MINLP optimization under uncertainty of a mini plant for the oxidative coupling of methane

dc.contributor.advisorWozny, Günteren
dc.contributor.authorEsche, Eriken
dc.contributor.grantorTechnische Universität Berlin, Fakultät III - Prozesswissenschaftenen
dc.contributor.refereeWozny, Günteren
dc.contributor.refereeGrossmann, Ignacio E.en
dc.contributor.refereeRepke, Jens-Uween
dc.date.accepted2015-09-18
dc.date.accessioned2015-11-21T01:20:51Z
dc.date.available2015-10-26T12:00:00Z
dc.date.issued2015-10-26
dc.date.submitted2015-10-20
dc.description.abstractDas Formulieren und Lösen von großskaligen Prozesssyntheseproblemen unter Unsicherheit bleibt eine Herausforderung im Chemieingenieurswesen. Im Rahmen dieser Arbeit wird ein Framework für das Lösen von wahrscheinlichkeitsbeschränkten gemischtganzzahlig nichtlinearen Optimierungsproblemen entwickelt. Das Framework ist in Python implementiert und hat Schnittstellen zu Simulatoren für Differentialalgebra und reine Algebrasysteme sowie zu Optimierungsalgorithmen für nichtlineare und gemischtganzzahlig nichtlineare Probleme. Für den unsicheren Parameterraum wird eine multivariate Normalverteilung vorausgesetzt. Der Zusammenhang zwischen Wahrscheinlichkeitsraum und Wahrscheinlichkeitsbeschränkung muss nicht monoton sein. Dies stellt eine erhebliche Verbesserung gegenüber existierenden Implementierungen dar. Die wahrscheinlichkeitsbeschränkte Optimierung erfordert eine wiederholte Auswertung der zugrunde liegenden Simulationsmodelle, welche dementsprechend numerisch stabil und schnell sein müssen bei gleichzeitig ausreichender Genauigkeit bezüglich relevanter Zustandsgrößen. Um den Arbeitsablauf zu unterstützen werden im Rahmen dieser Arbeit auch die Modellentwicklung, Modellumformulierung zur numerischen Stabilisierung und strukturelle Modellvereinfachung behandelt. Sobald ein passendes Modell gefunden ist, wird die Identifikation der unsicheren Parameter essentiell, um sinnvolle Ergebnisse bei der Lösung des gemischtganzzahlig nichtlinearen Optimierungsproblems unter Unsicherheit zu erzielen. Hierfür wird eine Parameterschätzung in zwei Schritten durchgeführt. Unbekannte Parameter werden zunächst auf ihre Identifizierbarkeit hin untersucht und unter den identifizierbaren schießlich die sensitivsten bezüglich einer nutzerdefinierten Zielfunktion ausgewählt. Die entwickelten Methoden und das Softwareframework werden anschließend auf die Optimierung der Produktaufbereitung der oxidativen Kopplung von Methan angewendet. Diese wandelt Methan in Ethen bei gleichzeitiger Bildung von u.a. Kohlenstoffdioxid. Für die Produktauftrennung kommt eine Vielzahl verschiedener Trennapparate in Frage. Beispiele sind die Absorption von Kohlenstoffdioxid mit Monoethanolamin oder Methyldiethanolamin, Gastrennmembranen verschiedener Materialien und die Druck- oder Temperaturwechseladsorption mit verschiedenen Adsorbentien. In der vorliegenden Arbeit werden hinreichend schnelle und genaue Modelle für diese Optionen entwickelt und basierend auf Messdaten aus der Miniplant an der Technischen Universität Berlin die unsicheren Parameter in Parameterschätzungen identifiziert. Sowohl deterministische als auch wahrscheinlichkeitsbeschränkte Optimierungsstudien werden für unterschiedliche Kombinationen oben genannter Trennapparate durchgeführt. Es kann gezeigt werden, dass eine Kombination aus Membranen und anschließender Absorption den spezifischen Energiebedarf für die Kohlenstoffdioxidabtrennung minimiert und gleichzeitig den Produktverlust an Ethen möglichst limitiert. Die Optimierung der Produktauftrennung wird für verschiedene Austrittskonzentrationen des Reaktors durchgeführt, bei denen sowohl Stickstoff als auch Kohlenstoffdioxid als Verdünnungsgase eingesetzt werden. Eine abschließende Bewertung der Optimierungsergebnisse ist nur unter Berücksichtigung des Reaktordesigns und der weiteren, hier nicht behandelten Produktauftrennschritte möglich. Dies muss in weitergehenden Arbeiten untersucht werden. Im Rahmen dieser Arbeit wird gezeigt, dass der Lösungsansatz der Optimierung unter Unsicherheit robust ist, um in akzeptabler Zeit praxisrelevante Lösungen für Superstrukturprobleme zu finden.de
dc.description.abstractThe formulation and solution of large-scale process synthesis problems under uncertainty remains a challenging topic in chemical engineering. As part of this thesis a framework is developed for the chance-constrained optimization of mixed-integer nonlinear programming problems. The framework is implemented in python with interfaces to various differential algebraic equation system and algebraic equation system simulators as well as optimization solvers for nonlinear programming and mixed-integer nonlinear programming problems. A multivariate-normal distribution is assumed for the uncertain parameter space. The relationship between the probability space and the chance constraint is not required to be monotonous, which is a major advantage to existing implementations. Chance-constrained optimization requires a frequent simulation of the underlying models, which consequently need to be numerically stable and fast. In order to support the performance of the chance constraint framework, model derivation methods, reformulation techniques for numerical stabilization, and structural model simplification are discussed. Once a suitable model is found the identification of uncertain parameters is essential for finding a sensible solution to any mixed-integer nonlinear programming problem under uncertainty. For this purpose a two-stage parameter estimation is employed, which initially tests parameters for identifiability and then performs further sensitivity selections on the identifiable set based on a user-defined objective function. The derived techniques and the software framework are subsequently employed for the optimization of the downstreaming section of a process concept for the oxidative coupling of methane (OCM). The latter reaction turns methane into ethene with the byproduction of (among other things) carbon dioxide. For the product purification a number of different separation units can be used. A few examples are the absorption of carbon dioxide using either monoethanolamine or methyldiethanolamine, gas separation membranes of different materials, and pressure or temperature swing adsorption using different adsorbents. Within the scope of this thesis, suitably fast and accurate models for each unit are derived and uncertain parameters are identified based on parameter estimation using experimental data obtained from a mini-plant at Technische Universität Berlin. Both deterministic and chance-constrained optimizations studies of various combinations of the afore-mentioned separation units are carried out comparing the effect of the uncertainty on both structural and operational decisions for the overall process concept. It is shown that the combination of membranes with a subsequent absorption desorption process guarantees an optimal performance minimizing the specific energy required for the removal of carbon dioxide while keeping the loss of the product, ethene, in check. The optimization of the downstreaming is performed for various combinations of reaction outlet concentrations using both nitrogen and carbon dioxide as dilutents. A final assessment of the optimization results has to be carried out considering the reactor design and further seperation steps, which are not dealt with here. This has to be done in future work. Within this contribution it is shown that the developed approach to solve optimization problems under uncertainty is robust enough to generate practical solutions for superstructure optimization problems in acceptable time.en
dc.identifier.uriurn:nbn:de:kobv:83-opus4-73190
dc.identifier.urihttps://depositonce.tu-berlin.de/handle/11303/5075
dc.identifier.urihttp://dx.doi.org/10.14279/depositonce-4778
dc.languageEnglishen
dc.language.isoenen
dc.rights.urihttp://rightsstatements.org/vocab/InC/1.0/en
dc.subject.ddc660 Chemische Verfahrenstechniken
dc.subject.otherOptimierungde
dc.subject.otherUnsicherheitende
dc.subject.otherWahrscheinlichkeitsrestriktionende
dc.subject.otheroxidative Kopplungde
dc.subject.otherMethande
dc.subject.otherOptimizationen
dc.subject.otheruncertaintyen
dc.subject.otherchance constraintsen
dc.subject.otheroxidative couplingen
dc.subject.otherMethaneen
dc.titleMINLP optimization under uncertainty of a mini plant for the oxidative coupling of methaneen
dc.title.translatedMINLP Optimierung unter Unsicherheiten einer Miniplant zur oxidativen Kopplung von Methande
dc.typeDoctoral Thesisen
dc.type.versionpublishedVersionen
tub.accessrights.dnbfree*
tub.affiliationFak. 3 Prozesswissenschaften::Inst. Prozess- und Verfahrenstechnikde
tub.affiliation.facultyFak. 3 Prozesswissenschaftende
tub.affiliation.instituteInst. Prozess- und Verfahrenstechnikde
tub.identifier.opus47319
tub.publisher.universityorinstitutionTechnische Universität Berlinen

Files

Original bundle
Now showing 1 - 1 of 1
Loading…
Thumbnail Image
Name:
esche_erik.pdf
Size:
20.43 MB
Format:
Adobe Portable Document Format

Collections