Desarrollo de estrategias avanzadas de optimización para la síntesis de procesos a partir de gas proveniente de reservorios no convencionales

Abstract

Este trabajo de Tesis aporta nuevas metodologías para abordar el diseño óptimo de plantas químicas mediante la formulación de modelos de programación matemática, que permiten abordar el estudio sistemático de tecnologías potenciales actuales, con el fin de establecer las alternativas que permiten maximizar el beneficio económico, atendiendo a la operación eficiente de la planta y a la reducción de las emisiones de dióxido de carbono. De este modo, esta Tesis contribuye al avance de la Ingeniería de Sistemas de Procesos (PSE), mediante la aplicación y desarrollo de estrategias de optimización. En particular, se aplicaron y desarrollaron herramientas de PSE para el análisis, y la toma de decisiones vinculadas al diseño óptimo de plantas químicas basadas en distintos procesos tecnológicos que permiten valorizar los líquidos del gas natural y/o no convencional. Esta temática resulta de especial interés a partir del advenimiento de la explotación masiva de reservorios no convencionales de gas. En este contexto, Argentina se encuentra en una posición estratégica debido a la magnitud de sus recursos gasíferos no convencionales, y resulta esencial el estudio adecuado de procesos tecnológicos que permitan el aprovechamiento más eficiente del gas no convencional y su valorización, considerando que los líquidos del gas natural son excelentes materias primas para las industrias químicas, y pueden procesarse para obtener diversos productos, como olefinas. Para sintetizar estos productos se conocen diferentes procesos químicos, los cuales deben ser estudiados para determinar cuál es el más adecuado. Así, el objetivo general de esta tesis es el desarrollo y aplicación de estrategias avanzadas de programación matemática para la síntesis de procesos novedosos y de bajo impacto ambiental para la obtención de productos químicos, a partir de gas proveniente de reservorios convencionales y no convencionales. En primer lugar, se propone un algoritmo novedoso para el diseño óptimo de plantas químicas utilizando modelos subrogados (SMs) lineales por partes en un esquema iterativo de optimización de superestructuras. Los SMs se generan a partir de simulaciones obtenidas con modelos rigurosos implementados en Aspen Plus y correlaciones de costos implementadas en MATLAB. Se utiliza una formulación basada en Programación Disyuntiva Generalizada (GDP) para el ajuste de los coeficientes, desarrollada en el presente trabajo de tesis. A partir del problema de la superestructura, se formula un problema maestro de Programación Mixto- Entera Lineal (MILP) que se resuelve utilizando el algoritmo propuesto. Se utiliza como caso de estudio la producción de etileno a partir de etano mediante tecnologías convencionales y alternativas. Se obtiene que la tecnología de deshidrogenación oxidativa de etano utilizando bucle químico (CL ODH) es la solución óptima. A continuación, se desarrolla en Aspen Plus un modelo riguroso del proceso de CL-ODH para la producción de etileno a partir de etano asociado a procesos que permiten la coproducción de metanol a partir de subproductos, considerando objetivos económicos (maximización del NPV) y evaluando también las emisiones de CO2 del proceso global. Se utiliza el modo orientado a ecuaciones de Aspen Plus para mejorar la robustez del modelo y optimizar las condiciones de operación de la planta. El diseño de plantas de coproducción de etileno y propileno a partir de los líquidos del gas natural es un problema relevante en la literatura bajo el contexto de la revolución del shale gas. En ese marco, se presenta una metodología novedosa para la formulación de problemas de diseño óptimo de plantas químicas como problemas de Programación Disyuntiva Generaliza (GDP), y se utiliza una implementación propia del algoritmo de Aproximaciones Exteriores basadas en Lógica (L-bOA) para su resolución en GAMS. Se formula una superestructura para el diseño de plantas de coproducción de etileno y propileno a partir de los líquidos del gas natural basada en modelos rigurosos, con el fin de determinar la combinación de tecnologías óptimas bajo diferentes escenarios de precios de las materias primas. Se emplea la representación de redes de estados y equipos para modelar las decisiones discretas asociadas con el diseño del tren de separación y las configuraciones alternativas del reactor de acetileno. Finalmente, como la aplicación de modelos rigurosos en optimización puede resultar en problemas difíciles de resolver mediante los algoritmos matemáticos disponibles, se propone un algoritmo de optimización para resolver problemas formulados con Programación Disyuntiva Generalizada (GDP) basados en modelos híbridos, que incluyen modelos basados en primeros principios y modelos subrogados (SMs). Los SMs incluyen funciones de regresión algebraica y funciones de base radial. El desempeño de la metodología propuesta se analiza mediante dos casos de estudio: un problema de síntesis de metanol y un problema de diseño óptimo de producción de propileno por medio del proceso de metátesis. Asimismo, se realiza un análisis de sensibilidad de la función objetivo con respecto al precio de la materia prima, y se aborda un problema de diseño e integración energética de manera simultánea.

In this work, the optimal design of chemical plants is addressed through novel methods based on mathematical programming, which allow the systematic study of promising process technologies. The proposed methods provide a framework to maximize economic indicators, considering efficiency metrics of the plant, as well as carbon dioxide emissions. In this way, this work contributes to the progress of Process Systems Engineering (PSE) through the application and development of optimization strategies. In particular, computer-aided tools were applied and developed for analysis and decision-making of the design of chemical plants, considering different processes to add value to natural gas liquids from unconventional reservoirs. This issue is of special interest due to the shale gas revolution. In this context, Argentina has a strategic position due to the national unconventional gas resources, and the thoughtful study of available technologies is essential to select the most efficient way of using of unconventional gas. In particular, natural gas liquids are excellent feedstock for chemical industries. Through the conversion of these raw materials, high value-added products can be obtained, such as olefins. To synthesize these products, different chemical processes have been developed, which must be analyzed to determine the most appropriate option. Thus, the general objective of this thesis is the development and application of advanced mathematical programming strategies for the process synthesis and design, with low environmental impact, to produce chemicals from conventional and unconventional gas. First of all, a novel algorithm for the optimal design of chemical plants using piecewise linear surrogate models (SMs) in an iterative superstructure optimization framework is proposed. The SMs are generated from rigorous simulations with models implemented in Aspen Plus and cost correlations implemented in MATLAB. A formulation based on Generalized Disjunctive Programming (GDP), developed in this thesis work, is used for SMs coefficient fitting. From the superstructure problem, a master Mixed-Integer Linear Programming (MILP) problem is formulated and solved using the proposed algorithm. Ethane-based ethylene production using conventional and alternative technologies is used as a case study. As a result, the chemical looping oxidative dehydrogenation (CL-ODH) of ethane is the optimal solution. Next, a rigorous model of the CL-ODH process for ethylene production from ethane, considering methanol co-production from by-products, is developed in Aspen Plus. The objective function is the Net Present Value (NPV) maximization, and CO2 emissions of the global process are also estimated. Aspen Plus equation-oriented mode is used to improve model robustness and to optimize plant operating conditions. The design of ethylene and propylene co-production plants from natural gas liquids is a relevant problem in the literature due to the shale gas revolution. In this framework, a novel approach is presented for the formulation of optimal design problems for chemical plants using Generalized Disjunctive Programming (GDP), and a custom implementation of the Logic-based Outer Approximation (L-bOA) algorithm in GAMS is employed to solve the problem. A superstructure is formulated for the design of ethylene and propylene co-production plants from natural gas liquids based on rigorous models, to determine the optimal scheme under different raw material price scenarios. The state-equipment network representation is used to model discrete decisions associated with the separation train design and alternative acetylene reactor configurations. Finally, as the application of rigorous models in optimization can result in intractable problems, an optimization algorithm is proposed to generate and solve Generalized Disjunctive Programming (GDP) problems based on hybrid models, which include first principles models and surrogate models (SMs). The SMs include simple algebraic regression functions and radial basis functions. The performance of the proposed methodology is evaluated through two case studies: a methanol synthesis problem and a propylene production via metathesis optimal design problem. Besides, a sensitivity analysis of the objective function (NPV) is carried out with respect to the raw material price, and simultaneous optimization and heat integration is addressed.