Escolar Documentos
Profissional Documentos
Cultura Documentos
net/publication/303565293
CITATIONS READS
0 165
3 authors:
Elisa Verruschi
Universidad Nacional Experimental Politécnica Antonio José de Sucre, UNEXPO, Bar…
25 PUBLICATIONS 18 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
"Characterization of the feed and product streams, and optimization of the chemical reactors in the hydrotreating process of diesel" View project
All content following this page was uploaded by Marlyn Dayana Cuadrado Guevara on 27 May 2016.
Resumen
Las regulaciones establecidas en los últimos años sobre el contenido de azufre en el gasóleo,
motivó al estudio a nivel de diseño y distribución de catalizadores, en el reactor de hidro-
tratamiento de destilados medios, mediante la formulación de un modelo determinı́stico de
Programación No Lineal Entera Mixta. La solución del modelo mostró una configuración óptima
de lechos catalı́ticos por cada objetivo a cumplir. Sin embargo, la posibilidad de satisfacer los
objetivos de manera simultánea impulsó a definir un modelo de Optimización Multiobjetivo
donde se minimiza el costo del diseño del reactor, la cantidad de aromáticos azufrados y la
cantidad de monoaromáticos y se maximiza la producción de naftenos. Para la obtención de
soluciones no dominadas se utilizó el método de ε-restricciones aumentado implementado en
GAMS, las cuales representan soluciones del frente de pareto y configuraciones óptimas del
diseño y configuración del lecho catalı́tico del reactor, donde el tomador de decisiones puede
escoger entre alguna de ellas, tomando en cuenta sus necesidades.
Palabras Claves: Catalizadores, Reactor de Hidrotratamiento, Programación No Lineal Entera
Mixta, Optimización Multiobjetivo, Método de ε-restricciones aumentado.
Abstract
The regulations established in recent years about sulfur content in diesel, motivated studyng
catalyzers in middle distillate hidrotreating reactors, in terms of design and distribution, by
developing a deterministic Mixed Integer Nonlinear Programming model. An optimal configura-
tion of catalyzer’s bed for each objective to be met was obtained with this model. However the
posibility of satisfying the objectives simultaneously leads us to define a multiobjective model
which minimizes the cost of reactor design, the amount of aromatic sulfur and the amount
of monoaromatic; and maximizing the production of nafthenes. In order to obtain efficient
solutions, the ε Augmented Constraints method inplemented in GAMS was used, leading us to
Pareto optimal solutions, which represent optimal configurations about design and catalytic
bed, from where the desition maker can choose any of them, taking into account their inmediate
needs.
Keywords: Catalyzers, Hydrotreating reactor, Mixed Integer Nonlinear Programming, aug-
mented ε- constraints method.
1
Distribución de catalizadores vı́a optimizacion multiobjetivo Marlyn Cuadrado y col
k−1
Figura 1. Espacio objetivo y frente de Pareto Max. f1 (x) − δ ∑ sj
j=1
sean no dominadas sólo si las k − 1 restricciones aso- {(i, j) ∈ S1 : S1 ⊆ C ×Ue }. Corrientes que en-
ciadas a las funciones objetivo son activas. Con el fin tran a los lechos catalı́ticos de las unidades y
de superar esta ambiguedad AUGMECON transfor- cambian por moles.
ma las restricciones de funciones objetivos a igualdad CsU = {(i, j) ∈ S2 : S2 ⊆ Cs ×Us }. Corrientes
por incorporación explı́cita de variables de holgura. que salen a los lechos catalı́ticos de las unida-
Al mismo tiempo, la suma de estas variables son des y cambian por moles.
usadas como un segundo término (con menos priori-
dad) en la función objetivo forzando al programa a Parámetros:
producir solo soluciones no dominadas. Fkok = Flujo molar inicial del compuesto
Una implementación de este método, k(kmol/h).
desarrollada en GAMS, está disponible en PMkk = Pesos molares del compuesto
(http://www.gams.com/modlib/libhtml/epscm.htm). k(kg/kmol).
KAt = Constante de absorción de tipo de cata-
3. Desarrollo de la Investigación lizador t.
Temn = Temperatura mı́nima del sistema.
Modelo de Distribución de Catalizadores Temx = Temperatura máxima del sistema.
El modelo de programación matemática, defini- vlo = Cota inferior para la velocidad (m/h).
do por Verruschi, E. (2008), permite obtener una vup = Cota superior para la velocidad (m/h).
configuración óptima de dos tipos de lechos catalı́ti- Taolo = Cota inferior del tiempo espacial (h).
cos en un reactor de flujo pistón, modelado como N Taoup = Cota superior del tiempo espacial (h).
reactores mezcla completa en serie para un modo de LD = Relación entre la longitud y el diámetro
operación. El sistema reactivo contempla reacciones (L/D).
series-paralelas. La superestructura consta de N uni- Lmax = Longitud máxima del reactor (m).
dades, representadas en el modelo por dos conjuntos Lmin = Longitud mı́nima del reactor (m).
de variables discretas, las cuales entran en la cate- NR = Número máximo de reactores.
gorı́a de variables binarias. El primer grupo permite Kort = Parámetro cinético de la reacción quı́mi-
decidir la existencia de la unidad, y el segundo grupo, ca r por tipo de catalizador t.
permite decidir la selección de un tipo de cataliza- EaRrt = Parámetro cinético de la reacción
dor por unidad. Esto genera como resultado la mejor quı́mica r por tipo de catalizador t.
combinación de catalizadores y el tamaño del equipo. Gamaokrt = Parámetro estequiométrico del
Este tipo de modelo cae en la categorı́a de MINLP. compuesto k de cada reacción quı́mica r por
El modelo matemático para la distribución de tipo de catalizador t.
catalizadores en el reactor de hidrotratamiento de Ct = Costo del tanque que forma el reactor
destilados medios, es el siguiente: ($/m3).
Ct = Costo del catalizador t($/m3).
Conjuntos: AMR = Amortización del reactor.
C = {Fi ∀i = 1, · · · , 8.} Tipos de Corrientes. AMC = Amortización del catalizador.
Cs = {Fi ∀i = 1, · · · , 8.} Tipos de Corrientes de CH2 =Costo del Hidrógeno ($/MSCF).
salida del sistema. (Cs = C)
K = {DIBZT HIO, H2,CHXBNZ, Variables de decisión:
BIPHENY L, H2S, BICHXL, PARAF}. Com- Rkcukrt = Cantidad de moles transformados
puestos. en la unidad u por cada compuesto k por la
U = {Ri ∀i = 0, · · · , 7.}. Unidades del sistema. reacción quı́mica r por tipo de catalizador
Ue = {Ri ∀i = 0, · · · , 7.}. Unidades de entrada t(kmol/h).
del sistema. (Ue = U) Rkuk = Cantidad de moles separados en unidad
Us = {Ri ∀i = 0, · · · , 7.}. Unidades de salida u por cada compuesto k(kmol/h).
del sistema. Qlc = Cantidad de caudal volumétrico en cada
T = {CoMo, NiMo}. Tipos de catalizadores corriente c(m3 /h).
R = {1, 2, 3}. Reacciones quı́micas. CeU = Tem = Temperatura de la unidad u por tipo de
catalizador t.
Cckck = Concentración de cada compuesto k
por cada corriente c(kmol/m3 ). Rkcuk0 20t − Gamaok0 20t · Ko020 t · Taou
Cuuk = Concentración en la unidad de salida u EaR020 t
·Cuu0CHXBNZ 0 ·Cuu0 H20 · exp( )=0
por cada compuesto k, ∀u ∈ Us (kmol/m3). Tem
Fkck = Cantidad de flujo molar del compuesto ∀u ∈ Ue , ∀k ∈ K, ∀t ∈ T, ∀r ∈ R
k por cada corriente c(kmol/h). (3.2)
Fc = Cantidad de flujo molar total de la
corriente c(kmol/h).
(Cálculo de moles transformados en la reacción
Fmckck = Cantidad de flujo másico del
de hidrogenación de diaromático)
compuesto k por cada corriente c(kg/h).
Fmc = Cantidad de flujo másico por cada
corriente c(kg/h).
Rkcuk0 30t − Gamaok0 30t · Ko030 t · Taou
rhoc = Densidad de corriente c(kg/m3).
Vu = Volumen de la unidad u(m3 ). EaR030 t
·Cuu0 BIFHENY L0 ·Cuu0 H30 · exp( )=0
Lu = Longitud de la unidad u(m). Tem
Taou = Tiempo de residencia de la unidad ∀u ∈ Ue , ∀k ∈ K, ∀t ∈ T, ∀r ∈ R
u(h). (3.3)
S = Área transversal de la unidad (m2 ).
D = Diámetro del reactor (m2 ). (Separación de los moles transformados de ca-
LU = Longitud del reactor (m). da compuesto)
Nk = Flujo no procesado de cada compuesto
k(kmol/h). Rkuk − ∑ ∑ Rkcukrt ycut = 0
t∈T r∈R
1 si unidad u utiliza catalizador t ∀u ∈ Ue , ∀k ∈ K
ycut = (3.4)
0 en otro caso.
1 si existe la unidad u
yeu = (Cálculo de las concentraciones de cada com-
0 en otro caso.
puesto)
ycut , yeu ∈ {0, 1}.
Rkcukrt , Rkuk ∈ R,
Qlc .Temut ,Cckck ,Cuuk , Fkck , Fc , Fmckck , ∑ Cckck − ∑ Cckck −
Fmc , rhoc ,Vu , Lu , Taou , S, L, LU ∈ R+ . c∈CsU c∈CeU
Rkcuk0 10t + KAt · Rkcuk0 10t ·Cuu0 H2S0 Fc − ∑ Fkck = 0∀c ∈ C (3.6)
k∈K
− Gamao ·K
k0 10 t · Taou ·Cu
o0 10 t u0 DBZT 0
EaR010 t
·Cuu0 H20 · exp( )=0 (Cálculo del caudal volumétrico de cada co-
Tem rriente)
∀u ∈ Ue , ∀k ∈ K, ∀t ∈ T, ∀r ∈ R
(3.1)
rhoc · Qlc − ∑ PMkk Fkck = 0
k∈K
(Cálculo de moles transformados en la reacción
de hidrogenación del monoaromático) ∀c ∈ C (3.7)
(Cálculo de los flujos molares de cada corrien- (Cálculo del volumen de cada unidad existente)
te)
Fmc − ∑ Fmckck = 0 ∀c ∈ C (3.12) (Diámetro del reactor en función del área trans-
k∈K versal)
(Balance de materia total)
r
Fmc − Fmc = 0 (3.13) 4S
∑ ∑ D− =0 (3.21)
c∈CsU c∈CeU π
(Cálculo del tiempo espacial de cada unidad) (Longitud del reactor en función de la realción
L/D)
(Cotas del tiempo espacial total) (Cotas del tiempo espacial total)
(Cota inferior para el diámetro del reactor) Cotas sobre las variables:
contenido de sulfurados y aromáticos en el gasóleo. Babich I. y Moulijn J., (2003). “Science y Technology
El modelo multiobjetivo define la función objeti- of novel procesess for deep desulfurization of oil
vo como un vector, donde sus componentes son los refinery streams: a review ”Fuel.82, 607-631.
objetivos individuales que se desean alcanzar, esto Floudas C., (1995), “Nonlinear and Mixed-Integer
con el fin de determinar soluciones que satisfagan los Optimization. Fundamentals and applications”. Ox-
objetivos de manera simultánea. Las componentes del ford University Press. GAMS, (1998). Manual del
vector función objetivo representan para el problema Usuario.
modelado; el costo del diseño del reactor, la produc-
ción de naftenos, la cantidad de monoaromáticos y la Grossmann, E. et al., (2004). “DICOPT: A Discreto
cantidad de aromáticos azufrados. Se minimizó para Continuos Optimization Package”, Manual de Usua-
la primera, tercera y cuarta, y maximizó la segunda rio. GAMS Development Corporation. Internatio-
componente. nal Energy Agency (IEA). OECD/IEA. “Key World
Energy STATISTICS 2011”(2011), 1-82.
Para la solución del modelo multiobjetivo, se es-
tableció el rango de variación de los parámetros ε Kalyanmoy, D. (2004). “Multi-objective Optimiza-
de las restricciones objetivos, mediante la tabla de tion using Evolutionary Algorithms”, Departament of
pagos. Para la resolución de los modelos generados, Mechanical Engenieering, Indian Institute Techology,
fue necesario el uso de herramientas de GAMS que Kanpur, India.
resuelve MINLP, como lo es DICOPT. Como solu- Mavrotas, G. (2006). “Generation of efficient solu-
ción del problema final se obtuvieron soluciones del tions in Multiobjective Mathematical Programming
frente de pareto que en el espacio solución muestran problems using GAMS”. Tech. rep. School of Che-
configuraciones para el lecho catalı́tico en el reactor mical Engineering, National Technical University of
de destilados medios, donde el tomador de decisio- Athens.
nes puede escoger entre alguna de ellas tomando en
cuenta sus necesidades inmediatas. Verruschi E. (2008). “Optimización de la Distribu-
Entre los trabajos futuros se plantea resolver el ción de Catalizadores en Hidrotratamiento de Desti-
modelo multiobjetivo para la distribución de catali- lados Medios”. Tesis de Doctorado Presentado ante
zadores tomando en cuenta la incertidumbre en uno la Universidad Politécnica de Madrid para optar el
de sus parámetros. Otra idea es desarrollar algorit- Tı́tulo de Doctor.
mos de codigo libre para la resolución de modelos
MINLP y modelos multiobjetivos MINLP. Por último
se recomienda resolver el modelo multiobjetivo con
técnicas multiobjetivos, donde el costo computacio-
nal en términos del tiempo de ejecución disminuya.
Por ejemplo, usar técnicas heurı́sticas y/o de lógica
difusa (fuzzy logic).
6. Agradecimientos
Este trabajo fue patrocinado en parte por CNPq-
Brasil, bajo el proyecto Prosul, y por CDCHT-UCLA-
Venezuela, bajo el proyecto 023-CT-2009. También
se contó con el apoyo de CENIPRO-UNEXPO.
7. Bibliografı́a
Collette, Y. y Siarry, P. (2003). “Multiobjective Op-
timization: Principles and Case Studies”, School of
Industrial and Manufacturing Science, Cranfield Uni-
versity.