Verwenden Sie Komponenten-Massenströme als Unbekannte. Formulieren Sie in der verfahrenstechnischen Stoffbilanzierung für Anlagen und Pilotanlagen jede Unbekannte als individuellen Komponenten-Massenstrom, molaren Stoffstrom oder Komponentenanteil. Vermeiden Sie es, einen unbekannten Gesamtstrom mit einem unbekannten Massen- oder Molenbruch zu multiplizieren, da dieses Produkt eine nichtlineare Gleichung erzeugt und eine direkte Lösung mit standardmäßigen linearen Matrixmethoden verhindert.

Die zuverlässigste lineare Formulierung besteht darin, zuerst die Komponentenströme zu berechnen und daraus die Gesamtströme und Zusammensetzungen abzuleiten. Dies führt zu einem Gleichungssystem der Form Ax = b, das effizient mit numerischer linearer Algebra gelöst werden kann, sofern die Gleichungen unabhängig sind und der Freiheitsgrad null beträgt.

Warum die Wahl der Unbekannten die Linearität bestimmt

Die nichtlineare Darstellung von Stoffströmen

Ein Komponenten-Massenstrom wird oft wie folgt geschrieben:

[ \dot{m}_i = \dot{m}w_i ]

wobei (\dot{m}) der Gesamt-Massenstrom und (w_i) der Massenanteil der Komponente ist.

Wenn sowohl (\dot{m}) als auch (w_i) unbekannt sind, enthält ihr Produkt zwei unbekannte Variablen. Die resultierende Bilanz ist nichtlinear, obwohl das zugrunde liegende Erhaltungsgesetz linear ist.

Die lineare Darstellung durch Komponentenströme

Definieren Sie den Komponenten-Massenstrom selbst als die Unbekannte:

[ \dot{m}_i = x_i ]

Eine Komponentenbilanz kann dann direkt wie folgt geschrieben werden:

[ \sum_j a_{ij}x_j = b_i ]

wobei die Koeffizienten (a_{ij}) bekannte Strombeziehungen, Verteilungsfaktoren oder stöchiometrische Koeffizienten darstellen. Der Vektor der Unbekannten enthält Komponenten-Massenströme anstelle von Produkten aus Gesamtströmen und Zusammensetzungen.

Nachträgliche Bestimmung der Stromeigenschaften

Sobald die Komponentenströme berechnet wurden, bestimmen Sie den Gesamtstrom durch:

[ \dot{m}_{\text{total}} = \sum_i \dot{m}_i ]

Berechnen Sie anschließend den Massenanteil der Komponente mittels:

[ w_i = \frac{\dot{m}i}{\dot{m}{\text{total}}} ]

Der gleiche Ansatz gilt auf molarer Basis:

[ \dot{n}_{\text{total}} = \sum_i \dot{n}_i \qquad y_i = \frac{\dot{n}i}{\dot{n}{\text{total}}} ]

Dies trennt die lineare Bilanzberechnung von der Berechnung der Zusammensetzung.

Erstellung des Bilanzmodells

Festlegung der Berechnungsbasis

Wählen Sie eine Basis, bevor Sie die Unbekannten definieren. Für den kontinuierlichen stationären Betrieb ist dies üblicherweise ein Stoffstrom pro Zeiteinheit; für den Batch-Betrieb kann dies eine Charge oder eine definierte Einwaage sein.

Verwenden Sie Massen- oder Molenströme konsistent im gesamten Modell, es sei denn, Umrechnungen zwischen den Basen sind explizit enthalten.

Prozess skizzieren und Stoffströme nummerieren

Ein Fließbild sollte jeden ein- und ausgehenden, rückgeführten, geteilten und zwischengeschalteten Strom identifizieren. Jeder Komponentenstrom, der mit einem unbekannten Strom verbunden ist, wird zu einer Kandidatenvariablen.

Beispielsweise kann ein Ausgangsstrom mit zwei Komponenten dargestellt werden durch:

[ x_1 = \dot{m}{A,\text{out}} \qquad x_2 = \dot{m}{B,\text{out}} ]

anstatt durch das Paar aus Gesamtstrom und unbekanntem Massenanteil.

Aufstellen unabhängiger Komponentenbilanzen

Für eine nicht-reaktive, stationäre Einheit gilt:

[ \text{Komponenteneingang} = \text{Komponentenausgang} ]

Für eine reaktive Einheit sind bekannte stöchiometrische Produktions- oder Verbrauchsterme einzubeziehen. Wenn Reaktionsumsätze, Ratengleichungen, Gleichgewichtsbeziehungen oder andere Größen ebenfalls unbekannt sind und andere Unbekannte multiplizieren, ist das Modell möglicherweise nicht mehr linear.

Zusammenstellung der Matrixform

Nachdem jede Gleichung so angeordnet wurde, dass die unbekannten Terme links und die bekannten Terme rechts stehen, schreiben Sie:

[ A\mathbf{x}=\mathbf{b} ]

Zum Beispiel:

[ \begin{bmatrix} a_{11} & a_{12}\ a_{21} & a_{22} \end{bmatrix} \begin{bmatrix} x_1\ x_2 \end{bmatrix}

\begin{bmatrix} b_1\ b_2 \end{bmatrix} ]

Hier enthält (A) bekannte Koeffizienten, (\mathbf{x}) enthält die Unbekannten der Komponentenströme und (\mathbf{b}) enthält bekannte Zufuhrraten, Spezifikationen oder Quellterme.

Überprüfung der Lösbarkeit des Systems

Durchführung einer Freiheitsgradanalyse

Berechnen Sie:

[ \text{Freiheitsgrade}

\text{Anzahl der Unbekannten}

\text{Anzahl der unabhängigen Gleichungen} ]

Ein System mit null Freiheitsgraden ist exakt bestimmt und kann eine eindeutige Lösung haben, wenn die Koeffizientenmatrix vollen Rang besitzt.

Ein positiver Wert deutet darauf hin, dass zusätzliche Messungen oder Spezifikationen erforderlich sind. Ein negativer Wert weist darauf hin, dass das Modell redundante Gleichungen oder inkonsistente Spezifikationen enthalten könnte.

Überprüfung der Gleichungsunabhängigkeit

Das Zählen der Gleichungen reicht nicht aus, da einige Bilanzen linear abhängig sein können. Überprüfen Sie den Rang von (A) vor der Lösung.

Für ein quadratisches System ist eine Matrix mit vollem Rang erforderlich, um ein eindeutiges Ergebnis mit einem direkten Löser zu erhalten, wie zum Beispiel:

import numpy as np

x = np.linalg.solve(A, b)

Wenn die Matrix singulär oder rangdefizient ist, untersuchen Sie das Modell auf doppelte Bilanzen, fehlende Variablen oder unzureichend spezifizierte Ströme.

Überprüfung der Erhaltung nach der Lösung

Setzen Sie die berechneten Komponentenströme wieder in jede Bilanz ein. Der Residuenvektor ist:

[ \mathbf{r}=A\mathbf{x}-\mathbf{b} ]

Kleine Residuen zeigen an, dass die numerische Lösung die formulierten Gleichungen erfüllt. Sie beweisen jedoch für sich genommen nicht, dass das Prozessmodell oder die Messungen korrekt sind.

Verständnis der Kompromisse

Komponenten-Unbekannte erhöhen die Variablenanzahl

Die Verwendung von Komponenten-Massenströmen kann zu mehr Unbekannten führen als eine Formulierung mit Gesamtstrom und Zusammensetzung. Dies ist meist ein akzeptabler Kompromiss, da die resultierenden Gleichungen linear bleiben und einfacher zu lösen und zu prüfen sind.

Die zusätzlichen Variablen machen die Komponentenerhaltung explizit, was in der Pilotanlagenanalyse und Laborlehre wertvoll ist.

Zusammensetzungsmessungen können weiterhin erforderlich sein

Komponenten-Massenströme als Unbekannte machen Messungen der Zusammensetzung nicht überflüssig, wenn der Prozess unterbestimmt ist. Sie bieten eine bessere mathematische Darstellung, aber das Modell benötigt dennoch genügend unabhängige Daten und Betriebsspezifikationen.

Bekannte Gesamtströme oder bekannte Zusammensetzungen können gegebenenfalls als lineare Gleichungen einbezogen werden.

Einige Prozessmodelle sind grundlegend nichtlinear

Die Stofferhaltung ist linear in Bezug auf Komponentenströme, aber das vollständige Modell der verfahrenstechnischen Einheit ist es möglicherweise nicht. Dampf-Flüssigkeits-Gleichgewichte, Druck-Strom-Beziehungen, Reaktionskinetik, Wärmeübergangskorrelationen und Stoffwertberechnungen können nichtlineare Terme einführen.

Verwenden Sie ein lineares Bilanzmodell, wo die verfügbaren Informationen dies unterstützen. Zwingen Sie ein inhärent nichtlineares Prozessverhalten nicht in eine lineare Formulierung, nur um einen Matrixlöser zu verwenden.

Negative berechnete Ströme erfordern Untersuchung

Ein negativer Komponentenstrom signalisiert meist einen Vorzeichenfehler, einen fehlenden Strom oder Prozessterm, inkonsistente Messungen oder eine ungültige Prozessspezifikation. Er kann auch darauf hinweisen, dass der angenommene Betriebsbereich oder die Modellstruktur nicht mit den bereitgestellten Daten kompatibel ist.

Überprüfen Sie Stromrichtungen, Bilanzvorzeichen, Einheiten, Gleichungsrang und gemessene Eingabewerte, bevor Sie das Ergebnis akzeptieren.

Die richtige Wahl für Ihr Ziel

Verwenden Sie die Formulierung, die dem Zweck des Modells entspricht:

Wenn Ihr Hauptaugenmerk auf einem robusten linearen Löser liegt: Definieren Sie individuelle Komponenten-Massen- oder Molenströme als Vektor der Unbekannten und lösen Sie das resultierende (A\mathbf{x}=\mathbf{b}) System.
Wenn Ihr Hauptaugenmerk auf der Bestimmung der Stromzusammensetzungen liegt: Berechnen Sie zuerst die Komponentenströme und ermitteln Sie dann die Gesamtströme sowie Massen- oder Molenbrüche durch Summierung und Normalisierung.
Wenn Ihr Hauptaugenmerk auf der Datenabgleichung in Pilotanlagen liegt: Binden Sie gemessene Strom- und Zusammensetzungsinformationen als unabhängige Gleichungen ein und prüfen Sie dann den Matrixrang und die Bilanzresiduen.
Wenn Ihr Hauptaugenmerk auf einer detaillierten Prozesssimulation liegt: Behalten Sie die Komponentenstromvariablen für die Erhaltungsbilanzen bei, verwenden Sie jedoch einen nichtlinearen Löser, wenn Gleichgewichts-, Kinetik- oder Stoffwertbeziehungen dies erfordern.

Indem Sie Komponentenströme als primäre Unbekannte wählen, machen Sie Erhaltungsgleichungen transparent, bewahren die Linearität, wo möglich, und geben numerischen Lösern das am besten strukturierte Problem.

Zusammenfassungstabelle:

Modellierungselement	Empfohlener Ansatz	Vorteil
Primäre Unbekannte	Individuelle Komponenten-Massen- oder Molenströme	Bewahrt lineare Gleichungen
Matrixmodell	Bilanzen als `A x = b` ausdrücken	Ermöglicht Standard-Löser für lineare Systeme
Gesamtstrom	Summierung der Komponentenströme nach der Lösung	Trennung von Berechnung und Zusammensetzung
Zusammensetzung	Division jedes Komponentenstroms durch den Gesamtstrom	Liefert Massen- oder Molenbrüche
Lösbarkeit	Überprüfung der Freiheitsgrade und des Matrixrangs	Bestätigt, ob eine eindeutige Lösung möglich ist
Validierung	Auswertung der Bilanzresiduen und Untersuchung negativer Ströme	Erkennt Modellierungs- oder Datenprobleme
Nichtlineares Verhalten	Verwendung nichtlinearer Löser für Gleichgewichte, Kinetik und Stoffwerte	Entspricht dem vollständigen Prozessmodell

Benötigen Sie ein zuverlässiges Stoffbilanzmodell für Ihr Lehrlabor, Ihre Pilotanlage oder Ihr verfahrenstechnisches Forschungsprojekt? Kontaktieren Sie LABPARK, um Pilotanlagen für die Ausbildung und Berufspraxis in den Bereichen Verfahrenstechnik, Bioprozess- und Biotechnologie sowie Wasseraufbereitung zu besprechen. LABPARK unterstützt Universitäten, Forschungsinstitute und Unternehmen dabei, klarere Schulungs- und Testabläufe mit praktischen Pilotanlagensystemen, komponentenbasierter Modellierungsunterstützung und Ausrüstungen für Laborunterricht, Prozessentwicklung und Scale-up-Studien aufzubauen.