基于动态建模的环氧乙烷脱水及精制装置的绿色能源效率诊断

《Industrial & Engineering Chemistry Research》：Green Energy Efficiency Diagnosis of Ethylene Oxide Dehydration and Refining Unit Based on Dynamic Modeling

乙烯氧化制环氧乙烷工艺面临高能耗、高碳排放及废水排放挑战，传统稳态能效分析方法难以应对动态扰动。本研究提出设备级绿色能效诊断框架，集成动态建模与松弛型网络数据包络分析，实现多维指标（能耗、CO?排放、废水）的精准追踪与优化。实验表明，5℃降温与10%进料增加导致能效分别下降92.35和117.62 kgce，CO?减排达4.99和90.40 kg。

　　

环氧乙烷是一种重要的乙烯衍生物，通过直接氧化乙烯合成。然而，其脱水和精炼过程面临诸多挑战，包括能耗过高、二氧化碳排放量大以及产生大量废水。这些环境和能源效率问题凸显了迫切需要创新性的诊断和优化方法来提升工业过程的可持续性。传统的能源效率分析方法虽然能够有效识别稳态运行中的瓶颈，但在处理进料波动或温度变化等动态过程中的复杂性时却显得力不从心。这些传统方法往往无法提供详细的运行洞察，也无法准确反映在这些条件下的效率变化和环境影响。为克服这些局限性，本研究提出了一种创新的单元设备层次化绿色效率诊断框架，将动态建模与基于松弛度的测量网络数据包络分析模型相结合。这种新方法通过纳入能耗、二氧化碳排放量和废水排放等多维度指标，能够精确追踪动态扰动过程中的效率变化，从而实现从单元到设备层面的全面评估。与传统方法相比，该框架在识别不同运行条件下的优化潜力方面表现出色，为动态工业过程中的节能和减排开辟了新途径。研究结果表明，进料量增加10%或温度降低5°C会显著降低单元效率。通过详细设备级别的诊断发现，T-310是效率低下的关键因素，并具有较大的优化潜力；通过对级联控制进行改进，其液位调节效果显著：在温度降低5°C和进料量增加10%的情况下，分别可节省92.35千克标准煤和117.62千克标准煤的能源；同时，二氧化碳排放量分别减少了4.99千克和90.40千克。