《South African Journal of Chemical Engineering》：Sustainable design of MDEA-PZ-Sulfolane gas sweetening: A multi-objective optimization for technical, energy, and environmental sustainability
编辑推荐：
从天然气中高效去除CO?和H?S对于满足产品规格、防止腐蚀以及确保气体处理设施的可靠运行至关重要。然而，在多个操作变量下同时实现产品质量目标并最小化总过程能耗（TPE）、胺损失（AL）和烃损失（HCL）的问题尚未得到充分解决。在本工作中，研究人员开发了一个经过
从天然气中高效去除CO?和H?S对于满足产品规格、防止腐蚀以及确保气体处理设施的可靠运行至关重要。然而，在多个操作变量下同时实现产品质量目标并最小化总过程能耗（TPE）、胺损失（AL）和烃损失（HCL）的问题尚未得到充分解决。在本工作中，研究人员开发了一个经过验证的基于过程的计算框架，用于对包含甲基二乙醇胺（MDEA）、哌嗪（PZ）和环丁砜的三溶剂气体脱硫系统进行建模、筛选和优化。首先建立了一个详细的稳态模拟模型，并针对工业数据进行了验证，平均绝对误差约为6%，证实了其适用于预测和优化研究。首次将大因子统计筛选方法应用于三溶剂气体脱硫过程中，同时评估了13个操作变量，从而有效降低了复杂操作空间。研究人员针对13个操作变量对性能指标（处理气中CO?和H?S浓度、AL、HCL和TPE）进行了评估。采用Plackett-Burman设计（PBD）识别出最具影响力的变量，将变量数从13个减少到9个。随后使用中心复合设计（CCD）和方差分析（ANOVA）对这些关键因子进行进一步分析和优化，得到了R2值高于0.97的预测关联式。优化后的操作条件使比再沸器负荷降低了约14%，同时将处理气中CO?摩尔分数从0.02降至0.00001。同时，H?S、胺和烃损失分别保持在约9 ppm、0.9 kg·h-1和128.36 kg·h-1的低水平。这些发现表明，所提出的框架结合有效的溶剂体系，可以同时提高产品质量、降低能源需求并改善过程稳定性。总体而言，所提出的方法为气体脱硫过程的高级优化提供了一种经过验证且可扩展的途径，为天然气处理系统中的工艺设计、操作控制和溶剂选择提供了实用指导。
**论文解读：MDEA-PZ-环丁砜气体脱硫过程的可持续多目标优化**
**研究背景、问题与意义**
天然气作为重要的能源和化工原料，其净化过程中酸性气体（主要是H?S和CO?）的脱除至关重要。CO?加剧全球变暖，H?S则剧毒且具腐蚀性，因此高效脱除不仅是环保要求，也是保障设备安全运行的前提。然而，传统气体脱硫面临两大挑战：一是再生段能耗极高，导致总过程能耗（TPE）居高不下；二是胺损失（AL）和烃损失（HCL）影响经济性和环境可持续性。现有研究多聚焦于单一或少数变量（如CO?溶解度或吸收负荷），缺乏同时考虑H?S、AL、HCL及TPE等多目标、多变量交互作用的系统优化。特别是对于三溶剂（甲基二乙醇胺（MDEA）、哌嗪（PZ）和环丁砜）体系，尚无研究在大因子框架下全面评估其操作变量对五项关键指标的影响。为此，本研究首次将大因子筛选方法（Plackett-Burman设计）与响应面法（RSM）结合，旨在建立一个可扩展的优化框架，同时提升产品质量、降低能耗并减少溶剂及烃损失。该论文发表在《South African Journal of Chemical Engineering》上。
**主要关键技术方法**
研究人员采用Aspen-HYSYS V15.0软件建立稳态模拟模型，基于阿根廷Aguaragüe天然气厂的实际工业数据（包括进料气组成、操作条件等）进行验证，平均相对误差约6%，确认模型可靠性。随后，利用Plackett-Burman设计（PBD）对13个操作变量（进料温度、进料压力、吸收塔压力、吸收塔板数、贫胺温度、环丁砜浓度、MDEA浓度、PZ浓度、胺液流量、再生塔入口温度、再生塔入口压力、再生塔压力和再生塔板数）进行筛选，识别出p值<0.001的9个高度显著因子。接着，采用中心复合设计（CCD）结合方差分析（ANOVA）建立二次多项式回归模型，分别对CO?含量、H?S含量、AL、HCL和TPE五个响应变量进行建模，所有模型R2均大于0.97。最后，基于这些模型实施多目标优化，确定最优操作条件。
**研究结果**
**1. 筛选阶段（PBD结果）**
通过PBD分析，各响应变量的重要因子排序如下：
- **CO?脱除**：PZ浓度、吸收塔板数、吸收塔压力、再生塔压力（按重要性降序）。
- **H?S脱除**：贫胺温度、再生塔压力、胺液流量、再生塔入口温度。
- **胺损失（AL）**：贫胺温度、MDEA浓度、PZ浓度、再生塔压力。
- **烃损失（HCL）**：胺液流量、吸收塔压力、贫胺温度、MDEA浓度。
- **能耗（TPE）**：进料温度、贫胺温度、胺液流量、再生塔压力、MDEA浓度等几乎所有因子均显著。
**2. 建模与交互效应（CCD结果）**
- **CO?含量**：CCD模型（R2=0.97）显示，PZ浓度、吸收塔板数和贫胺温度是最显著因子。交互效应分析表明，再生塔压力与贫胺温度、贫胺温度与PZ浓度、再生塔压力与胺液流量、吸收塔板数与胺液流量存在强交互作用。
- **H?S含量**：CCD模型（R2=0.97）指出，再生塔压力、贫胺温度和胺液流量是关键因子。交互效应中，再生塔压力与贫胺温度、胺液流量与吸收塔板数、贫胺温度与再生塔入口温度、吸收塔板数与吸收塔压力影响显著。
- **胺损失（AL）**：CCD模型（R2=0.99）表明，贫胺温度、MDEA浓度和PZ浓度贡献最大。交互效应以贫胺温度与PZ浓度、PZ浓度与再生塔压力、贫胺温度与吸收塔压力、MDEA浓度与贫胺温度最为突出。
- **烃损失（HCL）**：CCD模型（R2=0.99）中，胺液流量、吸收塔压力和贫胺温度是主要因子。交互效应以贫胺温度与胺液流量、吸收塔压力与胺液流量、贫胺温度与吸收塔板数、吸收塔压力与吸收塔板数最强。
- **能耗（TPE）**：CCD模型（R2=0.99）显示，贫胺温度、进料温度和胺液流量影响最大。交互效应中，胺液流量与再生塔压力、再生塔入口温度与再生塔压力的组合效应显著。
**3. 多目标优化结果**
在最优条件下（进料温度19°C，吸收塔压力2100 kPa，吸收塔板数19，贫胺温度67.73°C，MDEA浓度32.1 wt.%，PZ浓度3.61 wt.%，再生塔入口温度109.02°C，再生塔压力200 kPa，胺液流量352 m3/h），处理气中CO?摩尔分数降至0.00001，H?S含量降至9 ppm，AL为0.9 kg/h，HCL为128.36 kg/h，TPE为28.61 MW。与基础工业案例相比，比再沸器负荷降低了约14%（从195.042 MJ/m3降至168.0 MJ/m3）。烃回收率高达99.8%。
**总结讨论与结论**
**讨论部分**：研究人员详细分析了各操作变量对五个响应目标的单一及交互影响，指出PBD和CCD结合的方法能有效处理高维操作空间，并揭示了如再生压力与贫胺温度对CO?和H?S脱除的协同/拮抗作用。这些交互效应此前少有报道，为工业操作提供了新的调控依据。
**结论翻译**：在本研究中，研究人员使用MDEA-PZ-环丁砜溶剂，研究了13个独立因子对气体脱硫过程中五个目标变量的影响。除优化结果外，本研究还证明了将大因子筛选方法应用于工业脱硫系统的可行性和价值。与通常仅考察有限变量集的先前工作不同，本方法成功同时评估了13个操作因子。首先进行了验证研究，平均相对误差约6%。13个独立因子包括：进料温度、进料压力、吸收塔压力、吸收塔板数、贫胺温度、环丁砜浓度、MDEA浓度、PZ浓度、胺液流量、再生塔入口温度、再生塔入口压力、再生塔压力和再生塔板数。响应因子为处理气中CO?和H?S含量，以及AL、HCL和TPE。鉴于13个因子间复杂的交互作用，采用PBD筛选方法识别p值小于0.001的因子，然后使用CCD进行进一步分析。建立了五个全面且高度准确的函数关系，随后进行了优化，旨在用九个独立变量最小化六个目标因子。这一方法学进展可推广至其他面临高维操作挑战的天然气处理设施。关键结果总结如下：
1. 本研究结果显示了比再沸器负荷约降低14%，同时处理气中CO?浓度显著下降。此外，H?S排放降至仅9 ppm，同时胺和烃损失被最小化。
2. 对于CO?，根据ANOVA，重要因子及其重要性顺序为：PZ浓度、吸收塔板数、贫胺温度、胺液流量、再生塔压力、吸收塔压力和再生塔入口温度。RSM关联式准确度很高（R2=0.97）。此外，贫胺温度/胺液流量因子和贫胺温度/PZ浓度表现出高度显著的交互作用。
3. 对于H?S，根据ANOVA，重要因子及其重要性顺序为：再生塔压力、贫胺温度、胺液流量、再生塔入口温度、PZ浓度、吸收塔板数、进料温度和吸收塔压力。RSM关联式准确度很高（R2=0.97）。此外，贫胺温度/再生塔压力和吸收塔板数/胺液流量表现出较大的交互作用。
4. 对于AL，根据ANOVA，重要因子及其重要性顺序为：贫胺温度、MDEA浓度、PZ浓度、胺液流量、再生塔压力、再生塔入口温度、吸收塔压力和进料温度。RSM关联式准确度很高（R2=0.99）。此外，贫胺温度/PZ浓度和PZ浓度/再生塔压力表现出较大的交互作用。
5. 对于HCL，根据ANOVA，重要因子及其重要性顺序为：胺液流量、吸收塔压力、贫胺温度、进料温度、吸收塔板数和再生塔入口温度。RSM关联式准确度很高（R2=0.99）。此外，贫胺温度/胺液流量和吸收塔压力/胺液流量是高度交互的项。
6. 对于TPE，根据ANOVA，重要因子及其重要性顺序为：贫胺温度、进料温度、胺液流量、再生塔压力、再生塔入口温度、吸收塔压力和PZ浓度。RSM关联式准确度很高（R2=0.99）。此外，胺液流量/再生塔压力和再生塔入口温度/再生塔压力是最具交互作用的因子。
7. 目标因子的优化值为：处理气中CO?：0.00001（摩尔分数），H?S：9 ppm，AL：0.9 kg/h，HCL：128.36 kg/h，TPE：28.61 MW。这些结果展示了卓越的过程性能，代表了工业气体脱硫过程文献中报道的最低酸性气体含量和能量需求之一。
8. 优化条件下的独立因子配置为：进料温度：19°C，吸收塔压力：2100 kPa，吸收塔板数：19，贫胺温度：67.73°C，MDEA浓度：32.10 wt.%，PZ浓度：3.61 wt.%，再生塔入口温度：109.02°C，再生塔压力：200 kPa，最小化胺液流量为352 m3/h。
可见，本研究采用了一种混合模拟-PBD-CCD方法，以识别影响气体脱硫过程中五个最关键目标的13个独立变量中的高影响因子。建立了五个精确的关联式，并应用了多目标优化程序进行工厂优化。该程序在本研究中首次使用，可应用于任何气体脱硫过程以及任何化工厂的优化，而无需限制独立因子和目标的数量，同时保持高精度。
