雙流法溶出過程操作參數(shù)優(yōu)化方法

閆雨晴，謝永芳，王曉麗，尉思謎，張杏嬋

?

雙流法溶出過程操作參數(shù)優(yōu)化方法

閆雨晴，謝永芳，王曉麗，尉思謎，張杏嬋

（中南大學信息科學與工程學院，湖南長沙410083）

氧化鋁雙流法溶出是拜耳法氧化鋁生產(chǎn)中的關鍵環(huán)節(jié)，是我國特有的生產(chǎn)工藝。但是，雙流法溶出過程中閃蒸器的自蒸水能力沒有充分發(fā)掘，結疤造成新蒸汽用量不斷增加，而人工設定工作點，造成能耗過高。因此，本文建立雙流法溶出過程的?優(yōu)化模型，在一個酸洗周期內(nèi)根據(jù)結疤程度將溶出過程分為3個階段，并提出一種自適應狀態(tài)轉(zhuǎn)移算法分別對雙流法溶出過程的3個階段進行操作參數(shù)的優(yōu)化，得到有利于節(jié)能降耗的操作條件，為生產(chǎn)提供操作指導。

氧化鋁；雙流法溶出；?；優(yōu)化；酸洗周期；狀態(tài)轉(zhuǎn)移算法

引 言

鋁是社會發(fā)展和國防工業(yè)中必不可少的原料，氧化鋁是鋁生產(chǎn)的中間產(chǎn)品。拜耳法氧化鋁生產(chǎn)中，溶出過程的能耗占整個氧化鋁生產(chǎn)過程能耗的46%左右，是氧化鋁生產(chǎn)中的主要耗能環(huán)節(jié)。如何降低溶出過程的能耗并提高有價鋁的溶出率，以降低生產(chǎn)成本是需要不斷研究的問題。

目前，溶出過程的節(jié)能降耗主要從生產(chǎn)設備及工藝上進行改進。結合我國的實際情況，我國在強化溶出方面取得了一定的成果[1-2]。針對我國氧化鋁硅含量高易結疤的特點，發(fā)明了雙流法氧化鋁溶出工藝[3]，避免了壓煮器直接溶出法的循環(huán)堿液濃度高、溶出溫度偏低和溶出指標差的缺點，可以提高熱利用率。隨著計算機技術的迅速發(fā)展，多種模擬軟件和輔助計算方法開發(fā)出來，為工藝參數(shù)優(yōu)化問題提供了快速的解決方法，使復雜的工業(yè)優(yōu)化得以實現(xiàn)。陳君等[4]針對氧化鋁能耗過高問題，提出基于能流界面的節(jié)能降耗方法，實現(xiàn)各單元的協(xié)調(diào)運行及全流程的節(jié)能降耗。侯炳毅等[5]針對高壓溶出系統(tǒng)二次汽跑冒嚴重的現(xiàn)狀進行分析，提出汽水綜合利用的方案。Sidrak[6]建立了氧化鋁溶出過程的動態(tài)仿真模型，提出了控制溶出率的動態(tài)模擬方法，有效地減少了溶出過程的物質(zhì)損耗。崔書君等[7]針對氧化鋁蒸發(fā)過程，采用?分析的方法，實現(xiàn)蒸發(fā)過程的能耗優(yōu)化。柴琴琴等[8]針對蒸發(fā)過程無法兼顧能耗和母液質(zhì)量的問題，分析蒸發(fā)過程能耗情況。王宇[9]研發(fā)了氧化鋁生產(chǎn)計算系統(tǒng)，并分析了礦漿和堿液流量對新蒸汽消耗量的影響。Mabrouk等[10]、Ensinas等[11]針對多級蒸發(fā)系統(tǒng)進行能效分析，并指出?分析方法能夠更好地表明系統(tǒng)能量利用的情況。吳永建等[12]針對氧化鋁生產(chǎn)滯后、強耦合的特點，開發(fā)了氧化鋁熟料燒結回轉(zhuǎn)窯智能控制軟件，實現(xiàn)了穩(wěn)定控制。葛世恒[13]采用?分析方法對氧化鋁工業(yè)流程能耗進行分析，并實現(xiàn)了有針對性地降低能耗。Du等[14]針對鋼鐵企業(yè)建立多級投入產(chǎn)出耦合模型，清晰地反映出各工序的內(nèi)部關系。

隨著系統(tǒng)的運行結疤逐漸嚴重，導致設備的傳熱效率降低，蒸汽的消耗量逐漸增加。因此，需根據(jù)結疤情況調(diào)整礦漿和堿液以及新蒸汽的流量，在達到生產(chǎn)指標和溶出溫度的前提下，減少能量的損耗，而上述研究中多忽略了結疤因素的影響。因此，本文針對氧化鋁雙流法溶出過程的結疤情況，將溶出過程分為3個階段，分別對其能效進行優(yōu)化，得出在不同階段能源損失最小時的操作參數(shù)。

1 氧化鋁雙流法溶出過程簡介與分析

1.1 氧化鋁雙流法溶出工藝簡介

氧化鋁雙流法溶出是將鋁土礦礦漿和堿液分別加熱至所需溫度，然后使兩者混合，在高溫高壓下反應溶出氧化鋁的過程。雙流法溶出工序可以分為預熱段、混合段、溶出段和閃蒸段4個階段，工藝流程如圖1所示。其中新蒸汽分為過熱新蒸汽和飽和新蒸汽。

經(jīng)過預脫硅的礦漿由礦漿泵送入礦漿套管預熱器，經(jīng)過7級預熱至（175±5）℃。循環(huán)堿液由堿液活塞泵送入堿液套管預熱器，經(jīng)過10級乏汽預熱加熱至（190±5）℃。將加熱后的堿液和礦漿在混合器中混合后壓入溶出器中，其中1#和2#溶出器通入6.3 MPa、（480±5）℃的過熱新蒸汽，間接加熱套管中通入7 MPa、300℃左右的飽和新蒸汽加熱至260～265℃，進行保溫溶出反應，溶出后的料漿進入10級料漿閃蒸槽，料漿閃蒸槽乏汽用于礦漿和堿液預熱。

隨著溶出系統(tǒng)的運行，生產(chǎn)設備內(nèi)壁逐漸產(chǎn)生結疤，導致傳熱效率降低、新蒸汽用量增加，并降低設備的使用性能，這是溶出系統(tǒng)能耗升高的主要原因。因此當結疤生成到一定程度時需要停車對設備進行清洗，從開車運行到停車清洗的周期稱為酸洗周期。雙流法溶出的酸洗周期為30 d左右。在酸洗周期的每一天采集同一個時間點的過熱蒸汽和飽和蒸汽，其趨勢如圖2所示。由圖2可知，隨著系統(tǒng)的運行，結疤逐漸嚴重，過熱蒸汽和飽和蒸汽的用量逐漸增加。因此本文將整個酸洗周期分為3個階段，運行前期（前10 d），運行中期（中間10 d）和運行后期（后10 d）。通過對溶出過程整個酸洗周期的熱平衡分析，得到3個階段各設備的傳熱效率，分別從3個階段對溶出過程進行操作參數(shù)優(yōu)化。

1.2 雙流法溶出過程的熱平衡分析

預熱器、溶出器和閃蒸器在系統(tǒng)運行的3個階段的傳熱效率可根據(jù)式（1）計算

其中，1是入口冷流體攜帶熱量，kJ；2是出口冷流體攜帶熱量，kJ；3是入口熱流體攜帶熱量，kJ。

流體攜帶的熱量計算公式為

＝D=(2)

根據(jù)生產(chǎn)過程數(shù)據(jù)由式(1)計算得到各預熱器在運行各階段的熱效率如表1和表2所示。在閃蒸段中，料液中的雜質(zhì)基本都已參加反應，很少有結疤的生成。因此在溶出過程的各個時期，閃蒸器的傳熱效率基本一致。因此這里只計算整個溶出段和間接加熱套管以及整個閃蒸段的熱效率，如表3所示。

表1 各級礦漿預熱器熱效率

表2 各級堿液預熱器熱效率

表3 溶出段和閃蒸段各時期熱效率

由表1～表3可知，各設備的熱效率較高，但由于結疤的生成，導致設備熱效率從系統(tǒng)運行前期到后期逐漸降低。此外，礦漿和堿液的各級預熱器逐漸降低，但是減小的幅度比較小，這是因為在礦漿和堿液在預熱的過程中溫度逐漸升高，硅鈦等雜質(zhì)在預熱器的內(nèi)壁處生成了輕微的結疤，所以導致各級預熱器熱效率逐級稍有下降。

2 雙流法溶出過程?優(yōu)化模型的建立

?也叫做有效能[15]，與焓、熵類似，不同的是，?與環(huán)境狀態(tài)也有關。?分析[16]可以找出溶出過程中能源利用的薄弱環(huán)節(jié)，并提出利于節(jié)能降耗的改進措施，對降低能耗具有重要意義。目前，已提出了很多環(huán)境模型[17]，主要的環(huán)境模型有3種，斯察爾古特環(huán)境模型[18]、龜山-吉田環(huán)境模型[19]和鄭丹星模型[20]。本文采用斯察爾古特模型，在基準熱力學溫度0=273 K，壓力0=0.1 MPa的條件下計算?值。?的計算公式參見文獻[21]。溶出系統(tǒng)入口?和出口?如下：

礦漿預熱器入口?

堿液預熱器入口?

(4)

直接加熱蒸汽?

E1=m[h-0-0(s-0)] (5)

間接加熱蒸汽?

E2=m[h-0-0(s-0)] (6)

出口乏汽?

乏=[h-0-0(s-0)] (7)

第11級溶出器出口物料?

系統(tǒng)?效率

(9)

解決溶出過程的能效優(yōu)化問題，是在原有生產(chǎn)工藝流程和生產(chǎn)設備的基礎上，在滿足生產(chǎn)工藝指標及各設備之間約束平衡關系的前提下，以減少新蒸汽的使用量，提高溶出設備的運行效率，降低能耗為目標。

優(yōu)化模型的建立包括優(yōu)化變量的選取、目標函數(shù)的建立、生產(chǎn)過程需滿足的約束條件的確立。

（1）優(yōu)化變量

選擇合適的優(yōu)化變量對優(yōu)化結果有重要的影響。在工業(yè)生產(chǎn)中優(yōu)化變量必須是實際生產(chǎn)過程的可控量。在雙流法溶出工序中，實際可操作的變量有礦漿和堿液的流量、新蒸汽的流量和閃蒸出口乏汽的流量。這些可操作變量對系統(tǒng)?效率的影響如下。

① 礦漿和堿液的流量。在其他操作條件不變的情況下，改變礦漿或者堿液的流量來研究該變量對?效率的影響，如圖3和圖4所示。

由圖可知，礦漿和堿液的流量對系統(tǒng)的?效率有一定得影響。在新蒸汽用量不變的情況下，提高礦漿和堿液的流量可以提高能量的利用率，使系統(tǒng)?效率增加。

② 蒸汽的流量。氧化鋁溶出過程的能源消耗主要體現(xiàn)在新蒸汽的使用量上，新蒸汽的使用是評價溶出系統(tǒng)能效的主要指標，減少新蒸汽的使用量是降低溶出系統(tǒng)能耗、節(jié)約能源的重要舉措。

③ 閃蒸乏汽的流量。出口乏汽的多少決定了預熱段礦漿和堿液預熱后的溫度。出口乏汽越多，預熱后的溫度越高；反之，預熱后的溫度越低。預熱后的溫度越高，所用新蒸汽則越少。

因此，以礦漿流量(V)、堿液流量(V)、直接加熱蒸汽流量(M)、間接加熱蒸汽流量(M)、1～10級閃蒸乏汽的質(zhì)量流量(m1,m2,…,m10)為優(yōu)化變量，建立滿足約束條件的溶出過程能效優(yōu)化模型。

（2）優(yōu)化目標

溶出過程能量損耗大，降低能耗的最有效手段在于最大限度地優(yōu)化傳熱過程，提高過程的熱力學效率，減少過程不必要的?損失。因此，氧化鋁溶出過程的能效優(yōu)化要降低?損失，即以系統(tǒng)?損失最小為目標函數(shù)。

優(yōu)化目標表達式為

式中，E是入口礦漿的?，E是入口堿液的?，E1是過熱蒸汽?，E2是飽和蒸汽?，乏是出口乏汽?，E11是第11#溶出器出口物料?。

（3）約束條件

溶出過程包括熱量傳遞和物料的變化，所以應該滿足物料平衡和熱量平衡的條件。

① 物料平衡條件。溶出過程中，進口物料的質(zhì)量和出口物料的質(zhì)量要保持平衡，即

② 熱平衡條件。溶出過程的傳熱設備有預熱器，溶出器和自蒸發(fā)器，它們需滿足的熱量平衡條件如下

(12)

式中，?是堿液預熱器的傳熱效率，?是礦漿預熱器的傳熱效率，?是溶出器傳熱效率，?是自蒸發(fā)器的傳熱效率。Δt是第10級堿液預熱器出口溫度與入口的溫度差；Δt是第7級礦漿預熱器出口溫度與入口的溫度差；t0是溶出器所要達到的最低溫度。M(i-1)是第(-1)級閃蒸器內(nèi)的物料流量。傳熱效率隨著結疤的生成逐漸降低，通過式(1) 可以分別計算出3個階段各設備的傳熱效率。

③苛性比值。此外，必須保證溶出工藝指標符合要求，即要保證溶出苛性比值在1.05～1.1之間。苛性比值指的是溶出液中苛性氧化鈉分子數(shù)與氧化鋁分子數(shù)的比值，實際反映了高壓溶出過程中苛性鈉的消耗量

其中，1是原礦漿固相中的氧化鋁，%；2是礦漿中的氧化鋁含量，g·L-1；3是堿液中的氧化鋁含量，g·L-1；是原礦漿固相中的氧化硅含量，%；是原礦漿固相中的氧化鈣含量，%；是原礦漿固相中的氧化鈦含量，%；是原礦漿固含率，g·L-1；V是礦漿流量，L；V是堿液流量，L；1是堿液苛堿濃度，g·L-1；2是礦漿苛堿濃度，g·L-1。

④決策變量的取值。根據(jù)實際生產(chǎn)中的操作條件、工藝指標、自蒸發(fā)器的實際蒸水能力，決策變量的允許范圍如下

其中，V,max, Vmin分別是入口礦漿流量的上下限；V,max，V,min分別是入口堿液流量的上下限；M,max，M,min分別是直接加熱蒸汽的上下限；M,max, M,min分別是間接加熱蒸汽的上下限；m,man，m,min分別是出口乏汽的上下限，= 1,…,10。隨著結疤的生成，新蒸汽的使用量逐漸增加，因此，在3個階段蒸汽用量范圍不同。

綜上所述，以礦漿和堿液的流量、新蒸汽的流量和出口乏汽的流量為優(yōu)化變量，以實際過程的生產(chǎn)能力和生產(chǎn)指標等為約束條件，以?損最小為優(yōu)化目標，建立溶出過程的能效優(yōu)化模型。

3 基于自適應狀態(tài)轉(zhuǎn)移算法的優(yōu)化結果與討論

3.1 狀態(tài)轉(zhuǎn)移算法

狀態(tài)轉(zhuǎn)移算法是由Zhou等[22]在2011年首先提出，稱為STAⅠ。在STAⅠ中，提出了旋轉(zhuǎn)、平移和伸縮變換3種算子。為了解決連續(xù)優(yōu)化問題，Zhou等[23-26]提出了改進的狀態(tài)轉(zhuǎn)移算法(STAⅡ),在STAⅠ的基礎上添加了軸變換算子，此算子提高了一維的搜索能力。STAⅡ加強了在高維空間的搜索能力并阻止了早熟收斂。文獻[27-28]表明狀態(tài)轉(zhuǎn)移算法與模擬退火算法[29]及粒子群算法[30]等經(jīng)典優(yōu)化算法相比，具有較好的全局搜索能力和收斂性能，且處理多變量和多約束的優(yōu)化問題時耗時短、尋優(yōu)能力強。

狀態(tài)轉(zhuǎn)移算法中的4種狀態(tài)轉(zhuǎn)移算子如下。

（1）旋轉(zhuǎn)變換

其中，x∈，是一個正常數(shù)，即旋轉(zhuǎn)因子；是服從[-1,1]之間均勻分布的隨機矩陣，是2范數(shù)或歐幾里得范數(shù)。

（2）平移變換

（3）伸縮變換

x+1=x+Rx(17)

（4）軸變換

x+1=x+Rx(18)

其中，是一個正常數(shù)，稱作軸因子；是服從高斯分布的隨機對角矩陣，并且只有一個隨機元素為非零值。軸變換的目的是能夠沿著軸線進行搜索并提高一維搜索的能力。

3.2 自適應狀態(tài)轉(zhuǎn)移算法

狀態(tài)轉(zhuǎn)移算法中參數(shù)的取值對優(yōu)化結果的好壞影響很大，旋轉(zhuǎn)因子、平移因子、伸縮因子和軸因子越大，算法中操作算子的搜索范圍越大，越有助于全局搜索；反之，操作算子越小，搜索精度越高，越有利于局部搜索。為使在搜索初期有較強的全局搜索能力，在搜索后期有較強的局部搜索能力，本文進行以下改進。

根據(jù)迭代次數(shù)自適應調(diào)整、、、。自適應算子設計如式(19)所示。

其中，max、分別是最大迭代次數(shù)和當前的迭代代數(shù)；min、max分別是的最小值和最大值；min、max分別是的最小值和最大值；min、max分別是的最小值和最大值；min、max分別是的最小值和最大值。

3.3 優(yōu)化結果與討論

采用狀態(tài)轉(zhuǎn)移算法對上述優(yōu)化模型進行優(yōu)化。優(yōu)化模型的求解過程中，假設過熱新蒸汽溫度為480℃不變，礦漿密度1819 kg·m-3，比熱容3.2 kJ·(kg·K)-1，堿液密度1378 kg·m-3，比熱容3.44 kJ·(kg·K)-1。改進狀態(tài)轉(zhuǎn)移算法中的參數(shù)設置為：max=2500，min=min=min=min=1×10-10，max=max=max=max=1，=14。

（1）優(yōu)化結果

在系統(tǒng)的運行的3個階段預熱器、溶出器和閃蒸器的熱效率如表1～表3所示。前期、中期和后期的直接加熱蒸汽的上限分別是70000、70000、80000 kg·h-1，下限分別是30000、30000、40000 kg·h-1，間接加熱蒸汽的上限分別是80000、80000、80000 kg·h-1，下限分別是40000、45000、60000 kg·h-1。通過自適應狀態(tài)轉(zhuǎn)移算法仿真得到系統(tǒng)達到最優(yōu)時各優(yōu)化變量的取值以及在此操作參數(shù)下的?損失和?效率，如表4所示。

表4 優(yōu)化結果

在系統(tǒng)運行穩(wěn)定的情況下，分別選取運行前期、中期和后期各10 d的同一時間點的工況數(shù)據(jù)，分別計算實際工況下的?損失和?效率，對比并分析優(yōu)化參數(shù)與實際參數(shù)下的?損失和?效率。對比如圖5～圖7所示。

利用優(yōu)化后的操作參數(shù)計算各環(huán)節(jié)的?效率，與實際過程的各環(huán)節(jié)?效率對比，如表5所示。

（2）結果分析

對比表4所示優(yōu)化結果可知，前期、中期和后期優(yōu)化結果的直接蒸汽流量比實際生產(chǎn)過程分別減少2%、1%、1%；間接蒸汽比實際生產(chǎn)過程分別減少2%、1%、3%；優(yōu)化后的?損失比實際生產(chǎn)過程分別降低了34%、40%、43%，?效率比實際生產(chǎn)過程分別提高了2%以上，降低了能源損耗，提高了能源利用率。由圖5～圖7和表5可知，在優(yōu)化后的操作條件下，不僅使系統(tǒng)?損失減小，系統(tǒng)?效率提高，而且各環(huán)節(jié)的?效率都得到了提高，證明了優(yōu)化結果的合理性。

表5 優(yōu)化各環(huán)節(jié)?效率對比

綜合分析上述運行前、中、后期的優(yōu)化結果與實際過程的操作參數(shù)可知，隨著結疤的生成，礦漿和堿液的流量逐漸降低，而新蒸汽的使用量逐漸增加。現(xiàn)場操作參數(shù)的調(diào)節(jié)由工人根據(jù)人工經(jīng)驗設定，不能保證在此設定條件下系統(tǒng)的能量損失最小。通過建立運行不同時期的優(yōu)化模型，采用自適應狀態(tài)轉(zhuǎn)移算法可以在保證生產(chǎn)技術指標的前提下，使?損失減小，?效率提高，并且使各環(huán)節(jié)的?效率也得到提高，實現(xiàn)了節(jié)能降耗的目標。對比優(yōu)化前后的結果，礦漿流量增加而堿液流量減少，可以在提高溶出產(chǎn)量的情況下減少堿液的消耗量；新蒸汽的流量大大減少，降低了溶出系統(tǒng)的能源消耗。其中直接加熱蒸汽和間接加熱蒸汽分別是過熱蒸汽和飽和蒸汽，合理調(diào)整兩種蒸汽的通入量可以既保證達到溶出溫度，又提高了?效率，降低了?損失；而1#～10#閃蒸器出口乏汽所攜帶的?值不同，所以合理調(diào)節(jié)出口乏汽的流量可以提高乏汽的利用率，提高預熱段的溫度，使?效率提高，?損失減少。優(yōu)化之后7#閃蒸器的出口乏汽幾乎為零。是由于7#閃蒸器的溫差較小，所以7#閃蒸器的蒸水能力很小。而影響閃蒸器蒸水能力的重要因素是閃蒸器的孔板尺寸的大小，所以在投入運行前應計算好符合生產(chǎn)條件的孔板尺寸，可以充分發(fā)掘閃蒸器的蒸水能力。

4 結 論

本文通過分析影響雙流法溶出過程能效的因素，選擇了礦漿和堿液流量、直接加熱和間接加熱蒸汽流量、出口乏汽流量為優(yōu)化變量，以物料平衡和熱平衡、苛性比值以及設備生產(chǎn)能力為約束條件，以?損失最小為優(yōu)化目標建立溶出過程的能效優(yōu)化模型。隨著結疤的生成，設備傳熱效率降低、新蒸汽使用量增加，根據(jù)熱平衡分析可以分別計算運行前期、中期和后期各設備的傳熱效率。將改進的狀態(tài)轉(zhuǎn)移算法應用在溶出過程優(yōu)化問題的求解計算，分別得到運行前期、中期和后期的操作指導方案，并將優(yōu)化后的結果與實際生產(chǎn)過程進行對比，優(yōu)化后的?損失減小，?效率提高且各環(huán)節(jié)的?效率得到提高，給生產(chǎn)過程的不同時期提供了操作指導。

References

[1] 周萍, 陸敏, 閆紅杰. 管道化溶出技術在我國的進展[J]. 輕工科技, 2007, 23(10): 24-26. ZHOU P, LU M, YAN H J. Development of pipeline dissolution technology in China[J]. Guangxi Journal of Light Industry, 2007, 23(10): 24-26.

[2] 侯用興, 李旺興, 呂子劍. 管道化溶出一水硬鋁石型鋁土礦的工業(yè)實踐[J]. 輕金屬, 2000, 37(3): 23-26. HOU Y X, LI W X, Lü Z J. Industrial practice of pipeline dissolution of diaspore type bauxite[J]. Light Metals, 2000, 37(3): 23-26.

[3] 畢詩文. 氧化鋁生產(chǎn)工藝[M]. 北京: 化學工業(yè)出版社, 2006: 4-20. BI S W. Alumina Production Technology[M]. Beijing: Chemical Industry Press, 2006: 4-20.

[4] 陳君, 唐秀明, 宋彥坡. 基于能流界面參數(shù)的氧化鋁溶出過程節(jié)能優(yōu)化[J]. 兵工自動化, 2013, 32(8): 38-42. CHEN J, TANG X M, SONG Y P. Alumina digestion process optimization based on energy flow interface parameter[J]. Ordnance Industry Automation, 2013, 32(8): 38-42.

[5] 侯炳毅, 衛(wèi)津萍. 高壓溶出機組汽水系統(tǒng)的能量優(yōu)化[J]. 有色金屬(冶煉部分), 2004, 41(4): 40-42. HOU B Y, WEI J P. Energy optimization of stream-water system in high pressure digestion unit[J]. Nonferrous Metals (Smelting Section), 2004, 41(4): 40-42.

[6] SIDRAK Y L. Dynamic simulation approach to digester ratio control in alumina production[J]. Ind. Eng. Chem. Res., 1998, 37(4): 1404-1409.

[7] 桂衛(wèi)華, 崔書君, 陽春華, 等. 氧化鋁管式降膜蒸發(fā)器的?分析[J]. 控制工程, 2010, 17(6): 723-726. GUI W H, CUI S J, YANG C H,. Exergy analysis of tube falling-film evaporator in alumina production process[J]. Control Engineering of China, 2010, 17(6): 723-726.

[8] 陽春華, 柴琴琴, 桂衛(wèi)華. 基于?分析的氧化鋁蒸發(fā)過程能耗優(yōu)化[J]. 化工學報, 2011, 62(7): 1957-1962. YANG C H, CHAI Q Q, GUI W H. Energy consumption optimization for alumina evaporation process based on exergy analysis[J]. CIESC Journal, 2011, 62(7): 1957-1962.

[9] 王宇. 氧化鋁生產(chǎn)過程的模擬與仿真[D]. 長沙: 中南大學, 2005. WANG Y. Modeling and simulation of alumina production process[D]. Changsha: Central South University, 2005.

[10] MABROUK A A, NAFEY A S, FATH H E S. Analysis of a new design of a multi-stage flash-mechanical vapor compression desalination process[J]. Desalination, 2007, 204(1/2/3): 482-500.

[11] ENSINAS A V, MODESTO M, NEBRA S A,. Reduction of irreversibility generation in sugar and ethanol production from sugarcane[J]. Energy, 2009, 34(5): 680-688.

[12] 吳永建, 周曉杰, 柴天佑, 等. 氧化鋁熟料燒結回轉(zhuǎn)窯智能控制系統(tǒng)設計與應用[J]. 華東理工大學學報(自然科學版), 2006, 32(7): 745-749. WU Y J, ZHOU X J, CHAI T Y,. Design and application of intelligent control system of a rotary kiln process for alumina production[J]. Journal of East China University of Science and Technology(Natural Science Edition), 2006, 32(7): 745-749.

[13] 葛世恒. 氧化鋁生產(chǎn)工業(yè)的能耗分析及節(jié)能研究[D]. 長沙: 中南大學, 2010. GE S H. Alumina production of industrial energy consumption analysis and energy conservation research [D]. Changsha: Central South University, 2010.

[14] DU T, SHI T, LIU Y,. Energy consumption and its influencing factors of iron and steel enterprise[J]. Journal of Iron & Steel Research International, 2013, 20(8): 8-13.

[15] CENGEL Y A, BOLES M A. Thermodynamics — an engineering approach[J]. McGraw-Hill Series in Mechanical Engineering, 2006, 33(4): 1297-1305.

[16] GLEICH A V, AYRES R U, G??LING-REISEMANN S. Sustainable Metals Management[M]. Berlin: Springer Netherlands, 2006: 141-194.

[17] 楊東華. ?分析和能級分析[M]. 北京: 科學出版社, 1986: 163-180. YANG D H. Exergy Analysis and Energy Analysis[M]. Beijing: Science Press, 1986: 163-180.

[18] 潘勇. ?分析環(huán)境模型及其確立原則的研究[J]. 煤炭與化工, 2007, 30(6): 18-20. PAN Y. Research on environmental reference model of exergy analysis and its basic principles[J]. Coal and Chemical Industry, 2007, 30(6): 18-20.

[19] 能量變換懇話會編(日本). 能量有效利用技術[M]. 王維城, 馬潤田, 譯. 北京: 化學工業(yè)出版社, 1984: 3-232. Technology of Energy Efficient Use[M]. WANG W C, MA R T, trans. Beijing: Chemical Industry Press, 1984: 3-232.

[20] 鄭丹星, 武向紅, 宋之平, 等. ?分析技術導則國家標準的研究及修訂[J]. 華北電力大學學報, 2005, 32(2): 103-107. ZHENG D X, WU X H, SONG Z P,Research and revision on national standard of exergy analysis technical guide[J]. Journal of North China Electric Power University, 2005, 32(2): 103-107.

[21] 桂衛(wèi)華, 陽春華. 復雜有色冶金生產(chǎn)過程智能建模、控制與優(yōu)化[M]. 北京: 科學出版社, 2011: 257-260. GUI W H, YANG C H. Ferrous Metallurgy Production Process Intelligence Complex Modeling, Control and Optimization[M]. Beijing: Science Press, 2011: 257-260.

[22] ZHOU X J, YANG C H, GUI W H. Initial version of state transition algorithm[C]//International Conference on Digital Manufacturing & Automation. IEEE Computer Society, 2011: 644-647.

[23] ZHOU X J, YANG C H, GUI W H. State transition algorithm[J]. Journal of Industrial and Management Optimization (JIMO), 2012, 8(4): 1039-1056.

[24] ZHOU X J, YANG C H, GUI W H. Nonlinear system identification and control using state transition algorithm[J]. Applied Mathematics and Computation, 2014, 226(1): 169-179.

[25] ZHOU X J, GAO D Y, SIMPSON A R. Optimal design of water distribution networks by a discrete state transition algorithm[J]. Engineering Optimization, 2016, 48(4): 603-628.

[26] ZHOU X J, GAO D Y, YANG C H,. Discrete state transition algorithm for unconstrained integer optimization problems[J]. Neurocomputing, 2016, 173(3): 864-874.

[27] ZHOU X J, GAO D Y, YANG C H. A comparative study of state transition algorithm with harmony search and artificial bee colony[J]. Advances in Intelligent Systems & Computing, 2012, 21(2): 651-659.

[28] ZHOU X J, YANG C H, GUI W H. A comparative study of STA on large scale global optimization[C]//World Congress on Intelligent Control and Automation, 2016.

[29] ANNEALING O B S. Optimization by simulated annealing[J]. Science, 1983, 220(4598): 671-680.

[30] KENNEDY J, EBERHART R. Particle swarm optimization[C]//IEEE International Conference on Neural Networks, 1995, 4: 1942-1948.

Optimization method of double-stream alumina digestion process parameters

YAN Yuqing, XIE Yongfang, WANG Xiaoli, WEI Simi, ZHANG Xingchan

(School of Information Science and Engineering, Central South University, Changsha 410083, Hunan, China)

Thedouble-stream alumina digestion process is a key production chain in Bayer process of alumina production. It is the unique production technology in China. However, thedouble-stream alumina digestion process has problems that the evaporate water capacity of flash vessel is not fully exploited, scaling causes increased new steam consumption, meanwhile, working points are set manually, which causes the high energy consumption. Thus, the exergy optimization model of thedouble-stream alumina digestion is established, and the digestion process is divided into three stages based on the degree of scab in a pickling cycle. An adaptive state transition algorithm is proposed to optimize the operating parameter of the three stages of the digestion process, respectively. Then, optimal process control parameters are obtained, which is meaningful to provide suggestions for practical production.

alumina; double-stream digestion; exergy; optimization; cycle of acid cleaning; state transition algorithm

10.11949/j.issn.0438-1157.20161688

TQ 021.8

A

0438—1157（2017）03—1014—09

國家高技術研究發(fā)展計劃項目(2014AA041803)；中央高?；究蒲袠I(yè)務費專項資金 (2016zzts349)。

2016-11-30收到初稿，2016-12-05收到修改稿。

聯(lián)系人：王曉麗。第一作者：閆雨晴（1993—），女，碩士研究生。

2016-11-30.

WANG Xiaoli, xlwang@csu.edu.cn

supported by the National High Technology Research and Development Program of China(2014AA041803) and the Fundamental Research Funds for the Central Universities of China(2016zzts349).