동적 최적화는 필요한 증류액의 양과 순도를 가장 빠르게 달성할 수 있는 환류비(reflux-ratio) 궤적을 계산함으로써 배치 증류 시간을 최소화할 수 있습니다. 하나의 고정된 환류비를 선택하는 대신, 파일럿 플랜트를 동적 시스템으로 모델링하고 폰트랴긴의 최대 원리(PMP)를 사용하여 최적화합니다. 그 결과로 도출된 정책 (R(t))은 연속적으로 구현하거나 일정한 환류 단계의 시퀀스로 구현할 수 있습니다.

핵심 아이디어는 환류를 고정된 설정값이 아닌 시간 의존적 제어 변수로 취급하는 것입니다. PMP는 물질 수지, 장비 한계 및 최종 제품 사양을 충족하면서 최종 배치 시간을 최소화하는 환류 궤적을 식별합니다.

왜 일정한 환류가 시간 최적화에 항상 적합하지 않은가

배치 증류는 본질적으로 동적입니다

증류가 진행됨에 따라 리보일러의 잔류량과 조성은 지속적으로 변화합니다. 결과적으로 기액 평형 조건, 컬럼 구동력, 증류액 조성 및 실행 가능한 환류 범위도 함께 변합니다.

일정한 환류비는 이러한 변화하는 상태를 무시합니다. 이는 특정 기간에는 보수적일 수 있고 다른 기간에는 불필요하게 제한적일 수 있어, 필요한 것보다 더 긴 배치 시간을 초래합니다.

환류는 근본적인 운영 상충 관계를 만듭니다

일반적으로 환류를 증가시키면 더 많은 액체가 컬럼으로 반송되므로 분리가 개선됩니다. 그러나 이는 주어진 증기 발생 속도에서 순 증류액 인출 속도를 감소시키고 내부 액체 및 증기 흐름을 증가시킵니다.

낮은 환류비는 제품 인출을 증가시킬 수 있지만 증류액 순도가 사양 미만으로 떨어질 위험이 있습니다. 최적의 정책은 전체 배치 과정에서 이러한 상충하는 효과들의 균형을 맞춥니다.

최소 시간 문제 공식화

동적 상태 정의

간단한 교육용 모델은 리보일러 잔류량 (B(t))과 경질 성분 몰 분율 (x_B(t))을 상태 변수로 사용할 수 있습니다:

[ \frac{dB}{dt}=-D ]

[ \frac{d(Bx_B)}{dt}=-D x_D ]

여기서:

(B)는 리보일러 액체 잔류량,
(x_B)는 리보일러 조성,
(D)는 증류액 유량,
(x_D)는 증류액 조성입니다.

컬럼 모델은 (x_D)와 환류비 및 증류액 유량 간의 관계를 제공합니다.

기액 평형 표현

단순화된 이성분계의 경우, 평형 관계는 다음과 같이 작성할 수 있습니다:

[ y^*=\frac{\alpha x}{1+(\alpha-1)x} ]

여기서 (x)는 액체 조성, (y^*)는 평형 증기 조성, (\alpha)는 상대 휘발도입니다.

엄격한 파일럿 플랜트 모델은 대신 단계별 물질 수지, 에너지 수지, 트레이 효율, 압력 강하 관계 및 열역학적 물성 계산을 사용할 수 있습니다. 적절한 모델은 목표가 제어 원리를 가르치는 것인지, 아니면 플랜트 동작을 정확하게 재현하는 것인지에 따라 달라집니다.

제어 변수로서의 환류 사용

전응축기(total condenser)와 대략적으로 일정한 증기 속도 (V)를 가정할 때, 환류비는 일반적으로 다음과 같이 정의됩니다:

[ R=\frac{L}{D} ]

조건:

[ V=L+D ]

따라서:

[ D=\frac{V}{R+1} ]

이 단순화된 관계는 왜 환류가 분리와 생산 속도 모두에 영향을 미치는지 보여줍니다. 실제 파일럿 플랜트에서 (V)는 리보일러 열 입력, 압력 및 변화하는 물리적 특성에 따라 달라질 수 있습니다.

따라서 제어 변수는 다음과 같습니다:

[ u(t)=R(t) ]

장비 한계 조건:

[ R_{\min}\le R(t)\le R_{\max} ]

종료 조건 명시

배치는 필요한 제품 조건이 충족되면 종료됩니다. 일반적인 종료 제약 조건은 다음과 같습니다:

[ M_D(t_F)\ge M_{D,\text{target}} ]

[ x_D(t_F)\ge x_{D,\text{target}} ]

여기서 (t_F)는 최종 배치 시간입니다.

문제는 다음과 같습니다:

[ \min_{R(t),,t_F} J=t_F ]

동적 모델, 초기 조건, 제어 범위 및 최종 제품 제약 조건을 따릅니다.

폰트랴긴의 최대 원리 적용

해밀토니안(Hamiltonian) 구성

최소 시간 문제의 경우, 대표적인 해밀토니안은 다음과 같습니다:

[ H=1+\lambda_B f_B(B,x_B,R) +\lambda_x f_x(B,x_B,R) ]

여기서:

(f_B)와 (f_x)는 상태 방정식,
(\lambda_B)와 (\lambda_x)는 수반 변수(adjoint variables),
상수항 (1)은 운영 시간이 누적되는 속도를 나타냅니다.

정확한 해밀토니안은 선택된 상태 변수와 상세한 컬럼 모델에 따라 달라집니다.

수반 방정식 풀이

코스테이트(costate) 또는 수반 방정식은 다음과 같습니다:

[ \frac{d\lambda_i}{dt}

-\frac{\partial H}{\partial x_i} ]

두 상태 예제의 경우:

[ \frac{d\lambda_B}{dt}

-\frac{\partial H}{\partial B} ]

[ \frac{d\lambda_x}{dt}

-\frac{\partial H}{\partial x_B} ]

수반 변수에 대한 종료 조건은 최종 양 및 순도 제약 조건에 의해 결정됩니다. 종료 조건이 활성화되면 관련 승수가 해당 횡단 조건(transversality condition)에 기여합니다.

해밀토니안에서 환류비 선택

각 시점에서 PMP는 해밀토니안을 최적화하는 허용 가능한 제어를 선택합니다:

[ R^*(t)=\arg\min_{R_{\min}\le R\le R_{\max}} H ]

여기서 사용된 최소 시간 규칙에 따릅니다.

결과는 여러 형태를 가질 수 있습니다:

경계 제어(Boundary control): (R=R_{\min}) 또는 (R=R_{\max}).
내부 제어(Interior control): 중간 환류비가 (\partial H/\partial R=0)을 만족함.
스위칭 제어(Switching control): 운영 한계 사이에서 정책이 변경됨.
특이 제어(Singular control): 스위칭 조건이 구간 동안 0으로 유지되며 고차 조건이 필요함.

교육용 파일럿 플랜트의 경우, 조각별 상수 정책(piecewise-constant policy)이 연속적으로 변하는 궤적보다 이해하고 구현하기가 더 쉽습니다.

이론을 파일럿 플랜트 절차로 변환

1단계: 제어 가능한 변수 식별

주요 조작 변수는 일반적으로 응축기 환류 유량이나 증류액 인출을 통해 조정되는 환류비입니다. 다른 가능한 제어 항목은 다음과 같습니다:

리보일러 열 입력.
증류액 인출 속도.
환류 유량.
압력 설정값.
특수 배치 작업에서의 용매 또는 공급물 추가.

첫 번째 구현에서는 여러 상호 작용하는 제어를 도입하기 전에 환류와 같은 하나의 주요 제어를 최적화하는 것이 좋습니다.

2단계: 필요한 측정값 수집

실제 피드백 시스템에는 다음이 필요할 수 있습니다:

리보일러 온도 및 압력.
환류 및 증류액 유량.
리보일러 액체 레벨 또는 잔류량.
온라인 분석기 또는 주기적 샘플을 통한 증류액 조성.
응축기 및 리보일러 온도.
컬럼 차압.

이러한 측정값을 통해 제어기는 추정된 배치 상태를 업데이트하고 실제 공정이 계산된 궤적을 따르고 있는지 판단할 수 있습니다.

3단계: 오프라인에서 최적 궤적 생성

PMP 방정식은 이점 경계값 문제(two-point boundary-value problem)로 풀 수 있습니다. 이를 위해서는 다음을 통합해야 합니다:

시간에 따른 공정 상태 방정식의 전진 적분.
시간에 따른 수반 방정식의 후진 적분.
환류에 대한 최적성 조건.
최종 배치 시간에서의 종료 제약 조건.

간접적인 PMP 계산은 초기 추측값에 민감할 수 있으므로, 종종 직접 수치 방법을 사용하여 초기화합니다.

4단계: 적절한 경우 직접 최적화 사용

교육 및 파일럿 규모 응용 분야에서는 제어 벡터 매개변수화(Control Vector Parameterisation, CVP)가 특히 실용적입니다. 배치를 시간 간격으로 나누고, 각 간격 내에서 환류를 일정하게 유지하거나 매개변수화합니다:

[ R(t)=R_k \quad \text{for} \quad t_k\le t<t_{k+1} ]

그 후 (R_k)의 시험값에 대해 동적 모델을 적분하고, 비선형 프로그래밍 솔버가 공정 제약 조건을 충족하면서 (t_F)를 최소화합니다.

이 접근 방식은 수학적 엄밀함과 구현의 단순성 사이에서 유용한 타협점을 제공합니다. 결과로 나온 환류 일정은 나중에 연속적인 PMP 솔루션과 비교할 수 있습니다.

5단계: 감독 제어로 구현

최적화는 일반적으로 모든 기본 제어를 직접 재정의하는 대신 감독 계층으로 작동해야 합니다. 일반적인 구조는 다음과 같습니다:

하위 루프가 환류 유량, 압력, 레벨 및 열 입력을 조절합니다.
최적화 도구가 원하는 환류 궤적을 계산합니다.
감독 제어기가 하위 루프에 실행 가능한 설정값을 보냅니다.
측정값을 사용하여 모델을 업데이트하고 편차를 감지합니다.

이러한 배치는 장비를 보호하면서 학생들이 최적 제어와 플랜트 동작 간의 관계를 관찰할 수 있게 합니다.

순도 및 배치 시간 제약 조건 관리

배치 전체에 걸쳐 순도 강제

최종 증류액 순도 목표만으로는 충분하지 않을 수 있습니다. 공정이 원하는 최종 상태에 도달하기 전에 일시적으로 사양 미달 물질을 생산할 수 있습니다.

순도는 다음과 같이 처리할 수 있습니다:

(x_D(t))에 대한 경로 제약 조건 적용.
초기 사양 미달 증류액을 다른 곳으로 전환.
배치를 제품 컷(cuts)으로 분리.
실제 운영 절차를 반영하는 경우에만 종료 제약 조건 적용.

올바른 선택은 파일럿 플랜트가 하나의 제품 분획을 수집하는지, 아니면 조성별로 정의된 여러 분획을 수집하는지에 따라 달라집니다.

최소 시간과 최대 생산성 구분

엄격한 최소 시간 문제는 필요한 제품 양과 순도가 고정되어 있다고 가정합니다. 반면 최대 생산성 문제는 단위 시간당 제품을 최대화하려고 하며, 잠재적으로 다른 양이나 운영 조건을 수용할 수 있습니다.

이러한 목표를 무심코 혼합해서는 안 됩니다. 하나의 제품 사양에 대해 시간을 최소화하는 환류 정책이 전체 회수 제품이나 경제적 수익을 최대화하지 못할 수 있습니다.

교육용 플랜트에서 최적화 검증

모델 보정부터 시작

제어 정책을 비교하기 전에 일정한 환류 실험을 사용하여 모델을 보정하십시오. 중요한 매개변수는 다음과 같습니다:

상대 휘발도 또는 열역학적 모델 매개변수.
트레이 또는 충전물 효율.
잔류량 추정치.
열전달 계수.
응축기 및 리보일러 동역학.
분석기 지연 및 측정 편향.

최적 제어기는 잘못된 분리 동작을 체계적으로 예측하는 모델을 안정적으로 보상할 수 없습니다.

일정한 환류 기준과 비교

가장 유익한 실험은 다음을 비교하는 것입니다:

기존의 일정한 환류 배치.
동적으로 최적화된 환류 배치.

두 테스트 모두 동일한 초기 장입량, 목표 제품 양, 순도 사양, 압력 및 안전 한계를 사용해야 합니다.

유용한 성능 측정 지표는 다음과 같습니다:

최종 배치 시간.
제품 회수율.
사양 미달 물질.
리보일러 열 부하.
응축기 냉각 수요.
환류 변경 횟수.
측정 및 모델 오류에 대한 민감도.

교육을 위한 단계별 정책 사용

단계별 정책은 최적화의 물리적 의미를 가시화합니다. 예를 들어, 배치를 초기, 중기, 최종 기간으로 나누고 각 기간에 대해 별도의 최적화된 환류 값을 설정할 수 있습니다.

학생들은 리보일러 조성의 변화가 어떻게 선호되는 환류 전략을 변화시키는지 검토할 수 있습니다.

상충 관계 이해

최소 시간이 자동으로 최소 에너지를 의미하지는 않음

최소 시간 목표는 배치를 빨리 끝내는 것을 우선시합니다. 이는 특정 기간 동안 높은 증기 발생이나 높은 환류를 요구할 수 있으며, 이는 순간 또는 총 유틸리티 소비를 증가시킬 수 있습니다.

에너지가 중요하다면 다음과 같이 다목적 또는 가중치 목표에 명시적으로 포함하십시오:

[ J=w_t t_F+w_Q Q_{\text{total}} ]

가중치는 실험의 교육적 또는 운영적 목적을 반영해야 합니다.

연속 제어는 비실용적일 수 있음

수학적으로 매끄러운 (R(t))는 빈번한 밸브 움직임이나 플랜트가 안정적으로 실행할 수 있는 것보다 작은 변경을 요구할 수 있습니다. 밸브 분해능, 액추에이터 동역학, 분석기 지연 및 운영자 작업 부하를 고려해야 합니다.

실제로는 시뮬레이션에서 약간 덜 최적화되더라도 조각별 상수 또는 필터링된 궤적이 더 선호되는 경우가 많습니다.

모델 불확실성은 예상 이익을 감소시킬 수 있음

상대 휘발도, 트레이 효율, 열 손실 및 잔류량은 배치 중에 변할 수 있습니다. 공급 조성 및 센서 오류로 인해 계산된 궤적이 실행 불가능해질 수도 있습니다.

강력한 구현에는 제약 여유, 상태 추정, 궤적 재최적화 및 일정한 환류와 같은 안전한 대체 정책이 포함되어야 합니다.

공격적인 최적화는 운영 위험을 초래할 수 있음

급격한 환류 변경은 유압 장애, 압력 변동, 플러딩(flooding), 위핑(weeping) 또는 불안정한 조성 측정값을 유발할 수 있습니다. 따라서 장비 한계는 솔루션을 얻은 후에만 확인하는 것이 아니라 최적화 과정에 내장되어야 합니다.

안전 제약 조건은 항상 계산된 최소 시간 정책보다 우선합니다.

목표에 맞는 올바른 선택

실제 구현은 플랜트의 측정, 모델링 및 제어 능력에 최적화 방법을 맞춰야 합니다.

주요 초점이 최소 배치 시간인 경우: 종료 제약 조건이 있는 최소 시간 문제를 공식화하고 PMP 또는 CVP를 사용하여 시간 가변 환류비를 최적화하십시오.
주요 초점이 제품 순도인 경우: 순도 경로 제약 조건을 추가하고 배치 전체에서 사양을 보호하는 제어 변수로 환류를 사용하십시오.
주요 초점이 에너지 절감인 경우: 시간 최소화만 하는 대신 목표에 리보일러 열 부하와 응축기 수요를 포함하십시오.
주요 초점이 강의실 시연인 경우: 보정된 2상태 모델과 일정한 환류 작업과 직접 비교할 수 있는 조각별 상수 환류 일정을 사용하십시오.
주요 초점이 안정적인 파일럿 플랜트 운영인 경우: 액추에이터 한계, 제약 여유, 필터링 및 일정한 환류 대체 기능을 갖춘 감독 제어를 통해 최적화된 궤적을 구현하십시오.
주요 초점이 경제적 생산성인 경우: 최소 시간을 유일한 목표로 삼는 대신 제품 양, 순도, 유틸리티 비용 및 배치 기간을 함께 최적화하십시오.

환류를 동적 의사 결정으로 취급하고 실제 제품 및 장비 제약 조건을 강제함으로써, 파일럿 플랜트는 PMP를 이론적 주제에서 배치 증류 성능의 측정 가능한 개선으로 바꿀 수 있습니다.

요약 표:

측면	핵심 통찰	파일럿 플랜트 적용
최적화 목표	제품 양 및 순도 목표를 충족하면서 최종 배치 시간 최소화	종료 제약 조건 정의 및 일정한 환류와 결과 비교
제어 변수	고정된 설정값 대신 시간 가변 환류비 R(t) 사용	연속, 단계별 또는 조각별 상수 환류 일정 구현
동적 모델	물질 수지로 리보일러 잔류량 및 조성 추적	필요에 따라 VLE, 트레이 효율, 잔류량, 압력 및 에너지 모델 추가
PMP 방법	상태 방정식, 수반 방정식 및 해밀토니안 최적화 결합	경계, 내부, 스위칭 또는 특이 환류 제어 선택
실용적 수치 방법	제어 벡터 매개변수화로 궤적 최적화 단순화	배치를 간격으로 나누고 비선형 솔버로 환류값 최적화
측정값	환류, 증류액 유량, 압력, 온도, 잔류량 및 조성이 중요	상태 추정 및 궤적 업데이트를 위해 온라인 분석 또는 샘플링 사용
제어 아키텍처	최적화는 안정적인 하위 제어 루프를 감독해야 함	환류, 압력, 레벨 및 리보일러 열 입력을 위한 별도의 루프 유지
검증	모델 보정 및 일정한 환류 벤치마킹이 필수	배치 시간, 회수율, 순도, 유틸리티 수요 및 환류 변경 비교
운영 안전장치	모델 불확실성과 급격한 변경은 유압 또는 순도 위험 초래 가능	제약 여유, 액추에이터 한계, 필터링, 재최적화 및 대체 제어 추가

LABPARK으로 증류 파일럿 플랜트 최적화

LABPARK 교육 및 직업 단위 조작 파일럿 플랜트로 고급 공정 제어 이론을 측정 가능한 파일럿 플랜트 결과로 전환하십시오. 당사의 화학 공학, 바이오 공정 및 생명 공학, 환경 및 수처리 시스템은 대학, 연구 기관 및 기업이 현실적인 운영 조건에서 동적 최적화를 교육, 테스트 및 검증하도록 돕습니다.

LABPARK 배치 증류 파일럿 플랜트를 통해 귀하의 팀은 다음을 수행할 수 있습니다: