Lineare Rücklaufverhältnis-Regelungsstrategien maximieren die Ausbeute des Hauptschnitts, indem sie die Steigung und den Achsenabschnitt der Rücklauftrajektorie über jedes Betriebsintervall optimieren und dabei die Anforderungen an die Produktreinheit sowie Prozessmodellbeschränkungen einhalten. Definieren Sie für das Intervall (j) das Rücklaufverhältnis als (R_j(t)=a_jt+b_j) und berechnen Sie dann die Hauptschnittmenge aus dem resultierenden Destillatstrom (D(t)=V(t)/(R_j(t)+1)). Die Parameter (a_j), (b_j) und gegebenenfalls die Umschaltzeiten der Intervalle sind Entscheidungsvariablen in einem nichtlinearen Optimierungsproblem.

Das zentrale Ziel der Optimierung ist die Maximierung des akkumulierten Hauptschnittprodukts bei gleichzeitiger Sicherstellung, dass der Rücklauf physikalisch machbar bleibt und die Destillatzusammensetzung die erforderliche Reinheitsspezifikation während oder am Ende des Schnitts erfüllt.

Formulierung der linearen Rücklaufstrategie

Definition der Steuerungstrajektorie

Verwenden Sie für ein Hauptschnittintervall (t\in[t_{j-1},t_j])

[ R_j(t)=a_jt+b_j ]

wobei:

(R_j(t)) das Rücklaufverhältnis ist,
(a_j) die Steigung des Rücklaufverhältnisses ist,
(b_j) der Achsenabschnitt ist,
(t_{j-1}) und (t_j) die Start- und Endzeiten des Intervalls sind.

Ein positives (a_j) erhöht den Rücklauf mit der Zeit, während ein negatives (a_j) den Rücklauf schrittweise reduziert. Die Parameter sollten so gewählt werden, dass die Trajektorie innerhalb des Betriebsbereichs der Anlage bleibt.

Verknüpfung von Rücklauf und Destillatentnahme

Wenn (V(t)) die Dampfverdampfungsrate ist und das Rücklaufverhältnis definiert ist als

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

dann ist die Destillatflussrate

[ D_j(t)=\frac{V(t)}{R_j(t)+1} =\frac{V(t)}{a_jt+b_j+1}. ]

Diese Beziehung erfasst den zentralen Zielkonflikt: Ein erhöhter Rücklauf verbessert im Allgemeinen die Trennung, reduziert jedoch die momentane Destillatentnahmerate bei konstanter Verdampfungsrate.

Berechnung der akkumulierten Hauptschnittmenge

Das während des Intervalls (j) gesammelte Gesamtdestillat beträgt

[ P_j= \int_{t_{j-1}}^{t_j} \frac{V(t)}{a_jt+b_j+1},dt. ]

Wenn die Verdampfungsrate konstant ist, (V(t)=V), und (a_j\neq 0), hat das Integral die analytische Form

[ P_j= \frac{V}{a_j} \ln\left( \frac{a_jt_j+b_j+1} {a_jt_{j-1}+b_j+1} \right). ]

Wenn (a_j=0), ist die Strategie über das Intervall konstant und

[ P_j= \frac{V(t_j-t_{j-1})}{b_j+1}. ]

Für einen Hauptschnitt, der aus mehreren Intervallen besteht, ist die Gesamtmenge

[ P_{\text{main}}=\sum_{j=1}^{m}P_j. ]

Das Optimierungsziel wird daher üblicherweise geschrieben als

[ \max_{{a_j,b_j,t_j}} P_{\text{main}}. ]

Hinzufügen von Produktreinheitsbeschränkungen

Verwendung der zusammensetzungsgewichteten Produktreinheit

Die alleinige Maximierung des Gesamtdestillats kann zu einem Produkt führen, das nicht den Spezifikationen entspricht. Die Optimierung muss daher die Komponentenzusammensetzung durch das Chargendestillationsmodell verfolgen.

Sei (x_D^k(t)) der Molenbruch der Komponente (k) im Destillat. Die akkumulierte Menge der Komponente (k) im Intervall (j) ist

[ P_j^k= \int_{t_{j-1}}^{t_j} x_D^k(t)D_j(t),dt. ]

Die durchschnittliche Zusammensetzung des gesammelten Hauptschnitts ist

[ \bar{x}_{D,j}^k

\frac{P_j^k}{P_j}

\frac{ \int_{t_{j-1}}^{t_j} x_D^k(t)D_j(t),dt }{ \int_{t_{j-1}}^{t_j} D_j(t),dt }. ]

Eine erforderliche Reinheitsspezifikation kann dann ausgedrückt werden als

[ \bar{x}{D,j}^k\geq \bar{x}{D,\text{spec}}^k. ]

Diese Formulierung erlaubt es, dass die Zusammensetzung während des Schnitts variiert, solange das gesammelte Produkt die erforderliche Durchschnittsspezifikation erfüllt.

Durchsetzung der momentanen oder Pfadreinheit bei Bedarf

Wenn das Produkt zu jedem Zeitpunkt die Spezifikation erfüllen muss, erzwingen Sie die strengere Pfadbeschränkung

[ x_D^k(t)\geq x_{D,\text{spec}}^k, \qquad t\in[t_{j-1},t_j]. ]

Dies führt im Allgemeinen zu einer geringeren Ausbeute als eine Durchschnittsreinheitsbeschränkung, da es den Optimierer daran hindert, vorübergehend weniger reines Material zu sammeln, das beim Mischen in den vollständigen Schnitt noch akzeptabel sein könnte.

Darstellung der Reinheit durch eine Spezifikationsfunktion

Wenn die Einheit eine Spezifikationsfunktion (X_{\mathrm{SPEC},k}) verwendet, kann die Beschränkung allgemein geschrieben werden als

[ X_{\mathrm{SPEC},k} \left( \mathbf{x}(t),\mathbf{M}(t),R_j(t) \right) \geq 0, ]

wobei (\mathbf{x}(t)) die Phasenzusammensetzungen und (\mathbf{M}(t)) die Mengen in Gefäß und Kolonne darstellt. Dies ermöglicht es, die Reinheitsbeschränkung direkt aus dem dynamischen Prozessmodell auszuwerten.

Aufbau des nichtlinearen Optimierungsproblems

Definition der Entscheidungsvariablen

Für (m) lineare Strategieintervalle ist ein typischer Entscheidungsvektor

[ \mathbf{z}

\left[ a_1,b_1,\ldots,a_m,b_m, t_1,\ldots,t_{m-1} \right]. ]

Wenn die Intervallgrenzen fest sind, werden nur die Werte (a_j) und (b_j) optimiert. Wenn auch die Umschaltzeiten optimiert werden, werden die (t_j)-Werte zu Entscheidungsvariablen.

Eine äquivalente Parametrisierung verwendet die Rücklaufwerte an den Intervallendpunkten:

[ R_{j,\mathrm{start}}=a_jt_{j-1}+b_j, \qquad R_{j,\mathrm{end}}=a_jt_j+b_j. ]

Die Steigung und der Achsenabschnitt können dann wie folgt bestimmt werden:

[ a_j= \frac{R_{j,\mathrm{end}}-R_{j,\mathrm{start}}} {t_j-t_{j-1}}, ]

[ b_j= R_{j,\mathrm{start}}-a_jt_{j-1}. ]

Endpunktvariablen sind oft einfacher zu beschränken und betrieblich zu interpretieren.

Einbeziehung des dynamischen Kolonnenmodells

Die Rücklaufstrategie beeinflusst die Chargentrajektorie durch die Bilanz von Kolonne und Sumpf. Ein allgemeines dynamisches Modell kann wie folgt dargestellt werden:

[ \frac{d\mathbf{y}}{dt}

\mathbf{f} \left( \mathbf{y}(t),R_j(t),\mathbf{p} \right), ]

mit algebraischen Beziehungen

[ \mathbf{0}

\mathbf{g} \left( \mathbf{y}(t),R_j(t),\mathbf{p} \right). ]

Hier enthält (\mathbf{y}(t)) Größen wie Flüssigkeitsmengen, Komponentenbestände, Temperaturen und Zusammensetzungen, während (\mathbf{p}) feste Prozessparameter wie Stufenzahl, Feed-Zusammensetzung, Druck und Verdampfungsbedingungen enthält.

Das Modell muss auch Anfangsbedingungen erzwingen:

[ \mathbf{y}(0)=\mathbf{y}_0. ]

Die resultierende Optimierung ist nichtlinear, da der Rücklauf das Dampf-Flüssigkeits-Gleichgewicht, interne Ströme, Zusammensetzungen, Bestände und den Nenner der Destillatrate gleichzeitig beeinflusst.

Spezifikation des vollständigen Optimierungsproblems

Eine repräsentative Formulierung ist

[ \begin{aligned} \max_{\mathbf{z},,\mathbf{y}(t)} \quad & P_{\text{main}}

\sum_{j=1}^{m} \int_{t_{j-1}}^{t_j} \frac{V(t)}{a_jt+b_j+1},dt \[4pt] \text{subject to} \quad & \frac{d\mathbf{y}}{dt}

\mathbf{f}\left(\mathbf{y},R_j(t),\mathbf{p}\right), \ & \mathbf{0}

\mathbf{g}\left(\mathbf{y},R_j(t),\mathbf{p}\right), \ & \bar{x}{D,j}^k \geq \bar{x}{D,\text{spec}}^k, \ & R_{\min}\leq R_j(t)\leq R_{\max}, \ & a_jt+b_j+1>0, \ & t_{j-1}<t_j, \ & t_m\leq t_{\text{batch}}. \end{aligned} ]

Das Ziel kann stattdessen die Maximierung der Menge einer spezifischen Hauptschnittkomponente sein:

[ \max P_{\text{main}}^k

\max \sum_{j=1}^{m} \int_{t_{j-1}}^{t_j} x_D^k(t) \frac{V(t)}{a_jt+b_j+1},dt. ]

Dies ist angemessen, wenn "Ausbeute" die Rückgewinnung einer Zielkomponente bedeutet und nicht das gesamte gesammelte Destillat.

Umgang mit Umschaltungen und Schnittgrenzen

Erzwingen der Kontinuität zwischen linearen Strategien

Wenn sich die Rücklaufstrategie von Intervall (j) zu Intervall (j+1) ändert, kann Kontinuität erzwungen werden mit

[ a_jt_j+b_j

a_{j+1}t_j+b_{j+1}. ]

Ohne diese Beschränkung kann der Optimierer einen abrupten Rücklaufsprung erzeugen. Ein solcher Sprung kann akzeptabel sein, wenn die Steuerungs-Hardware dies unterstützt, sollte aber andernfalls beschränkt oder durch eine begrenzte Rampe ersetzt werden.

Optimierung der Schnitt-Umschaltzeiten

Die Umschaltzeiten bestimmen, wann der Prozess von einer Rücklaufstrategie zur anderen wechselt oder wann die Produktsammlung beginnt und endet. Sie können optimiert werden unter der Bedingung

[ t_{j-1}+\Delta t_{\min} \leq t_j \leq t_{\text{batch}}, ]

wobei (\Delta t_{\min}) verhindert, dass Intervalle auf eine vernachlässigbare Dauer schrumpfen.

Die Optimierung der Umschaltzeiten ist wichtig, da sich die Zusammensetzung kontinuierlich ändert, wenn die Sumpfcharge abnimmt. Ein festes Rücklaufprofil mit schlecht gewählten Umschaltzeiten kann übermäßig viel Zwischen-Off-Cut-Material sammeln, selbst wenn die Rücklaufniveaus selbst vernünftig sind.

Einbeziehung von Off-Cut- und Rückstandsbeschränkungen

Wenn der Betrieb Hauptschnitt-, Off-Cut- und Rückstandsstufen umfasst, definieren Sie separate Strategien:

[ R_{\text{main}}(t)=a_{\text{main}}t+b_{\text{main}}, ]

[ R_{\text{off}}(t)=a_{\text{off}}t+b_{\text{off}}. ]

Das Ziel kann dann die Maximierung der Hauptschnittrückgewinnung bei gleichzeitiger Begrenzung der Off-Cut-Menge sein:

[ \max P_{\text{main}}^k ]

unter der Bedingung

[ P_{\text{off}}\leq P_{\text{off,max}} ]

sowie die erforderlichen Spezifikationen für das Hauptprodukt und das Sumpfprodukt. Bei Recycling-Operationen können Menge und Zusammensetzung des Off-Cuts zu Eingaben für die nächste Charge werden, was ein sequentielles oder äußeres Schleifen-Optimierungsproblem schafft.

Numerische Lösung des Modells

Diskretisierung der dynamischen Gleichungen

Die kontinuierliche Zeitformulierung wird normalerweise durch direkte Transkription, Kollokation oder Zeitintegration innerhalb eines Optimierers in ein endlichdimensionales nichtlineares Programm umgewandelt.

Für eine einfache Implementierung unterteilen Sie jedes Intervall in Gitterpunkte (t_n), werten

[ R_j(t_n)=a_jt_n+b_j, ]

aus und approximieren das akkumulierte Produkt mit numerischer Quadratur:

[ P_j \approx \sum_n w_n \frac{V(t_n)} {R_j(t_n)+1}, ]

wobei (w_n) Integrationsgewichte sind.

Die Kolonnenzustandsgleichungen werden an denselben Gitterpunkten erzwungen oder durch Integration des dynamischen Modells für jede Teststrategie ausgewertet.

Gemeinsame Optimierung von Strategieniveaus und -dauern

Eine praktische Approximation verwendet stückweise konstante Rücklaufniveaus, aber eine lineare Strategie bietet eine glattere Trajektorie mit nur zwei Parametern pro Intervall. Der Optimierer kann gleichzeitig bestimmen:

das anfängliche Rücklaufniveau,
das endgültige Rücklaufniveau,
die Steigung jedes linearen Segments,
die Dauer jedes Segments,
die Umschaltzeiten zwischen Hauptschnitt- und Off-Cut-Betrieb.

Dies bietet mehr Flexibilität als eine konstante Strategie, während die Anzahl der Entscheidungsvariablen überschaubar bleibt.

Überprüfung der numerischen und physikalischen Machbarkeit

Die Optimierung sollte jede Kandidatenstrategie ablehnen, für die

[ R_j(t)+1\leq 0, ]

gilt, da der Destillatflussausdruck undefiniert oder physikalisch bedeutungslos wird. Sie sollte auch Trajektorien ablehnen, die Grenzwerte für Kondensator, Reboiler, Rücklaufventil, Fluten oder minimalen Destillatfluss verletzen.

Eine mathematisch machbare Lösung ist nicht automatisch eine implementierbare Betriebsstrategie. Die endgültige Trajektorie sollte auf die Reaktionsgrenzen der Aktuatoren und die Auflösung des Anlagensteuerungssystems geprüft werden.

Verständnis der Zielkonflikte

Höherer Rücklauf verbessert die Reinheit, reduziert aber die Entnahmerate

Bei fester Verdampfung (V),

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

nimmt ab, wenn der Rücklauf zunimmt. Ein hoher Rücklauf schickt mehr kondensierte Flüssigkeit zurück in die Kolonne, was die Trennung verbessert, aber pro Zeiteinheit weniger Destillat sammelt.

Der Optimierer neigt daher dazu, einen höheren Rücklauf zu verwenden, wenn die Reinheit schwer aufrechtzuerhalten ist, und einen niedrigeren Rücklauf, wenn der Zusammensetzungsspielraum eine schnellere Produktentnahme zulässt.

Durchschnittsreinheit und Pfadreinheit sind unterschiedliche Ziele

Eine Durchschnittsreinheitsbeschränkung erlaubt Zusammensetzungsvariationen innerhalb des gesammelten Schnitts. Eine Pfadbeschränkung erfordert, dass jede momentane Destillatprobe die Spezifikation erfüllt.

Das pfadbeschränkte Problem ist restriktiver und kann die Ausbeute des Hauptschnitts verringern, kann aber notwendig sein, wenn Mischen verboten ist oder die Produktqualität kontinuierlich kontrolliert werden muss.

Mehr Strategieintervalle erhöhen die Flexibilität

Das Hinzufügen von Intervallen ermöglicht es der Rücklauftrajektorie, enger auf die sich ändernde Sumpfzusammensetzung zu reagieren. Jedes zusätzliche Intervall führt jedoch Parameter, Umschaltbedingungen und mögliche numerische Komplexität ein.

Zu viele Intervalle können auch eine überangepasste Steuerungstrajektorie erzeugen, die schwer zu bedienen oder empfindlich gegenüber Modellfehlern ist. Die Anzahl der Intervalle sollte die Prozessdynamik und die verfügbare Steuerungsauflösung widerspiegeln.

Modellgenauigkeit begrenzt den Wert der Optimierung

Die optimale Strategie hängt vom Dampf-Flüssigkeits-Gleichgewichtsmodell, den Annahmen zum Hold-up, dem Verdampfungsverhalten und den Reinheitsmessungen ab. Eine mit einem vereinfachten Gleichgewichtsstufenmodell optimierte Trajektorie funktioniert möglicherweise nicht identisch in einer Kolonne mit signifikantem Flüssigkeits-Hold-up oder nicht-idealer Thermodynamik.

Modellvalidierung und Closed-Loop-Implementierung sind daher notwendig, bevor die vorhergesagte Ausbeute als betriebliche Garantie behandelt wird.

Die richtige Wahl für Ihr Ziel treffen

Wählen Sie die Formulierung entsprechend der Bedeutung der Ausbeute und den betrieblichen Anforderungen:

Wenn Ihr Hauptfokus auf der Massenausbeute des Hauptschnitts liegt: Maximieren Sie (\sum_j\int D_j(t),dt) unter Einhaltung der erforderlichen durchschnittlichen Reinheit und Rücklaufgrenzen.
Wenn Ihr Hauptfokus auf der Rückgewinnung der Zielkomponente liegt: Maximieren Sie (\sum_j\int x_D^k(t)D_j(t),dt), da die Destillatgesamtmasse unerwünschte Komponenten enthalten kann.
Wenn Ihr Hauptfokus auf garantierter Produktqualität liegt: Wenden Sie momentane Reinheitsbeschränkungen (x_D^k(t)\geq x_{D,\mathrm{spec}}^k) an, anstatt sich nur auf die durchschnittliche Schnittreinheit zu verlassen.
Wenn Ihr Hauptfokus auf minimaler Chargenzeit liegt: Minimieren Sie (t_m) unter Einhaltung der Mindestmenge des Hauptschnitts und Reinheitsbeschränkungen.
Wenn Ihr Hauptfokus auf der praktischen Anlagenimplementierung liegt: Optimieren Sie die Endpunkt-Rücklaufwerte und Umschaltzeiten, und erzwingen Sie dann Kontinuitäts- und Aktuator-Ratenbeschränkungen für die lineare Strategie.

Eine mathematisch formulierte lineare Rücklaufstrategie verwandelt den Rücklaufbetrieb in ein beschränktes dynamisches Optimierungsproblem, bei dem Ausbeute, Reinheit, Zeit und Bedienbarkeit gemeinsam optimiert werden.

Zusammenfassungstabelle:

Element	Wichtige Formulierung oder Erkenntnis
Rücklaufstrategie	$R_j(t)=a_jt+b_j$ für jedes Betriebsintervall
Destillatfluss	$D_j(t)=V(t)/(R_j(t)+1)$
Hauptschnittausbeute	Maximieren $P_{main}=\sum_j\int D_j(t)\,dt$
Rückgewinnung der Zielkomponente	Maximieren $P_{main}^k=\sum_j\int x_D^k(t)D_j(t)\,dt$
Reinheitsbeschränkung	Durchschnittsreinheit oder momentane Pfadreinheitsgrenzen anwenden
Entscheidungsvariablen	Strategiesteigungen, Achsenabschnitte, Endpunkt-Rücklaufwerte und Umschaltzeiten
Betriebsbeschränkungen	Rücklaufgrenzen, positiver Flussnenner, Intervalldauer und Chargenzeitlimits erzwingen
Praktische Implementierung	Strategiekontinuität, Aktuator-Raten, Fluten, Kondensator- und Reboiler-Beschränkungen hinzufügen
Numerische Lösung	Dynamische Simulation mit direkter Transkription, Kollokation oder numerischer Quadratur verwenden
Hauptzielkonflikt	Höherer Rücklauf verbessert die Trennung, reduziert aber die Destillatentnahmerate

Optimieren Sie Ihren Chargendestillationsbetrieb

Möchten Sie die Ausbeute des Hauptschnitts erhöhen, ohne die Produktreinheit oder die Anlagenbedienbarkeit zu beeinträchtigen? Kontaktieren Sie LABPARK, um eine für Ihre Anwendung entwickelte Ausbildungs- oder Berufsbildungs-Pilotanlage für Verfahrenstechnik zu besprechen.

LABPARK bietet Pilotanlagen für Verfahrenstechnik, Bioprozess- und Biotechnologie sowie Umwelt- und Wasseraufbereitung. Universitäten, Forschungsinstitute und Unternehmen können unsere Systeme nutzen, um Rücklaufstrategien, dynamische Prozessmodelle, Reinheitsbeschränkungen, Umschaltstrategien und die Rückgewinnung von Zielkomponenten unter realistischen Betriebsbedingungen zu bewerten.

Unser Team kann Sie bei der Auswahl und Konfiguration einer Pilotlösung für Prozessentwicklung, Lehre, Forschung, Validierung und Bedienerschulung unterstützen und Ihnen praktische Daten liefern, um Steuerungsstrategien vor der Implementierung im vollen Maßstab zu verbessern.