使用基于能量的方法评估PRICO液化过程外文翻译资料

使用基于能量的方法评估PRICO液化过程

1. 简介

天然气的液化是“天然气 - 天然气 - 天然气”整体链条中能源密集度最高，成本最高的部分。同时，液化也有最大的改善潜力。因此，不同的液化天然气生产工艺已经开发出来，并被用于世界许多地方的出口终端。 PRICO工艺是其中之一，也被称为单混合制冷剂（SMR）工艺。这个过程由Black＆Veatch 公司开发，PRICO的工业应用始于1955年，当时它被应用于第一个液化天然气厂。三项美国/国际专利涉及PRICO进程。目前，至少有21家液化天然气工厂使用这一过程，而另外16座工厂处于设计和/或施工阶段。 PRICO工艺流行于LNG调峰机组。在2010年，美国25％的液化天然气工厂使用这一过程。 2012年，世界首个海上液化天然气项目的设计和建造开始。

以下优点与PRICO过程相关 (Roberts等人，2004):

bull;经过验证的过程，实现可靠的性能
bull;相对简单的操作
bull;最低制冷剂库存
bull;减少设备数量
bull;资本成本低和经营成本低
bull;灵活性高
bull;高可靠性
bull;快速启动

没有关于液化过程的许多研究出版物; 然而，PRICO（SMR）过程最近在研究人员中变得非常受欢迎。

2006年，Remeljeja和Hoadley对小型液化天然气厂的四个流程进行了评估。选择PRICO流程作为参考流程。 以简单的方式进行有效能分析，只给出相对数据。 有效能破坏（热力学低效率）分布如下：21％ - 在两个压缩机内，30％ - 在两个冷却器内，46％ - 在热交换器内，3％ - 在节流阀内。 该论文得出结论，SMR工艺在所有研究过程中是压缩机的最低能量消耗，并且这些过程之间的主要区别是由膨胀机驱动的压缩机的效率差异引起的。

Jensen和Skogestad，2009年讨论了可用于PRICO工艺的混合制冷剂的八种组成; 报道了混合制冷剂的性能对PRICO工艺的主要特性的影响。 作者证明，增加混合制冷剂中的氮浓度导致所有热交换器的传热特性得到改善。

Aspel等人，2010年报道了将无梯度优化仿真方法应用于模拟器Aspen HYSYS的过程.PICIC过程被选为优化的学术示例，原因有两个：首先这个过程是 简单的液化天然气工艺具有七个独立变量（由作者选定）。 该数量对于优化程序来说太大了，但足够小以通过优化仿真工具进行优化。 第二个原因是可以通过调查冷热复合曲线来验证结果。 本文着重于获得混合制冷剂的最佳浓度所需的迭代次数。

Mokarizadeh Haghighi Shirazi和Mowla（2010）讨论了SMR概念的仿真和MATLAB中使用的属性来生成目标函数。 遗传算法被用于优化。 该过程的能耗最小化。 取决于制冷剂的浓度，比能耗可以从1485 kJ / kgLNG降低到1186.6 kJ / kgLNG，或从1126.7 kJ / kgLNG降低到1092.4 kJ / kgLNG。 较小的价值取自李，2001（作为参考出版物）。 作者还应用了一个有效能分析，以计算组件内的有效能破坏的值：31％ - 在两个压缩机内，33％ - 在两个冷却器内，27％ - 在热交换器内，9％ - 在 节流阀。

2011年，Hiemann对PRICO流程进行了详细的有效能分析。 在这里，考虑到将物理能量分解成热和机械部件，已经使用“产品的燃料/能源的能量”方法。 Marmolejo-Correa和Gundersen，2012选择了PRICO过程作为一个学术实例，以证明在有效能分析中使用不同方法的效果（“入口能量/出口能量”与“产品燃料/能源的能量”以及分裂 物理热能进入热和机械部件）获得的结果。 作者假设操作条件，而不一定参考实际植物。

Xu等人，2013年报道了作为热交换器的入口温度（263.15K至313.15K）的制冷剂浓度的优化结果。为了优化，已经使用了与过程仿真软件Aspen Plus相结合的遗传算法。结果表明，当环境温度升高时，甲烷，乙烯和丙烷的浓度应降低，异戊烷浓度增加。以这种方式，总体效率可以从30％（由作者计算的制冷剂的商业浓度计算）提高到39.6-42.3％。在本文中，激发效率是COP和“相关因子”的函数。在后续论文（Xu et al。，2013）中，研究了混合制冷剂内每种工作液体浓度的影响，为了最小化比功率消耗（达到1003.6 kJ / kgLNG的值），即最大限度地提高COP和高效率的价值。与其他出版物中报告的结果相比，COP = 0.782的报告值惊人地高;然而，COP的定义没有给出。精炼效率被计算为43.9％，这在PRICO过程的其他可用数据的范围内。部件内的能量损失分布如下：36％ - 两台压缩机内部，27％ - 在两个冷却器内，26％ - 在热交换器内，11％ - 在节流阀内。

顺序二次规划也适用于PRICO过程的优化（Morin A.等，2011）。研究侧重于优化方法。关于液化过程本身的优化结果，对于两种研究案例进行了简要的讨论，其中混合制冷剂有和没有戊烷。通过精力优化，具体能源供应量下降3.12％。再次，Wahl等人报告了PRICO工艺的相同优化程序。混合制冷剂的最佳组成是天然气（所谓的“稀薄天然气”和“富含天然气”）的组成的函数， 。还讨论了多流量热交换器的传热特性。作者的主要目的是在Aspelund等人，2010年要求12小时的优化程序中，在短时间内（5分钟）内获得优化结果

Castillo和Dorao，2012年，讨论了与LNG工艺有关的经济问题。 他们报告了PRICO过程中使用决策（使用遗传算法二进制编码和Nash-GA）的应用。 液化天然气市场也在优化PRICO过程中实施。 仅报告相对经济数据，例如，多流量热交换器的成本约占总投资成本的10-15％，与压缩过程相关的成本始终是优化中使用的所有方法的主要因素 。

Khan等人，2012从能量的角度讨论了用于SMR工艺的混合制冷剂的最佳组成，即通过压缩过程的能量消耗的最小化（从1600到1528kJ / kgLNG）。 多流量热交换器中的对数平均温差为7.8K。在UniSim设计模拟器中对SMR过程进行了建模，该模型通过非线性规划进行了优化。 将有效能分析纳入到描述的优化方法中（Khan等，2013），并对更复杂的混合制冷剂过程进行了优化。

Heldt，2011开发和测试了控制策略的数学模型，以便SMR流程在最佳条件下运行。 基于工业实验数据，高度重视多流量热交换器的建模。

PRICO（SMR）过程评估的文献回顾表明，主要利用不同的数学优化方法和相应的算法对能量优化进行了讨论。 有时，所选择的优化方法及其改进/鲁棒性对于作者来说更重要的是获得的结果与PRICO过程相关。 优化的目标函数主要是混合制冷剂的组成。 经济分析对于PRICO液化过程的评估并不常见，环境问题尚未讨论。

本文的目的是从混合制冷剂的给定组合的快速，经济和环境观点来评估PRICO过程，以帮助制定设计和运行这种设备的最佳策略。

2. 基于能量的理论

能量被定义为可从能量转换系统获得的最大理论有用的工作（轴工作或电气工作），因为它与热力学环境进行热力学平衡，同时只与这种环境相互作用（Tsatsaronis，2007）。

热力学分析确定了热力学低效率的位置，大小和原因，这是有效能破坏（由于每个系统组件内的不可逆性）和有效能损失（能量转移到环境）。 在一个激动人心的分析中，我们计算出与整个系统中的每个能量载体（流）相关联的能量，每个系统组件和过程中的能量损耗以及每个过程，组件或系统的高效率（例如， Bejan等人，1996）。

现代快速分析使用近30年前推出的燃料和产品概念（Tsatsaronis，1984），由Lazzaretto和Tsatsaronis概述2006年：产品的能量是系统实现的理想效果（以有火用量表示） 第k个分量），而燃料的能量代表消耗的能量，以产生产品的能量。 这些概念在所有基于能量的分析（Bejan等人，1996，Lazzaretto和Tsatsaronis，2006，Meyer等人，2009和Tsatsaronis和Morosuk，2012）中以一致的方式使用，其包括经济学和exergo环境分析。

整体系统的能量平衡（下标tot）为

方程(1)

E˙F,tot=E˙P,tot sum;kE˙D,k E˙L,tot

对于第k个分量（下标k）

等式2)

E˙F,k=E˙P,k E˙D,k

其中EF，EP，ED和EL分别是燃料，产品，破坏和损失的燃烧效率。

用于系统中第k个组件的常规快速评估的变量包括以下内容：

bull;根据有效能平衡计算出的能源销毁率
bull;高效率

方程(3)

εk=E˙P,kE˙F,k=1minus;E˙D,kE˙F,k

bull;能源销毁率

方程(4)

yk=E˙D,kE˙F,tot

Exergoeconomic分析（例如，Bejan等，1996和Lazzaretto和Tsatsaronis，2006）是在组件级别进行的有效能分析和成本分析的独特组合，为能源转换系统的设计者或运营商提供了至关重要的信息 设计或运行一个具有成本效益的系统。 任何其他方法都无法提供相同的信息。 完整的经济学分析包括（a）快速分析，（b）经济分析和（c）经济学评估。

能量转换系统的经济学模型包括为第k个分量编写的成本平衡和基于所谓的F和P规则的辅助方程（Bejan等，1996和Lazzaretto和Tsatsaronis，2006）。 成本平衡可以写成

方程(5a)

C˙P,k=C˙F,k Z˙k

或

方程(5b)

cP,kE˙P,k=cF,kE˙F,k Z˙k

当

方程(6)

Z˙k=Z˙kCI Z˙kOM

这里C˙P，k和C˙F，k分别是与产品和燃料的有效能相关的成本率; cP，k和cF，k分别是与产品和燃料的有效能相关联的每单位有效能的具体成本; Z˙k是代表资本投资成本Z·kCI和运营维护费用Z·kOM之和的成本率。

与第k个组分中的能源破坏相关的成本率是

方程(7)

C˙D,k=cF,k·E˙D,k

并为整个系统

方程(8)

C˙D,tot=cF,tot·sum;E˙D,k

经济学评估基于以下变量：C·D，k，Z·k，总和（C·D，k Z·k），相对成本差rk和超能量因子fk

方程(9)

rk=cP,kminus;cF,kcF,k=1minus;εkεk Z˙kcF,kE˙P,k

方程(10)

fk=Z˙kZ˙k C˙D,k

在超环境分析（Meyer等人，2009年）中，生命周期评估（LCA）获得的环境影响分配给有效能流和有效能破坏流，从而识别具有最高环境影响和可能改进的系统组件 与这些组件。 最后，计算了环境变量，并进行了环境评价。

生命周期评估是评估与其产品在其生命周期中相关的环境方面的技术。 LCA过程包括目标定义和范围界定（定义正在考虑的系统），库存分析（识别和量化材料的消耗和释放）和解释（评估结果）。 最近推出的任何指标（环境指标）都可用于LCA，例如生态指标99（Goedkoop和Spriensma，2000）。

能量转换系统的环境模型由基于F和P规则的第k个分量和辅助方程式编写的环境影响平衡组成。 环境影响余额可以写成

方程(11a)

B˙P,k=B˙F,k (Y˙k B˙kPF)

或

方程(11b)

bP,kE˙P,k=bF,kE˙F,k (Y˙k B˙kPF)

这里B˙P，k和B˙F，k分别是与产品和燃料的有效能相关的环境影响率; cP，k和cF，k分别是与产品和燃料的有效能相关联的每单位有效能的具体环境影响; 建设，Y˙kCO，运行维护，Y˙kOM和处置， Y˙kDI构成与第k个成分相关的与元件相关的环境影响 Y˙k：

方程(12)

Y˙k=Y˙kCO Y˙kOM Y˙kDI

为了简化讨论，我们假设Y˙k的值主要与Y˙kCO有关

为了考虑第k个成分内的污染物形成，使用变量B˙kPF（Boyano等，2012）。 当过程中没有形成污染物时，即无压缩，膨胀，传热等化学反应的过程，B˙kPF 为零。
与第k个分量B˙D,k 中的能量破坏相关的环境影响由下式给出

方程(13)

B˙D,k=bF,kE˙D,k

并在整个系统内equation(14)

B˙D,tot=bF,tot·sum;E˙D,k

从形成环境影响的角度来确定最重要的组成部分，总结环境影响（Y·k B·kPF B·D，k）与两个其他变量一起使用，与经济学分析类似，即相对差异

方程(15)

rb,k=bP,kminus;bF,kbF,k

和环境因素

方程(16)

fb,k=Y˙kY˙k B˙kPF B˙D,k

然而，将超环境分析应用于不同的能量转换过程（例如，Meyer等人，2009，Boyano等人，2011，Boyano等人，2012，Tsatsaronis和Morosuk，

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[140186]，资料为PDF文档或Word文档，PDF文档可免费转换为Word