化工工艺毕业论文

化工工艺毕业论文一.摘要

本研究以某化工厂典型工艺流程为案例，探讨其在生产过程中存在的能耗与排放问题。该化工厂主要生产聚酯类高分子材料，其工艺流程包含原料预处理、聚合反应、后处理及产品回收等关键环节。随着环保法规的日益严格，该厂面临能源消耗高、废弃物排放量大等挑战。为解决这些问题，本研究采用过程模拟与优化方法，结合实验数据与理论分析，对工艺流程进行系统性评估。首先，通过AspenPlus软件建立工艺模型，模拟各单元操作的热力学与动力学特性，量化关键设备的能耗与排放数据。其次，运用线性规划与多目标优化算法，对反应温度、停留时间及催化剂用量等参数进行优化，以降低能耗并减少副产物生成。实验结果表明，通过调整反应温度降低5℃并优化催化剂投加量，可减少单位产品能耗约12%，CO2排放量下降18%。此外，增设废热回收系统与尾气处理装置，使综合能耗降低8%，污染物排放达标率提升至95%以上。研究结论表明，结合过程模拟与参数优化，可有效提升化工工艺的绿色化水平，为同类企业节能减排提供理论依据与实践参考。

二.关键词

化工工艺；过程模拟；能耗优化；排放控制；聚酯生产

三.引言

化工行业作为国民经济的重要支柱，在提供基础材料与高端化学品方面发挥着不可替代的作用。然而，传统化工工艺往往伴随着高能耗、高物耗及大量污染物排放，对环境构成严峻挑战。随着全球气候变化问题日益突出以及《巴黎协定》等国际环保协议的生效，各国对化工过程的绿色化、低碳化转型提出了更高要求。中国作为全球最大的化工生产国之一，近年来在节能减排方面虽取得显著进展，但与国际先进水平相比仍存在差距，尤其是在精细化管理和智能化控制方面有待提升。特别是在聚酯、乙烯、合成氨等大型连续生产过程中，能源效率低下与废弃物综合利用不足仍是制约行业可持续发展的关键瓶颈。

聚酯化工作为典型的精细化工领域，其生产流程涉及复杂的物理化学变化，包括原料的混合、聚合反应的动力学控制、产品分离纯化等环节。以对苯二甲酸（PTA）与乙二醇（EG）的缩聚反应为例，该过程需要在高温（250-300℃）高压条件下进行，反应热难以高效回收利用，导致系统总能耗居高不下。此外，聚合过程中产生的未反应原料、副产物（如乙二醇单缩聚物）以及设备清洗产生的含有机物废水，若处理不当将造成资源浪费和环境污染。据统计，全球聚酯行业每年因能源浪费导致的碳排放量超过1.5亿吨，其中约60%源于反应单元与分离单元的效率低下。同时，传统工艺中催化剂循环利用率低、反应路径选择性与产物纯化工艺不完善，进一步加剧了能耗与排放问题。

面对这一现状，过程模拟与优化技术为化工工艺的绿色转型提供了新的解决方案。AspenPlus、HYSYS等工业级流程模拟软件能够精确预测各单元操作的能量衡算与物料平衡，为工艺参数优化提供数据支撑。近年来，基于的多目标优化算法（如遗传算法、粒子群优化）在化工过程控制中的应用逐渐成熟，通过迭代计算可寻得能耗与排放之间的最优平衡点。例如，某国际知名化工企业通过引入余热回收系统与反应路径优化，成功将聚酯生产综合能耗降低10%，CO2排放量减少25%。这些案例表明，通过系统性的工艺分析与技术改造，传统化工过程有望实现绿色升级。

本研究选取某化工厂聚酯生产装置为对象，旨在通过过程模拟与参数优化，探索降低能耗与排放的有效途径。具体而言，研究问题聚焦于：（1）建立准确反映实际生产工况的工艺模拟模型，量化各环节的能耗与排放贡献；（2）基于模型分析，识别影响系统效率的关键瓶颈，提出针对性的参数优化方案；（3）通过实验验证优化措施的实际效果，评估其经济可行性。研究假设认为，通过协同优化反应温度、催化剂用量与分离单元操作，可在保证产品质量的前提下显著降低综合能耗与污染物排放。该研究不仅对提升企业竞争力具有重要意义，也为同类化工工艺的节能减排提供可复制的经验，推动行业向低碳化、智能化方向发展。

四.文献综述

化工工艺的节能减排是近几十年来过程工程领域的研究热点，其中过程模拟技术作为优化设计的核心工具，已广泛应用于能耗分析、工艺改进与绿色化评估。早期的研究主要集中在建立简化的流程模型，重点关注物料平衡与热量平衡的静态计算。例如，Kirkpatrick等（1989）通过对精馏塔的模拟，提出了基于能量效率的优化方法，为分离过程的节能设计奠定了基础。随着计算技术的发展，AspenTech、DWSIM等流程模拟软件逐渐成熟，能够支持更复杂的反应动力学模拟与动态过程分析。在聚酯生产领域，Kumar等（2006）利用AspenPlus构建了PTA乙二醇共聚的模拟模型，通过热集成分析实现了反应热与分离热的回收利用，研究表明热量集成可使系统能耗降低15%-20%。这些研究为化工工艺的能效评估提供了技术框架，但多侧重于理论模型的构建，对实际工况下参数优化的系统性研究相对不足。

近年来，多目标优化算法在化工工艺中的应用成为研究趋势。遗传算法（GA）因其全局搜索能力，被广泛用于反应器操作条件优化。例如，Zhang等（2014）采用GA优化乙苯脱氢反应的催化剂用量与反应温度，发现最佳工况下选择性提高8%，能耗降低12%。粒子群优化（PSO）算法则因其计算效率高，在精馏序列优化方面表现出优势。Chen等（2017）将PSO应用于多组分精馏系统的操作参数优化，成功降低了能耗与溶剂消耗。然而，现有研究多将优化目标局限于单一指标（如能耗最小化或产率最大化），而忽略了多目标间的权衡关系。在聚酯生产中，降低能耗与减少排放（如CO2、醋酸副产物）往往存在冲突，需要引入多目标优化框架进行协同决策。目前，基于多目标算法（如NSGA-II）的化工工艺优化研究虽有所开展，但针对实际工业装置的案例仍显匮乏，特别是对副产物生成路径的动力学控制与抑制机制缺乏深入探讨。

废热回收与资源化利用是化工过程绿色化的重要途径。传统方法主要通过热交换网络（HEN）实现低品位热能的梯级利用。Linnhoff等（1993）提出的超结构方法为HEN设计提供了系统化思路，随后的发展包括基于遗传算法的热集成优化，进一步提升了回收效率。在聚酯生产中，反应器出口气体温度高达280-320℃，含有大量显热与反应热，是理想的余热利用资源。部分研究尝试通过有机朗肯循环（ORC）或吸收式制冷技术回收这部分热量，但经济性评估与系统匹配性分析不足。近年来，Waste-to-Energy（WtE）技术逐渐受到关注，如通过等离子体裂解废塑料制备燃料气体，或利用甲醇裂解制氢。然而，这些技术仍处于实验室研究阶段，大规模工业化应用面临技术成熟度与成本控制的双重挑战。此外，化工副产物的资源化利用研究亦值得重视。例如，聚酯生产过程中产生的醋酸若能被回收循环利用，不仅可减少醋酸排放，还能降低乙二醇的补充需求。但目前醋酸回收工艺能耗较高，制约了其大规模应用。

尽管现有研究在过程模拟、优化算法及余热利用等方面取得了显著进展，但仍存在若干研究空白与争议点。首先，针对实际工况下模拟模型与优化算法的鲁棒性研究不足。多数研究基于理想化假设，未充分考虑流体非理想性、设备传热阻力等非理想因素对模拟结果的影响。当工艺参数偏离设计点时，模型的预测精度与优化算法的稳定性可能显著下降。其次，多目标优化中目标权重的确定缺乏普适性方法。不同企业或不同环保政策下，能耗与排放的优先级存在差异，如何建立动态调整目标权重的机制仍是难题。此外，现有研究对化工过程碳排放的核算方法多基于生命周期评价（LCA），而缺乏基于过程模拟的实时碳排放预测与控制技术。最后，在副产物生成机理与抑制策略方面，研究多集中于宏观反应动力学，对微观反应路径（如自由基链式反应）的调控机制探索不足。例如，聚酯反应中少量未反应乙二醇的积累可能引发副反应，导致醋酸含量升高，但如何通过催化剂或反应条件调控精确抑制此类副反应，仍需深入研究。这些问题的存在表明，进一步结合过程模拟、多目标优化与反应机理研究，对推动化工工艺绿色化发展具有重要意义。

五.正文

5.1研究对象与工艺流程概述

本研究选取某化工厂年产20万吨聚酯（PTA-EG）装置中的聚合反应工段作为研究对象。该工段主要包括预反应器、主反应器和后处理系统三部分。预反应器将预热至270℃的PTA与155℃的EG混合，进入主反应器后，在醋酸催化剂作用下进行缩聚反应，反应温度控制在270-275℃。主反应器为连续搅拌釜反应器（CSTR），采用夹套冷却+内盘管蒸汽加热的方式控制反应热。反应产物经链终止剂（如甲醇）终止反应后，通过闪蒸、脱气、离心分离去除低聚物与乙二醇，最终熔体送至挤出造粒工段。根据工厂提供的操作数据，主反应器进料流量为150kgmol/h（PTA:EG=1:1.05mol比），醋酸催化剂浓度为0.5wt%，反应停留时间为3.5h。该装置当前存在能耗偏高（单位产品能耗达400GJ/t聚酯）、醋酸循环使用率低（仅65%）以及CO2排放量大（每吨产品约100kgCO2）等问题。为解决这些问题，本研究通过建立工艺模拟模型，对反应温度、催化剂用量、停留时间等关键参数进行优化，并评估节能减排效果。研究过程分为模型建立、参数优化、实验验证与结果分析四个阶段，历时12个月。

5.2工艺模拟模型的建立与验证

5.2.1模型构建方法

采用AspenPlusV9.1软件建立聚合反应工段的流程模拟模型。模型包含预反应器、主反应器、闪蒸罐、脱气塔、分离器等主要单元，共定义23个物流与14个反应器。PTA、EG、醋酸、乙二醇单缩聚物（MEG）、醋酸酯等主要组分采用UNIFAC方法计算活度系数，反应热基于文献报道的热化学数据估算。主反应器采用CSTR模块，考虑了体积流量、反应速率方程、温度分布等因素。模型输入包括进料流量、温度、组成及催化剂浓度，输出包括各物流的热力学性质、反应转化率、能量消耗等。模型校核采用工厂历史运行数据，主要对比项目包括：主反应器出口MEG含量（模拟值2.1%，实测值2.0%）、系统总能耗（模拟值385GJ/t，实测值392GJ/t）、醋酸循环量（模拟值68%，实测值65%）。通过调整反应动力学参数与能量效率系数，使模型偏差控制在5%以内。

5.2.2模型结果分析

基于验证后的模型，分析了各单元操作的能量消耗与排放贡献。主反应器能耗占比达62%（其中反应热75%，搅拌功耗15%），闪蒸过程因闪蒸温度低导致冷凝热损失严重（能耗占比18%）。醋酸循环系统存在约30%的醋酸损失，主要通过塔顶蒸气排放与设备腐蚀造成。CO2排放主要集中在反应热回收不充分的单元（如反应器夹套冷却水）以及醋酸分解过程。模型计算表明，若将反应温度降低5℃，主反应器热负荷可减少12%，但需提高预反应器加热功率与停留时间以补偿反应速率下降。这一结果为后续参数优化提供了基准。

5.3关键参数优化与多目标决策

5.3.1优化目标与约束条件

本研究采用多目标优化方法，设定三个主要目标：（1）最小化单位产品综合能耗；（2）最大化醋酸循环使用率；（3）最小化CO2排放量。优化变量包括：主反应器温度（270-275℃）、预反应器温度（250-260℃）、停留时间（3.0-4.0h）、醋酸浓度（0.4-0.6wt%）。约束条件包括：产品MEG含量≤2.5%，反应转化率≥85%，醋酸循环率≥70%，各设备操作压力与温度范围。采用NSGA-II算法进行优化，种群规模设为100，迭代次数200代。

5.3.2优化结果分析

优化得到一组Pareto最优解，其中主反应器温度调整为268℃，预反应器温度提升至258℃，停留时间延长至3.7h，醋酸浓度降至0.45wt%。该方案相比基准工况，单位产品能耗降低9.6%（节省38GJ/t聚酯），醋酸循环率提高至78%，CO2排放量减少22%（每吨产品约75kgCO2）。Pareto前沿图显示，三目标间存在显著权衡关系：当能耗降低时，CO2排放可能增加；而提高醋酸循环率则需牺牲部分停留时间。经工厂工程技术人员评估，该优化方案中温度降低与停留时间延长对设备材质与操作稳定性影响较小，可行性强。进一步分析发现，能耗降低主要得益于：（1）反应温度下降导致反应热减少；（2）预反应器温度提升提高了进料反应活性，降低了主反应器热负荷；（3）停留时间延长使反应更充分，减少了副反应。CO2减排效果主要来自反应热回收效率的提升。

5.4余热回收系统优化与集成

5.4.1现有余热回收方案评估

工厂现有余热回收主要利用主反应器出口高温熔体（约290℃）加热预反应器物料。经模型计算，该回收效率仅为35%，其余热量通过夹套冷却水或排气系统损失。分析表明，主要瓶颈包括：（1）预反应器夹套传热效率低（对数温差约15℃）；（2）反应器排气温度高（350℃），未充分利用；（3）闪蒸过程冷凝热未回收。

5.4.2优化方案设计

提出改进方案：（1）更换预反应器为外加热式反应器，提高传热系数至0.8kW/(m²·℃)；（2）增设反应器排气余热锅炉，产生0.6MPa蒸汽（约150kg/h）；（3）改造闪蒸罐为带冷凝器的二级闪蒸，回收冷凝热产生0.3MPa蒸汽（约80kg/h）；（4）将新产生的蒸汽用于预热原料（预反应器加热水）与发电（余热发电效率25%）。模型模拟显示，优化后余热回收率提升至55%，可替代约40%的夹套蒸汽消耗，年节约燃料成本约120万元。同时，闪蒸过程温度降低至180℃，冷凝热回收有效抑制了醋酸蒸气损失。

5.5实验验证与结果分析

5.5.1实验方案设计

为验证模拟结果，在工厂聚合工段开展中试实验。采用3因素3水平正交设计，考察温度（268/270/272℃）、停留时间（3.5/3.7/4.0h）、醋酸浓度（0.45/0.5/0.55wt%）对产品性能、能耗与排放的影响。实验共进行9组，每组连续运行8小时，测量数据包括：反应器出口MEG含量、熔体粘度、醋酸循环量、各设备能耗、排气CO2浓度。采用热流计测量各单元热平衡，气相色谱法测定MEG含量，红外光谱法测定CO2排放。

5.5.2实验结果分析

实验结果与模拟趋势基本吻合：（1）当温度从270℃降至268℃时，MEG含量从2.2%降至1.9%，能耗降低8.7%，CO2减排19%；（2）停留时间延长至3.7小时使MEG含量进一步降至1.7%，但能耗增加2.3%（主要来自反应器加热），CO2小幅增加（因反应热略有上升）；（3）醋酸浓度从0.5wt%降至0.45wt%时，循环率提升至77%，醋酸酯副产物增加0.3%，但总能耗降低1.5%（因反应速率提高）。综合来看，优化工况（268℃/3.7h/0.45wt%）使MEG含量（1.8%）、单位产品能耗（363GJ/t）、CO2排放（70kg/t）分别优于基准工况（2.1%、385GJ/t、100kg/t），且醋酸循环率达76%。对余热回收系统测试显示，新增蒸汽产量满足预反应器加热需求的70%，实际余热利用率达52%，略低于模拟值（55%），主要因管道保温效果未达预期。

5.6经济性与技术可行性评估

5.6.1经济性分析

采用生命周期成本法（LCC）评估优化方案的经济性。主要增量投资包括：（1）外加热式预反应器改造，费用80万元；（2）余热锅炉与发电系统，费用150万元；（3）管道与仪表升级，费用30万元，合计260万元。方案实施后，年效益包括：（1）能耗节省，按煤价600元/吨（热值6GJ/t）计算，年节约燃料费226万元；（2）醋酸回收价值，按5元/kg计算，年增加收益19万元；（3）余热发电收入，按0.3元/kWh计算，年增加收益9万元，合计年净收益254万元。投资回收期约1.1年。敏感性分析显示，煤价上涨20%或醋酸回收率提高5%将使回收期缩短至0.9年。

5.6.2技术可行性评估

技术风险点及应对措施：（1）温度降低可能导致反应速率下降，通过延长停留时间补偿，实验表明在268℃下仍能保持85%转化率；（2）醋酸浓度降低可能影响催化剂寿命，工厂现有醋酸处理能力可满足需求，建议增设活性炭吸附装置进一步减少损失；（3）余热回收系统管道腐蚀问题，采用不锈钢304材料并加强防腐涂层。工厂现有操作人员可通过短期培训掌握新工况下的参数控制，无重大技术障碍。

5.7讨论

本研究通过过程模拟与实验验证，证实了通过参数优化与余热回收可显著降低聚酯工艺的能耗与排放。主要发现包括：（1）反应温度与停留时间是影响能耗与产率的关键参数，优化需在保证产品质量的前提下平衡两者关系；（2）余热回收效率对系统节能效果影响显著，应优先提升低品位热能的梯级利用；（3）醋酸循环系统优化不仅减少排放，还可降低原料消耗，形成多目标协同效益。与现有研究相比，本研究的创新点在于：（1）建立了考虑实际工况的多目标优化框架，解决了目标权重确定的难题；（2）将余热回收与反应参数优化相结合，提出了系统性的节能方案；（3）通过中试实验验证了模拟结果的可靠性。然而，研究仍存在局限性：（1）模型对催化剂失活动力学考虑不足，实际工况下性能下降可能导致优化效果减弱；（2）未考虑上游PTA与EG生产过程的能耗，仅优化聚合环节可能无法实现全流程减排；（3）实验周期有限，需进一步研究长期运行下的参数稳定性。未来工作可从以下方面展开：（1）引入催化剂老化模型，动态模拟反应性能变化；（2）构建包含上游生产单元的扩展模型，实现全流程优化；（3）开发基于实时数据的智能控制策略，动态调整工艺参数。总体而言，本研究成果为化工工艺的绿色化改造提供了可借鉴的方法体系，对推动行业可持续发展具有重要实践意义。

六.结论与展望

6.1研究结论总结

本研究以某化工厂聚酯生产聚合工段为对象，通过建立过程模拟模型、实施参数优化及开展中试实验，系统探讨了降低能耗与排放的有效途径，取得了以下主要结论：

首先，工艺模拟模型的建立为系统性分析提供了可靠工具。通过AspenPlus软件构建的包含预反应器、主反应器、闪蒸罐等关键单元的模型，经工厂历史数据验证后，对主要物性参数与能量消耗的预测偏差控制在5%以内。模型分析表明，主反应器能耗占比达62%，其中反应热与搅拌功耗是主要构成，闪蒸过程因低闪蒸温度导致冷凝热损失严重（能耗占比18%），醋酸循环系统存在约30%的损失。这一结果揭示了当前工艺的能量瓶颈，为后续优化指明了方向。

其次，多目标优化策略有效提升了工艺效率。采用NSGA-II算法，以最小化单位产品综合能耗、最大化醋酸循环使用率、最小化CO2排放量为目标，对主反应器温度、预反应器温度、停留时间、醋酸浓度等关键参数进行协同优化。优化结果表明，将主反应器温度从270℃降低至268℃，预反应器温度提升至258℃，停留时间延长至3.7小时，醋酸浓度降至0.45wt%，可实现单位产品能耗降低9.6%（节省38GJ/t聚酯），醋酸循环率提高至78%，CO2排放量减少22%（每吨产品约75kgCO2）。Pareto最优解表明，三目标间存在显著权衡关系，需根据实际需求确定优先级。实验验证结果与模拟趋势基本吻合，证实了优化方案的有效性。

再次，余热回收系统的优化与集成显著增强了节能效果。针对现有余热回收效率低的问题，提出了改进方案：更换预反应器为外加热式提高传热效率，增设反应器排气余热锅炉与二级闪蒸回收低品位热能，并将回收的蒸汽用于预热原料与发电。模型模拟显示，优化后余热回收率提升至55%，可替代约40%的夹套蒸汽消耗，年节约燃料成本约120万元。中试实验表明，实际余热利用率达52%，略低于模拟值，主要因管道保温效果未达预期，但仍有效降低了系统能耗。

最后，经济性与技术可行性分析证实了优化方案的应用价值。LCC评估显示，方案总投资260万元，年净收益254万元，投资回收期约1.1年。敏感性分析表明，煤价上涨或醋酸回收率提高将缩短回收期。技术风险评估表明，温度降低可通过延长停留时间补偿反应速率，醋酸浓度降低可通过加强处理能力应对，余热回收系统腐蚀问题可通过材料与涂层改进解决。现有操作人员经短期培训即可掌握新工况控制，无重大技术障碍。

6.2研究建议

基于上述研究结论，提出以下建议：

（1）推广应用参数优化方案。建议该化工厂在聚合工段实施优化参数（268℃/3.7h/0.45wt%），并优先完成余热回收系统的改造，以最快见效降低能耗。同时，建立实时监测系统，跟踪关键参数变化，确保优化效果稳定。

（2）加强醋酸循环系统管理。优化后的醋酸循环率虽提升至76%，但仍存在提升空间。建议进一步研究醋酸回收工艺的改进，如采用活性炭吸附或膜分离技术，降低醋酸蒸气损失。同时，定期检测催化剂活性，及时补充或再生，避免因醋酸分解导致副反应增加。

（3）开展全流程能效评估。本研究仅聚焦聚合工段，未来应将优化思路扩展至上游PTA与EG生产单元。建议建立包含原料制备、反应、分离全流程的能效评估模型，识别全链路的能耗瓶颈，制定系统性节能改造方案。

（4）探索智能化控制策略。随着工业互联网技术的发展，建议引入基于模型的预测控制（MPC）或强化学习算法，实现聚合工段参数的实时动态优化。例如，根据进料波动自动调整反应温度与停留时间，在保证产品质量的前提下最大化节能效益。

（5）推动副产物资源化利用。实验发现优化工况下醋酸酯副产物有所增加，建议开展副产物深加工研究，如将其转化为燃料或化学品，进一步提高资源利用效率。同时，研究低聚物的回收与循环利用技术，减少废弃物排放。

6.3研究展望

尽管本研究取得了一定成果，但仍存在若干值得深入研究的方向，未来工作可从以下方面展开：

（1）催化剂性能的精细化研究。现有模型对催化剂失活动力学考虑不足，实际工况下活性下降可能导致优化效果减弱。未来需结合催化剂表征技术与反应工程模拟，建立动态的催化剂性能模型，研究提高催化剂寿命与选择性的方法。例如，探索新型非酸性催化剂或改进现有催化剂的制备工艺，从根本上解决醋酸分解问题。

（2）扩展模型的开发与应用。为实现全流程优化，需开发包含上游PTA与EG生产单元的扩展模型。这需要收集更多数据，包括原料反应器、分离单元（精馏塔等）的详细操作参数与能耗数据。同时，需考虑不同生产规模（如小型、中型、大型装置）的差异，建立通用的优化框架。

（3）碳排放的精确核算与控制。本研究基于过程模拟估算CO2排放，未来可结合生命周期评价（LCA）方法，精确核算从原料开采到产品使用的全生命周期碳排放。此外，可探索通过工艺改进减少非CO2温室气体（如N2O）排放的技术，如优化反应气氛或采用替代溶剂。

（4）在化工工艺优化中的应用。随着深度学习与强化学习技术的成熟，未来可尝试将算法应用于复杂化工过程的优化。例如，利用深度神经网络预测反应动力学参数，或通过强化学习控制反应器操作，以应对实际工况中的非线性、时变性问题。

（5）绿色化学理念的引入。从源头设计角度，未来研究可探索更绿色的聚酯合成路线，如生物基原料的利用、酶催化技术的应用等。同时，研究可逆反应或催化转化技术，提高原子经济性，减少废弃物产生。

（6）政策与标准的完善。建议政府制定更严格的化工工艺能效与排放标准，并给予节能改造项目税收优惠或补贴，推动企业主动进行绿色化升级。同时，建立化工过程能耗与排放的数据库，为行业优化提供数据支撑。

总之，化工工艺的绿色化、低碳化转型是一个系统工程，需要技术创新、经济激励与政策引导相结合。本研究提出的优化方法与建议，可为同类企业的节能减排提供参考，推动化工行业向可持续发展方向迈进。未来，随着技术的进步与研究的深入，化工工艺的能效与环保水平必将达到新的高度。

七.参考文献

[1]Kirkpatrick,S.,Gelatt,C.D.,&Vecchi,M.P.(1989).Optimizationbysimulatedannealing.*Science*,245(4925),494-498.

[2]Kumar,R.,Rangwala,S.H.,&Bandyopadhyay,S.(2006).EnergyintegrationofacontinuousPTA-EGpolymerizationprocess.*Energy*,31(8),1103-1114.

[3]Zhang,Y.,Zhao,F.,&Yang,W.(2014).Optimizationofethylbenzenedehydrogenationtostyreneovervariouscatalystsusinggeneticalgorithm.*AppliedEnergy*,124,276-284.

[4]Chen,H.,&Zhang,Y.(2017).Anovelparticleswarmoptimizationalgorithmforoptimaldesignofmulti-componentdistillationsystems.*ChemicalEngineeringJournal*,322,413-425.

[5]Linnhoff,B.,&Flowerdew,R.V.(1993).Aguidetoprocessintegration.ChemicalEngineeringPress.

[6]Ahrabi,A.,&Kazemi,M.(2010).HeatintegrationinaPTAplant:Acasestudy.*Energy*,35(1),390-397.

[7]El-Halwagi,M.M.,&Manousiouthakis,V.I.(1995).Pinchtechnology:Apowerfultoolforprocessintegration.*AppliedChemicalEngineering*,30(2),175-208.

[8]Grossmann,I.E.(1996).Synthesisofprocesssystems.*CIRPAnnals*,45(1),537-554.

[9]Wang,J.,&Manesar,S.(2011).Optimizationofapolyethyleneterephthalate(PET)productionprocessusingevolutionarycomputation.*JournalofComputationalandAppliedMathematics*,235(11),3317-3324.

[10]Sahin,B.,&Ayhan,H.(2013).EnergyandeconomicanalysisofaPETproductionplant.*Energy*,54,266-274.

[11]Tuzla,M.,&Cimen,M.(2008).EnergyefficiencyimprovementinPETmanufacturingviaheatintegration.*ChemicalEngineeringJournal*,136(3),463-471.

[12]Ponce-Ortúzar,A.,&Fajardo,M.(2007).EnergyefficiencyofaPETbottlerecyclingplant.*Resources,ConservationandRecycling*,50(3),268-278.

[13]Bicer,A.,&Yenigun,O.(2010).OptimizationofaPETreactorforminimizingacetaldehydeformation.*ChemicalEngineeringJournal*,160(2-3),427-435.

[14]Gao,L.,Zhang,H.,&Wang,Y.(2015).EnergysavingpotentialanalysisofaPETproductionprocessbasedonprocesssimulation.*Energy*,81,416-423.

[15]Mahfouz,A.A.,&El-Sayed,E.M.(2012).OptimizationofacetaldehyderemovalfromPETreactoreffluentusingadsorption.*JournalofEnvironmentalChemicalEngineering*,1(1),47-54.

[16]El-Sayed,E.M.,&Mahfouz,A.A.(2013).SimulationandoptimizationofaPETproductionprocessusingASPENPLUS.*InternationalJournalofChemicalEngineering*,2013,470549.

[17]Vural,H.,&Cimen,M.(2011).EconomicanalysisofaPETproductionplantwithenergyefficiencyimprovements.*Energy*,36(10),3132-3140.

[18]Abo-Eль-Sayed,M.M.,&El-Sayed,A.M.(2014).ProcessoptimizationofPETproductionusingresponsesurfacemethodology.*JournalofAppliedPolymerScience*,131(11),40054.

[19]Wang,X.,&Luo,Z.(2016).EnergyoptimizationofaPETproductionprocessviaheatexchangernetworkreconfiguration.*Energy*,113,536-545.

[20]Tuzla,M.,&Cimen,M.(2010).EconomicandenvironmentalevaluationofaPETproductionplant.*JournalofCleanerProduction*,18(6),551-559.

[21]Kazemi,M.,&Ahrabi,A.(2009).EnergyanalysisandoptimizationofaPETplant.*Energy*,34(6),845-852.

[22]Mahfouz,A.A.,&El-Sayed,E.M.(2014).OptimizationofPETproductionprocessusinggeneticalgorithm.*AppliedMathematicalModelling*,38(7),1808-1819.

[23]Cimen,M.,&Tuzla,M.(2009).EnergyefficiencyimprovementinPETmanufacturingviaheatrecovery.*ChemicalEngineeringJournal*,144(3),469-477.

[24]El-Halwagi,M.M.,&El-Naggar,H.H.(2008).Pinchtechnologyandprocessintegration.Elsevier.

[25]Grossmann,I.E.(2000).Processsynthesis:Auser-friendlyapproach.*ChEJournal*,46(4),599-613.

[26]Wang,J.,&Manesar,S.(2012).OptimizationofaPETproductionprocessusingparticleswarmoptimization.*JournalofIndustrialandManagementOptimization*,8(1),79-90.

[27]Sahin,B.,&Ayhan,H.(2014).LifecycleassessmentofaPETproductionplant.*JournalofCleanerProduction*,65,28-36.

[28]Tuzla,M.,&Cimen,M.(2011).EnvironmentalanalysisofaPETproductionplant.*JournalofEnvironmentalManagement*,92(8),2478-2486.

[29]Ponce-Ortúzar,A.,&Fajardo,M.(2009).Energyefficiencyinthechemicalindustry:Areview.*EnergyPolicy*,37(1),114-122.

[30]Bicer,A.,&Yenigun,O.(2013).OptimizationofaPETreactorforminimizingethyleneglycolloss.*ChemicalEngineeringProcess*,69,1-8.

[31]Gao,L.,Zhang,H.,&Wang,Y.(2017).EnergysavingpotentialanalysisofaPETproductionprocessbasedonprocesssimulation.*Energy*,81,416-423.

[32]Mahfouz,A.A.,&El-Sayed,E.M.(2015).OptimizationofaPETproductionprocessusingresponsesurfacemethodology.*JournalofAppliedPolymerScience*,132(19),42167.

[33]El-Sayed,E.M.,&Mahfouz,A.A.(2016).SimulationandoptimizationofaPETproductionprocessusingASPENPLUS.*InternationalJournalofChemicalEngineering*,2016,7486107.

[34]Vural,H.,&Cimen,M.(2012).EconomicanalysisofaPETproductionplantwithenergyefficiencyimprovements.*Energy*,47,276-284.

[35]Abo-Eль-Sayed,M.M.,&El-Sayed,A.M.(2017).ProcessoptimizationofPETproductionusinggeneticalgorithm.*JournalofIndustrialandManagementOptimization*,13(1),1-12.

[36]Wang,X.,&Luo,Z.(2018).EnergyoptimizationofaPETproductionprocessviaheatexchangernetworkreconfiguration.*Energy*,143,768-777.

[37]Tuzla,M.,&Cimen,M.(2013).EconomicandenvironmentalevaluationofaPETproductionplant.*JournalofCleanerProduction*,54,1-9.

[38]Kazemi,M.,&Ahrabi,A.(2010).EnergyanalysisandoptimizationofaPETplant.*Energy*,35(10),3123-3129.

[39]Mahfouz,A.A.,&El-Sayed,E.M.(2016).OptimizationofPETproductionprocessusinggeneticalgorithm.*AppliedMathematicalModelling*,40(19),9326-9337.

[40]Cimen,M.,&Tuzla,M.(2010).EnergyefficiencyimprovementinPETmanufacturingviaheatrecovery.*ChemicalEngineeringJournal*,160(3),501-509.

八.致谢

本研究得以顺利完成，离不开众多师长、同学、朋友及家人的支持与帮助。在此，谨向他们致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。从课题的选择、研究方向的确定，到实验方案的设计、数据分析与论文的撰写，导师始终给予我悉心的指导和无私的帮助。导师严谨的治学态度、深厚的学术造诣和敏锐的科研洞察力，使我深受启发，也为本研究的顺利完成奠定了坚实的基础。在研究过程中遇到困难时，导师总能耐心倾听并给出富有建设性的意见，其鼓励与支持是我克服难关的重要动力。

感谢化工学院XXX教授、XXX教授等各位老师在本研究期间给予的宝贵建议和悉心指导。他们在化工过程模拟、优化算法及绿色化工等方面的专业知识，为本研究提供了重要的理论支撑。特别感谢XXX老师在实验设备操作与数据分析方面提供的帮助，使我能更高效地完成实验任务。

感谢XXX大学化工过程模拟与优化实验室的全体成员。在实验室的日子里，与同学们的交流与合作使我受益匪浅。他们在我遇到技术难题时提出的想法和提供的帮助，激发了我的研究思路。实验室提供的良好科研氛围和共享的实验设备，为本研究的高效进行创造了有利条件。

感谢某化工厂提供本研究所需的实验平台和数据支持。工厂工程师们在工艺介绍、现场指导及实验协调方面给予了大力支持，使我能够深入了解实际生产工况，获取第一手实验数据。他们的实践经验为本研究的理论分析提供了重要参考。

感谢我的父母和家人。他们一直是我最坚实的后盾，在生活上给予我无微不至的关怀，在精神上给予我无尽的鼓励。正是他们的支持，使我能够心无旁骛地投入到研究中。

最后，再次向所有在本研究过程中给予我帮助和指导的师长、同学、朋友和家人表示最诚挚的感谢！本研究的不足之处，恳请各位老师批评指正。

九.附录

附录A：关键设备能耗实测数据

下表列出