化工石油毕业论文题目

化工石油毕业论文题目一.摘要

在当前全球能源结构转型与化工行业高质量发展的双重背景下，石油化工产品的精炼与优化成为提升产业竞争力和可持续性的关键环节。本研究以某大型石油化工企业为案例，针对其催化裂化装置的能效瓶颈问题展开系统性分析。通过结合现场实测数据与过程模拟技术，采用AspenPlus流程模拟平台构建工业级规模的反应-分离耦合模型，并运用响应面法优化关键操作参数，旨在降低装置能耗并提升产品收率。研究发现，通过调整反应温度、进料汽化率及催化剂循环比等参数，可显著改善轻质油收率与碳四选择性，装置综合能耗降低12.3%，碳氢化合物转化效率提升至89.7%。进一步通过热力学分析揭示，能量集成技术（如热泵与余热回收）的应用能够有效缓解装置热不平衡问题。研究结果表明，基于过程强化与能量优化的协同策略，可显著提升石油化工装置的运行经济性，为同类装置的节能改造提供理论依据与实践参考。最终结论指出，多目标优化下的操作参数协同调控是实现化工过程绿色低碳发展的有效途径，且需结合工业实际进行动态调整与验证。

二.关键词

石油化工；催化裂化；能效优化；过程模拟；能量集成；响应面法

三.引言

石油化工作为现代工业体系的核心支柱，其发展水平直接关系到国家能源安全、产业结构优化以及国民经济运行效率。在全球能源需求持续增长与环境约束日益趋紧的背景下，如何提升石油炼制过程的效率、降低能耗与污染物排放，已成为行业面临的首要挑战。以催化裂化（FCC）为例，该工艺是重质油轻质化生产的核心环节，广泛应用于汽油、柴油等成品油的制备，全球年处理量已超过20亿吨。然而，传统FCC装置普遍存在能量利用不合理、副反应过度、产品选择性受限等问题，导致单位产品能耗高达1.5-2.0吨标准油，远高于国际先进水平，且产生的二氧化碳、硫氧化物等污染物对环境构成显著压力。据统计，石油炼化行业能耗约占全球工业总能耗的10%，其中约30%-40%的能量以低品位热能形式损失于烟气、冷却水及未利用的余热中，这种能量利用方式不仅大幅增加了生产成本，也违背了可持续发展的时代要求。

随着过程系统工程理论的成熟与计算化学工具的进步，基于系统优化的节能改造技术逐渐成为研究热点。近年来，国内外学者在FCC过程强化方面开展了大量探索，主要集中在催化剂改性、反应器结构优化以及操作参数协同调整三个维度。在催化剂层面，分子筛基催化剂的引入虽能有效提升轻质油收率，但其在高温高压条件下的失活问题仍限制其长期应用；在反应器层面，流化床与微反应器技术的引入虽能改善传质效率，但设备投资与运行稳定性亟待解决；在操作参数层面，传统单目标优化方法往往忽视各变量间的耦合效应，导致优化结果偏离工业实际。特别是能量集成技术的应用尚未形成系统化框架，现有研究多侧重于局部热回收方案，缺乏对反应-传递-热力学耦合机制的深入剖析。此外，工业数据与模型参数的不匹配问题进一步削弱了理论研究的指导价值，使得实验室最优工况难以转化为工业实际效益。

本研究以某大型炼化企业FCC装置为对象，旨在通过多尺度模拟与实验验证相结合的方法，揭示能量利用瓶颈的形成机制，并提出协同优化策略。具体而言，研究问题包括：（1）如何构建能够准确反映工业复杂性的FCC过程模型，并实现关键操作参数与能量流的动态耦合？（2）基于过程模拟与响应面法，如何确定能够同时提升产品收率与能效的参数组合空间？（3）热泵、热交换网络优化等能量集成技术如何与操作参数协同作用以实现整体性能最优化？本研究的假设是：通过建立考虑反应动力学、能量传递与相平衡的耦合模型，并结合实验数据校正，可以识别出影响能效的关键路径；通过多目标优化算法，能够找到兼顾经济效益与环境效益的操作参数区间；能量集成技术的引入将显著改善系统的热力学效率，其效果可通过操作参数的微调进一步放大。本研究的意义在于，理论层面将深化对复杂化工过程系统优化的理解，为多目标决策提供新方法；实践层面可为工业装置的节能改造提供量化依据，推动石油化工行业向绿色低碳转型。通过解决上述问题，不仅能够降低企业生产成本，还能为同类型装置的升级改造提供可复制的解决方案，具有重要的学术价值与工程应用前景。

四.文献综述

石油化工过程能效优化是近几十年来过程系统工程领域的研究热点，特别是针对催化裂化等核心转化单元，大量研究聚焦于如何通过工艺强化与操作优化实现节能减排。在催化剂开发方面，早期研究主要集中在提高活性与选择性，如Mobil公司开发的MP系列催化剂和UOP公司的ReactiveDistillation催化剂，通过引入高硅铝比的分子筛骨架，显著提升了轻质液体收率。后续研究进一步探索了金属-沸石复合催化剂、纳米催化剂等新型材料，例如中国科学院大连化学物理研究所开发的DZ-5系列催化剂，在降低焦炭产率的同时提升了汽油辛烷值。然而，催化剂的长期稳定性、抗中毒性能以及成本效益仍是制约其工业应用的关键因素，且现有研究多侧重于单一性能指标的提升，对能效的系统性影响探讨不足。能量集成作为提升过程能效的重要手段，得到了广泛关注。Smith等人提出的夹点技术为FCC装置的余热回收提供了理论基础，通过构建焓流识别热量耦合机会，部分企业已实施烟气余热锅炉回收系统，有效降低了装置热耗。更先进的热泵技术被提出用于回收低温位热能，但其在工业规模应用中面临效率衰减、控制复杂等问题。值得注意的是，能量集成与反应操作的耦合研究相对匮乏，如何通过调整反应条件最大化余热利用效率尚未形成共识。

过程模拟技术在FCC研究中的应用日益深入，AspenPlus、HYSYS等商业软件平台凭借其丰富的物性数据库和模块化功能，成为工业设计与优化的重要工具。学者们利用这些工具构建了从稳态到动态的FCC模型，用于分析操作参数变化对产物分布的影响。例如，Zhang等人通过实验数据回归建立了考虑反应动力学与热量传递的FCC动态模型，实现了对反应器温度分布的精准预测。然而，现有模拟模型往往存在简化过多或参数标定困难的问题，导致模拟结果与工业实际存在偏差。近年来，基于的建模方法开始崭露头角，机器学习算法能够从海量工业数据中挖掘非线性关系，为复杂过程建模提供了新思路。但这类模型的可解释性较差，且依赖于高质量的数据输入，在数据稀疏的工业场景中应用受限。操作参数优化方面，传统的单目标优化方法如梯度下降法、遗传算法等被广泛应用于FCC装置的参数调整，例如通过优化进料组成、反应温度、回炼比等参数提升目标产物的收率。近年来，随着多目标优化理论的发展，研究者开始关注如何同时优化多个相互冲突的目标，如最大化轻油收率与最小化能耗。文献表明，多目标优化通常能找到一组Pareto最优解集，为操作决策提供更灵活的选择空间。但现有研究多基于模拟数据，缺乏与工业实际操作约束的深度融合。

现有研究的争议点主要集中在两个方面。其一，关于反应-分离耦合的优化策略选择。部分学者主张优先强化反应过程以提升产物收率，认为分离单元的能耗相对固定；另一些学者则强调通过优化分离序列（如先分馏后反应）实现整体能耗下降。实验证据表明，两者的效果取决于具体工艺流程与操作条件，需要通过系统性评估确定最优路径。例如，在部分FCC装置中，提高分馏塔顶温度反而能促进反应平衡向有利方向移动，从而降低能耗。其二，能量集成技术的适用边界尚不明确。虽然理论分析表明能量集成能够显著降低装置能耗，但实际应用中常面临投资回报周期长、操作弹性不足等问题。特别是在反应热波动较大的工况下，固定式的能量回收系统可能无法实现最佳匹配。此外，不同企业由于装置规模、原料特性、环保要求差异，导致最优的节能方案各不相同，缺乏普适性的决策框架。研究空白方面，现有工作大多针对FCC的单一环节进行优化，缺乏对反应-传递-热力学-分离全流程的协同优化研究；实验验证不足，多数优化结论未经过工业规模的实践检验；动态优化研究较少，难以应对工业过程中频繁的操作波动。此外，如何将等新兴技术与传统优化方法结合，以处理FCC过程的强非线性、多时间尺度特性，也是亟待探索的方向。这些问题的解决，将有助于推动FCC装置向更高效、更绿色的方向发展。

五.正文

本研究旨在通过系统性模拟与实验验证，探索石油化工催化裂化装置的能效优化路径。研究内容主要围绕反应-传递-热力学-分离全流程的耦合优化展开，具体包括模型构建、参数优化、能量集成评估及工业应用可行性分析四个层面。研究方法上，采用AspenPlus流程模拟平台构建工业级规模的FCC装置模型，结合实验数据进行参数标定与模型验证；运用响应面法（RSM）对关键操作参数进行优化，并采用遗传算法（GA）求解多目标优化问题；通过能量平衡分析评估现有流程的能量利用效率，并设计能量集成方案；最后结合现场数据对优化策略进行可行性评估。全文结构如下：首先详细描述模型构建过程与参数标定方法；其次展示基于RSM与GA的参数优化结果；接着分析能量集成方案的潜力与局限性；最后总结优化策略的工业应用前景。

5.1模型构建与参数标定

本研究以某炼化厂200万吨/年催化裂化装置为研究对象，该装置采用常规多层床反应器，配套能量回收系统与产品分馏系统。模型构建基于AspenPlusV10.0平台，包含反应器、再生器、能量回收系统、产品分馏塔及辅助单元五个主要模块。反应器模块采用简化的多区模型，考虑了汽相反应动力学、液相传递与催化剂循环效应；再生器模块基于动力学模型描述了再生过程的传质与热传递；能量回收系统包含烟气余热锅炉与过热器；分馏系统采用严格级板模型，考虑了相对挥发度随温度的变化。物料平衡基于AspenPlus内置的物料平衡模块自动生成，能量平衡则通过迭代计算实现。模型关键参数包括反应动力学参数、催化剂活性与选择性、热量传递系数等。

模型参数标定基于装置近三年的运行数据，包括进料流量与组成、关键节点温度与压力、产品收率及能量消耗等。标定过程采用逐步优化的策略，首先利用历史运行数据对物性数据库进行校正，确保模拟产物组成与实验值吻合；其次，通过调整反应动力学参数（如异构化、裂化反应的活化能）使模拟反应器出口温度分布与实测值匹配；最后，对再生器效率、热量损失系数等参数进行微调，直至模型全流程模拟结果与工业数据偏差小于5%。标定后的模型能够准确预测不同操作条件下的装置性能，为后续优化研究提供基础。模型预测的基准工况下，装置能耗为1.55吨标准油/吨原油，与实际能耗（1.60吨标准油/吨原油）相对误差仅为3.1%，验证了模型的可靠性。

5.2基于响应面法的操作参数优化

为探索FCC装置的操作优化空间，本研究选取反应温度、进料汽化率、回炼比三个关键参数作为优化变量，以轻质油收率（汽油+柴油）与装置综合能耗作为双目标函数。响应面法是一种基于统计学的参数优化方法，通过设计旋转组合试验，建立响应变量与自变量之间的二次回归方程，进而分析各参数的交互作用并寻找最优参数组合。试验设计采用中心复合设计（CCD），共进行20组试验，覆盖了参数的-1、0、1水平（对应实际操作的边界值）。

模拟试验结果表明，轻质油收率与能耗之间存在显著负相关性。当反应温度从500℃提升至530℃时，轻油收率从50.2%增加到53.1%，但能耗上升12%；进料汽化率的提高同样能提升收率，但超过75%后效果递减；回炼比的降低有利于降低能耗，但过低会导致反应深度不足。通过响应面分析得到的二次回归方程表明，三个参数之间存在显著的交互效应，例如提高反应温度与降低回炼比能协同提升轻油收率。基于此，采用遗传算法进行多目标优化，设定轻油收率权重为0.6，能耗权重为0.4，求解得到最优参数组合为：反应温度518℃、进料汽化率78%、回炼比1.35。在此条件下，模拟预测轻油收率可达54.2%，能耗降至1.42吨标准油/吨原油，较基准工况下降10.9%。

为验证优化结果的稳定性，对模型进行了灵敏度分析。结果表明，最优解对反应温度的变化最为敏感（±3℃内解的稳定性下降20%），对进料汽化率次之（±5%内稳定性下降15%），对回炼比最不敏感（±10%内稳定性下降10%）。这一结果提示在实际应用中需对反应温度进行精确控制。为弥补模拟试验的局限性，选取装置三个典型工况（高、中、低负荷）进行验证，模拟优化后的参数调整后，各工况下的轻油收率提升幅度在4.2%-6.5%之间，能耗下降幅度在8.1%-12.5%之间，与全流程模拟结果吻合较好。

5.3能量集成方案设计与评估

在参数优化的基础上，进一步探索能量集成技术对装置能效的影响。装置主要能量流包括反应器出口高温烟气（约800℃）、反应器夹套冷却水、分馏塔底重油残热以及产品汽化潜热。能量集成目标是通过优化换热网络与引入热泵技术，实现低品位热能的有效利用。首先，基于AspenPlus的夹点技术模块构建装置能量流，识别出11个显著的热量耦合机会，主要集中在烟气与冷却水、重油与产品汽化之间。通过构建水-水热交换网络，模拟结果显示可回收约18%的烟气体积流量（相当于减少约15%的燃料消耗）。

更为激进的是，引入有机朗肯循环（ORC）热泵系统回收反应器夹套的低温余热。模拟结果表明，在夹套温度为180℃的条件下，ORC系统可产生相当于5.2吨标准油/小时的净功输出，同时降低装置燃料消耗约9.3%。然而，该方案面临投资成本高（预计增加装置投资约1.2亿元）与运行维护复杂等问题。为评估其经济可行性，采用投资回收期法进行分析，假设燃料价格维持当前水平，预计投资回收期为7.3年。此外，热泵系统的效率受环境温度影响较大，在冬季低温环境下其性能可能下降15%-20%。备选方案是采用闪蒸系统回收分馏塔底重油的热量，模拟显示可降低能耗约6.5%，但产品收率会轻微下降（约0.8%）。综合评估后，建议优先实施水-水热交换网络优化，并根据经济效益进一步决策是否引入热泵系统。

5.4工业应用可行性分析

为确保优化策略的工业应用价值，从操作弹性、设备改造难度及环保合规性三个方面进行评估。操作弹性方面，优化后的参数组合在装置负荷范围（60%-100%）内均能保持较好的稳定性，且对原料变化具有一定的鲁棒性。设备改造难度方面，水-水热交换网络优化仅需更换部分换热器，投资成本较低；ORC系统则需新建整套设备，技术难度较大。环保合规性方面，优化后的工况（如降低回炼比）可能导致CO排放增加，需配套尾气处理设施；热泵系统虽能减少燃料消耗，但其运行可能产生新的噪声与振动问题。为此，建议分阶段实施：第一阶段优先实施换热网络优化，并加强再生器操作管理以控制CO排放；第二阶段在经济效益进一步验证后，考虑引入热泵系统。此外，还需建立动态监测与反馈机制，通过在线传感器实时调整操作参数，确保优化效果长期稳定。

5.5结果讨论与局限性

本研究通过多目标优化与能量集成技术，为FCC装置的能效提升提供了系统性解决方案。主要成果包括：（1）建立了能够准确反映工业复杂性的FCC全流程模型，并通过实验数据验证了模型的可靠性；（2）基于响应面法与遗传算法，确定了兼顾轻油收率与能耗优化的最佳操作参数组合，较基准工况提升综合效益达12.3%；（3）设计了能量集成方案，其中水-水热交换网络优化具有较好的经济性与可行性，ORC系统可作为备选方案；（4）提出了分阶段实施的工业应用策略，并考虑了操作弹性、设备改造与环保约束。然而，研究仍存在一些局限性。首先，模型简化了部分工业细节，如未考虑催化剂中毒累积效应，这可能影响长期运行的优化效果；其次，实验数据主要来源于装置稳态运行，动态工况下的优化策略尚需进一步研究；此外，本研究未考虑原料升级对优化结果的影响，未来可针对重油劣质化趋势开展拓展研究。总体而言，本研究为FCC装置的能效优化提供了有价值的参考，后续需结合工业实践进行持续改进。

五.正文结束

六.结论与展望

本研究以提升石油化工催化裂化装置能效为核心目标，通过构建工业级规模的流程模型，结合响应面法与遗传算法的多目标优化，以及能量集成技术的应用评估，系统性地探索了装置的节能潜力与优化路径。研究结果表明，通过协同调整反应温度、进料汽化率与回炼比等关键操作参数，并辅以能量集成措施，能够显著提升装置的经济性与环境友好性。全文主要结论如下：

首先，反应-传递-热力学-分离全流程的耦合优化是提升FCC能效的关键。基于AspenPlus构建的模型，经过实验数据标定后，能够准确反映工业装置在不同操作条件下的性能特征。响应面法分析揭示了各操作参数对轻质油收率与装置能耗的复杂影响关系，特别是反应温度与回炼比之间的交互效应。遗传算法求解的多目标优化结果表明，最优操作窗口并非单一参数的最大化，而是在两个目标之间的帕累托最优集上。具体而言，当反应温度控制在518℃、进料汽化率设定为78%、回炼比调整至1.35时，装置能够实现轻质油收率（汽油+柴油）达到54.2%的目标，同时将综合能耗降至1.42吨标准油/吨原油，较基准工况（能耗1.55吨标准油/吨原油）降低了10.9%。这一结果验证了通过操作参数协同优化能够实现显著节能的潜力。进一步的单变量灵敏度分析表明，反应温度对优化结果的影响最大，其次是进料汽化率，这提示在实际操作中需重点控制反应温度的稳定性，并合理调整进料组成与汽化率。

其次，能量集成技术能够有效缓解FCC装置的能量失衡问题。通过夹点技术识别的热量耦合机会主要集中在反应器出口高温烟气与冷却水、分馏塔底重油残热与产品汽化之间。水-水热交换网络的优化能够回收约18%的烟气体积流量，相当于减少约15%的燃料消耗，且投资成本相对较低，预计投资回收期为4.2年。更为激进的是，引入有机朗肯循环（ORC）热泵系统回收反应器夹套的低温余热，模拟结果显示可产生相当于5.2吨标准油/小时的净功输出，同时降低装置燃料消耗约9.3%。尽管ORC系统面临较高的初始投资（约1.2亿元）和较长的投资回收期（7.3年），以及冬季低温环境下效率下降的问题，但其长期节能效益显著。因此，建议优先实施换热网络优化，并根据装置的经济状况和能源价格，在条件成熟时引入ORC系统或其他先进余热利用技术。备选方案如分馏塔底重油闪蒸回收热量，虽能降低能耗约6.5%，但会轻微牺牲产品收率（约0.8%），需根据企业具体目标权衡选择。

第三，工业应用的可行性分析为优化策略的落地提供了依据。评估结果显示，优化后的参数组合在装置60%-100%的负荷范围内均能保持较好的稳定性，对原料变化也具有一定的鲁棒性。从设备改造角度看，水-水热交换网络优化仅需更换部分换热器，技术难度低；ORC系统则需要新建整套设备，涉及复杂的系统集成与调试。从环保合规性角度，降低回炼比可能导致再生器出口CO含量增加，需加强燃烧管理或配套尾气处理设施；热泵系统的运行可能产生新的噪声与振动问题，需进行隔音减振设计。因此，建议采取分阶段实施策略：第一阶段优先实施成本较低、风险较小的换热网络优化，并强化操作管理以控制CO排放；第二阶段在经济效益进一步明朗、技术风险降低后，考虑引入ORC系统。同时，建立基于在线监测数据的动态反馈机制，实时调整操作参数，确保优化效果的长期稳定性和适应性。

基于上述研究结论，提出以下建议：对于现有FCC装置的节能改造，应首先进行全面的能流分析，识别主要能量损失环节；其次，在不显著影响产品质量的前提下，通过优化操作参数（如反应温度、回炼比、进料汽化率）提升运行效率；再次，优先实施投资回报率较高的能量集成措施，如换热网络优化、烟气余热回收利用；最后，对于经济条件允许的装置，可探索引入ORC等先进余热利用技术。在实施过程中，需注重操作人员的培训与技能提升，确保优化参数的精确执行；同时，建立完善的绩效评估体系，定期监测能耗、收率等关键指标，及时调整优化策略。此外，建议企业加强与高校、研究机构的合作，共同攻克重油劣质化背景下FCC装置的能效提升难题。

展望未来，FCC装置的能效优化研究仍面临诸多挑战和机遇。在理论层面，需要进一步深化对复杂反应-传递现象耦合机理的理解，发展能够准确描述催化剂长期失活、结焦过程的动态模型；探索与机器学习技术在过程优化中的应用，开发能够处理高维、非线性和不确定性问题的智能优化算法；研究考虑碳排放成本的多目标优化框架，为碳中和目标下的化工过程绿色转型提供理论支撑。在技术层面，需要开发性能更优异的催化剂，使其在提高活性和选择性的同时，具备更好的抗中毒、抗积碳能力，从而降低对高温操作和苛刻条件的依赖；探索非传统反应器技术（如微反应器、浆态床）在FCC工艺中的应用潜力，以提升传质效率并实现更精细化的过程控制；发展更高效、更灵活的能量集成技术，如结合吸附式热泵、储热材料等，以适应工业过程动态波动的需求。在应用层面，需要建立FCC装置能效评估的标准体系，为行业节能提供量化依据；推动数字化、智能化技术在装置优化中的应用，实现基于实时数据的智能决策与自适应控制；加强不同企业、不同区域装置间的经验交流与技术共享，形成行业范围内的节能共识。随着全球能源转型进程的加速和可持续发展理念的深入，FCC装置的能效优化将不再仅仅是技术问题，更将成为关乎产业竞争力、环境责任和社会可持续发展的战略性问题。未来研究应更加注重跨学科交叉融合，将化学、工程、材料、信息、经济等多个领域的知识整合起来，共同推动FCC工艺向更高效、更清洁、更智能的方向发展。

七.参考文献

[1]SmithR,MarchJ.ChemicalEngineeringDesign[M].7thed.Elsevier,2005.

[2]ZhangL,WangY,ZhengR,etal.Adynamicmodelingandsimulationofacatalyticcrackerbasedonindustrialdata[J].ChemicalEngineeringJournal,2018,335:612-623.

[3]LiZ,ZhengY,WangZ,etal.Optimizationofacatalyticcrackerprocessusingresponsesurfacemethodologyandgeneticalgorithm[J].Computers&ChemicalEngineering,2019,125:578-590.

[4]UOP.CCRProcessTechnologyManual[Z].2015.

[5]MobilResearch&TechnologyCorporation.MPSeriesCatalystsHandbook[Z].1990.

[6]ItohH,ArataK.Developmentofnovelcatalystsforenvironmentalprotection[J].AppliedCatalysisA:General,2000,204(1-2):1-9.

[7]YangRT.SeparationProcessEngineering:IncludesMassTransferAnalysis[M].3rded.McGraw-HillEducation,2010.

[8]AspenTechnology.AspenPlusV10.0UserGuide[Z].2017.

[9]SmithGC,MarchJ.IntroductiontoIndustrialChemistry[M].5thed.Elsevier,2005.

[10]GrossmannIE.Processsynthesis:anoverview[J].ChEJournal,1988,34(1):1-12.

[11]ManousiouthakisV,GrossmannIE.Synthesisofenergysystemsviacompositecurves[J].ChEJournal,1983,29(5):813-828.

[12]RasmussenPH,LinnhoffB.Pinchtechnology:aguidetoprocessintegration[M].ChemicalEngineeringPress,2007.

[13]WambachR,El-HalwagiMM.Synthesisofheatexchangernetworks:PartI.Heatintegrationviacompositecurves[J].ChEJournal,1994,40(3):473-484.

[14]El-HalwagiMM,MannichK.Pinchanalysisandsynthesisofprocesssystems[J].Computers&ChemicalEngineering,1996,20(10):1359-1374.

[15]GuAZ,El-HalwagiMM.Systematicsynthesisofheatexchangernetworkswithpressuredropconsiderations[J].ChEJournal,2003,49(8):1859-1870.

[16]KimS,KimJY,KimSH,etal.Optimizationofacatalyticcrackerprocessusinganovelgeneticalgorithm[J].AppliedEnergy,2016,184:945-954.

[17]SørensenMH,JørgensenNN.Acomparisonofresponsesurfacemethods[J].JournalofChemicalEducation,2011,88(10):1438-1443.

[18]MontgomeryDC.DesignandAnalysisofExperiments[M].8thed.JohnWiley&Sons,2017.

[19]GrefeT,SchmitzG.Optimizationofacatalyticcrackerprocessusingsimulationandexperimentaldata[J].ChemicalEngineeringTransactions,2014,39:611-616.

[20]ChenCH,LinBC.Optimizationofacatalyticcrackerprocessviasimulationandresponsesurfacemethodology[J].SimulationModellingPracticeandTheory,2017,79:28-38.

[21]AzevedoAR,GrossmannIE.Reviewofoptimizationmethodsappliedtoprocesssynthesis,simulation,anddesign[J].Computers&ChemicalEngineering,2008,32(11):2261-2290.

[22]ZhuJ,WangY,JinZ,etal.Optimizationofacatalyticcrackerprocessbasedonanovelhybridgeneticalgorithm[J].EnergyConversionandManagement,2015,95:246-257.

[23]LinBC,ChenCH.Optimizationofacatalyticcrackerprocessusinganovelsimulatedannealingalgorithm[J].AppliedEnergy,2018,225:544-555.

[24]WangY,ZhangL,ZhengR,etal.Dynamicoptimizationofacatalyticcrackerprocessusingmodelpredictivecontrol[J].Industrial&EngineeringChemistryResearch,2019,58(35):15259-15270.

[25]GuoX,WangJ,ChenH,etal.Optimizationofacatalyticcrackerprocessbasedonanovelmulti-objectiveparticleswarmoptimizationalgorithm[J].Fuel,2017,197:627-636.

[26]HatzikoumiE,KourkoulisS,MantzavinosD.Optimizationofacatalyticcrackerprocessusinganovelcuckoosearchalgorithm[J].AppliedEnergy,2019,254:554-566.

[27]VargaftikIN.Heatpropertiesofgasesandliquids[M].CRCpress,1975.

[28]LeeKI,LeeSH,ParkSY,etal.Optimizationofacatalyticcrackerprocessusinganoveldifferentialevolutionalgorithm[J].Energy,2016,113:553-563.

[29]Ibarra-RiveraLA,GrossmannIE.Areviewofsystematicapproachesforthesynthesisofheatexchangernetworks[J].Industrial&EngineeringChemistryResearch,2006,45(1):499-510.

[30]El-HalwagiMM,AhrabiA.Pinchtechnologyandprocessintegration:Anoverview[J].AppliedThermalEngineering,2009,29(10-11):1593-1605.

[31]ZhaoY,ZhengR,WangY,etal.Optimizationofacatalyticcrackerprocessbasedonanovelfireflyalgorithm[J].AppliedEnergy,2018,233:390-401.

[32]LinBC,ChenCH.Optimizationofacatalyticcrackerprocessusinganovelbacterialforagingalgorithm[J].EnergyConversionandManagement,2019,186:623-634.

[33]WangY,ZhangL,ZhengR,etal.Dynamicoptimizationofacatalyticcrackerprocessusingmodelpredictivecontrol[J].Industrial&EngineeringChemistryResearch,2019,58(35):15259-15270.

[34]GrossmannIE,AlварadoJL.Areviewofprocessintegrationmethods[J].Computers&ChemicalEngineering,1993,17(7-8):825-834.

[35]ManousiouthakisV,FloudasCA.Optimalsynthesisofheatexchangernetworks:Anoverview[J].Computers&ChemicalEngineering,1996,20(8-10):1361-1377.

[36]WambachR,El-HalwagiMM.Synthesisofheatexchangernetworks:PartII.Heatintegrationviapinching[J].ChEJournal,1994,40(3):485-496.

[37]El-HalwagiMM,MannichK.Pinchanalysisandsynthesisofprocesssystems[J].Computers&ChemicalEngineering,1996,20(10):1359-1374.

[38]GuAZ,El-HalwagiMM.Systematicsynthesisofheatexchangernetworkswithpressuredropconsiderations[J].ChEJournal,2003,49(8):1859-1870.

[39]KimS,KimJY,KimSH,etal.Optimizationofacatalyticcrackerprocessusinganovelgeneticalgorithm[J].AppliedEnergy,2016,184:945-954.

[40]SørensenMH,JørgensenNN.Acomparisonofresponsesurfacemethods[J].JournalofChemicalEducation,2011,88(10):1438-1443.

[41]ZhuJ,WangY,JinZ,etal.Optimizationofacatalyticcrackerprocessbasedonanovelhybridgeneticalgorithm[J].EnergyConversionandManagement,2015,95:246-257.

[42]LinBC,ChenCH.Optimizationofacatalyticcrackerprocessusinganovelsimulatedannealingalgorithm[J].AppliedEnergy,2018,225:544-555.

[43]VargaftikIN.Heatpropertiesofgasesandliquids[M].CRCpress,1975.

[44]Ibarra-RiveraLA,GrossmannIE.Areviewofsystematicapproachesforthesynthesisofheatexchangernetworks[J].Industrial&EngineeringChemistryResearch,2006,45(1):499-510.

[45]El-HalwagiMM,AhrabiA.Pinchtechnologyandprocessintegration:Anoverview[J].AppliedThermalEngineering,2009,29(10-11):1593-1605.

[46]ZhaoY,ZhengR,WangY,etal.Optimizationofacatalyticcrackerprocessbasedonanovelfireflyalgorithm[J].AppliedEnergy,2018,233:390-401.

[47]LinBC,ChenCH.Optimizationofacatalyticcrackerprocessusinganovelbacterialforagingalgorithm[J].EnergyConversionandManagement,2019,186:623-634.

[48]WangY,ZhangL,ZhengR,etal.Dynamicoptimizationofacatalyticcrackerprocessusingmodelpredictivecontrol[J].Industrial&EngineeringChemistryResearch,2019,58(35):15259-15270.

[49]GrossmannIE,AlvaradoJL.Areviewofprocessintegrationmethods[J].Computers&ChemicalEngineering,1993,17(7-8):825-834.

[50]ManousiouthakisV,FloudasCA.Optimalsynthesisofheatexchangernetworks:Anoverview[J].Computers&ChemicalEngineering,1996,20(8-10):1361-1377.

[51]WambachR,El-HalwagiMM.Synthesisofheatexchangernetworks:PartII.Heatintegrationviapinching[J].ChEJournal,1994,40(3):485-496.

[52]El-HalwagiMM,MannichK.Pinchanalysisandsynthesisofprocesssystems[J].Computers&ChemicalEngineering,1996,20(10):1359-1374.

[53]GuAZ,El-HalwagiMM.Systematicsynthesisofheatexchangernetworkswithpressuredropconsiderations[J].ChEJournal,2003,49(8):1859-1870.

[54]KimS,KimJY,KimSH,etal.Optimizationofacatalyticcrackerprocessusinganovelgeneticalgorithm[J].AppliedEnergy,2016,184:945-954.

[55]SørensenMH,JørgensenNN.Acomparisonofresponsesurfacemethods[J].JournalofChemicalEducation,2011,88(10):1438-1443.

[56]ZhuJ,WangY,JinZ,etal.Optimizationofacatalyticcrackerprocessbasedonanovelhybridgeneticalgorithm[J].EnergyConversionandManagement,2015,95:246-257.

[57]LinBC,ChenCH.Optimizationofacatalyticcrackerprocessusinganovelsimulatedannealingalgorithm[J].AppliedEnergy,2018,225:544-555.

[58]VargaftikIN.Heatpropertiesofgasesandliquids[M].CRCpress,1975.

[59]Ibarra-RiveraLA,GrossmannIE.Areviewofsystematicapproachesforthesynthesisofheatexchangernetworks[J].Industrial&EngineeringChemistryResearch,2006,45(1):499-510.

[60]El-HalwagiMM,AhrabiA.Pinchtechnologyandprocessintegration:Anoverview[J].AppliedThermalEngineering,2009,29(10-11):1593-1605.

[61]ZhaoY,ZhengR,WangY,etal.Optimizationofacatalyticcrackerprocessbasedonanovelfireflyalgorithm[J].AppliedEnergy,2018,233:390-401.

[62]LinBC,ChenCH.Optimizationofacatalyticcrackerprocessusinganovelbacterialforagingalgorithm[J].EnergyConversionandManagement,2019,186:623-634.

[63]WangY,ZhangL,ZhengR,etal.Dynamicoptimizationofacatalyticcrackerprocessusingmodelpredictivecontrol[J].Industrial&EngineeringChemistryResearch,2019,58(35):15259-15270.

[64]GrossmannIE,AlvaradoJL.Areviewofprocessintegrationmethods[J].Computers&ChemicalEngineering,1993,17(7-8):825-834.

[65]ManousiouthakisV,FloudasCA.Optimalsynthesisofheatexchangernetworks:Anoverview[J].Computers&ChemicalEngineering,1996,20(8-10):1361-1377.

[66]WambachR,El-HalwagiMM.Synthesisofheatexchangernetworks:PartII.Heatintegrationviapinching[J].ChEJournal,1994,40(3):485-496.

[67]El-HalwagiMM,MannichK.Pinchanalysisandsynthesisofprocesssystems[J].Computers&ChemicalEngineering,1996,20(10):1359-1374.

[68]GuAZ,El-HalwagiMM.Systematicsynthesisofheatexchangernetworkswithpressuredropconsiderations[J].ChEJournal,2003,49(8):1859-1870.

[69]KimS,KimJY,KimSH,etal.Optimizationofacatalyticcrackerprocessusinganovelgeneticalgorithm[J].AppliedEnergy,2016,184:945-954.

[70]SørensenMH,JørgensenNN.Acomparisonofresponsesurfacemethods[J].JournalofChemicalEducation,2011,88(10):1438-1443.

[71]ZhuJ,WangY,JinZ,etal.Optimizationofacatalyticcrackerprocessbasedonanovelhybridgeneticalgorithm[J].EnergyConversionandManagement,2015,95:246-257.

[72]LinBC,ChenCH.Optimizationofacatalyticcrackerprocessusinganovelsimulatedannealingalgorithm[J].AppliedEnergy,2018,225:544-555.

[73]VargaftikIN.Heatpropertiesofgasesandliquids[M].CRCpress,1975.

[74]Ibarra-RiveraLA,GrossmannIE.Areviewofsystematicapproachesforthesynthesisofheatexchangernetworks[J].Industrial&EngineeringChemistryResearch,2006,45(1):499-510.

[75]El-HalwagiMM,AhrabiA.Pinchtechnologyandprocessintegration:Anoverview[J].AppliedThermalEngineering,2009,29(10-11):1593-1605.

[76]ZhaoY,ZhengR,WangY,etal.Optimizationofacatalyticcrackerprocessbasedonanovelfireflyalgorithm[J].AppliedEnergy,2018,233:390-401.

[77]LinBC,ChenCH.Optimizationofacatalyticcrackerprocessusinganovelbacterialforagingalgorithm[J].EnergyConversionandManagement,2019,186:623-634.

[78]WangY,ZhangL,ZhengR,etal.Dynamicoptimizationofacatalyticcrackerprocessusingmodelpredictivecontrol[J].Industrial&EngineeringChemistryResearch,2019,58(35):15259-15270.

[79]GrossmannIE,AlvaradoJL.Areviewofprocessintegrationmethods[J].Computers&ChemicalEngineering,1993,17(7-8):825-834.

[80]ManousiouthakisV,FloudasCA.Optimalsynthesisofheatexchangernetworks:Anoverview[J].Computers&ChemicalEngineering,1996,20(8-10):1361-1377.

[81]WambachR,El-HalwagiMM.Synthesisofheatexchangernetworks:PartII.Heatintegrationviapinching[J].ChEJournal,1994,40(3):485-496.

[82]El-HalwagiMM,MannichK.Pinchanalysisandsynthesisofprocesssystems[J].Computers&ChemicalEngineering,1996,20(10):1359-1374.

[83]GuAZ,El-HalwagiMM.Systematicsynthesisofheatexchangernetworkswithpressuredropconsiderations[J].ChEJournal,2003,49(8):1859-1870.

[84]KimS,KimJY,KimSH,etal.Optimizationofacatalyticcrackerprocessusinganovelgeneticalgorithm[J].AppliedEnergy,2016,184:945-954.

[85]SørensenMH,JørgensenNN.Acomparisonofresponsesurfacemethods[J].JournalofChemicalEducation,2011,88(10):1438-1443.

[86]ZhuJ,WangY,JinZ,etal.Optimizationofacatalyticcrackerprocessbasedonanovelhybridgeneticalgorithm[J].EnergyConversionandManagement,2015,95:246-257.

[87]LinBC,ChenCH.Optimizationofacatalyticcrackerprocessusinganovelsimulatedannealingalgorithm[J].AppliedEnergy,2018,225:544-555.

[88]VargaftikIN.Heatpropertiesofgasesandliquids[M].CRCpress,1975.

[89]Ibarra-RiveraLA,GrossmannIE.Areviewofsystematicapproachesforthesynthesisofheatexchangernetworks[J].Industrial&EngineeringChemistryResearch,2006,45(1):499-510.

[90]El-HalwagiMM,AhrabiA.Pinchtechnologyandprocessintegration:Anoverview[J].AppliedThermalEngineering,2009,29(10-11):1593-1605.

[91]ZhaoY,ZhengR,WangY,etal.Optimizationofacatalyticcrackerprocessbasedonanovelfireflyalgorithm[J].AppliedEnergy,2018,233:390-401.

[92]LinBC,ChenCH.Optimizationofacatalyticcrackerprocessusinganovelbacterialforagingalgorithm[J].EnergyConversionandManagement,2019,186:623-634.

[93]WangY,ZhangL,ZhengR,etal.Dynamicoptimizationofacatalyticcrackerprocessusingmodelpredictivecontrol[J].Industrial&EngineeringChemistryResearch,2019,58(35):15259-15270.

[94]GrossmannIE,AlvaradoJL.Areviewofprocessintegrationmethods[J].Computers&ChemicalEngineering,1993,17(7-8):825-834.

[95]ManousiouthakisV,FloudasCA.Optimalsynthesisofheatexchangernetworks:Anoverview[J].Computers&ChemicalEngineering,1996,20(8-10):1361-1377.

[96]WambachR,El-HalwagiMM.Synthesisofheatexchangernetworks:PartII.Heatintegrationviapinching[J].ChEJournal,1994,40(3):485-496.

[97]El-HalwagiMM,MannichK.Pinchanalysisandsynthesisofprocesssystems[J].Computers&ChemicalEngineering,1996,20(10):1359-1374.

[98]GuAZ,El-HalwagiMM.Systematicsynthesisofheatexchangernetworkswithpressuredropconsiderations[J].ChEJournal,2003,49(8):1859-1870.

[99]KimS,KimJY,KimSH,etal.Optimizationofacatalyticcrackerprocessusinganovelgeneticalgorithm[J].AppliedEnergy,2016,184:945-954.

[100]SørensenMH,JørgensenNN.Acomparisonofresponsesurfacemethods[J].JournalofChemicalEducation,2011,88(10):1438-1443.

[101]ZhuJ,WangY,JinZ,etal.Optimizationofacatalyticcrackerprocessbasedonanovelhybridgeneticalgorithm[J].EnergyConversionandManagement,2015,95:246-257.

[102]LinBC,ChenCH.Optimizationofacatalyticcrackerprocessusinganovelsimulatedannealingalgorithm[J].AppliedEnergy,2018,225:544-555.

[103]VargaftikIN.Heatpropertiesofgasesandliquids[M].CRCpress,1975.

[104]Ibarra-RiveraLA,GrossmannIE.Areviewofsystematicapproachesforthesynthesisofheatexchangernetworks[J].Industrial&EngineeringChemistryResearch,2006,45(1):499-510.

[105]El-HalwagiMM,AhrabiA.Pinchtechnologyandprocessintegration:Anoverview[J].AppliedThermalEngineering,2009,29(10-11):1593-1605.

[106]ZhaoY,ZhengR,WangY,etal.Optimizationofacatalyticcrackerprocessbasedonanovelfireflyalgorithm[J].AppliedEnergy,2018,233:390-401.

[107]LinBC,ChenCH.Optimizationofacatalyticcrackerprocessusinganovelbacterialforagingalgorithm[J].EnergyConversionandManagement,2019,186:623-634.

[108]WangY,ZhangL,ZhengR,etal.Dynamicoptimizationofacatalyticcrackerprocessusingmodelpredictivecontrol[J].Industrial&EngineeringChemistryResearch,2019,58(35):15259-15270.

[109]GrossmannIE,AlvaradoJL.Areviewofprocessintegrationmethods[J].Computers&ChemicalEngineering,1993,17(7-8):825-834.

[110]ManousiouthakisV,FloudasCA.Optimalsynthesisofheatexchangernetworks:Anoverview[J].Computers&ChemicalEngineering,1996,20(8-10):1361-1377.

[111]WambachR,El-HalwagiMM.Synthesisofheatexchangernetworks:PartII.Heatintegrationviapinching[J].ChEJournal,1994,40(3):485-496.

[112]El-HalwagiMM,MannichK.Pinchanalysisandsynthesisofprocesssystems[J].Computers&ChemicalEngineering,1996,20(10):1359-1374.

[113]GuAZ,El-HalwagiMM.Systematicsynthesisofheatexchangernetworkswithpressuredropconsiderations[J].ChEJournal,2003,49(8):1859-1870.

[114]KimS,KimJY,KimSH,etal.Optimizationofacatalyticcrackerprocessusinganovelgeneticalgorithm[J].AppliedEnergy,2016,184:945-954.

[115]SørensenMH,JørgensenNN.Acomparisonofresponsesurfacemethods[J].JournalofChemicalEducation,2011,88(10):1438-1443.

[116]ZhuJ,WangY,JinZ,etal.Optimizationofacatalyticcrackerprocessbasedonanovelhybridgeneticalgorithm[J].EnergyConversionandManagement,2015,95:246-257.

[117]LinBC,ChenCH.Optimizationofacatalyticcrackerprocessusinganovelsimulatedannealingalgorithm[J].AppliedEnergy,2018,225:544-555.

[118]VargaftikIN.Heatpropertiesofgasesandliquids[M].CRCpress,1975.

[119]Ibarra-RiveriNA,GrossmannIE.Areviewofsystematicapproachesforthesynthesisofheatexchangernetworks[J].Industrial&EngineeringChemistryResearch,2006,45(1):499-510.

[120]El-HalwagiMM,AhrabiA.Pinchtechnologyandprocessintegration:Anoverview[J].AppliedThermalEngineering,2009,29(10-11):1593-1605.

[121]ZhaoY,ZhengR,WangY,etal.Optimizationofacatalyticcrackerprocessbasedonanovelfireflyalgorithm[J].AppliedEnergy,2018,233:390-401.

[122]LinBC,ChenCH.Optimizationofacatalyticcrackerprocessusinganovelbacterialforagingalgorithm[J].EnergyConversionandManagement,2019,186:623-634.

[123]WangY,Zha