 45 建立的生命周期评价影响预测模型,LTEDI 与之间的综合关系可以如下表示:

当确定了共沸物的物理和化学性质时,上述所有方程中函数的校正常数系数(CE,CO,C'A, CA, CL)理论上都变为固定值。图2显示了筛选夹带剂预测模型在多共沸物ED分离中的适用过程系统边界流程图。PECI 和 LTEDI 可以通过图 3 中的优化流程图获得。

  • Fig. 2.Process boundary flowsheet for screening entrainers of the prediction model on the ED separation of multi-azeotropes.


  • Fig. 3.Flowsheet for screening entrainers of the heuristic process prediction model.


图 6 显示了分离 TOL+META 和 ACT+META 共沸物时,具有不同夹带剂的TAC与 PECI 和 PECI 与 LTEDI 之间的趋势关系:TAC 和 LTEDI 与模型指数 PECI 具有单调递增关系。随着 PECI 的增加,TAC 和 LTEDI 也会增加,反之,PECI 越小,相应的 TAC、LTEDI 和 LCA 影响就越小。


  • Fig. 6.Relationship of TAC to PECI (a, b) and LTEDI to PECI (c, d) with different entrainers.


可视化图 6 中 PECI 比较显示 NMP 和 MEA 分别是两种情况的最佳夹带剂。启发式预测模型指数 PECI 用于从 ED 分离案例的验证模拟和优化结果中预测和筛选与TAC、LTEDI 和 LCA 影响高度一致的最佳夹带剂。同样,化工 ED 分离生产过程设计中的 PECI 也可以预测筛选夹带剂的环境友好性和生态毒性。本工作创新构建了模型指数 PECI,不仅可以预测和筛选夹带剂的工艺经济性,还可以全面预测和筛选环保可持续性能对夹带剂的环境友好性和生态毒性。这突破了原有 LCA 预测模型的局限性,进一步拓展了创新过程预测模型优异性能的普遍适用性。

我们验证并应用了启发式过程预测模型在不同夹带剂和原料组分的 ED 分离二元和三元共沸物的可靠性,并概述了在 ED 过程中筛选夹带剂的理论规则。这项工作显示了化工 ED 分离过程中不同夹带剂的 PECI 到 TAC 和 LTEDI 之间单调变化的一致趋势,并表明 PECI 可以预测和筛选出具有最佳 TAC 和 LCA 影响的优质绿色可持续夹带剂,创新的启发式过程预测模型在应用于图 8 的 ED 过程的设计和模拟中是明显、有效和有针对性的。


  • Fig. 8.Algorithm flowchart of the innovative heuristic process prediction model.
该启发式过程预测模型将M次筛选夹带剂和 N 次分离过程的过程同时优化转化为一个先对筛选夹带剂进行建模,然后对 N 次分离工艺进行优化,其中 M(M≥2)是夹带剂的数量。由于 [(MN)(1+N)0 恒成立,启发式过程预测模型可以减少工作量,提高分离过程设计和模拟优化的效率。图 3 所示的预测模型的组合算法流程图可以进行改进为图 9。


  • Fig. 9.Flowsheet of an embedded prediction and screening model for improved simulation and optimization algorithms of combined chemical separation processes.


我们通过提出混合相对挥发度的概念改进了研究对象的逻辑结构和内容,该概念涉及将多元混合物的相对挥发度变换为级联二元混合相对挥发度。这作为模型参数的变量相关性,并创新构建了一个新的目标模型参数 PECI,开发了一个对化工分离过程结果的影响可量化的定性预测 TAC 和 LCA 影响的新的启发式过程预测模型。早期筛选的夹带剂的性能影响整个化工 ED 分离过程的 TAC 和能量成本,而过程操作能量成本是平衡和计算过程 LCA 影响的基础。在前期大量 ED 分离案例数据积累的基础上,以化工分离过程的经济和能耗成本为目标函数,基于清晰分割的原则计算分离目标产物,采用简捷的方法计算了蒸馏塔分离装置的设备成本和能耗,得出了整个过程的总 TAC 和能耗成本。PECI结果趋势与过程设计模拟和优化的 TAC 和 LCA 影响结果的数学单调性保持一致。

总结展望

青岛科大清洁化工生产与过程强化创新团队基于化工 PSE 的概念,总结并揭示了相对挥发性变化的理论原理和影响因素。αHC-SOL 和 NTR 与 QR、TAC、PECI 和 LTEDI 之间的关系数学单调性趋势表明,启发式过程预测模型是科学有效的。该启发式过程预测模型以加入夹带剂后的为模型输入量,利用 PSE 思维创新构建 PECI 作为模型指标,对 ED 分离共沸物中具有最佳 TAC 和 LCA 影响的夹带剂进行预测和筛选,不仅考虑了各级分离单元的经济性和能耗,还评估了综合过程优化的 TAC 和 LCA 影响,最大限度地减少了筛选具有优异 TAC 和 LCA 影响(经济、环境友好和生态毒性绿色可持续性)的最佳绿色夹带剂的高效快速定性预测。结论如下:

(1)分离共沸物的情况表明,夹带剂的 PECI 分别与 TAC 和 LTEDI 具有相同的单调递增关系,因此最小PECI可以预测TAC、LTEDI和LCA的最小影响。

(2)启发式过程预测模型将过程模拟和优化的工作量从(M×N)次减少到(1+N)次(M 是夹带剂的数量)。

(3)采用 PECI 预测和筛选具有优异 TAC 的最佳夹带剂,避免了溶剂回收中新的共沸困难。

(4)启发式过程预测模型从二项交叉影响因素发展到三项并列影响因素,PECI 可以预测和筛选不同进料共沸物的最佳夹带剂。

创新的启发式过程预测模型将预测和筛选有机溶剂、离子液体、DES 和其他具有最佳 TAC 和 LCA 影响的混合溶剂,用于分离化学 ED 过程中的多共沸物,可以有效地扩展以提供新的有针对性和系统理论原理,并大大减少传统蒸馏和共沸蒸馏过程的设计、模拟和优化计算工作量。这种启发式过程预测模型与不同的过程优化算法相结合,具有广泛的可预测性和适用的稳健性,为开发集成和创新的优化模块算法提供了无限的复合模式和机会,用于未来绿色化学分离过程的设计、模拟和优化。启发式过程预测模型才刚刚开始被系统地研究。尽管已经取得了一些进展,但从简单的清洁分割原理方法到严格的不清晰分割原理方法,在开发和建立预测模型的应用方面还有很多工作要做。特别是,结合大量实验和过程模拟数据开发的数学处理模型算法仍有广阔的前景,可以更好地指导化学多组分共沸物分离过程设计和模拟技术在石化工程应用中的发展。

论文信息

  • Heuristic process prediction model for screening optimal green entrainers based on TAC and LCA impacts utilizing PSE concepts

    Qinggang Xu, Yangyang Wang, Kexin Yin, Hongwei Xu, Jianguang Qi, Peizhe Cui, Zhaoyou Zhu, Yinglong Wang,*(王英龙,青岛科技大学), Limei Zhong, Yixin Ma

    Green Chem., 2024, 26, 6735-6747
    https://doi.org
    /10.1039/D4GC00129J

作者简介

徐清刚
青岛科技大学

青岛科技大学化工学院 20 级化学工程硕士研究生,导师为朱兆友和王英龙教授,研究方向为绿色化工分离过程设计与强化技术和过程系统工程,在Chinese Journal of Chemical Engineering、Separation and Purification TechnologyGreen Chemistry期刊共发表一作 SCI 论文 4 篇。






王英龙 教授
青岛科技大学

本文通讯作者,青岛科技大学教授、博士生导师,主要从事化工过程模拟与系统集成、流体相平衡与热力学特性、环境污染控制与废弃物资源化和分子辨识工程等领域研究,出版教材及译著 7 部。以研究石油和化工行业中多元共沸混合物分离过程为主线,围绕多元共沸物的溶剂结构和分离性能间作用机理,结合人工神经网络算法,开发了满足分离工艺的特定结构溶剂及系列特殊精馏过程综合节能强化工艺。在 AIChE J.、Chem. Eng. Sci.、Ind. Eng. Chem. Res. 和 Chem. Eng. J. 等化学工程领域传统知名期刊上发表 SCI 高水平论文 358 篇,被引用 6300 余次,H 指数41,2 篇论文入选 ESI 高被引论文。常年受邀上述期刊审稿,2017、2018 年分别获得 EnergyThe Journal of Chemical Thermodynamics 等期刊的杰出审稿贡献奖。受邀参加国际会议“Global Cleaner Production Conference 2023”并作报告。2023 年入选全球学者学术影响力排名(终身学术影响力榜),2021、2022、2023 年连续三年入选全球前 2% 顶尖科学家榜单。

主持国家自然科学基金项目 3 项,省部市厅级科研项目 10 余项,新华制药、中石化等企业委托横向课题 10 余项,到账总经费上千万元。授权发明专利 98 件,其中,第一发明人 34 件,多项成果实现工业化应用,累计为企业创造经济效益 30 余亿元。开发的基于产业基础技术创新的高品质布洛芬高效绿色制备与规模化生产技术成功解决制约我国原料药发展的重大瓶颈性难题,将布洛芬年产量提升至万吨级,助力新华制药建成了世界上规模最大的解热镇痛类原料药生产基地,使我国布洛芬质量与产量居国际领先地位,引领了解热镇痛药技术革新,并在新冠疫情期间为人民的生命健康提供了强力保障。以第一/主要完成人获山东省科技进步一等奖、中国发明协会发明创业创新奖一等奖、中国化工学会科技进步一等奖和第十九届中国专利优秀奖等 10 项省部级科研成果奖。获中国石油和化学工业联合会青年科技突出贡献奖、全国石油和化工行业优秀科技工作者和青岛拔尖人才等多项奖励及荣誉称号。

课题组介绍

青岛科大清洁化工生产与过程强化创新团队朱兆友教授于 2005 年组建,主要研究方向为过程工业清洁生产、工艺过程强化、分离纯化精密控制和过程系统工程。目前团队拥共有教授 3 人,特聘教授 1 人,副教授 5 人,讲师 2 人,其中,享受国务院政府特殊津贴专家 1 人,入选省级黄大年式教师团队 3 人,入选全球前 2% 顶尖科学家(化学工程)1 人,是一支结构合理,工作认真负责、科研能力强的导学团队。

团队始终高度重视教学工作并坚持“产、教、研、学”深度融合的培养理念,勤奋探索,勇于实践。在实践教学和教学改革等方面取得了累累硕果,团队老师主编或参编《过程模拟热力学》、《Chemical Engineering Thermodynamics》等教材,主持 14 项研究生培养的教研项目,提出“秉承传统,逐本溯源”培养模式,多次受到省、市、校多级有关部门的表彰,获评山东省高校黄大年式教师团队、山东省优秀研究生导学团队。其中英文教材《Chemical Process Simulation: Green, Energy Saving and Precise Control》和探索提出了“一核多维-产教融合-协同创新”化工专业研究生三线制培养模式,在华南理工大学、东南大学等 20 余所高校推广应用,协助培养青年教师 36 人,受益学生千余人。

团队自成立以来,承担国家自然科学基金项目、省部市厅级科研项目 20 项,企业委托横向课题 80 余项,到账总经费上千万元。授权发明专利 90 余件,多项成果实现工业化应用,创造显著的经济效益和社会效益。获得山东省科学技术进步一等奖、中国化工学会科技进步一等奖等省部市厅级科研奖励 30 余项,其中,“基于产业基础技术创新的高品质布洛芬制备与规模化生产”获 2023 年山东省科学技术进步一等奖,“布洛芬清洁高效生产关键技术及其产业化”获 2020 年中国化工学会科技进步一等奖,“原料药清洁化生产关键共性技术及产业化”获 2021 年中国发明协会发明创业创新奖一等奖,《一种缩短布洛芬合成工艺缩酮化反应时间的装置及方法》获中国专利优秀奖。团队将解决实际工业化工程应用技术问题凝练上升至理论研究,在化工领域著名的 AIChE J.、Chem. Eng. Sci.、Ind. Eng. Chem. Res. 等学术期刊上发表 SCI 收录论文 300 余篇。

2005-2023 年,清洁化工生产与过程强化创新团队共培养研究生 151 人,25 人获国家奖学金,多人获省研究生优秀实践成果奖、省优秀硕士论文等荣誉奖励。毕业生进入浙江大学、天津大学、北京化工大学、华南理工大学等高校继续攻读博士学位,或进入知名高校或者中海油、万华和新华等知名企业工作。

团队学术氛围浓厚,每位研究生在硕士期间参加国内外学术交流会议 1-2 次,团队老师每年邀请 3-4 名国内外知名教授到课题组作报告。团队同学之间团结友爱,互帮互助,形成了“传帮带”的优良传统。欢迎全球化学工程与技术领域专家同仁交流合作和化工专业同学前来报考攻读研究生。

期刊介绍

Cutting-edge research for a greener sustainable future

rsc.li/greenchem

Green Chem.

2-年影响因子*9.3
5-年影响因子*9.3
JCR 分区*Q1 绿色可持续科技
Q1 化学-跨学科
CiteScore 分16.1
中位一审周期37 


Green Chemistry 专注于绿色化学和可持续性替代技术的最前沿,报道的跨学科研究工作致力于构建对生物和环境友好的技术基础,以期减少化学生产对环境的影响。该刊发表的原创性研究成果代表了绿色化学研究领域的重大进展,具有广泛的吸引力。该刊的论文必须将所报道的新方法与现有方法进行比较,并证明新方法具有的优势,特别是在减少或消除对环境的不良影响方面。

Chair
  • Javier Pérez-Ramírez
    🇨🇭 苏黎世联邦理工学院

Associate editors
  • Aiwen Lei (雷爱文)
    🇨🇳 武汉大学

  • Elsje Alessandra Quadrelli
    🇫🇷 法国国家科学研究中心/里昂高等化学物理电子学院

  • Magdalena Titirici
    🇬🇧 伦敦帝国理工学院

  • Keiichi Tomishige
    🇯🇵 东北大学

Editorial board members

  • André Bardow
    🇨🇭 苏黎世联邦理工学院

  • Francois Jérôme
    🇫🇷 普瓦捷大学

  • Serenella Sala
    🇮🇹 欧盟委员会联合研究中心

  • Laurel Schafer
    🇨🇦 不列颠哥伦比亚大学

  • Helen Sneddon
    🇬🇧 约克大学

  • Charlotte Williams
    🇬🇧 牛津大学

  • Tao Zhang (张涛)
    🇨🇳 中科院大连化物所

* 2023 Journal Citation Reports (Clarivate, 2024)
CiteScore 2023 by Elsevier

中位数,仅统计进入同行评审阶段的稿件








欢迎联系我们发布论文报道
📧 RSCChina@rsc.org

点击下方「阅读原文」查看

↓↓↓

RSC Sustainable Science
报道RSC期刊发表的环境科学、可持续、绿色化学、能源等领域工作
 最新文章