Die dynamische Optimierung kann die Batch-Destillationszeit minimieren, indem sie den Verlauf des Rücklaufverhältnisses berechnet, der die erforderliche Destillatmenge und -reinheit so schnell wie möglich erreicht. Anstatt ein konstantes Rücklaufverhältnis auszuwählen, wird die Pilotanlage als dynamisches System modelliert und mithilfe des Maximumprinzips von Pontryagin (PMP) optimiert. Die daraus resultierende Strategie, (R(t)), kann kontinuierlich oder als Abfolge von Stufen mit konstantem Rücklaufverhältnis umgesetzt werden.

Die grundlegende Idee besteht darin, den Rücklauf als zeitabhängige Regelgröße und nicht als feste Einstellung zu behandeln. PMP ermittelt den Rücklaufverlauf, der die finale Chargenzeit minimiert und dabei Stoffbilanzen, Anlagengrenzen und die Produktspezifikationen am Endpunkt erfüllt.

Warum konstanter Rücklauf normalerweise nicht zeitoptimal ist

Die Batch-Destillation ist von Natur aus dynamisch

Während die Destillation fortschreitet, ändern sich der Füllstand und die Zusammensetzung im Sumpf kontinuierlich. Folglich verändern sich auch die Dampf-Flüssigkeits-Gleichgewichtsbedingungen, die Triebkraft der Kolonne, die Destillatzusammensetzung und der zulässige Rücklaufbereich.

Ein konstantes Rücklaufverhältnis ignoriert diesen sich verändernden Zustand. Während einiger Zeiträume kann es konservativ und während anderer unnötig restriktiv sein, wodurch die Charge länger als notwendig dauert.

Der Rücklauf erzeugt einen grundlegenden betrieblichen Zielkonflikt

Eine Erhöhung des Rücklaufs verbessert im Allgemeinen die Trennung, da mehr Flüssigkeit in die Kolonne zurückgeführt wird. Gleichzeitig verringert sie jedoch bei gegebener Dampferzeugungsrate die Nettodestillatabzugsrate und erhöht den internen Flüssigkeits- und Dampfverkehr.

Ein niedrigeres Rücklaufverhältnis kann den Produktabzug erhöhen, jedoch dazu führen, dass die Destillatreinheit unter die Spezifikation fällt. Die optimale Strategie gleicht diese konkurrierenden Effekte über die gesamte Charge hinweg aus.

Formulierung des Problems der Zeitminimierung

Definition der dynamischen Zustände

Ein einfaches Lehrmodell kann den Sumpffüllstand, (B(t)), und seinen Molenbruch der Leichtkomponente, (x_B(t)), als Zustandsvariablen verwenden:

[ \frac{dB}{dt}=-D ]

[ \frac{d(Bx_B)}{dt}=-D x_D ]

wobei:

(B) der Flüssigkeitsfüllstand im Sumpf ist,
(x_B) die Zusammensetzung im Sumpf ist,
(D) der Destillatstrom ist,
(x_D) die Destillatzusammensetzung ist.

Das Kolonnenmodell liefert (x_D) sowie den Zusammenhang zwischen dem Rücklaufverhältnis und dem Destillatstrom.

Darstellung des Dampf-Flüssigkeits-Gleichgewichts

Für ein vereinfachtes binäres System kann die Gleichgewichtsbeziehung wie folgt geschrieben werden:

[ y^*=\frac{\alpha x}{1+(\alpha-1)x} ]

wobei (x) die Flüssigkeitszusammensetzung, (y^*) die Gleichgewichtsdampfzusammensetzung und (\alpha) die relative Flüchtigkeit ist.

Ein detailliertes Pilotanlagenmodell kann stattdessen stufenweise Stoffbilanzen, Energiebilanzen, Bodenwirkungsgrade, Druckverlustbeziehungen und Berechnungen thermodynamischer Stoffeigenschaften verwenden. Welches Modell geeignet ist, hängt davon ab, ob das Ziel in der Vermittlung des Regelungsprinzips oder in der möglichst genauen Nachbildung des Anlagenverhaltens besteht.

Verwendung des Rücklaufs als Regelgröße

Bei einem Totalkondensator und einer annähernd konstanten Dampfstromrate (V) wird das Rücklaufverhältnis üblicherweise definiert als:

[ R=\frac{L}{D} ]

mit:

[ V=L+D ]

Daher gilt:

[ D=\frac{V}{R+1} ]

Dieser vereinfachte Zusammenhang zeigt, warum der Rücklauf sowohl die Trennung als auch die Produktionsrate beeinflusst. In einer tatsächlichen Pilotanlage kann (V) außerdem von der Wärmezufuhr im Sumpf, dem Druck und den sich verändernden physikalischen Eigenschaften abhängen.

Die Regelgröße lautet daher:

[ u(t)=R(t) ]

unter Einhaltung der Anlagengrenzen:

[ R_{\min}\le R(t)\le R_{\max} ]

Festlegung der Anforderungen am Endpunkt

Die Charge endet, wenn die geforderten Produktbedingungen erfüllt sind. Typische Endpunktbedingungen umfassen:

[ M_D(t_F)\ge M_{D,\text{target}} ]

[ x_D(t_F)\ge x_{D,\text{target}} ]

wobei (t_F) die finale Chargenzeit ist.

Das Problem lautet dann:

[ \min_{R(t),,t_F} J=t_F ]

unter Einhaltung des dynamischen Modells, der Anfangsbedingungen, der Grenzen der Regelgröße und der Produktbedingungen am Endpunkt.

Anwendung des Maximumprinzips von Pontryagin

Aufstellung des Hamilton-Funktionals

Für ein Problem der Zeitminimierung lautet ein repräsentatives Hamilton-Funktional:

[ H=1+\lambda_B f_B(B,x_B,R) +\lambda_x f_x(B,x_B,R) ]

wobei:

(f_B) und (f_x) die Zustandsgleichungen sind,
(\lambda_B) und (\lambda_x) die adjungierten Variablen sind,
der konstante Term (1) die Rate darstellt, mit der sich die Betriebszeit aufsummiert.

Das genaue Hamilton-Funktional hängt von den gewählten Zustandsvariablen und dem detaillierten Kolonnenmodell ab.

Lösung der adjungierten Gleichungen

Die Kosten- oder adjungierten Gleichungen lauten:

[ \frac{d\lambda_i}{dt}

-\frac{\partial H}{\partial x_i} ]

Für das Beispiel mit zwei Zuständen gilt:

[ \frac{d\lambda_B}{dt}

-\frac{\partial H}{\partial B} ]

[ \frac{d\lambda_x}{dt}

-\frac{\partial H}{\partial x_B} ]

Die Endbedingungen für die adjungierten Variablen werden durch die Bedingungen für die Endmenge und die Reinheit bestimmt. Wenn eine Endbedingung aktiv ist, trägt ihr zugeordneter Multiplikator zur entsprechenden Transversalitätsbedingung bei.

Auswahl des Rücklaufverhältnisses anhand des Hamilton-Funktionals

Zu jedem Zeitpunkt wählt PMP die zulässige Regelgröße, die das Hamilton-Funktional optimiert:

[ R^*(t)=\arg\min_{R_{\min}\le R\le R_{\max}} H ]

für die hier verwendete Konvention der Zeitminimierung.

Das Ergebnis kann verschiedene Formen annehmen:

Grenzregelung: (R=R_{\min}) oder (R=R_{\max}).
Innere Regelung: Ein mittleres Rücklaufverhältnis erfüllt (\partial H/\partial R=0).
Umschaltregelung: Die Strategie wechselt zwischen den Betriebsgrenzen.
Singuläre Regelung: Die Umschaltbedingung bleibt über ein Intervall null, sodass Bedingungen höherer Ordnung erforderlich sind.

Für eine Lehrpilotanlage ist eine stückweise konstante Strategie häufig leichter zu verstehen und umzusetzen als ein kontinuierlich variierender Verlauf.

Überführung der Theorie in ein Verfahren für die Pilotanlage

Schritt 1: Identifizierung der regelbaren Variablen

Die wichtigste Stellgröße ist normalerweise das Rücklaufverhältnis, das über den Rücklaufstrom des Kondensators oder den Destillatabzug eingestellt wird. Weitere mögliche Stellgrößen sind:

Wärmezufuhr im Sumpf.
Destillatabzugsrate.
Rücklaufstrom.
Drucksollwert.
Zugabe von Lösungsmittel oder Zulauf bei speziellen Batch-Prozessen.

Bei der ersten Implementierung sollte im Allgemeinen zunächst eine zentrale Regelgröße, beispielsweise der Rücklauf, optimiert werden, bevor mehrere miteinander wechselwirkende Stellgrößen eingeführt werden.

Schritt 2: Erfassung der erforderlichen Messgrößen

Ein praktisches Rückkopplungssystem kann Folgendes erfordern:

Temperatur und Druck im Sumpf.
Rücklauf- und Destillatströme.
Flüssigkeitsstand oder Füllstand im Sumpf.
Destillatzusammensetzung anhand eines Online-Analysators oder regelmäßiger Probenahmen.
Temperaturen im Kondensator und im Sumpf.
Differenzdruck der Kolonne.

Diese Messungen ermöglichen es der Regelung, den geschätzten Chargenzustand zu aktualisieren und festzustellen, ob der tatsächliche Prozess dem berechneten Verlauf folgt.

Schritt 3: Offline-Erzeugung des optimalen Verlaufs

Die PMP-Gleichungen können als Randwertproblem mit zwei Punkten gelöst werden. Dazu müssen integriert werden:

Die Prozesszustandsgleichungen vorwärts in der Zeit.
Die adjungierten Gleichungen rückwärts in der Zeit.
Die Optimalitätsbedingung für den Rücklauf.
Die Endbedingungen zum finalen Zeitpunkt der Charge.

Da indirekte PMP-Berechnungen empfindlich auf Anfangsschätzungen reagieren können, werden sie häufig mithilfe eines direkten numerischen Verfahrens initialisiert.

Schritt 4: Geeignete Verwendung der direkten Optimierung

Für Lehr- und Pilotanwendungen ist die Control Vector Parameterisation (CVP) besonders praxisnah. Die Charge wird in Zeitintervalle unterteilt, und der Rücklauf wird innerhalb jedes Intervalls als konstant angenommen oder parametrisiert:

[ R(t)=R_k \quad \text{for} \quad t_k\le t<t_{k+1} ]

Das dynamische Modell wird anschließend für Testwerte von (R_k) integriert, und ein nichtlinearer Optimierer minimiert (t_F) unter Einhaltung der Prozessbedingungen.

Dieser Ansatz stellt einen nützlichen Kompromiss zwischen mathematischer Strenge und einfacher Umsetzung dar. Der daraus resultierende Rücklaufplan kann später mit der kontinuierlichen PMP-Lösung verglichen werden.

Schritt 5: Umsetzung mit übergeordneter Regelung

Die Optimierung sollte normalerweise als übergeordnete Ebene arbeiten, anstatt direkt alle grundlegenden Regelkreise zu überschreiben. Eine typische Struktur ist:

Regelkreise auf niedriger Ebene regeln Rücklaufstrom, Druck, Füllstand und Wärmezufuhr.
Der Optimierer berechnet den gewünschten Rücklaufverlauf.
Die übergeordnete Regelung sendet zulässige Sollwerte an die Regelkreise auf niedriger Ebene.
Messungen werden zur Aktualisierung des Modells und zur Erkennung von Abweichungen verwendet.

Diese Anordnung schützt die Ausrüstung und ermöglicht es den Studierenden, den Zusammenhang zwischen optimaler Regelung und Anlagenverhalten zu beobachten.

Umgang mit Reinheits- und Chargenzeitbedingungen

Reinheit während der gesamten Charge sicherstellen

Ein Zielwert für die finale Destillatreinheit allein kann unzureichend sein. Der Prozess kann vor Erreichen des gewünschten Endzustands vorübergehend nicht spezifikationsgerechtes Material erzeugen.

Die Reinheit kann berücksichtigt werden durch:

Vorgabe von Pfadbedingungen für (x_D(t)).
Ableitung des anfänglich nicht spezifikationsgerechten Destillats.
Aufteilung der Charge in Produktfraktionen.
Anwendung von Endbedingungen nur dann, wenn dies dem tatsächlichen Betriebsverfahren entspricht.

Die richtige Wahl hängt davon ab, ob die Pilotanlage eine einzige Produktfraktion oder mehrere durch ihre Zusammensetzung definierte Fraktionen sammelt.

Destillat- und Zwischenbehälterprodukte berücksichtigen, sofern relevant

Einige Pilotanlagen sammeln Produkte in mehreren Behältern. Die Optimierung kann dann Folgendes umfassen:

Destillatmasse, (M_{DE}).
Masse des Zwischenbehälterprodukts, (M_F).
Destillatreinheit, (x_{DE}).
Reinheit des Zwischenbehälterprodukts, (x_F).
Die gesamte Chargenzeit, (t_F).

Kleine Toleranzbereiche um Reinheitsbedingungen können dem numerischen Optimierer helfen, eine zulässige Lösung zu finden, ohne die tatsächliche Anlagenspezifikation zu schwächen.

Zeitminimierung von maximaler Produktivität unterscheiden

Ein strenges Problem der Zeitminimierung setzt voraus, dass die erforderliche Produktmenge und -reinheit festgelegt sind. Ein Problem der maximalen Produktivität zielt dagegen darauf ab, die Produktmenge pro Zeiteinheit zu maximieren, wobei möglicherweise andere Mengen oder Betriebsbedingungen akzeptiert werden.

Diese Ziele sollten nicht unbeabsichtigt vermischt werden. Eine Rücklaufstrategie, die die Zeit für eine bestimmte Produktspezifikation minimiert, maximiert möglicherweise weder die insgesamt zurückgewonnene Produktmenge noch den wirtschaftlichen Ertrag.

Validierung der Optimierung in einer Lehranlage

Mit der Modellkalibrierung beginnen

Vor dem Vergleich von Regelungsstrategien sollte das Modell mithilfe von Experimenten mit konstantem Rücklauf kalibriert werden. Wichtige Parameter können umfassen:

Relative Flüchtigkeit oder Parameter des thermodynamischen Modells.
Wirkungsgrad von Böden oder Packungen.
Schätzungen der Flüssigkeitsfüllstände.
Wärmeübergangskoeffizienten.
Dynamik von Kondensator und Sumpf.
Verzögerung und Messabweichung des Analysators.

Eine optimale Regelung kann ein Modell, das systematisch das falsche Trennverhalten vorhersagt, nicht zuverlässig kompensieren.

Vergleich mit einer Basislinie mit konstantem Rücklauf

Das aussagekräftigste Experiment vergleicht:

Eine konventionelle Charge mit konstantem Rücklauf.
Eine Charge mit dynamisch optimiertem Rücklauf.

Beide Tests sollten dieselbe Anfangsfüllung, Zielproduktmenge, Reinheitsspezifikation, denselben Druck und dieselben Sicherheitsgrenzen verwenden.

Nützliche Leistungskennzahlen umfassen:

Finale Chargenzeit.
Produktrückgewinnung.
Nicht spezifikationsgerechtes Material.
Wärmebedarf des Sumpfs.
Kühlbedarf des Kondensators.
Anzahl der Rücklaufänderungen.
Empfindlichkeit gegenüber Mess- und Modellfehlern.

Verwendung gestufter Strategien für die Lehre

Eine gestufte Strategie macht die physikalische Bedeutung der Optimierung sichtbar. Beispielsweise kann die Charge in frühe, mittlere und abschließende Zeiträume unterteilt werden, wobei für jeden Zeitraum ein eigenes optimiertes Rücklaufverhältnis gilt.

Die Studierenden können anschließend untersuchen, wie eine veränderliche Zusammensetzung im Sumpf dazu führt, dass sich die bevorzugte Rücklaufstrategie ändert.

Verständnis der Zielkonflikte

Minimale Zeit bedeutet nicht automatisch minimalen Energieverbrauch

Das Ziel der Zeitminimierung priorisiert den schnellen Abschluss der Charge. Es kann während bestimmter Zeiträume eine hohe Dampferzeugung oder einen hohen Rücklauf erfordern, was den momentanen oder gesamten Energieverbrauch erhöhen kann.

Wenn Energie eine Rolle spielt, sollte sie ausdrücklich in ein multikriterielles oder gewichtetes Ziel aufgenommen werden, beispielsweise:

[ J=w_t t_F+w_Q Q_{\text{total}} ]

Die Gewichtungen sollten dem pädagogischen oder betrieblichen Zweck des Experiments entsprechen.

Kontinuierliche Regelung kann unpraktisch sein

Ein mathematisch glatter Verlauf von (R(t)) kann häufige Ventilbewegungen oder Änderungen erfordern, die kleiner sind, als die Anlage zuverlässig umsetzen kann. Ventilauflösung, Stellglieddynamik, Analysatorverzögerung und Bedienaufwand müssen berücksichtigt werden.

In der Praxis ist ein stückweise konstanter oder gefilterter Verlauf oft vorzuziehen, selbst wenn er in der Simulation geringfügig weniger optimal ist.

Modellunsicherheit kann den erwarteten Nutzen verringern

Relative Flüchtigkeit, Bodenwirkungsgrad, Wärmeverluste und Füllstände können sich während der Charge verändern. Auch die Zulammensetzung und Sensorfehler können dazu führen, dass der berechnete Verlauf nicht umsetzbar wird.

Eine robuste Umsetzung sollte Sicherheitsabstände bei den Bedingungen, Zustandsschätzung, erneute Trajektorienoptimierung und eine sichere Ausweichstrategie, beispielsweise konstanten Rücklauf, umfassen.

Aggressive Optimierung kann betriebliche Risiken verursachen

Schnelle Rücklaufänderungen können hydraulische Störungen, Drucküberschreitungen, Fluten, Durchregnen oder instabile Zusammensetzungsmessungen verursachen. Anlagengrenzen müssen daher in die Optimierung integriert und nicht erst nach Erhalt der Lösung geprüft werden.

Sicherheitsbedingungen haben stets Vorrang vor der berechneten Strategie zur Zeitminimierung.

Die richtige Wahl für Ihr Ziel

Eine praktische Umsetzung sollte das Optimierungsverfahren an die Mess-, Modellierungs- und Regelungsmöglichkeiten der Anlage anpassen.

Wenn Ihr Hauptaugenmerk auf der Minimierung der Chargenzeit liegt: Formulieren Sie ein zeitminimierendes Problem mit Endbedingungen und optimieren Sie das zeitabhängige Rücklaufverhältnis mithilfe von PMP oder CVP.
Wenn Ihr Hauptaugenmerk auf der Produktreinheit liegt: Fügen Sie Pfadbedingungen für die Reinheit hinzu und verwenden Sie den Rücklauf als Regelgröße, die die Einhaltung der Spezifikation während der gesamten Charge sicherstellt.
Wenn Ihr Hauptaugenmerk auf der Energieeinsparung liegt: Nehmen Sie den Wärmebedarf des Sumpfs und den Kühlbedarf des Kondensators in die Zielfunktion auf, anstatt ausschließlich die Zeit zu minimieren.
Wenn Ihr Hauptaugenmerk auf einer Demonstration im Unterricht liegt: Verwenden Sie ein kalibriertes Modell mit zwei Zuständen und einen stückweise konstanten Rücklaufplan, der direkt mit dem Betrieb bei konstantem Rücklauf verglichen werden kann.
Wenn Ihr Hauptaugenmerk auf einem zuverlässigen Pilotanlagenbetrieb liegt: Implementieren Sie den optimierten Verlauf über eine übergeordnete Regelung mit Stellgliedgrenzen, Sicherheitsabständen bei den Bedingungen und einer Ausweichstrategie mit konstantem Rücklauf.
Wenn Ihr Hauptaugenmerk auf wirtschaftlicher Produktivität liegt: Optimieren Sie Produktmenge, Reinheit, Versorgungskosten und Chargendauer gemeinsam, anstatt die minimale Zeit als einziges Ziel zu betrachten.

Indem der Rücklauf als dynamische Entscheidung behandelt und die realen Produkt- und Anlagengrenzen eingehalten werden, kann eine Pilotanlage PMP von einem theoretischen Thema in eine messbare Verbesserung der Batch-Destillationsleistung verwandeln.

Übersichtstabelle:

Aspekt	Wichtige Erkenntnis	Anwendung in der Pilotanlage
Optimierungsziel	Minimierung der finalen Chargenzeit bei gleichzeitiger Erfüllung der Zielvorgaben für Produktmenge und -reinheit	Endbedingungen definieren und Ergebnisse mit konstantem Rücklauf vergleichen
Regelgröße	Verwendung eines zeitabhängigen Rücklaufverhältnisses, R(t), anstelle einer festen Einstellung	Kontinuierliche, gestufte oder stückweise konstante Rücklaufpläne umsetzen
Dynamisches Modell	Erfassung von Füllstand und Zusammensetzung im Sumpf anhand von Stoffbilanzen	VLE-, Bodenwirkungsgrad-, Füllstands-, Druck- und Energiemodelle nach Bedarf ergänzen
PMP-Methode	Kombination von Zustandsgleichungen, adjungierten Gleichungen und Hamilton-Optimierung	Grenz-, innere, umschaltende oder singuläre Rücklaufregelungen auswählen
Praktische numerische Methode	Die Control Vector Parameterisation vereinfacht die Trajektorienoptimierung	Die Charge in Intervalle unterteilen und die Rücklaufwerte mit einem nichtlinearen Optimierer bestimmen
Messgrößen	Rücklauf, Destillatstrom, Druck, Temperatur, Füllstand und Zusammensetzung sind wichtige Größen	Online-Analysen oder Probenahmen für Zustandsschätzung und Aktualisierung der Trajektorie verwenden
Regelungsarchitektur	Die Optimierung sollte zuverlässige Regelkreise auf niedriger Ebene überwachen	Separate Regelkreise für Rücklauf, Druck, Füllstand und Wärmezufuhr im Sumpf beibehalten
Validierung	Modellkalibrierung und Benchmarking mit konstantem Rücklauf sind unerlässlich	Chargenzeit, Rückgewinnung, Reinheit, Energiebedarf und Rücklaufänderungen vergleichen
Betriebliche Schutzmaßnahmen	Modellunsicherheit und aggressive Änderungen können hydraulische oder reinheitsbezogene Risiken verursachen	Sicherheitsabstände bei den Bedingungen, Stellgliedgrenzen, Filterung, erneute Optimierung und Ausweichregelung ergänzen

Optimieren Sie Ihre Destillationspilotanlage mit LABPARK

Überführen Sie fortgeschrittene Theorie der Prozessregelung in messbare Ergebnisse in der Pilotanlage – mit den Lehr- und Berufsbildungs-Pilotanlagen für Unit Operations von LABPARK. Unsere Systeme für Chemieingenieurwesen, Bioprozess- und Biotechnologie sowie Umwelt- und Wasseraufbereitung unterstützen Universitäten, Forschungsinstitute und Unternehmen dabei, dynamische Optimierung unter realistischen Betriebsbedingungen zu lehren, zu testen und zu validieren.

Mit einer Batch-Destillationspilotanlage von LABPARK kann Ihr Team:

Betriebsstrategien mit konstantem Rücklauf und auf PMP oder CVP basierende Strategien vergleichen.
Demonstrieren, wie sich eine veränderliche Zusammensetzung im Sumpf auf den optimalen Rücklaufverlauf auswirkt.
Studierende und Bediener anhand realer Messungen, übergeordneter Regelung und Anlagengrenzen schulen.
Chargenzeit, Produktreinheit, Rückgewinnung, Energiebedarf und Prozessrobustheit bewerten.
Experimente an den Unterricht, die Forschung, die Prozessentwicklung und die industrielle Schulung anpassen.

Kontaktieren Sie LABPARK, um Ihre Zielkapazität, Ihr Trennsystem, Ihre Instrumentierung sowie Ihre Lehr- oder Forschungsziele zu besprechen. Wir unterstützen Sie bei der Auswahl und Konfiguration einer zuverlässigen Pilotanlage für praktische Optimierungsstudien.