考虑提纯能耗的氢网络提纯优化
刘桂莲 , 王颖佳     
西安交通大学 化学工程与技术学院, 西安 710049
摘要:由于环保法规的日益严格以及原油的重质化使得炼厂迫切需要降低新氢消耗,提纯回用可降低新氢消耗,但是提纯过程将增加能耗。为了权衡两者变化关系以确定系统最优提纯流量,该文根据概念法确定氢网络公用工程节省量和夹点随流量变化线,综合考虑变压吸附提纯的相关费用,做出节省新氢费用-流量线和提纯费用-流量线,通过图像分析法确定最优的提纯流量和临界提纯流量。应用此方法对某石化企业氢网络分析结果为:该系统的临界提纯流量为4.8 mol/s,最优提纯量为60.74 mol/s,最优提纯流量下,新氢节约量为29.03 mol/s,提纯后可节约费用 2.41×106 US$/a。
关键词氢网络     提纯     能耗     优化    
Optimization of a hydrogen network with consideration of the energy consumption for purification
LIU Guilian , WANG Yingjia     
School of Chemical Engineering and Technology, Xi'an Jiaotong University, Xi'an 710049, China
Abstract:Increasing stringent environmental regulations and the increased processing of inferior crude oils require that refineries reduce fresh hydrogen consumption. This can be achieved by purification of the hydrogen. However, the energy consumption for purification must be considered in the system. The study balances both factors to determine the optimal purification feed flow rate (PFFR). The pinch concept is used to relate the hydrogen utility savings (HUS) and the purification feed flow rate. The cost versus PFFR diagram includes the pressure swing adsorption (PSA) cost with an HUS cost versus PFFR line and a purification cost versus PFFR line to identify the optimal PFFR and the limiting PFFR. The hydrogen network of a petrochemical enterprise is optimized using this method with the results showing that the limiting PFFR is 4.8 mol/s, the optimal PFFR is 60.74 mol/s , and the annual cost can be decreased by 2.41×106 US$/a.
Key words: hydrogen network     purification     energy consumption     optimization    

在石油炼制行业中,氢气是炼油过程中加氢工艺的重要原料,同时也是催化重整过程的副产品。 近年来,加工原油的重质化以及脱硫处理,致使加氢处理工艺的加工能力和氢气需求量增大; 严格的环保法规对燃油提出了更低的芳烃要求,使得催化重整副产的氢气减少。 因此,炼厂迫切需要降低新氢消耗。 集成耗氢和供氢流股构成的网络,可提高炼厂过程氢的回用、 进而降低新氢消耗。 但是,过程氢的回用受限于其浓度偏低的约束。 针对这种情况,可利用提纯提高低浓度氢源的浓度以使其回用成为可能。 因此,考虑提纯回用的氢网络集成具有十分重要的意义。

不同的提纯氢源对氢网络的影响不同,同时提纯的能耗也不同。 为设计最优的提纯,需综合考虑氢网络的集成和提纯能耗对提纯进行优化。

Alves等[1]和Liu等[2]通过分析氢气提纯设备,提出3种可能存在的情况(夹点之上、 穿越夹点和夹点之下),并确定了最优的提纯设置是跨越夹点的提纯。Foo和Manan[3]将性质级联法(PCA)推广至可用于气体网络集成的气体级联法(GCA),可用于分析提纯回用氢网络。 但这种方法把提纯作为一个固定过程,而未考虑其优化。 Ng等[4-7]将级联分析法扩展为单杂质物质回用网络自动确定目标值的求解方法,并在此基础上提出基于性质和浓度的回用网络优化方法,可确定物质回用网络系统的夹点、 最小公用工程以及最大回用网络,也可用于确定提纯回用氢网络中的最优提纯量。 Nelson和Liu[8]提出了一种易于识别系统夹点和处理多夹点问题的Excel表格法。 该方法虽考虑了提纯回用,但同气体级联法(GCA)一样,未对提纯过程进行优化。 Bandyopadhyay[9]提出的方法同样也可以确定考虑提纯回用氢网络的最小公用工程用量。 基于提纯三角形规则,Zhang等[10]提出一种分析提纯回用氢网络系统的图像法,可在氢负荷-流量图上确定最终的提纯进料量、 提纯产品量、 提纯尾气量以及提纯后系统的夹点位置和最小公用工程用量目标值。 此方法被提纯氢源的位置相对固定,不能用来确定最优提纯氢源。 Liu等[11-13]基于严格推理提出一种可准确确定提纯量的变化对最小公用工程用量的影响以及提纯后新夹点的形成位置的图像法,同时发现氢网络中存在最优提纯量和极限提纯量。

除图示法外,基于数学规划的方法也可用于优化提纯回用氢网络。 Jia和Zhang[14]综合考虑源阱的流量和各杂质浓度约束,建立了以公用工程消耗最小和总操作费用最小为目标的超结构模型,以夹点分析结果为初始值来对整个网络进行优化。 Liao等[15]提出一种考虑压缩机的超结构氢网络优化模型,并将这种方法延伸至考虑提纯回用的氢网络优化[16]。 Deng等[17]对比分析了是否有提纯和压缩装置、 是否有经济性评价方程等不同情况下的公用工程用量和匹配数的变化。 Jagannath和Almansoor[18]考虑不同氢回收、 提纯操作、 压缩机、 阀门以及非等温条件下的加热和冷却建立了MINLP(mixed-integer non-linear programming)模型,可进行固定操作条件和不确定操作条件下氢网络的优化。 相比图示法,数学规划法虽然可以用来解决更多的复杂问题,但其求解困难,且不能直观地分析各变量的影响。

上述研究虽然考虑了氢网络的提纯回用,但大部分未对提纯原料的影响作以系统的分析。 Liu等[11-12]虽然提出了提纯和氢网络新氢消耗量的定量关系,并对提纯原料流量和浓度进行优化,但未考虑提纯过程的能耗。 而在氢网络中,提纯的能耗同样影响最优提纯和氢网络的集成。 本文将在Liu等[11-12]提出的图示法[11-13]的基础上,权衡节氢效益与提纯成本之间关系,优化提纯流量,建立考虑提纯能耗的集成方法。

1 提纯与氢网络新氢消耗量的关系

在氢剩余率基础上,Liu等[11]提出氢阱连接线的概念并分析了氢网络中夹点的位置。 在图 1所示浓度-流量图中,相邻氢源之间的连接线称为氢源连接线,例如图中正负区间的交汇线HH′、 II′等;相邻氢阱之间的连接线称为氢阱连接线,例如图 1中负正区间的交汇线AA′和BB′,夹点只能位于氢阱连接线处。

图 1 夹点位于氢阱连接线

在不同的氢阱连接线形成夹点时,公用工程节省量与提纯量的关系不同。 由于提纯产品之上的氢源不受提纯的影响,在提纯产品之上形成夹点时,公用工程节省量与提纯量无关,可用式(1)计算。 在提纯产品与提纯氢源间形成夹点时,提纯所得提纯产品位于相应氢阱连接线之上,氢源的纯氢量增加,相应的公用工程节省量与提纯量的关系如式(2)所示,在提纯氢源之下形成夹点时,其关系式见式(3)。

${{\Delta }_{s}}{{F}_{u,i}}({{c}_{u}}-{{c}_{pin}}^{*})={{H}_{i}},$ (1)
${{\Delta }_{s}}{{F}_{u,i}}({{c}_{u}}-{{c}_{pin}}^{*})={{H}_{i}}+{{F}_{pur}}{{c}_{pur}}R1-\frac{{{c}_{pin}}^{*}}{{{c}_{g}}},$ (2)
$\begin{align} & {{\Delta }_{s}}{{F}_{u,i}}({{c}_{u}}-{{c}_{pin}}^{*})= \\ & {{H}_{i}}+{{F}_{pur}}1-\frac{{{c}_{pur}}R}{{{c}_{g}}}{{c}_{pin}}^{*}-{{F}_{pur}}{{c}_{pur}}\left( 1-R \right). \\ \end{align}$ (3)

其中: ΔsFu,i为节省的公用工程摩尔流量; cu为新氢摩尔浓度; cpin*表示氢源形成夹点时的摩尔浓度; Hi为氢阱连接线处的剩余氢率; Fpurcpur分别为提纯氢源的摩尔流量和摩尔浓度; R为提纯收率; cg代表提纯产品的摩尔浓度。

由式(1)、 式(2)和式(3)可知,公用工程节省量与提纯量是线性关系。 据此可做出夹点在每一条氢阱连接线处出现时公用工程节省量和提纯量的关系线。 由于每条氢源只能与一条氢阱连接线相交,而氢阱连接线在不同的公用工程消耗量下可与不同氢源相交,因此,可在公用工程节省量-提纯量图中做出夹点出现在每一条可与氢阱连接线相交的氢源处时公用工程节省量和提纯量的关系线,如图 2所示。 这些直线与纵坐标轴所围成的区间,OABCDE,即为提纯和氢网络的可行域; 折线OABCDE为公用工程节省量和夹点的变化趋势线。 提纯流量变化时,公用工程节省量和夹点沿该折线变化,据此可确定系统的最优提纯流量。

图 2 公用工程节省量与提纯量定量关系曲线

2 最优提纯流量的确定

炼厂最常用的提纯氢气方式为PSA(pressure swing adsorption)变压吸附提纯。 该提纯过程的能耗包括提纯能耗、 压缩电耗等多种情况复杂的能量消耗过程。 为综合考虑上述因素,可以用提纯费用来评价提纯的影响。 考虑提纯能耗对氢网络的影响,则需综合考虑提纯费用和氢网络公用工程的节省费用。

提纯费用包括3个部分: 燃料费用、 压缩费用以及操作费用[19],如式(4)所示。

${{C}_{PSA}}={{C}_{F}}+{{C}_{W}}+{{C}_{R}}.$ (4)

其中: CF为补偿提纯尾气中氢气燃烧值的燃料费用,单位为US$/kmol,其值取决于本地区燃料平衡。 如果本地区净燃料富余,则此费用为零; 如果净燃料亏缺,则此费用与天然气费用等价; 其余情况,数值在这两者之间变化,通常为一定值。 CW指的是进料压力与产品压力不能满足压力要求时,需要的压缩费用。 在本文的氢气网络的集成优化中,未考虑压力的影响,因此该项费用将以零值处理。 CR指PSA提纯过程的操作费用,其经验计算公式为[19]

${{C}_{R}}(US{{\$}_{1994}}/kmol)=\frac{18.04}{{{F}_{pur}}}+\frac{0.236\text{ }4}{R\text{ }{{c}_{pur}}}.$ (5)

该公式是利用1994年的数据拟合的,因货币具有时间价值,所以公式操作费用的下标1994是指以1994年的货币价值为基准。

由式(5)可见,PSA单位提纯量的操作费用随提纯量Fpur、 提纯收率R、 进料氢气摩尔分率cpur的增大而减少。

对于净燃料富余地区,CF为零,则提纯带来的操作费用即为PSA的操作费用。

从文[19]获取的式(4)和(5)是根据1994年的大量数据分析得出的经验公式,随着时间的推移,利率以及通货膨胀等因素的影响,此费用计算式的参数值也需要做出变动。 为此,可根据化工厂费用因子(chemical engineering plant cost index,CEPCI)校正上式。 由文[20],得1995年到2013年的化工厂费用因子,分别为381.1和567.3。 基于这2 a的费用因子可对提纯操作费用进行校正,式(5)可转换为式(6),即

${{C}_{R}}=\frac{18.04}{{{F}_{pur}}}+\frac{0.236\text{ }4}{R\text{ }{{c}_{pur}}}\frac{567.3}{381.1}=\frac{26.85}{{{F}_{pur}}}+\frac{0.351\text{ }9}{R\text{ }{{c}_{pur}}}.$ (6)

其中CR为单位提纯量的操作费用。

式(6)两边同乘以提纯原料流量Fpur,可得一定提纯量下PSA操作费用Y2,如式(7)所示。

${{Y}_{2}}=\frac{0.351\text{ }9}{R\text{ }{{c}_{pur}}}{{F}_{pur}}+26.85=m{{F}_{pur}}+26.85.$ (7)

其中: Y2代表PSA操作费用,$m=\frac{0.351\text{ }9}{R\text{ }{{c}_{pur}}}$

由式(7)可知,PSA操作费用与提纯量成线性关系。

此外,对于式(1)、 (2)和(3),等式两边同乘以新氢的价格C,则可得节省新氢费用Y1和提纯原料流量Fpur之间的定量关系,分别如式(8)、 (9)和(10)所示,即

${{Y}_{1}}=\frac{{{H}_{i}}C}{({{c}_{u}}-{{c}_{pin}}^{*})}.$ (8)

其中: Y1 为节省氢的费用,C为公用工程新氢价格。

$~{{Y}_{1}}=M{{F}_{pur}}+\frac{{{H}_{i}}C}{2}({{c}_{u}}-{{c}_{pin}}^{*}).$ (9)

其中$M=\frac{{{c}_{pur}}R({{c}_{g}}-{{c}_{pin}}^{*})C}{2}{{c}_{g}}({{c}_{u}}-{{c}_{pin}}^{*})$

$~~{{Y}_{1}}=M{{F}_{pur}}+\frac{{{H}_{i}}C}{2}({{c}_{u}}-{{c}_{pin}}^{*}).$ (10)

其中$M=\frac{({{c}_{g}}-{{c}_{pur}}R){{c}_{pin}}^{*}-{{c}_{g}}{{c}_{pur}}\left( 1-R \right)C}{{{c}_{g}}({{c}_{u}}\text{-}{{c}_{pin}}^{*})}$

根据公用工程的变化趋势线和式(8)、 (9)和(10),可计算每一提纯流量下可节省的公用工程费用; 根据式(7)可计算相应的提纯操作费用。 据此可在费用-提纯流量图中做出节省新氢费用变化趋势线和提纯费用变化趋势线,如图 3所示。

图 3 PSA提纯操作费用与节省新氢费用的比较

图 3中,2条线的交点处如A点和F点,节省的新氢费用和提纯操作费用相等,因此提纯不能节省操作费用。 这2个点对应的提纯流量为该系统的临界提纯流量,前者对应下限,后者对应上限。 若不考虑提纯的操作费用,提纯氢源流量小于A点或大于F点对应流量时,仍可降低系统的新氢消耗,是可行的; 若考虑提纯的操作费用,提纯氢源流量小于A点或大于F点对应流量时,不能降低系统的操作费用。 若节约新氢费用变化趋势线在提纯操作费用变化趋势线上方,例如点A和点F之间的区域,节省的新氢费用大于提纯操作费用,对于任一给定的提纯流量,2条线之间的距离表示提纯后可节约的操作费用。 若节约新氢费用变化趋势线在提纯操作费用变化趋势线下方,提纯的应用不仅不能降低操作费用,反而会增大操作费用。

图 3 中ABCDEF所示的闭合区域内,经济效益是大于零的,称之为经济效益区。 由图 3可知,氢网络提纯优化的经济效益变化情况与提纯操作费用和节省新氢费用变化曲线上的直线斜率有关。 在一定的提纯流量范围内,若M>m,(如图 3中AB段、 BC段的流量范围),随着提纯量的增加,其与提纯操作费用线间的垂直距离增加,即提纯回用带来的经济效益是增大的; 若M=m,2条直线平行,其间垂直距离不发生改变,即提纯回用经济效益是没有变化的(如图 3中CD段的流量范围); 若M<m,2条曲线间的垂直距离减少,即提纯回用带来的经济效益逐渐减少(如图中DE段、 EF段的流量范围)。 节省新氢费用曲线和提纯操作费用线距离最大的点对应最大的费用节省量,对应的Fpur为最优的提纯氢源流量。 在图 3中,CD段与PSA操作费用线平行,且节省新氢费用和提纯操作费用差值在流量经济效益区为最大,因此CD段对应的提纯流量为该系统的最优提纯流量。 考虑到提纯流量的增大会增大提纯设备的尺寸,可选择较小的C点的提纯量为最优提纯量。

根据M和m的计算式可知,公用工程新氢单价的改变将明显改变节省新氢费用曲线,也就是说,氢网络的优化和最优提纯量对市场有一定的敏感度; 市场新氢价格的波动将影响最优提纯氢源流量。 此外,当提纯收率增大时,m值减小、 M值增大,临界提纯流量的下限值减少,上限值增大,最优提纯量增大; 在经济效益区,经济效益将大幅提高,所以应该尽可能地提高提纯收率以增大经济效益。 当提纯产品浓度增加时,m值不变、 M值增大,临界提纯流量的下限值将减少,上限值将增大,最优提纯流量也将增大; 在经济效益区,经济效益也将增大,可以通过提高提纯产品浓度增大经济效益。 当提纯氢源浓度增加时,m值减少,式(9)中的M值增大,式(10)中的M值减少; 相应地,对应图中ABCD段斜率增大,DEF段斜率降低,临界提纯流量的下限值减少,上限值变化不确定,该值取决于m与M的相对变化情况,此时最优提纯流量减少。

3 案例分析

某石化企业的氢网络系统中产氢装置共有4套,分别为: 2套连续重整装置和2套制氢装置。 耗氢装置共有13套,分别为: 重整预加氢、 S-Zorb(汽油吸附脱硫技术)、 苯抽提、 航空煤油加氢、 3#柴油加氢、 4#柴油加氢、 蜡油加氢处理、 润滑油加氢和加氢裂化。 该厂的氢网络系统总共包括10股氢源、 9股氢阱,各氢源(SR)、 氢阱(SK)的摩尔浓度和摩尔流量数据见表 1。 其中,摩尔浓度为99.9%的氢源是制氢装置生产的新氢,为公用工程,其用量可根据生产需要调整。

表 1 氢源和氢阱数据
氢源 摩尔浓度 % 摩尔流量 mol·s-1 氢阱 摩尔浓度 % 摩尔流量 mol·s-1
SR199.90285.37SK199.9027.61
SR299.90215.65SK299.90124.01
SR397.00115.67SK398.00361.03
SR493.00204.31SK495.00299.52
SR591.60102.36SK592.005.34
SR687.0093.20SK691.004.96
SR778.8170.63SK791.003.10
SR867.2060.74SK890.00124.01
SR932.2148.47SK983.0074.40
SR1030.2986.21

通过夹点分析可知,该系统的公用工程节能潜力为37.89 mol/s,即最小新氢公用工程用量 247.48 mol/s,夹点摩尔浓度为78.81%。 本案例中,提纯产品和提纯氢源的摩尔浓度分别选为97%和67.2%,纯氢收率取为0.8。 据此,可用本文提出的方法权衡提纯节氢费用与PSA操作费用来优化提纯氢源的摩尔流量。 本案例中,提纯氢源SR8的摩尔流量为60.74 mol/s,该值可作为极限提纯摩尔流量。

利用式(1)—(3)分别计算提纯产品之上、 提纯产品和提纯氢源之间、 提纯氢源之下形成夹点时,公用工程节省量与提纯量之间的关系式,以提纯量为纵坐标,公用工程节省量为横坐标作图,可得图 4。 为清楚起见,图 4中仅画出与可行域有关的直线。 根据提纯量与公用工程节省量的关系可知,可行域为直线上方区域。 如图 4所示,在提纯流量小于60.74 mol/s,SR5对应直线的上方为此网络的可行域,也就是说,78.81%的氢源线由于提纯发生右移与氢阱连接线相交形成夹点,随着提纯量的增大,公用工程的节省量随之增大。

图 4 提纯量与公用工程节省量的简化关系图

氢气的市场价格为10 675 ¥/t,转换为单位摩尔量的价格,即为0.003 49 US$/mol。 SR5的氢源摩尔浓度位于提纯产品与提纯氢源摩尔浓度之间,所以利用式(9)计算节省新氢费用与提纯量之间的关系,利用式(7)求取PSA的费用。 图 5为这2个费用的关系。

图 5 费用与提纯量的关系图

图 5可见,节省新氢费用线的斜率M大于提纯操作费用线的斜率,这2条线相交于A点(提纯量4.8 mol/s)。 在点A的左侧,节省新氢费用小于提纯操作费用,提纯将增加系统的操作费用。 相反,在点A的右侧提纯可降低系统的操作费用,且降低的操作费用随提纯摩尔流量的增大而增大。 因此,系统的临界提纯摩尔流量为4.8 mol/s。 考虑到提纯氢源(SR5)的摩尔流量为60.74 mol/s因此可取最优提纯氢源的摩尔流量为60.74 mol/s。 该提纯摩尔流量下,公用工程节省量为29.03 mol/s,节省新氢费用0.100 US$/s,提纯操作费用0.016 US$/s,因而总节省费用0.084 US$/s,年节约操作费用2.41×106 US$。 对于此案例,运用数学规划法进行验证得到的结果与上述方法得到的最优提纯量一致。

4 结 论

论文根据概念法确定氢网络公用工程节省量随流量变化线,综合考虑氢网络的节氢和提纯费用,通过图像分析的方法对提纯氢源流量的优化进行了研究。 研究结果表明:

1) 氢网络系统中存在提纯原料的最大和最小临界摩尔流量,超出该摩尔流量范围时,应用该提纯将增大系统的操作费用。

2) 在费用-提纯流量图中,做出节约新氢费用曲线和提纯操作费用曲线,可确定系统提纯原料的临界摩尔流量和最优摩尔流量。

3) 某石化企业现行氢网络提纯原料的临界摩尔流量为4.8 mol/s,最优提纯原料的摩尔流量为60.74 mol/s,最优提纯流量下,节约新氢的摩尔流量为29.03 mol/s,应用提纯后可节约费用 2.41×106 US$/a。 案例分析表明,论文所提出的方法简单、 准确。

本文在优化中仅考虑了提纯原料摩尔流量的影响,而在实际工业应用中,提纯收率、 提纯产品浓度、 提纯氢源浓度之间是相互联系,并且与设备参数相关。 在后续的研究工作中,应该考虑这些变量之间的相互影响。

参考文献
[1] Alves J. Analysis and Design of Refinery Hydrogen Distribution Systems[D]. Manchester, UK:University of Manchester, 1999.
[2] LIU Fengru, ZHANG Nan. Strategy of purifier selection and integration in hydrogen networks[J]. Chemical Engineering Research and Design , 2004, 82 (10) : 1315–1330. DOI:10.1205/cerd.82.10.1315.46739
[3] Foo D C Y, Manan Z A. Setting the minimum utility gas flowrate targets using cascade analysis technique[J]. Industrial & Engineering Chemistry Research , 2006, 45 (17) : 5986–5995.
[4] Ng D K S, Foo D C Y, Tan R R, et al. Automated targeting for conventional and bilateral property-based resource conservation network[J]. Chemical Engineering Journal , 2009, 149 (1) : 87–101.
[5] Ng D K S, Foo D C Y, Tan R R. Automated targeting technique for single-impurity resource conservation networks. Part 1:Direct reuse/recycle[J]. Industrial & Engineering Chemistry Research , 2009, 48 (16) : 7637–7646.
[6] Ng D K S, Foo D C Y, Tan R R. Automated targeting technique for single-impurity resource conservation networks. Part 2:Single-pass and partitioning waste-interception systems[J]. Industrial & Engineering Chemistry Research , 2009, 48 (16) : 7647–7661.
[7] Ng D K S, Foo D C Y, Tan R R, et al. Automated targeting technique for concentration-and property-based total resource conservation network[J]. Computers & Chemical Engineering , 2010, 34 (5) : 825–845.
[8] Nelson A M, Liu Y. Hydrogen-pinch analysis made easy[J]. Chemical Engineering , 2008, 115 (6) : 56–61.
[9] Bandyopadhyay S. Source composite curve for waste reduction[J]. Chemical Engineering Journal , 2006, 125 (2) : 99–110. DOI:10.1016/j.cej.2006.08.007
[10] ZHANG Qiao, FENG Xiao, LIU Guilian, et al. A novel graphical method for the integration of hydrogen distribution systems with purification reuse[J]. Chemical Engineering Science , 2011, 66 (4) : 797–809. DOI:10.1016/j.ces.2010.11.044
[11] LIU Guilian, LI Hao, FENG Xiao, et al. A conceptual method for targeting the maximum purification feed flow rate of hydrogen network[J]. Chemical Engineering Science , 2013, 88 (12) : 33–47.
[12] LIU Guilian, LI Hao, FENG Xiao, et al. Novel method for targeting the optimal purification feed flow rate of hydrogen network with purification reuse/recycle[J]. AIChE Journal , 2013, 59 (6) : 1964–1980. DOI:10.1002/aic.13962
[13] LI Hao. A Novel Concept Method to Identify the Optimal Purification Flow Rate of the Hydrogen Network with Purification Reuse[D]. Xi'an:Xi'an Jiaotong University, 2012.
[14] JIA Nan, ZHANG Nan. Multi-component optimisation for refinery hydrogen networks[J]. Energy , 2011, 36 (8) : 4663–4670. DOI:10.1016/j.energy.2011.03.040
[15] LIAO Zuwei, WANG Jingdai, YANG Yongrong, et al. Integrating purifiers in refinery hydrogen networks:A retrofit case study[J]. Journal of Cleaner Production , 2010, 18 (3) : 233–241. DOI:10.1016/j.jclepro.2009.10.011
[16] LIAO Zuwei, RONG Gang, WANG Jingdai, et al. Rigorous algorithmic targeting methods for hydrogen networks-Part I:Systems with no hydrogen purification[J]. Chemical Engineering Science , 2011, 66 (5) : 813–820. DOI:10.1016/j.ces.2010.10.018
[17] DENG Chun, PAN Huaimin, LI Yantao, et al. Comparative analysis of different scenarios for the synthesis of refinery hydrogen network[J]. Applied Thermal Engineering , 2014, 70 (2) : 1162–1179. DOI:10.1016/j.applthermaleng.2014.04.036
[18] Jagannath A, Almansoori A. Modeling of hydrogen networks in a refinery using a stochastic programming approach[J]. Industrial & Engineering Chemistry Research , 2014, 53 (51) : 19715–19735.
[19] Towler G P, Mann R, Serriere A J L, et al. Refinery hydrogen management:cost analysis of chemically-integrated facilities[J]. Industrial & Engineering Chemistry Research , 1996, 35 (7) : 2378–2388.
[20] Aden A, Foust T. Technoeconomic analysis of the dilute sulfuric acid and enzymatic hydrolysis process for the conversion of corn stover to ethanol[J]. Cellulose , 2009, 16 (4) : 535–45. DOI:10.1007/s10570-009-9327-8