基于严格与代理模型的MAF-66真空变压吸附脱除烟气中CO2/SO2多目标优化设计研究

本综述系统探讨了利用MAF-66吸附剂通过真空变压吸附（VSA）技术高效脱除烟气中CO2与SO2的多目标优化策略，结合严格数学模型与人工神经网络（ANN）代理模型，实现了工业级规模的过程设计与能耗优化，为酸性气体捕获提供了创新性解决方案。

　　

Section snippets

Methodology

本研究开发了一套全面的VSA模型，并明确了关键模型参数。随后展示了用于穿透曲线实验的动态装置，根据工业规模计算了吸附床尺寸，最后采用NSGA-II方法进行多目标优化，并详细说明了前馈神经网络的构建及其输入输出参数。

Adsorption experiments

为全面评估吸附剂性能，需在平衡与动态条件下进行测量。平衡等温线研究用于确定系统达到平衡后不同浓度下的最大吸附容量，而穿透曲线实验则用于解析吸附剂的动力学行为。

Conclusion

本研究设计、模拟并优化了规模最大的双床VSA单元（床高7.3?m，直径3.65?m），使用MAF-66吸附剂纯化流量为185 kmol/h、含5000?ppm SO₂与15% CO₂的烟气。通过NSGA-II多目标优化方法评估了三种不同策略，以获取最优操作条件，并根据工业需求灵活调整工艺目标。