Process Integration for Waste Minimization
Hua Kailing, Li Yourun, Shen Jingzhu, Hu Shanying
(Department of Chemical Engineering, Tsinghua University, Beijing 100084)
Abstract Four basic types of process
integration technologies for waste minimization in process industry, hierarchical
approach; pinch technology; numerical optimization and artificial intelligence approaches,
are illustrated in this paper. Their advantages and disadvantages, together with their
different application areas are attained as the result. Further development of process
integration is also pointed out.
Key words Waste minimization, Process integration
摘要
介绍了应用过程集成技术进行过程工业废物最小化的四类基本方法，即分层决策法、夹点技术、数值优化方法和人工智能技术。探讨和分析了各自的优缺点和适用范围，并指出今后的发展方向。
关键词 废物最小化 过程集成
废物最小化的过程集成方法*
花开玲 李有润** 沈静珠 胡山鹰
（清华大学化工系 北京 100084）
通常环境问题中污染的防治分为4个层次进行：源减少、再循环与再利用、废物终端处理及安全处置[1]。现在人们将注意力越来越多地从终端处理转向在源处减少污染物或废物的生成，并在工业中提出了具体的措施，经验性地取得了一些成果。但是如何将经验上升为理论，找出系统的理论和方法是有效减少源处废物工作中非常重要的环节。
近年来，国内外一些学者开始研究用过程集成的方法解决过程工业中源减少问题，并且提出了一系列方法[2]。
所谓过程集成是指对生产中各过程的物料流、能量流、信息流进行组合，从原料到产品构造一个能满足能耗、经济效益、环境最优要求的工艺流程。简言之，过程集成是指识别最适宜的流程结构，优化物流和设备尺寸。
1 废物最小化过程集成方法分类
目前，废物最小化的过程集成方法基本可以分为四大类：分层决策方法、夹点技术、数学规划方法和人工智能方法。
1.1 分层决策方法[3,4]
分层决策方法的基础是直观推断法则，本质上是一个在设计的早期开发阶段识别出潜在的污染问题的方法[3]。该法将过程设计分成若干层次，在每个层次中提出一些需要解决的问题，包括物料的选择、流程结构、加工路线、技术选择等。由于决策的不同，可以产生不同的流程结构。在每个层次中提出若干与污染最小有关的决策问题，通过最优决策的协调设计出污染最小的流程。
例如，Rossiter和Spriggs[4]提出的基于分层决策的废物最小化过程集成中的7个水平为：水平1
过程模型：间歇式或连续式；水平2 流程的输入输出结构；水平3
反应路径和循环结构；水平4 分离体系；水平5 产品干燥；水平6
能量系统 ；水平7 设备和管道。他们将上述分层决策方法应用到Amoco
Yorktown炼油厂中的原油加工单元、催化裂化单元和酸水系统，减少了原材料和公用工程消耗，并且同时降低了环境污染。具体包括：消除了酸水系统中的过量水，减少了产生废气的源头；减少30%脱盐器中盐水的流量；回收原料1160立方米/年；节省了能源8800千瓦等。
分层决策方法的优点在于易于实现。当设计者能正确认识过程中的污染问题，找到产生污染的根源，在决策过程中作出相应改变就能减少污染的生成。其应用的成功性取决于对研究问题现有经验掌握的多少与深浅。缺点是由于它是从局部而不是从全局综合考虑，只是定性地探讨问题的求解，不能解决需要经过定量计算和仔细比较权衡才能决策的问题，所以不能或者很难得到最佳设计，因而也不能保证实现最少的废物或污染物的排放量。
1.2 夹点技术[5,6]
夹点技术是一种基于热力学分析的过程集成技术。夹点是指传热或传质中的最小推动力处，也就是限制进一步热交换或质交换的热力学瓶颈。图1是最小推动力为零也就是最大限度进行质量交换的情况，任何一种设计都不可能突破这一质量交换的上限。
根据夹点技术可以最合理地利用工艺物流之间的传质推动力和传热推动力从而达到最大的质量交换和能量交换。
图1
传质夹点位置图
废物最小化中的夹点技术主要应用在净化分离过程。EI-Halwagi [5]等将夹点技术应用于净化分离过程的综合，提出质量交换网络的设计方法，以达到污染物的含量最少及溶剂用量最少的目标。现在夹点技术已经在脱除焦炉气中硫化氢、煤气中二氧化硫的质量交换网络集成中取得了很大的成绩。
夹点技术应用于废水综合过程可以大大减少新鲜水的用量。Linnhoff和Smith[6]将其应用于厂区污水循环过程，提出水夹点的概念，目标是通过最佳的新鲜水补充、废水再生、再循环和再利用流程达到清洁水耗量最少，污水排放最少。将水夹点技术应用到一般化工厂、炼油厂和聚合工厂，分别节省新鲜水用量30%、30%和60%，同时还显著地减少了污水排放量。由此可见，应用夹点技术进行废水最小化是一项十分有实用意义的工作，值得大力推广。
夹点技术用于换热网络和全厂区总能系统等能量系统集成以降低能耗时，除了经济效益外，本身也能减少由燃料燃烧造成的环境污染。
夹点分析法可用图示的方法进行分析，故直观、易懂、有着非常清晰的物理概念，从中所得的结论对过程系统的设计、改造均有明确的指导意义。夹点分析法在热、质集成中的应用已取得了十分显著的节约能源、节约资源的经济效益，并且对减少环境污染有很大的贡献。缺点是图示方法受到问题维数的限制。如对于质量交换系统多组分污染物分析时，问题将变得非常复杂，且物理意义也不够明确。
以上两类方法是根据过程的基本热力学、动力学规律等提出的基于物理概念的方法。这些方法能较深刻地揭示通过过程集成减少废物的物理本质，因而比较实用，易被设计者接受。但是，上述方法有时很难得到数学上的真正最优解或者有应用上的局限性。
1.3 数值优化方法[7-10]
从数学上看，废物最小化的过程综合是一个多目标优化问题。主要有经济和环境两大目标。Linninger等[7]应用非劣解的概念实现废物最小化过程集成的多目标优化问题。优化过程可以用非劣曲线说明，见图2。该法首先用分层决策方法先产生一个“零可避免污染ZAP”流程。由于这种只考虑避免污染而不考虑经济利益的流程显然不符合环境经济学最佳流程的定义，所以只能作为初始优化的起点，然后再松弛，得出更合理的流程。这就是“最小可避免污染MAP”。从ZAP到MAP，完成了费用与污染排放之间的最佳权衡。
过程集成优化的数值解法主要有系统分解法和超结构法[8]。
系统分解方法是通过将大系统分解为子系统来处理废物最小化问题，在每个子系统都识别出一个最优决策，然后再进行协调。方法的优点是通过分解将问题降维，减小问题规模；分解后的问题线性增强，易得最优解。缺点是由于子系统的最优决策对整个大系统并不一定也是最优的，所以不能保证得到全局最优解。
超结构法是把所有的潜在的流程都包括在一个超结构框架里，通过混合整数非线性规划(MINLP)选择在给定目标函数下的最佳地流程结构和设备设计参数。其优点是与分解方法相比可以得到严格最优解，缺点是为保证得到全局最优解必须在超结构框架中包括所有的流程结构，否则只能在有限的可行区内搜寻，得到的最优解性能不能得到保证。
图2
废物最小化过程集成的多目标特性
无论是系统分解方法还是超结构法都需要对研究问题有深入的了解才能建立适当的数学模型，这是应用数值优化方法的前提。
废物最小化数值优化方法已经应用到许多环境问题中。例如，采用简单数学模型开发出的费用相对排放限度变化的曲线即灵敏度曲线，可以帮助决策者研究过程的改变分别对费用和排放水平影响的大小，从而确定实现给定排放目标费用最有效的方法。
特别要指出的是，近些年来，数值优化方法在反应过程集成研究中的应用较为突出。反应过程是化学工业中的核心，是由原料到产品中产生废物的主要环节，通过原料的选择、反应路径的确定、反应器系统的设计、操作，多产品反应过程的联产，可以大幅度地减少废物的生成，甚至达到零排放。反应过程集成主要包括反应路径的集成和反应网络的集成。Crabtree
和EI-Halwagi [9]提出了环境可接受的反应路径集成方法，用一个目标为利润最大而又同时满足所有的环境的、热力学的约束的优化问题来描述，可表达成一个混合整数非线性优化模型。通过求解，识别出最优的环境可接受的反应，而无需逐个列举所有可能的反应。反应网络集成的方法主要有基于可得区概念的方法和超结构方法[10]。但是，由于反应过程集成自身的复杂性，使得在这一领域进行的研究还不十分成熟。
1.4 人工智能方法[11,12]
由于废物最小化的工程实践对设计者的经验有很强的依赖性，难以严格地用数学方法完整地表达出来，且工程实际中的一些不确定因素对废物的生成也有很大影响，使得设计中不仅要借助于专家的经验，还要对过程集成中的不确定因素进行模糊知识表达和模糊逻辑推理，并且要处理由于知识的不一致和冗余引起推理冲突[11]。因此，人工智能方法主要包括专家系统、模糊逻辑和神经网络等，它在废物最小化的过程集成领域中已得到了一定的发展。
Huang和Fan[12]在应用人工智能方法进行过程工业系统废物源减少的设计和控制方面作了不少工作。其研究工作主要有：基于人工智能的实现废物最小化的设计和控制系统：混合智能系统、分层专家系统和模糊专家系统；电镀工厂中氰化物废物最小化的专家系统；金属精饰工厂中的废物源减少的智能决策支持系统。下面介绍具有设计质、能联合交换网络功能的混合智能系统HIDEN。
HIDEN是采用基于知识、模糊逻辑和神经网络而开发的用于设计质、能联合交换网络的混合智能系统。它主要用于综合质量和能量回收过程以达到废物或污染物最小化和最大限度地回收废能的目标。HIDEN是由三部分组成的：基于知识的子系统KBDEN；模糊逻辑子系统FLDEN；神经网络子系统NNDEN。其中，KBDEN用于接收与综合交换网络有关的两类过程数据：表达稳态操作工况的精确数据和表达动态操作工况的不确定数据。这些数据在FLDEN中模糊化后送到NNDEN中进行运算，由NNDEN产生基于综合标准的最佳和次优物流匹配的决策方案。通过物料回收和能量回收设计实例说明了HIDEN的可应用性。
人工智能技术的主要特点是能直接处理不精确的信息，充分利用工程上的经验，并能快速识别出有效的解决方案。因而适用于过程设计的初始阶段，用于筛选全局流程、过程结构和设备类型选项。在过程过于复杂，存在诸多变化因素，过程模拟工作已经变得过于繁琐时，应该借助于人工智能技术来识别出真正有潜力的选项，从而降低问题的规模。而具体的过程结构的调优和设备尺寸的优化则可通过夹点技术和数值优化方法来完成。可以预料人工智能技术在废物最小化工作中的作用将越来越重要，但是目前在这一方面的研究还有待进一步开发。
2 小结
分析至今发表的文献可知，利用过程集成可以从源处大幅度地减少废物的生成。已有的这4类方法各有其特点，具有不同的应用领域，是互为补充的。分层决策支持只是定性地探讨问题的求解，适用于过程设计的早期概念设计阶段，可以产生初始流程；夹点方法能加深对换热和传质问题的理解，产生大的设计改进，但是有维数限制；数学规划方法可以得到全局最优解，但是需要对研究问题的本质有较深入的了解；而基于知识的方法能识别出潜在的改进措施，缩小问题规模，尤其能针对废物最小化问题的特性解决问题。
当然也应看到，这些废物最小化的过程集成方法的开发基本上还处于初级阶段，每一类方法都在不断完善，这些方法的相互结合也正在发展中。本文作者正在从事这一领域的工作，如根据大型连续化工系统的特点，研究物质和能量联产的反应过程集成；净化分离过程质量、热量联合交换网络；开发基于随机模型的不确定条件下多目标优化；目标和模糊知识的表达和模糊逻辑推理方法；基于模糊知识的废物最小化等多目标的过程集成等。希望通过这些有应用背景的基础研究进一步促进我国过程工业废物最小化工作的进展。
3 参考文献
[1] Rossiter A P, Kumana J K. Pollution prevention and process integration--two
complementary philosophies. In: Rossiter A P. Waste Minimization through Process
Integration. New York: McGraw-Hill, 1995:43-49.
[2] Rossiter A P. Process integration and pollution prevention. in EI-Halwagi M M.
Pollution Prevention via Process and Product Modifications. AIChE symposium series. New
York: American Institute of Chemical Engineers, 1995, 90(303): 12-22.
[3] Douglas J M. Process synthesis for waste minimization. Ind. Eng. Chem. Res., 1992, 31:
238-243.
[4] Rossiter A P, Spriggs H D, Jr H K. Apply process integration to waste minimization.
Chem. Eng. Prog., 1993, 1: 30-37.
[5] EI-Halwagi M M, Manousiouthakis V. Synthesis of mass exchange networks. AIChE Journal,
1989, 35: 1233-1244.
[6] Linnhoff B, Smith R. Recent development in pinch analysis. Proceedings of PSE' 94:
87-93.
[7] Linninger A A, Ali S A, Stephanopoulos E et al. Synthesis and assessment of batch
processes for pollution prevention. In: EI-Halwagi M M. Pollution Prevention via Process
and Product Modifications. AIChE symposium series. New York: American Institute of
Chemical Engineers, 1995, 90(303): 46-58.
[8] EI-Halwagi M M. Introduction to numerical optimization approaches to pollution
prevention. In: Rossiter A P. Waste minimization through process integration. New York:
McGraw-Hill, 1995, 199-208.
[9] Crabtree E M, EI-Halwagi M M. Synthesis of environmentally acceptable reactions. AIChE
symposium series, 1994, 90(303): 117-127.
[10] Lakshmanan A, Biegler L T. Synthesis of optimal chemical reactor networks. Ind. Eng.
Chem. Res., 1996, 35: 1344-1353.
[11] Huang Y L, Fan L T. Artificial intelligence for waste minimization in the process
industry. Comp. Ind., 1993, 22: 117-128.
[12] Huang Y L, Fan L T. HIDEN: a hybrid intelligent system for synthesizing highly
controllable exchanger networks. Implementation of a distributed strategy for integrating
process design and control. Ind. Eng. Chem. Res., 1994, 33: 1174-1187.
花开玲
女，博士研究生，从事反应过程集成方法的研究。**联系人
国家重点自然科学基金项目(29836140)。 1999-12-28收稿，2000-09-22修回。