이성분계 배치 증류에서 다성분계 배치 증류로 동적 최적화를 확장하면 문제는 단일 조성 궤적에서 결합된 고차원 제어 문제로 바뀝니다. (n_c)개의 성분을 포함하는 혼합물의 경우, 일반적으로 모델에는 재비기 액상 조성에 대한 (n_c-1)개의 독립적인 미분 성분 수지와 전체 액체 재고 수지가 필요합니다. 최적 제어 정식화에는 각 독립 조성에 대해 하나의 수반 변수를 포함해야 하며, 환류 정책은 각 액상 조성에 대한 모든 증기 조성의 민감도에 따라 결정됩니다.

핵심적인 변화는 차원과 결합성입니다: 다성분계 최적화에는 추가적인 상태 방정식과 수반 방정식이 필요하며, 열역학적 상호작용으로 인해 각 제어 결정이 여러 성분의 궤적에 동시에 영향을 미칩니다.

이성분계 정식화를 변경해야 하는 이유

이성분계에는 하나의 독립 조성이 있습니다

이성분 혼합물에서는 조성의 합이 1이므로 하나의 액상 몰분율을 지정하면 다른 하나가 결정됩니다.

[ x_1 + x_2 = 1 ]

따라서 동적 모델은 전체 재비기 액체량 (M)과 함께 (x_1)과 같은 하나의 독립 조성 상태를 사용할 수 있습니다.

단순화된 재비기 수지는 다음과 같이 쓸 수 있습니다.

[ \frac{dx_1}{dt} = \frac{x_1-y_1}{M}\frac{dM}{dt} ]

여기서 (y_1)은 기액 평형 관계에 의해 결정되는 재비기 출구 증기의 조성입니다.

다성분계에는 여러 조성 상태가 필요합니다

(n_c)개 성분의 경우 몰분율 제약 조건은 다음과 같습니다.

[ \sum_{i=1}^{n_c}x_i=1 ]

독립적인 액상 조성은 (n_c-1)개뿐입니다. 따라서 동적 모델에는 다음이 포함됩니다.

[ x_1,;x_2,;\ldots,;x_{n_c-1} ]

마지막 조성은 다음과 같이 계산됩니다.

[ x_{n_c}=1-\sum_{i=1}^{n_c-1}x_i ]

모델은 전체 재비기 재고량 (M)도 추적합니다. 따라서 이성분계와 비교하면 상태 벡터는 하나의 조성 상태에서 (n_c-1)개의 조성 상태와 재고 상태로 확장됩니다.

동적 모델의 확장 방식

각 독립 성분에는 수지가 필요합니다

각 독립 성분 (i)에 대해 재비기 수지는 일반적으로 다음과 같은 형태를 갖습니다.

[ \frac{d(Mx_i)}{dt}=-Vy_i ]

여기서 (V)는 증기 유량이고, (y_i)는 성분 (i)의 증기 몰분율입니다.

이 수지를 전체 재고 수지와 결합하면 액상 조성에 대한 결합된 미분 방정식 세트를 얻을 수 있습니다. 정확한 형태는 선택한 운전 변수, 유량 정의, 그리고 모델이 엄밀한 증류탑 설명을 사용하는지 또는 축약된 레일리형 모델을 사용하는지에 따라 달라집니다.

증기 조성은 결합된 함수가 됩니다

이성분계 모델에서 증기 조성은 종종 하나의 독립 액상 조성과 운전 조건의 함수로 볼 수 있습니다.

[ y_1 = y_1(x_1,u) ]

다성분 혼합물에서는 각 증기 조성이 전체 액상 조성 벡터와 환류비 또는 열 입력과 같은 제어 변수 (u)에 의존합니다.

[ y_i = y_i(x_1,x_2,\ldots,x_{n_c-1},u) ]

이는 하나의 액상 조성이 변하면 여러 증기 조성이 동시에 변할 수 있음을 의미합니다. 열역학적 비이상성, 압력, 온도 및 증류탑 운전 조건은 이러한 상호작용을 더욱 강화할 수 있습니다.

대수적 열역학 모델도 함께 확장됩니다

각 적분 단계에서 기액 평형을 계산해야 할 수 있으며, 엄밀한 증류탑 모델에서는 단별 물질 및 에너지 관계도 계산해야 합니다. 따라서 최적화기는 다음 두 가지를 모두 처리합니다.

미분 상태: 재비기 재고량 및 독립 액상 조성 등.
대수 변수: 증기 조성, 온도, 단별 조성 및 유량 등.

엄밀한 구현은 일반적인 상미분방정식의 단순한 집합이 아니라 미분-대수 방정식 시스템으로 표현되는 경우가 많습니다.

폰트리아긴 정식화의 변화

해밀토니안에 더 많은 상태 및 수반 항이 포함됩니다

독립 상태 벡터를 다음과 같이 정의합니다.

[ \mathbf{x}= \begin{bmatrix} M & x_1 & x_2 & \cdots & x_{n_c-1} \end{bmatrix}^{T} ]

다성분계 해밀토니안은 일반적으로 다음과 같이 표현할 수 있습니다.

[ H = L(\mathbf{x},u,t) +\lambda_M f_M(\mathbf{x},u,t) +\sum_{i=1}^{n_c-1}\lambda_i f_i(\mathbf{x},u,t) ]

여기서 다음과 같습니다.

(L)은 존재하는 경우의 실행 목적 함수입니다.
(f_M)은 재고 동역학을 나타냅니다.
(f_i)는 성분 (i)의 조성 동역학을 나타냅니다.
(\lambda_M)은 재고량에 대응하는 수반 변수입니다.
(\lambda_i)은 독립 조성 (x_i)에 대응하는 수반 변수입니다.

이성분계에서는 일반적으로 독립 조성 수반 변수가 하나뿐입니다. 다성분계 정식화에서는 (n_c-2)개의 추가 조성 수반 변수가 필요합니다.

수반 방정식은 결합된 시스템이 됩니다

각 수반 변수는 다음과 같이 변화합니다.

[ \frac{d\lambda_j}{dt}

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

각 상태 (x_j)에 대해 적용됩니다. 각 증기 조성이 모든 독립 액상 조성에 의존할 수 있으므로, 결과적인 수반 방정식에는 다음과 같은 교차 민감도 항이 포함됩니다.

[ \frac{\partial y_i}{\partial x_j} ]

(i)와 (j)의 여러 조합에 대해 적용됩니다.

따라서 한 성분에 대응하는 수반 변수는 해당 성분의 직접적인 분리 거동뿐만 아니라, 액상 조성의 변화가 다른 성분들의 기화에 미치는 영향도 반영합니다.

환류 정지 조건은 더욱 복잡해집니다

내부 최적 제어의 경우 제어 변수는 일반적으로 다음과 같은 정지 조건을 만족합니다.

[ \frac{\partial H}{\partial u}=0 ]

다성분계에서 이 미분에는 모든 성분 수지의 기여가 포함됩니다.

[ \frac{\partial H}{\partial u}

\frac{\partial L}{\partial u} + \lambda_M\frac{\partial f_M}{\partial u} + \sum_{i=1}^{n_c-1} \lambda_i \frac{\partial f_i}{\partial u} ]

따라서 최적 환류비는 하나의 이성분 조성 쌍의 거동이 아니라 전체 조성 벡터에 대한 제어 변수의 가중 효과에 의해 결정됩니다.

정지 조건을 만족하는 실행 가능한 내부 해가 없으면 최적해는 환류 한계에서 발생할 수 있습니다. 이는 환류비, 열 입력 및 배치 시간이 물리적 한계를 갖는 실제 파일럿 플랜트 최적화에서 특히 중요합니다.

목적 함수와 제약 조건의 설정 방식

최적화 목적은 근본적으로 변하지 않습니다

문제는 여전히 최소 시간, 최대 증류액 또는 경제적 최적화 문제로 정식화할 수 있습니다.

예를 들어 최소 시간 문제는 다음을 최소화하는 것을 목표로 할 수 있습니다.

[ J=t_f ]

최종 제품 순도 및 회수율 제약 조건을 만족해야 합니다. 반면 최대 증류액 문제는 고정된 운전 기간 동안 수집되는 제품량을 최대화합니다.

다성분계 확장은 상태 및 제약 조건의 차원을 변화시키지만, 사업 또는 실험의 목적 자체는 동일하게 유지될 수 있습니다.

제품 사양은 다성분 제약 조건이 됩니다

이성분계 분리에서는 한 성분의 순도와 회수율을 지정할 수 있습니다. 다성분계 작업에서는 다음과 같이 여러 제품 특성을 제약해야 할 수 있습니다.

주요 성분의 몰분율.
경질 키 또는 중질 키 성분의 회수율.
불순물의 최대 함량.
전체 증류액 또는 잔류물량.
재순환 또는 중간 컷 사양.

이러한 제약 조건은 사용 가능한 자유도와 일치해야 합니다. 특정 증류 작업에서 열역학적 경로는 동시에 부과할 수 있는 독립적인 제품 사양의 수를 일반적으로 제한합니다.

순차 컷에는 작업 수준의 의사결정이 필요합니다

다성분계 배치 증류는 주 컷, 전이 컷, 중간 분획 및 재순환 작업과 같은 일련의 작업으로 구성되는 경우가 많습니다.

실제 작업은 키 성분의 목표 몰분율과 해당 작업의 초기 물질을 기준으로 한 분율 회수율 등 두 개의 독립적인 의사결정 변수로 정의할 수 있습니다. 이후 작업은 이전 작업에서 생성된 잔류물 또는 중간 컷의 조성을 물려받습니다.

이전 작업의 결정은 후속 작업으로 전달됩니다

초기 작업의 환류 결정 또는 컷 지점은 후속 작업으로 유입되는 조성과 재고량을 변화시킵니다. 따라서 개별 작업을 별도로 해결하더라도 다중 컷 최적화는 순차적으로 결합됩니다.

수치적으로 기울기를 평가할 때는 영향을 받는 작업과 그 이후의 작업만 다시 최적화하면 됩니다. 이후의 결정은 이미 완료된 작업을 변경하지 않으므로 이전 작업의 해는 유지할 수 있습니다.

수치적으로 달라지는 점

최적화 차원이 증가합니다

(n_c-1)개의 독립 조성이 존재하면 성분 수가 증가할수록 상태 및 수반 시스템의 규모가 커집니다. 최적화기는 더 많은 조성 제약 조건과 잠재적으로 더 많은 대수적 VLE 계산도 처리해야 합니다.

이로 인해 각 동적 시뮬레이션과 각 기울기 평가에 필요한 비용이 증가합니다.

제어 매개변수화가 더욱 중요해집니다

제어 벡터 매개변수화는 구간별 상수 또는 구간별 평활 함수를 사용하여 환류 또는 열 입력 궤적을 나타낼 수 있습니다. 그러면 최적화기는 작업 시간 또는 컷 시간과 함께 각 구간의 제어 값을 결정합니다.

파일럿 플랜트에서는 구간별 상수 환류 프로파일이 구현하기 쉽고 실험 운전 절차와 비교하기도 쉬우므로 유용한 경우가 많습니다. 또한 연속적으로 변화하는 최적 제어에 대한 실용적인 근사도 제공합니다.

기울기의 품질이 중요해집니다

유한 차분은 간단하지만 모델 규모가 커질수록 계산 비용이 높아지고 시뮬레이션 허용 오차에 민감해질 수 있습니다. 각 섭동마다 다성분계 동적 문제를 다시 풀어야 하며, 다중 작업 운전에서는 영향을 받는 모든 후속 작업도 다시 계산해야 할 수 있습니다.

수반 또는 민감도 기반 기울기는 액상 조성, 증기 조성 및 제어 변수 간의 교차 의존성을 체계적으로 반영하므로 더욱 중요해집니다.

모델 검증이 더욱 어려워집니다

확장된 모델은 다음 항목과 비교하여 검증해야 합니다.

성분 물질 수지.
전체 물질 보존.
물리적 조성 범위.
VLE 계산.
증류탑 압력 및 온도 거동.
측정된 제품 순도 및 회수율.
관찰된 컷 전이 및 배치 시간.

수학적으로는 최적이지만 파일럿 플랜트 측정값과 일치하지 않는 해는 운전상 신뢰할 수 있는 최적해가 아닙니다.

트레이드오프 이해하기

성분이 많아지면 최적화는 더욱 현실적이지만 어려워집니다

다성분계 정식화는 중간 컷 및 재순환 스트림을 포함한 실제 분별 거동을 최적화할 수 있습니다. 그 대가로 더 크고 비선형적이며 상태 간 결합이 강한 모델을 사용해야 합니다.

이성분계 근사는 예비 분석에 유용할 수 있지만 불순물 축적, 키 성분 간 상호작용 및 최적 컷 시간의 실제 위치를 놓칠 수 있습니다.

환류를 높이면 분리는 향상될 수 있지만 생산성은 낮아질 수 있습니다

환류를 증가시키면 일반적으로 정류 작용이 강화되지만, 에너지 수요가 증가하고 일정량의 제품을 수집하는 데 필요한 시간이 늘어날 수도 있습니다.

최적화기는 환류를 독립적인 순도 설정값으로 취급하지 않고 순도, 회수율, 배치 시간 및 유틸리티 사용량 사이의 균형을 맞춰야 합니다.

제약 조건이 많아지면 문제가 실행 불가능해질 수 있습니다

순도, 회수율, 수율 및 배치 시간 요구 사항의 모든 조합이 하나의 작업에서 물리적으로 달성 가능한 것은 아닙니다. 다성분계 증류 맵은 가능한 제품 궤적을 제한합니다.

사양이 실행 불가능한 경우 올바른 대응은 단순히 수치 최적화기의 허용 오차를 높이는 것이 아니라, 순차 컷에 걸쳐 요구 사항을 완화하거나 재분배하는 것입니다.

단순화된 모델은 중요한 거동을 숨길 수 있습니다

단축 모델은 계산 시간을 줄이지만 단 효율, 홀드업, 압력 효과, 열 손실, 비이상적 열역학 또는 증류탑의 과도 동역학을 포착하지 못할 수 있습니다.

초기 설계 연구에는 축약 모델로 충분할 수 있습니다. 그러나 파일럿 플랜트 검증 및 운전 권고를 위해서는 측정된 분리에 실질적으로 영향을 미치는 효과를 모델에 포함해야 합니다.

목표에 맞는 선택

적절한 정식화는 파일럿 플랜트 실험 또는 생산 연구를 통해 무엇을 규명해야 하는지에 따라 달라집니다.

주요 관심사가 순도와 회수율인 경우: (n_c-1)개의 독립 조성 수지를 사용하고, 명시적인 다성분계 VLE 및 관련 키 성분에 대한 제품 제약 조건을 포함합니다.
주요 관심사가 최대 생산성인 경우: 제품 수율, 배치 시간, 환류 부하 및 유틸리티 소비량의 균형을 맞추는 최대 증류액 또는 최대 이익 목적 함수를 정식화합니다.
주요 관심사가 순차적 분별인 경우: 키 성분 조성 및 회수율 결정 변수를 사용하여 각 컷을 최적화하고, 잔류물 및 재순환 조성을 후속 작업으로 전달합니다.
주요 관심사가 계산 효율성인 경우: 제어 벡터 매개변수화를 사용하고, 영향을 받지 않는 이전 작업의 해를 재사용하며, 반복적인 유한 차분 대신 민감도 또는 수반 기울기를 고려합니다.
주요 관심사가 파일럿 플랜트 충실도인 경우: 성분 수지, VLE 거동, 온도 프로파일, 측정된 순도, 회수율 및 배치 시간과 비교하여 다성분계 동적 모델을 검증합니다.

핵심 원칙은 다성분계 배치 증류를 결합된 벡터 동적 시스템으로 취급하는 것입니다. 이 시스템의 최적 환류 정책은 모든 독립 조성의 전체적인 거동에 의해 결정됩니다.

요약 표:

측면	이성분계 분리	다성분계 분리
독립 조성 상태	1	n_c - 1
동적 모델	단일 조성 궤적 및 재고 수지	결합된 성분 수지 및 재고 동역학
열역학	증기 조성이 주로 하나의 액상 조성에 의존	각 증기 조성이 전체 액상 조성 벡터에 의존
최적 제어	하나의 조성 궤적을 기반으로 함	모든 성분에 대한 환류 또는 열 입력의 효과를 균형 조정
수반 방정식	일반적으로 하나의 조성 수반 변수	각 독립 조성에 하나의 수반 변수와 재고량 수반 변수 추가
제품 제약 조건	일반적으로 하나의 키 성분 순도 및 회수율 목표	여러 순도, 불순물, 회수율, 수율 및 컷 사양
수치 요구 사항	낮은 시뮬레이션 및 기울기 계산 비용	더 까다로운 VLE 계산, 민감도 분석 및 검증
파일럿 플랜트 우선순위	기본적인 순도 및 회수율	순도, 회수율, 생산성, 에너지 사용량, 컷 전이 및 모델 충실도

다성분계 배치 증류 연구를 계획하고 계신가요? LABPARK에 문의하여 요구 사항을 논의해 보세요. LABPARK는 화학공학, 바이오공정 및 바이오테크놀로지, 환경 및 수처리 분야에 활용할 수 있는 교육·직업훈련용 단위조작 파일럿 플랜트를 제공합니다. 당사의 파일럿 플랜트는 대학, 연구기관 및 기업이 현실적인 동적 운전, 구성 가능한 환류 및 열 입력 제어, 제품 순도 및 회수율 분석, 파일럿 규모 공정 검증을 통해 다성분계 분리 전략을 평가할 수 있도록 지원합니다. LABPARK와 함께 교육, 연구, 공정 개발 및 신뢰할 수 있는 스케일업 의사결정을 지원하는 시스템을 선택해 보세요.