基于Aspen Hysys模拟100万m3/d的液化厂二级氮膨胀液化工艺

袁杨,杨硕,曲增民

(1.上海液化天然气有限责任公司,上海 200000;2.中石油天然气销售山东分公司,山东 济南 250000;3.东营市东营区住房和城乡建设局,山东 东营 257100)

天然气通过冷却到-162 ℃转化为液化天然气,在这个温度下天然气变成液体,使天然气体积减小了600多倍[1]。LNG作为一种常压下的透明、无味、无毒、无腐蚀性的低温液体,比传统石油、煤炭的碳排放量少, LNG作为一种清洁能源成为响应双碳战略重要选择,将逐渐取代煤炭成为最具发展前景的能源和化工原料[2]。现有的低温气体工业可以在LNG领域适当地多样化,因为它们在低温液体处理和储存方面的历史知识深度和专业知识广度。此外,新的安全措施的实施、液化天然气需求的增加和液化天然气技术的发展将推动液化天然气成为一种全球有前景的燃料替代品。

LNG调峰设施作为调峰负荷或补充冬季燃料供应的天然气液化装置[3-4],在匹配峰荷和增加供气的可靠性方面发挥着重要的作用,不仅可以提高输气管网的经济性,而且对城市供气系统有可靠的保障性。

1 天然气液化工艺流程

近期LNG工业快速增长再次刺激了LNG工艺的技术发展,使得一些传统的LNG生产工艺得到了关注[5]。天然气液化厂液化主要包括丙烷/混合制冷工艺、复迭式制冷工艺、双混合制冷工艺、单混合制冷工艺和带预冷的氮气膨胀工艺。

1.1 各种液化工艺流程的比较分析

级联式液化流程在所有液化工艺流程中能耗最低,因此以级联式液化流程为基础,各种液化工艺和级联式液化流程的能耗比值见表1所示。

可以看出,单级膨胀机液化流程的能耗最高,是级联式液化流程能耗的2倍。各种液化方案综合性能比较如表2所示。

表2 各种液化方案综合性能比较

不同的天然气液化流程具有不同工艺特点及工艺适应性,调峰型天然气液化厂液化工艺的选择将直接影响系统运行的经济性。本设计中天然气设计处理量100万m3/d,处理规模较小,考虑液化厂占地面积小、液化流程简单、设备数量少会相对节约成本,故选用二级氮气膨胀制冷循环作为调峰型液化厂的制冷工艺。

1.2 二级氮膨胀液化流程

Aspen hysys静态模拟基础条件:

1)预处理后的天然气的物质的量分数:CH487.04%、C2H62.10%、C3H83.37%、C4H104.16%、CO22.08%、N21.25%,压力为5 000 kPa,温度为30 ℃,流量100万m3/d;

2)液化天然气的储存压力为120 kPa;

3)状态方程使用PR方程;

4)压缩机等熵效率为0.7;

5)水冷器的压降为10 kPa;

6)忽略系统热损失。

二级氮膨胀液化流程又名双级氮膨胀液化流程,如图1所示,包括天然气液化循环和N2膨胀液化循环两部分。

天然气液化循环[6],预处理后的天然气,经过三个LNG换热器逐级冷却后,温度降到-156 ℃,再经节流降温后,温度降到-160.2 ℃后进入LNG闪蒸罐。

在N2膨胀液化循环中,经过压缩机压缩后的高压氮气经水冷后,进入LNG换热器1冷却降温后分流,一部分氮气进入氮气膨胀机1膨胀降温后为LNG换热器2提供冷量,另一股氮气继续经LNG换热器2冷却降温后,进入氮气膨胀机2膨胀降温后为LNG换热器1、2、3提供冷量。经过换热器换完热的低压氮气接着进入氮气压缩机压缩增压,继续下一轮的氮膨胀循环。

图1 二级氮膨胀液化流程

2 基于遗传算法对液化流程的优化

2.1 遗传算法介绍

遗传算法实质是通过种群搜索技术,根据适者生存的原则逐代进化最终得到最优解或准最优解。遗传算法易于同其他技术混合的特点,而天然气液化工艺参数优化过程是一个具有许多局部最优的高度非线性问题。结合遗传算法的特点及天然气液化工艺参数优化问题的分析,遗传算法对于天然气液化流程的优化具有很强的适应性及优势。

遗传算法的主要步骤:

1)产生初代群体;

2)给出个体的适应度;

3)选择优良个体;

4)优良个体两两配对,随即交叉并变异后产生下一代群体;

5)逐代进化直到满足最优解或终止条件。

遗传算法的实现方法:

1)根据具体问题确定可行解域(即优化变量的上下限);

2)给出适应度函数,求解出适应度函数最优值;

3)给出惩罚函数,淘汰不良个体;

4)确定进化参数,种群规模、交叉概率、变异概率、进化终止条件。

基于MATLAB工具箱中的遗传算法和Aspen hysys对天然气液化流程进行优化的程序框图如图2所示[7-8]。

图2 基于遗传算法和Aspen hysys天然气液化流程优化程序框图

2.2 流程的优化

二级氮膨胀液化流程中以最小比功耗为适应度函数,并考虑天然气液化率的变化情况,优化模型的适应度函数表达式如下式所示:

式中:W1——氮气压缩机1的功耗,kW;

W2——氮气压缩机2的功耗,kW;

W3——氮气膨胀机1的膨胀功,kW;

W4——氮气膨胀机2的膨胀功,kW;

QLNG——液化天然气在标况下的流量,Nm3/h。

约束条件:

1)换热器1的最小换热温差ΔTmin,1≥3 ℃;

2)换热器2的最小换热温差ΔTmin,2≥3 ℃;

3)换热器3的最小换热温差ΔTmin,3≥3 ℃。

优化变量:

X1:氮气压缩机2的出口压力Pn16,kPa;

X2:氮气压缩机1的进口压力Pn13,kPa;

X3:制冷剂氮气的摩尔流量Qn1,kmol/s;

X4:比例分流器的比例Ft-1;

X5:节点n3的温度Tn3,℃;

X6:节点n6的温度Tn6,℃;

X7:节点3的温度T3,℃;

X8:节点4的温度T4,℃;

X9:节点5的温度T5,℃。

惩罚函数:

P(x)=f(x)×(1-eq(x))

q(x)=max[(3-ΔTmin,1),(3-ΔTmin,2),(3-ΔTmin,3)]

进化参数:

1)种群规模:200;

2)交叉概率:0.8;

3)变异概率:0.1;

4)迁移比例:0.2;

5)终止条件:繁衍200代或适应度函数值收敛。

优化变量的上下限:

下限:[230.1300.2.0.-60.-130,-60,-130,-160];

上限:[800.3500.6.1.15.-70.15,-70,-150]。

通过将MATLAB与Aspen hysys连接,使用MATLAB工具箱中的遗传算法对Aspen hysys中的二级氮膨胀液化流程进行优化。

经遗传算法计算130代后,得到的最优值及对应的流程参数见表3。比功耗遗传优化过程如图3所示。该流程优化前比功耗0.704 1,液化率为0.951 5,优化后比功耗0.540 3,液化率为0.951 5,优化前后比功耗降低28.37%。流程中换热器最小换热温差参数见表4。

图3 二级氮膨胀液化流程比功耗优化图表3 比功耗最优值及对应的流程参数值

比功耗最优值/(kWh·m)Pn16/kPaPn13/kPaQn1/(kmol·s-1)Ft-1Tn3/℃Tn6/℃T3/℃T4/℃T5/℃0.540 33 3756804.6300.625-18-102.3-3.78-102.3-151.90.704 14 9601804.70.5-10.6-96.0-29-122.6-156

表4 换热器最小换热温差参数表

3 结论

针对100万m3/d调峰型天然气液化厂,采用二级氮膨胀液化工艺对天然气进行液化,以压缩机的功耗作为目标函数,选取压缩机的进出口压力、制冷剂的流量和换热器的出口温度作为优化变量,采用遗传算法对工艺流程进行优化,经过130次迭代,模拟计算出优化变量最优值,流程优化前比功耗0.704 1,液化率为0.951 5,优化后比功耗0.540 3,液化率为0.951 5,优化前后比功耗降低28.37%,对天然气液化厂制冷工艺参数的选择具有借鉴意义。