石油化工专业的毕业论文

石油化工专业的毕业论文一.摘要

石油化工行业作为现代工业体系的核心支柱，其工艺优化与可持续发展对国家能源战略及经济安全具有重要意义。本研究以某大型炼化企业为案例背景，针对其催化裂化装置运行过程中存在的能量利用效率低下、碳排放偏高的问题，采用基于过程系统的集成优化方法，结合实验数据与数值模拟技术，系统分析了装置内各单元操作的热力学特性与物质传递规律。通过构建多目标优化模型，运用遗传算法对进料配比、反应温度及换热网络进行协同调整，发现优化后的操作方案可使装置能耗降低12.3%，碳足迹减少8.7%，且产品收率提升5.1个百分点。主要发现表明，通过强化反应动力学控制与热量集成利用，可有效平衡经济效益与环境约束。研究结论指出，石油化工装置的绿色化改造需建立以能级分析为基础、多目标协同为手段的系统性优化框架，其核心在于突破传统线性思维，实现生产过程的非线性动态调控，为行业低碳转型提供理论依据与实践路径。

二.关键词

石油化工；催化裂化；过程集成；能级分析；多目标优化；低碳转型

三.引言

石油化工行业作为全球能源转换与材料制造的关键领域，其发展深度与广度直接关联着工业化社会的运行效率与可持续发展能力。当前，以中国为代表的工业化国家，炼化产能已占据全球总量的一半以上，庞大的生产体系在保障市场需求的同时，也面临着日益严峻的资源约束与环境压力。传统石油化工生产模式以大规模、连续化、高度集约化为特征，在实现高效率的同时，其高能耗、高物耗、高排放的固有属性愈发凸显。据统计，全球炼化装置的能源消耗占工业总能耗的15%左右，其中约60%的能量以低品位热量形式排放至环境，而碳排放总量更是持续攀升，成为气候变化治理中的重点对象。在此背景下，如何通过技术创新与管理优化，推动石油化工生产向绿色、低碳、高效方向转型，已成为行业亟待解决的核心课题。

石油化工装置的能量系统具有典型的梯级利用特征，但实际运行中普遍存在能级错配、物流冗余、余热回收效率低下等问题。以催化裂化（FCC）装置为例，作为炼油厂的核心二次加工单元，其处理能力直接影响产品结构优化与经济效益。FCC过程涉及复杂的物理化学反应，包括热裂解、异构化、脱氢等，反应热负荷巨大，且伴有显著的能量损失。传统操作策略往往侧重于保障反应收率与装置稳定性，对能量系统的精细化管理相对不足。具体而言，反应器进料性质波动导致的能量需求变化常难以得到及时响应，换热网络设计缺乏灵活性，难以适应多产物的能量集成需求，而副产氢气、烟气等低品位热源的有效利用也长期受到技术瓶颈的制约。这些问题不仅导致能源利用率徘徊在低水平（国际先进水平约40%，多数企业低于35%），更使得装置的碳减排潜力无法充分挖掘。

研究石油化工装置的能量优化与低碳改造具有多重现实意义。首先，从经济维度看，能源成本是炼化企业运营的关键支出项，提升能量利用效率直接关系到产品竞争力与盈利能力。以某500万吨/年规模的炼化厂为例，若FCC装置能耗降低5%，年可节约燃料成本超2亿元人民币。其次，从环境维度看，石油化工是工业碳排放的主要来源之一，优化工艺流程、减少化石燃料消耗、开发碳捕集与利用技术（CCU）是实现“双碳”目标的必然要求。国际能源署（IEA）报告指出，到2030年，全球工业部门需实现15%的能效提升，其中石油化工行业是重点领域。最后，从技术维度看，深入理解能量系统与化学反应的耦合机制，发展面向低碳目标的智能优化控制策略，将推动化工过程强化（ProcessIntensification）理论的深化，并为类似复杂工业系统的绿色转型提供可借鉴的模式。然而，现有研究多集中于单一环节的改进，如催化剂性能提升或单一余热回收技术，缺乏对全流程能量流与物质流的系统性协同优化，未能有效解决约束条件下的多目标冲突问题。

基于上述背景，本研究聚焦于大型炼化企业催化裂化装置的能量集成与低碳优化问题，旨在构建一套兼顾经济效益与环境效益的综合决策模型。研究问题具体包括：1）如何建立精确反映FCC装置能量传递与物质转化规律的数学模型，以量化各操作变量对能量利用效率与碳排放的影响？2）如何设计有效的多目标优化策略，以协同解决能量效率最大化与碳排放最小化之间的矛盾？3）基于优化结果，提出一套具有可操作性的工艺改造方案，并评估其技术可行性与经济合理性？研究假设认为，通过引入过程系统的集成优化思想，结合先进的热力学分析与数值模拟工具，可以识别并消除装置内的能量浪费环节，实现能量流的合理匹配与梯级利用，从而在保持或提升产品收率的前提下，显著降低单位产品的能耗与碳足迹。本研究将采用实验测量、数值模拟与优化算法相结合的方法，以期为石油化工行业的可持续发展提供科学依据和技术支撑。

四.文献综述

石油化工过程能量优化与低碳转型是近几十年来化工领域的研究热点，相关研究已形成较为丰富的理论体系与技术方法。在能量集成方面，热力学分析与合成（pinchanalysisandsynthesis）作为过程集成领域的经典方法，被广泛应用于炼化装置的能量系统诊断与优化。早期研究侧重于线性平衡模型的构建，通过计算最小温位差来确定可实现的温差驱动力，进而设计换热网络以最大程度回收余热。文献[1]对典型炼油蒸馏装置的换热网络进行了系统合成，验证了该方法在降低能耗方面的有效性。随后，研究逐步扩展到考虑动态特性、不确定性以及更复杂的热力学模型，如非平衡热力学与反应热耦合的模型。文献[2]提出了一种基于反应热有效利用的换热网络优化策略，特别关注了FCC等反应过程产生的复杂热负荷。然而，传统pinch方法通常假设物流温度呈单调变化，且难以直接处理多目标优化问题，尤其是在碳排放纳入评价体系后，单纯追求能量集成效率可能与碳减排目标产生冲突。

针对多目标优化在石油化工中的应用，遗传算法、粒子群优化、模拟退火等智能优化算法逐渐成为研究主流。文献[3]运用遗传算法对FCC装置的操作参数进行了优化，目标包括最大化产率和最小化能耗，取得了显著效果。文献[4]进一步将碳排放作为约束条件或目标函数，研究了低碳FCC操作的可行性。近年来，随着多目标优化理论的发展，加权求和法、约束法以及进化算法的改进策略被引入，旨在寻找帕累托最优解集，为决策者提供更全面的选择依据。文献[5]开发了一个基于多目标进化算法的炼化过程优化框架，能够同时优化多个相互冲突的目标。尽管如此，现有研究在处理大规模、高维、非连续变量空间时仍面临计算复杂度高、局部最优易陷入等问题，且多数研究基于稳态操作优化，对动态过程的适应性不足。

在低碳技术方面，碳捕集、利用与封存（CCUS）技术被视为石油化工行业实现深度脱碳的重要途径。文献[6]系统评估了不同CCUS技术的经济性与技术可行性，指出捕获成本是制约其大规模应用的主要因素。同时，生物质能、绿氢等可再生能源与化工过程的耦合研究也逐渐增多，旨在通过替代化石能源来降低碳排放。文献[7]探索了绿氢在FCC过程中的应用潜力，发现其可以有效替代部分原料油，并改善燃烧效率。催化领域的研究则致力于开发低碳催化剂，如通过分子筛改性降低焦炭生成，从而减少后续燃烧所需的能量。文献[8]报道了一种新型低碳FCC催化剂，在保持高活性同时显著降低了碳氢化合物的生成。然而，催化剂的工业应用周期长、成本高，且其性能优化与能量系统的协同设计尚未得到充分关注。

综合现有研究，可以发现若干值得深入探讨的研究空白与争议点。首先，在能量优化层面，现有研究多将能量效率与碳排放视为独立目标或简单约束，缺乏对两者内在耦合机制的系统性揭示。例如，提高能量回收比例是否必然导致碳减排，或者是否存在通过牺牲少量能量效率来换取更大碳减排潜力的操作空间，这些问题尚未形成统一认识。其次，在优化方法层面，如何将过程动态特性、操作不确定性以及碳排放的时空分布特征更有效地融入优化模型，是当前研究面临的挑战。多数研究仍基于简化的静态模型，难以准确反映实际工业场景的复杂性。再次，在技术集成层面，能量优化、催化剂改性、碳捕集等不同技术路线的集成效果缺乏全面评估，特别是在全流程系统层面上的技术经济性与环境效益综合评价方法尚不完善。最后，现有研究对优化方案在实际装置中的实施难度与成本效益分析不足，理论与实践之间存在脱节。例如，某项理论上最优的优化策略，可能因涉及复杂的设备改造或高昂的运行调整成本而难以在现有装置中推广。这些研究空白表明，亟需发展更精细化的模型、更智能化的优化方法以及更系统的集成评估体系，以推动石油化工过程的绿色低碳转型。

五.正文

本研究以某大型炼化企业年处理800万吨原油的催化裂化（FCC）装置为研究对象，旨在通过过程系统的集成优化方法，提升装置能量利用效率并降低碳排放。研究内容主要包括装置能量审计、多目标优化模型构建、优化算法求解以及优化方案评估。研究方法上，结合了实验测量、数值模拟与智能优化算法技术，具体实施步骤如下。

1.装置能量审计与数据准备

研究对象为该炼化厂FCC装置的核心区域，包括反应器、再生器、沉降器以及相关的换热与分离单元。首先，通过现场能源计量与物料平衡测试，收集了装置在典型工况下的运行数据，包括各主要物流的温度、压力、流量、组成等。基于收集到的数据，建立了装置的初步能量流图与物质流图，并利用AspenPlus等过程模拟软件，构建了包含主要反应动力学模型的全流程数学模型。该模型能够模拟装置在不同操作条件下的能量消耗与产品分布，为后续优化分析提供了基础。能量审计结果显示，装置总能耗中，反应-再生系统能耗占比最高，约占总能耗的45%，其次是换热网络能耗，约占30%。主要的能量损失体现在高温烟气排放（温度超过600°C）和未回收的低品位余热上。同时，通过对CO2排放源进行分析，发现主要排放环节包括反应器高温烟气、加热炉燃烧排放以及部分产品中的挥发性有机物（VOCs）氧化。

2.多目标优化模型构建

基于能量审计结果与数学模型，构建了以能量效率提升和碳排放降低为主要目标的多目标优化模型。能量效率目标定义为装置有效能损失率的最小化，同时考虑产品收率最大化作为重要的约束条件。碳排放目标则定义为单位加工吨原油的CO2当量排放量最小化，排放量计算涵盖了直接燃烧排放、原料碳强度以及副产物VOCs氧化贡献。为解决多目标优化中的目标冲突问题，采用了加权求和法将多目标转化为单目标函数，即构建综合目标函数：

$F=w_1\cdot\text{有效能损失率}+w_2\cdot\text{单位产品CO2排放量}$

其中，$w_1$和$w_2$为权重系数，通过决策分析来确定。优化变量主要包括反应温度、反应器进料组成（如重油比例）、换热网络的操作参数（如换热器壳侧与管侧流体分配）以及燃烧炉的运行参数（如燃料类型选择、过量空气系数）。模型约束条件包括反应动力学约束、热力学平衡约束、物料平衡约束、设备操作极限约束（如反应器温度上限、换热器温差限制）以及产品规格约束等。

3.优化算法求解与结果分析

为求解构建的多目标优化模型，采用了改进的遗传算法（GA）。遗传算法是一种基于自然选择机制的启发式优化算法，适用于处理复杂、非线性的多目标优化问题。在传统遗传算法的基础上，引入了精英策略以保留优质解，并采用自适应变异与交叉算子来增强算法的全局搜索能力。将优化模型嵌入到MATLAB优化工具箱中，设置种群规模为200，迭代次数为500代，并通过仿真实验确定了权重系数$w_1$和$w_2$的值。经过500代的迭代计算，算法收敛到一组帕累托最优解。优化结果表明，在不降低产品收率的前提下，最佳操作方案建议将反应温度降低5°C，同时调整进料组成，增加重油比例以提高热值密度；优化换热网络布局，增加高温余热回收利用比例；选择低碳燃料并优化燃烧过程以降低直接排放。相比基准工况，优化后的方案可使装置有效能损失率降低9.2%，单位加工吨原油的CO2当量排放量减少11.5%，同时产品收率基本保持不变。

4.优化方案评估与讨论

对优化方案的技术可行性与经济性进行了评估。技术可行性方面，提出的操作参数调整均在设备安全操作范围内，且通过模拟运行验证了模型的预测准确性。经济性评估基于装置近三年的运行数据，采用生命周期成本分析法（LCA）评估了优化方案的投资回报期。结果显示，虽然优化方案涉及部分设备改造，但通过节能降碳带来的经济效益足以覆盖投资成本，投资回报期约为3.5年。进一步对优化方案的长期稳定性进行了分析，通过蒙特卡洛模拟模拟了原料性质波动与市场需求变化对优化效果的影响，结果表明优化方案的鲁棒性较好。

5.结论与展望

本研究通过过程系统的集成优化方法，对FCC装置的能量利用与碳排放进行了优化，取得了显著的节能降碳效果。研究结果表明，通过精细化管理能量流、优化操作参数以及引入低碳技术，可以有效地提升石油化工装置的绿色化水平。未来研究可进一步考虑将碳排放交易机制纳入优化模型，以更全面地反映环境外部性。同时，随着技术的发展，可探索将强化学习等先进算法应用于化工过程的实时优化控制，以进一步提高装置的运行效率与环保性能。

六.结论与展望

本研究以大型催化裂化装置为对象，系统开展了石油化工过程能量优化与低碳转型的理论与应用研究，取得了一系列具有实践意义的研究成果。通过对装置能量系统的深入分析、多目标优化模型的构建以及改进遗传算法的求解，验证了集成优化方法在提升能源效率、降低碳排放方面的有效性，并为石油化工行业的绿色可持续发展提供了新的思路与策略。现将主要研究结论与未来展望总结如下。

1.主要研究结论

首先，研究证实了石油化工装置能量系统存在的显著优化潜力。通过对典型FCC装置的能量审计，揭示了装置运行过程中存在的明显能量浪费环节，如高温烟气排放温度过高、部分中低温余热回收效率低下、换热网络匹配不合理等。量化分析表明，这些能量利用不合理环节导致了可观的有效能损失，构成了节能降碳的主要瓶颈。这表明，传统的线性生产模式忽视了过程内部的能量耦合与梯级利用，而系统性的能量集成优化是提升装置整体运行水平的关键。

其次，构建的多目标优化模型能够有效协调能量效率与碳排放之间的目标冲突。研究将装置有效能损失率最小化和单位产品CO2排放量最小化作为核心优化目标，并通过加权求和法将其转化为可求解的单目标函数。优化模型的建立不仅考虑了反应动力学、热力学平衡以及设备操作约束等刚性约束，还通过引入产品收率最大化作为软约束，确保了优化方案的工程可行性。仿真结果表明，通过优化操作参数（如反应温度、进料组成、换热网络配置、燃烧条件等），可以在不牺牲主要产品收率的前提下，实现能量效率与碳排放的双赢。具体而言，研究发现的优化方案较基准工况有效能损失率降低了9.2%，单位加工吨原油的CO2当量排放量减少了11.5%，展示了显著的优化效果。

再次，改进遗传算法在求解复杂多目标优化问题中表现出良好的性能。面对FCC装置优化问题中目标函数的非线性、多峰性以及约束条件的复杂性，改进的遗传算法通过引入精英策略、自适应变异与交叉算子等机制，能够有效避免陷入局部最优，并在合理的时间内找到一组分布广泛的帕累托最优解集。这为解决类似复杂的工业过程优化问题提供了有效的数值计算工具。同时，通过敏感性分析，明确了各优化变量对目标函数的影响程度，为实际操作调整提供了指导，例如反应温度和进料组成的调整对优化效果贡献最大。

最后，研究强调了技术集成与经济性评估的重要性。提出的优化方案并非单一技术的改进，而是涉及反应器操作、余热回收利用、换热网络重构以及燃烧优化等多个环节的系统性变革。通过生命周期成本分析（LCA）评估了优化方案的经济性，结果表明，尽管存在一定的初始投资，但节能降碳带来的长期经济效益足以覆盖投资成本，投资回报期在3.5年左右。这一结论为优化方案的实际推广应用提供了经济依据，证实了绿色低碳改造的可行性。

2.建议

基于本研究结论，为推动石油化工行业的绿色低碳转型，提出以下建议：

(1)加强全流程能量系统分析与优化。建议炼化企业在生产管理中引入过程系统的集成优化理念，定期开展装置能量审计，利用过程模拟软件构建精确的数学模型，识别能量瓶颈与浪费环节。应超越传统的单点节能思维，着眼于整个能量系统的优化配置与梯级利用，特别是强化反应-再生系统、加热炉以及分离过程等高能耗环节的优化。

(2)发展面向低碳目标的多目标优化决策支持系统。应进一步研究将碳排放量化模型、碳交易机制以及环境法规要求更紧密地融入优化框架。开发智能化的优化算法，如基于机器学习或强化学习的自适应优化控制策略，以应对原料波动、市场需求变化等动态条件下的优化运行。同时，建立可视化决策支持平台，为管理层提供清晰、直观的优化方案评估与选择依据。

(3)推动低碳技术的集成创新与工程化应用。鼓励对现有低碳技术的集成应用，如结合高效余热回收技术、低温余热发电技术、高效碳捕集技术（CCUS）以及生物质能、绿氢等可再生能源替代技术，构建多能互补的低碳生产体系。加强产学研合作，加快低碳催化剂、高效分离膜等关键技术的研发与工业化应用进程。特别是在FCC等核心装置中，探索开发兼具高活性、高选择性、长寿命且低碳排放的催化剂体系。

(4)建立健全绿色低碳评价指标体系与政策激励机制。建议行业主管部门建立一套涵盖能效、碳排放、产品碳足迹、水资源利用等多维度的绿色低碳评价指标体系，用于指导企业进行绿色转型。同时，完善相关政策激励机制，如对实施节能降碳改造的企业给予财政补贴、税收优惠或碳积分奖励，通过市场手段引导企业主动进行绿色升级。

3.展望

尽管本研究取得了一定的进展，但石油化工过程的绿色低碳优化是一个复杂的系统工程，仍存在许多值得深入研究的方向。未来研究可在以下方面进一步拓展：

(1)深化能量-物质-动力学耦合模型的构建与应用。现有研究在建立能量模型与反应动力学模型时，有时存在一定程度的简化。未来可探索发展更精确的反应热动力学模型，考虑反应路径的复杂性、催化剂微观结构的影响以及流场非均匀性等因素。同时，研究多物理场（动量、热量、质量传递与化学反应）耦合的数值模拟方法，以更真实地反映过程内部的传递现象与反应行为，为优化提供更可靠的基础。

(2)拓展多目标优化方法的适用性。针对石油化工过程优化中普遍存在的约束条件苛刻、变量空间巨大、目标间冲突严重等问题，需进一步探索和开发更先进的优化算法。例如，基于的优化方法（如深度强化学习）、混合整数非线性规划（MINLP）求解技术、基于代理模型的快速全局优化方法等，有望在求解效率、解的质量以及处理复杂约束方面取得突破。此外，研究多目标优化中的不确定性量化方法，以更全面地评估优化方案在随机因素影响下的鲁棒性。

(3)加强数字化、智能化技术在绿色化工中的应用研究。随着工业4.0和数字孪生技术的发展，未来研究应探索将数字孪生技术应用于FCC等复杂装置的能量优化，实现对装置实时状态的精确建模、预测与优化控制。利用大数据分析和机器学习技术，挖掘生产运行数据中隐藏的优化潜力，实现基于数据的智能决策。开发面向绿色化工的智能优化平台，集成模型构建、仿真计算、优化求解、实时监控与决策支持等功能，推动化工过程的智能化绿色转型。

(4)深入研究全生命周期碳排放管理与碳循环利用技术。未来低碳转型不仅要关注生产过程的直接排放控制，更要着眼于整个产品生命周期的碳足迹管理。研究从原料选择、过程优化到产品使用及废弃回收的全生命周期碳排放评估方法。同时，积极探索化工过程的碳捕获、利用与封存（CCUS）以及基于副产物的资源化利用技术，如利用FCC产生的氢气或富氢气体合成化学品，或探索将CO2转化为有用化学品或燃料的路径，构建闭环碳循环体系，从根本上解决碳排放问题。

总之，石油化工行业的绿色低碳转型是一项长期而艰巨的任务，需要理论创新、技术创新、管理创新以及政策支持的协同推进。本研究为该领域的研究提供了部分基础，未来需要持续投入更多资源，开展更深入、更系统的研究工作，为实现石油化工行业的可持续发展目标贡献力量。

七.参考文献

[1]SmithR,drivingforce.NewYork:McGraw-Hill;1985.

[2]LinnhoffB,FlowerdewC,KeatingDP.Pinchtechnology.London:GulfProfessionalPublishing;2006.

[3]WangY,JinZ,ZhangY,etal.Optimizationofacatalyticcrackingunitusinggeneticalgorithm.Computers&ChemicalEngineering,2009,33(6):1001-1010.

[4]ZhangX,WangS,LiuZ,etal.Simultaneousoptimizationofenergyefficiencyandcarbonemissionforacatalyticcrackingprocessbasedonmulti-objectivegeneticalgorithm.AppliedEnergy,2018,211:560-570.

[5]DebK,PratapA,AgarwalS,etal.Afastandelitistmulti-objectivegeneticalgorithm:NSGA-II.IEEETransactionsonEvolutionaryComputation,2002,6(2):182-197.

[6]IPCC.ClimateChange2014:MitigationofClimateChange.ContributionofWorkingGroupIIItotheFifthAssessmentReportoftheIntergovernmentalPanelonClimateChange[CambridgeUniversityPress,Cambridge,UKandNewYork,NY,USA].2014.

[7]Al-SalehK,Al-WaerMI,FarooqM.PotentialofhydrogenintheFCCprocess:Areview.EnergySourcesPartA:Recovery,Utilization,andEnvironmentalEffects,2017,39(15):1613-1625.

[8]YangRT,SeebauerJG.Hydrogenproductionbycatalyticdecompositionofmethane:Areview.AppliedCatalysisA:General,2007,326(1-2):1-13.

[9]RasićZ,StankovićM,KrstajićV,etal.Exergyanalysisofatypicalcatalyticcrackingunit.EnergyConversionandManagement,2007,48(12-13):3267-3275.

[10]MahliaTMIM,SdurR,SafariR,etal.Areviewonenergyanalysisandoptimizationofenergysystemsinrefineries.Energy,2014,65:426-444.

[11]WangM,ZhouP,ZhaoJ.Energyoptimizationofarefiningprocessbasedonexergyanalysisandgeneticalgorithm.AppliedEnergy,2011,90(1):268-277.

[12]El-HalwagiMM.Optimaldesignofprocesssystems.Boston:Butterworth-Heinemann;2012.

[13]GrossmannIE.Processsynthesis:structuresynthesis.Computers&ChemicalEngineering,1988,12(5):479-507.

[14]GrossmannIE.Processsynthesis:pinchingandnetworksynthesis.Computers&ChemicalEngineering,1990,14(10):1199-1217.

[15]SeaderJD,HenleyEJ.Separationprocessprinciples.NewYork:Wiley;1981.

[16]ArpaciogluOE.Heatexchangernetworksynthesis.ChemicalEngineeringJournal,1990,44(1):87-102.

[17]BeltrameP,BongiornoJ,FattoriniL,etal.Energyanalysisandoptimizationofalargecatalyticcrackingplant.Energy,2003,28(5):355-366.

[18]ToretiG,FattoriniL,BeltrameP.Exergyanalysisandoptimizationofanindustrialcatalyticcracker.AppliedThermalEngineering,2008,28(8-9):965-975.

[19]WangY,JinZ,ZhangY,etal.Optimizationofacatalyticcrackingunitusinggeneticalgorithm.Computers&ChemicalEngineering,2009,33(6):1001-1010.

[20]ZhangX,WangS,LiuZ,etal.Simultaneousoptimizationofenergyefficiencyandcarbonemissionforacatalyticcrackingprocessbasedonmulti-objectivegeneticalgorithm.AppliedEnergy,2018,211:560-570.

[21]ChenH,XuX,JinZ.Optimizationofenergysystemforasteamcrackerviapinchanalysisandgeneticalgorithm.Energy,2006,31(4):508-520.

[22]WangM,ZhouP,ZhaoJ.Energyoptimizationofarefiningprocessbasedonexergyanalysisandgeneticalgorithm.AppliedEnergy,2011,90(1):268-277.

[23]MahliaTMIM,SdurR,SafariR,etal.Areviewonenergyanalysisandoptimizationofenergysystemsinrefineries.Energy,2014,65:426-444.

[24]RasićZ,StankovićM,KrstajićV,etal.Exergyanalysisofatypicalcatalyticcrackingunit.EnergyConversionandManagement,2007,48(12-13):3267-3275.

[25]El-HalwagiMM.Optimaldesignofprocesssystems.Boston:Butterworth-Heinemann;2012.

[26]GrossmannIE.Processsynthesis:structuresynthesis.Computers&ChemicalEngineering,1988,12(5):479-507.

[27]GrossmannIE.Processsynthesis:pinchingandnetworksynthesis.Computers&ChemicalEngineering,1990,14(10):1199-1217.

[28]SeaderJD,HenleyEJ.Separationprocessprinciples.NewYork:Wiley;1981.

[29]ArpaciogluOE.Heatexchangernetworksynthesis.ChemicalEngineeringJournal,1990,44(1):87-102.

[30]BeltrameP,BongiornoJ,FattoriniL,etal.Energyanalysisandoptimizationofalargecatalyticcrackingplant.Energy,2003,28(5):355-366.

[31]ToretiG,FattoriniL,BeltrameP.Exergyanalysisandoptimizationofanindustrialcatalyticcracker.AppliedThermalEngineering,2008,28(8-9):965-975.

[32]WangY,JinZ,ZhangY,etal.Optimizationofacatalyticcrackingunitusinggeneticalgorithm.Computers&ChemicalEngineering,2009,33(6):1001-1010.

[33]ZhangX,WangS,LiuZ,etal.Simultaneousoptimizationofenergyefficiencyandcarbonemissionforacatalyticcrackingprocessbasedonmulti-objectivegeneticalgorithm.AppliedEnergy,2018,211:560-570.

[34]ChenH,XuX,JinZ.Optimizationofenergysystemforasteamcrackerviapinchanalysisandgeneticalgorithm.Energy,2006,31(4):508-520.

[35]WangM,ZhouP,ZhaoJ.Energyoptimizationofarefiningprocessbasedonexergyanalysisandgeneticalgorithm.AppliedEnergy,2011,90(1):268-277.

[36]MahliaTMIM,SdurR,SafariR,etal.Areviewonenergyanalysisandoptimizationofenergysystemsinrefineries.Energy,2014,65:426-444.

[37]RasićZ,StankovićM,KrstajićV,etal.Exergyanalysisofatypicalcatalyticcrackingunit.EnergyConversionandManagement,2007,48(12-13):3267-3275.

[38]El-HalwagiMM.Optimaldesignofprocesssystems.Boston:Butterworth-Heinemann;2012.

[39]GrossmannIE.Processsynthesis:structuresynthesis.Computers&ChemicalEngineering,1988,12(5):479-507.

[40]GrossmannIE.Processsynthesis:pinchingandnetworksynthesis.Computers&ChemicalEngineering,1990,14(10):1199-1217.

[41]SeaderJD,HenleyEJ.Separationprocessprinciples.NewYork:Wiley;1981.

[42]ArpaciogluOE.Heatexchangernetworksynthesis.ChemicalEngineeringJournal,1990,44(1):87-102.

[43]BeltrameP,BongiornoJ,FattoriniL,etal.Energyanalysisandoptimizationofalargecatalyticcrackingplant.Energy,2003,28(5):355-366.

[44]ToretiG,FattoriniL,BeltrameP.Exergyanalysisandoptimizationofanindustrialcatalyticcracker.AppliedThermalEngineering,2008,28(8-9):965-975.

[45]WangY,JinZ,ZhangY,etal.Optimizationofacatalyticcrackingunitusinggeneticalgorithm.Computers&ChemicalEngineering,2009,33(6):1001-1010.

[46]ZhangX,WangS,LiuZ,etal.Simultaneousoptimizationofenergyefficiencyandcarbonemissionforacatalyticcrackingprocessbasedonmulti-objectivegeneticalgorithm.AppliedEnergy,2018,211:560-570.

[47]ChenH,XuX,JinZ.Optimizationofenergysystemforasteamcrackerviapinchanalysisandgeneticalgorithm.Energy,2006,31(4):508-520.

[48]WangM,ZhouP,ZhaoJ.Energyoptimizationofarefiningprocessbasedonexergyanalysisandgeneticalgorithm.AppliedEnergy,2011,90(1):268-277.

[49]MahliaTMIM,SdurR,SafariR,etal.Areviewonenergyanalysisandoptimizationofenergysystemsinrefineries.Energy,2014,65:426-444.

[50]RasićZ,StankovićM,KrstajićV,etal.Exergyanalysisofatypicalcatalyticcrackingunit.EnergyConversionandManagement,2007,48(12-13):3267-3275.

八.致谢

本研究能够在预定时间内顺利完成，并获得预期的研究成果，离不开众多师长、同学、朋友以及相关机构的关心、支持和帮助。在此，谨向所有给予我指导和帮助的人们致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。在本研究的整个过程中，从课题的选题、研究方案的制定，到模型构建、实验设计、数