Identification and energy optimization of supercritical carbon dioxide batch extraction
Hämäläinen, Henri (2020-10-13)
Hämäläinen, Henri
H. Hämäläinen
13.10.2020
© 2020 Henri Hämäläinen. Tämä Kohde on tekijänoikeuden ja/tai lähioikeuksien suojaama. Voit käyttää Kohdetta käyttöösi sovellettavan tekijänoikeutta ja lähioikeuksia koskevan lainsäädännön sallimilla tavoilla. Muunlaista käyttöä varten tarvitset oikeudenhaltijoiden luvan.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:oulu-202010153029
https://urn.fi/URN:NBN:fi:oulu-202010153029
Tiivistelmä
The emergence of green chemistry, aiming to increase ecological and energy efficiency of processes, has gained supercritical fluid extraction increasing amounts of prominence. Traditional extraction methods utilize hazardous chemicals, have low extractive yield in relation to energy consumption, and produce large amounts of organic waste. Supercritical fluid extraction offers improvements to these challenges in the form of reduced processing energy inputs and an alternative solvent approach. Carbon dioxide is the most commonly employed solvent in supercritical fluid extraction due to the many advantages it brings over other solvents including price, smaller environmental and health risks, and simple separation.
The research on data-driven system identification and advanced process control of supercritical extraction has been very scarce. According to past research, the control of supercritical is mostly carried out using basic, non-model-based control schemes. Challenges such as coupling between control loops and nonlinearities of fluid and process dynamics create major challenges for the basic control schemes. With advanced control methods, it could be possible to address these challenges better.
Model-based control schemes, in theory, pose many advantages and benefits over basic control, such as improved production economics, optimized product quality and yields, and further possibilities in model-driven research and development. The goal of this thesis was to improve control performance and optimize energy consumption a pilot-scale batch supercritical carbon dioxide extraction process by utilizing model predictive control strategies.
The modeling of the unit processes of the target batch extraction was based on measurement data gathered by experimental design and careful examination of the system. The models were utilized in a simulator developed in this study. The arrangement of the implemented experimental design (central composite design, CCD) allowed the exploitation of linear regression analysis; the results of which indicated the existence of possible nonlinearities between steady-state electricity consumption and the operative variables of the process. Model predictive control schemes were developed in a simulator environment for carbon dioxide pressure control, carbon dioxide volumetric flow control, extractor temperature control and separator temperature control.
The developed control schemes showed major improvements in control performance of the simulated unit processes, resulting in significant decreases in total electricity and heating water consumptions (up to 25% and 21% respectively). Model predictive control also proved to be quite flexible over the base control system for some processes, providing the possibility of modifying control performance by simple tuning adjustments. The simulated control strategies demonstrate the benefits of model-based control in terms of process energy efficiency and economy. In addition to these results, the identified process and controller models have further potential in future research on control and process developments of supercritical fluid extraction. Prosessien ekologisuuden ja energiatehokkuuden lisäämiseen tähtäävä vihreä kemia edistää ylikriittisen uuton merkittävyyttä yhä enemmän. Perinteiset erotusmenetelmät käyttävät haitallisia kemikaaleja, niillä on alhainen uuteainesaanto suhteessa energian kulutukseen, ja ne tuottavat suuren määrän orgaanista jätettä. Ylikriittinen uutto tarjoaa parannuksia näihin haasteisiin prosessointienergian kulutuksen vähentymisen ja vaihtoehtoisen liuotinratkaisun muodossa. Hiilidioksidi on yleisimmin käytetty liuotin ylikriittisessä uutossa, koska sillä on monia etuja muihin liuottimiin verrattuna, mukaan lukien hinta, pienemmät ympäristö- ja terveysriskit sekä yksinkertainen erottaminen.
Ylikriittiseen uuttoprosessiin liittyvän datapohjaisen identifioinnin ja kehittyneen säädön tutkimus on ollut hyvin vähäistä. Aiempien tutkimusten perusteella ylikriittisen uuton säätö toteutetaan pääasiassa perustason ei-mallipohjaisilla säätörakenteilla. Ohjaussilmukoiden vuorovaikutukset sekä neste- ja prosessidynamiikan epälineaarisuudet luovat suuria haasteita perussäätörakenteille. Kehittyneillä säätömenetelmillä olisi mahdollista käsitellä näitä haasteita paremmin.
Mallipohjaiset säätöratkaisut tuovat teoriassa useita etuja ja hyötyjä perussäätöön verrattuna parantuvan tuotantoekonomian, optimoidun tuotelaadun ja -saannon sekä malliperusteisen tutkimuksen ja -kehityksen lisämahdollisuuksien muodossa. Tämän työn tavoitteena oli nostaa pilottikoon ylikriittisen hiilidioksidipanosuuttoprosessin säädön suorituskykyä ja optimoida energiankulutusta hyödyntämällä mallipredikriivisiä säätöstrategioita. Tutkimuksen kohteena olleen panosuuton yksikköprosessien mallinnus perustui koesuunnittelulla kerättyyn mittausaineistoon ja järjestelmän huolelliseen tarkkailuun. Malleja hyödynnettiin työssä kehitetyssä prosessisimulaattorissa. Toteutettu koessunnitelma (central composite design, CCD) mahdollisti lineaarisen regressioanalyysin hyödyntämisen, jonka tulokset osoittivat mahdollisten epälineaarisuuksien olemassaolon prosessin vakaan tilan sähkönkulutuksen ja operatiivisten muuttujien välillä. Malliprediktiiviset säätörakenteet kehitettiin simulaatioympäristössä hiilidioksidin paineen, hiilidioksidin tilavuusvirtauksen, uuttoreaktorin lämpötilan, ja erottajan lämpötilan säädöille.
Kehitetyt säätörakenteet toivat suuria säätöparannuksia simuloituihin yksikköprosesseihin, johtaen merkittäviin vähennyksiin käyttösähkön- ja lämmitysveden kulutuksissa (vastaavat vähennykset 25 % ja 21 % saakka). Malliprediktiivinen säätö osoitti myös joustavuutensa perusäätöjärjestelmään verrattuna joissakin prosesseissa, mahdollistaen säätösuorituskyvyn modifioinnin yksinkertaisilla viritysmuutoksilla. Simuloidut säätöstrategiat havainnollistavat mallipohjaisen säädön mahdollisia hyötyjä prosessin energiatehokkuuden ja taloudellisuuden kannalta. Näiden tulosten lisäksi identifioiduilla prosessi- ja säädinmalleilla on lisäpotentiaalia tulevaisuuden ylikriittisen uuton säädön tutkimuksissa ja prosessikehityksissä.
The research on data-driven system identification and advanced process control of supercritical extraction has been very scarce. According to past research, the control of supercritical is mostly carried out using basic, non-model-based control schemes. Challenges such as coupling between control loops and nonlinearities of fluid and process dynamics create major challenges for the basic control schemes. With advanced control methods, it could be possible to address these challenges better.
Model-based control schemes, in theory, pose many advantages and benefits over basic control, such as improved production economics, optimized product quality and yields, and further possibilities in model-driven research and development. The goal of this thesis was to improve control performance and optimize energy consumption a pilot-scale batch supercritical carbon dioxide extraction process by utilizing model predictive control strategies.
The modeling of the unit processes of the target batch extraction was based on measurement data gathered by experimental design and careful examination of the system. The models were utilized in a simulator developed in this study. The arrangement of the implemented experimental design (central composite design, CCD) allowed the exploitation of linear regression analysis; the results of which indicated the existence of possible nonlinearities between steady-state electricity consumption and the operative variables of the process. Model predictive control schemes were developed in a simulator environment for carbon dioxide pressure control, carbon dioxide volumetric flow control, extractor temperature control and separator temperature control.
The developed control schemes showed major improvements in control performance of the simulated unit processes, resulting in significant decreases in total electricity and heating water consumptions (up to 25% and 21% respectively). Model predictive control also proved to be quite flexible over the base control system for some processes, providing the possibility of modifying control performance by simple tuning adjustments. The simulated control strategies demonstrate the benefits of model-based control in terms of process energy efficiency and economy. In addition to these results, the identified process and controller models have further potential in future research on control and process developments of supercritical fluid extraction.
Ylikriittiseen uuttoprosessiin liittyvän datapohjaisen identifioinnin ja kehittyneen säädön tutkimus on ollut hyvin vähäistä. Aiempien tutkimusten perusteella ylikriittisen uuton säätö toteutetaan pääasiassa perustason ei-mallipohjaisilla säätörakenteilla. Ohjaussilmukoiden vuorovaikutukset sekä neste- ja prosessidynamiikan epälineaarisuudet luovat suuria haasteita perussäätörakenteille. Kehittyneillä säätömenetelmillä olisi mahdollista käsitellä näitä haasteita paremmin.
Mallipohjaiset säätöratkaisut tuovat teoriassa useita etuja ja hyötyjä perussäätöön verrattuna parantuvan tuotantoekonomian, optimoidun tuotelaadun ja -saannon sekä malliperusteisen tutkimuksen ja -kehityksen lisämahdollisuuksien muodossa. Tämän työn tavoitteena oli nostaa pilottikoon ylikriittisen hiilidioksidipanosuuttoprosessin säädön suorituskykyä ja optimoida energiankulutusta hyödyntämällä mallipredikriivisiä säätöstrategioita. Tutkimuksen kohteena olleen panosuuton yksikköprosessien mallinnus perustui koesuunnittelulla kerättyyn mittausaineistoon ja järjestelmän huolelliseen tarkkailuun. Malleja hyödynnettiin työssä kehitetyssä prosessisimulaattorissa. Toteutettu koessunnitelma (central composite design, CCD) mahdollisti lineaarisen regressioanalyysin hyödyntämisen, jonka tulokset osoittivat mahdollisten epälineaarisuuksien olemassaolon prosessin vakaan tilan sähkönkulutuksen ja operatiivisten muuttujien välillä. Malliprediktiiviset säätörakenteet kehitettiin simulaatioympäristössä hiilidioksidin paineen, hiilidioksidin tilavuusvirtauksen, uuttoreaktorin lämpötilan, ja erottajan lämpötilan säädöille.
Kehitetyt säätörakenteet toivat suuria säätöparannuksia simuloituihin yksikköprosesseihin, johtaen merkittäviin vähennyksiin käyttösähkön- ja lämmitysveden kulutuksissa (vastaavat vähennykset 25 % ja 21 % saakka). Malliprediktiivinen säätö osoitti myös joustavuutensa perusäätöjärjestelmään verrattuna joissakin prosesseissa, mahdollistaen säätösuorituskyvyn modifioinnin yksinkertaisilla viritysmuutoksilla. Simuloidut säätöstrategiat havainnollistavat mallipohjaisen säädön mahdollisia hyötyjä prosessin energiatehokkuuden ja taloudellisuuden kannalta. Näiden tulosten lisäksi identifioiduilla prosessi- ja säädinmalleilla on lisäpotentiaalia tulevaisuuden ylikriittisen uuton säädön tutkimuksissa ja prosessikehityksissä.
Kokoelmat
- Avoin saatavuus [31941]