МНОГОСЦЕНАРНАЯ ОПТИМИЗАЦИЯ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ ДЛЯ КРИОГЕННЫХ УСТАНОВОК РАЗДЕЛЕНИЯ ВОЗДУХА

Р.Ш. Узбеков; В.В. Челноков

Авторы

Р.Ш. Узбеков Российский химико-технологический университет им. Д.И. Менделеева https://orcid.org/0009-0009-5843-6951
В.В. Челноков Российский химико-технологический университет им. Д.И. Менделеева https://orcid.org/0000-0002-3065-9776

Ключевые слова:

многосценарная оптимизация, криогенная установка, фракционирование воздуха, химико-технологический процесс, ректификация, математическая модель, оптимизация управления процессом

Аннотация

В работе использовано многосценарная оптимизация при проектировании установок для фракционирования воздуха, повышение эффективности которых может быть достигнута модернизацией конструкции и оптимизацией управлением процессом, учитывающей влияние множества факторов риска. Существует несколько неопределенностей, влияющих на оптимальные решения проблем проектирования и эксплуатации криогенных установок. Получена математическая модель стационарного состояния ректификационной колонны для разделения воздуха, включающая материальные и энергетические балансы для основных узлов (колонны, теплообменники, дроссельные клапаны).

Биографии авторов

Р.Ш. Узбеков, Российский химико-технологический университет им. Д.И. Менделеева

Аспирант кафедры логистики и экономической информатики

В.В. Челноков, Российский химико-технологический университет им. Д.И. Менделеева

Доктор технических наук, профессор кафедры логистики и экономической информатики

Библиографические ссылки

Mora C.A., Orjuela A. Modeling, validation and exergy evaluation of a thermally-integrated industrial cryogenic air separation plant in Colombia. Part II : Optimization under variable products demand. DOI 10.1016/ j.cherd.2023.02.009 // Chemical Engineering Research and Design. 2023. No 191. Р. 537-551.

Multi-scenario data-driven robust optimisation for industrial steam power systems under uncer- tainty / Y. Han, J. Zheng, X. Luo [et al.]. DOI 10.1016/j.energy.2022.126032 // Energy. 2023. No 263. Р. 126032.

Multi-Scenario Crop Cultivation Optimization Strategies Based on Linear Programming and Dynamic Programming / G. Lin, M. Zhang, H. Ye, H. Wang. DOI 10.1145/3727993.372801 // CMSDA '24: Proceedings of the 2024 4th International Conference on Computational Modeling, Simulation and Data Analysis-2024: CMSDA. 2024. Р. 120-128.

Фундаментальные знания и гибкость мышления-приоритеты управленческого образования для технологического прорыва / Л.Д. Гительман, А.П. Исаев, М.В. Кожевников, Т.Б. Гаврилова. DOI 10.17747/2618-947X- 2022-2-92-107 // Стратегические решения и риск-менеджмент. 2022. No 13 (2). С. 92-107.

The Use of an Optimized Grey Multi-Objective Programming-PLUS Model for Multi-Scenario Simulation of Land Use in the Weigan–Kuche River Oasis, China / K. Dong, Y. Wang, K. Luo [et al.]. DOI 10.3390/land13060802 // Land. 2024. No 13 (6). Р. 802.

Braniff A., Tian Y. A hierarchical multi-parametric programming approach for dynamic risk-based model predictive quality control. DOI 10.1016/j.conengprac.2024.106062 // Control Engineering Practice. 2024. No 152. С. 106062.

Integrating stochastic programming and reliability in the optimal synthesis of chemical process- es / Y. Chen, Y. Ye, Z. Yuan [et al.] // Computers & Chemical Engineering. 2022. No 157. Р. 107616.

Liang Y. Learning from unknown information sources. DOI 10.1287/mnsc.2021.03551 // Management Science. 2025. No 71 (5). Р. 3873- 3890.

Gunantara N. A review of multi-objective optimization: Methods and its applications. DOI 10.1080/23311916.2018.1502242 // Cogent Engineering. 2018. No 5 (1). Р. 1502242.

Afsar B., Miettinen K., Ruiz F. Assessing the performance of interactive multiobjective optimization methods: A survey. DOI 10.1145/3448301 // ACM Computing Surveys (CSUR). 2021. No 54 (4). Р. 1-27.

Priyadarshi R. Energy-Efficient Routing in Wireless Sensor Networks: A Meta-heuristic and Artificial Intelligence-based Approach: A Comprehensive Re-view. DOI 10.1007/s11831-023-10039-6 // Archives of Computational Methods in Engineering. 2024. No 34 (4).

Optimizing federated learning in distributed industrial IoT: A multi-agent approach / W. Zhang, D. Yang, W. Wu [et al.]. DOI 10.1109/ICCWorkshops50388.2021.9473515 // IEEE Journal on Selected Areas in Communications. 2021. No 39 (12). Р. 3688-3703.

Encyclopedia of Chemical Processing and Design. Vol. 31 : Natural Gas Liquids and Natural Gasoline to Offshore Process Piping: High Performance Alloys/ Nitrogen, Oxygen, and Argon Production 205. Routledge, 2017. 512 р.

Analysis and Optimization of Cryogenic Distillation Systems: For Reducing Distillation Energy Consumption / S. Qiao, M. Xu, X. Lv, H. Zhao // Chemical Engineering & Techno-logy. 2025. No 48 (1). Р. e202400296.

Exergetic analysis of a cryogenic air separation unit / S. Bucsa, A. Serban, M.C. Balan [et al.]. DOI 10.3390/E24020272 // Entropy. 2022. No 24 (2). Р. 272.

Experimental study on the cryogenic distillation system for high-purity liquid nitrogen un- der offshore conditions / S. Wang, Y. Meng, L. Chen [et al.] // Cryogenics. 2024. No 141. Р. 103885.