JultikaUniversity of Oulu repository

Tiivistelmä

Tämän diplomityön tavoitteena oli muodostaa erään monituotetislauskolonnin simulointimallille liuotinlaatukohtaiset viritykset, joilla malli kykenee systemaattisesti ja tarkasti ennustamaan kulloisenkin liuotinajomoodin suorituskykyä. Työhön sisällytettiin myös petrolituotteen leimahduspistelaskennan viritys. Simulointimallin virityksen ohella tarkasteltiin tislauskolonnin syötön tislauskäyrän eri koostamismenetelmien epävarmuuksia, jonka tarkoituksena oli kartoittaa kahdesta tavasta luotettavampi vaihtoehto kuvata tislauskolonnimallin syötön koostumusta.

Tislauskolonnimallin virityksessä käytettiin MHC-yksikössä aiemmin suoritetuista koeajoista kerättyä dataa. Viritystyössä oli tarkoituksena löytää neljälle eri liuotinajomoodeille se mallin erotusaskeleista sekä niiden hyötysuhteista koostuva tislauskolonnimallin rakenne, joka kykenee toistamaan systemaattisesti todellisen prosessin suoritusta. Petrolin leimahduspistelaskennan virityksessä optimoitiin Excelin optimointityökalun avulla kirjallisuudesta löydettyjen leimahduspistelaskentojen parametreja käyttämällä saatavilla olevien 61 koeajon dataa. Syötön tislauskäyrän eri koostamismenetelmien epävarmuudet laskettiin. Kaikkia edellä mainittuja tehtäviä tarkasteltiin tämän työn teoriaosassa ja sovellettiin työn jälkimmäisessä osassa.

DA-75002 simulointimallin liuotinkohtainen viritys onnistui hyvin, jonka ansiosta kyseinen malli soveltuu tuotannon työkaluksi. Leimahduspistelaskennassa saavutettiin tavoitteet lukuun ottamatta kahta liuotinlaatua, joiden validointiin vaaditaan lisää koeajodataa. Syötön tislauskäyrän eri koostamismenetelmien epävarmuustarkasteluista havaittiin, ettei tuotteista sekoittamalla koostettu syötön tislauskäyrä ole aina luotettavampi kuin suoraan laajan kiehumisvälin syötöstä analysoitu tislauskäyrä. Ennakko-olettamuksena oli, että tuotteista sekoittamalla koostettu syötön tislauskäyrä on selvästi luotettavampi tapa kuvata syötön koostumusta.

Tuning the distillation column’s simulation model

Abstract

The primary target of this master’s thesis was tuning a fractionating column’s simulation model to enable systematic and precise prediction of performance for different solvent production modes. This thesis also includes the tuning of the flash point prediction for the kerosene product. Along with the tuning, the uncertainties of the different methods in forming the distillation column’s feed distillation curve were also considered. The purpose of analyzing the uncertainty is to determine the more reliable option of two methods to describe the composition of the distillation column’s feed for the simulation model.

The tuning of the fractioning column’s simulation model was accomplished by using test run data previously collected from the actual process unit. The tuning was done to find the model’s topology, composing of separation stages and their efficiencies, that manages to systematically repeat the execution of the actual process for four different solvent production modes. The flash point prediction for the kerosene product was tuned by optimizing the parameters of the predictive calculation models for the flash point found from the literature. Sixty-one test run cases were used to enhance the flash point prediction. The uncertainties of the different methods for the formation of the feed’s distillation curve were calculated. All of this was first reviewed through the literature and then put to test on the applied part of the thesis.

The tuning of the simulation model was executed successfully; thus, the model is ready to be used in production optimization. The tuning targets were reached in the kerosene product’s flash point predictions for every solvent apart from two, for which the flash point prediction could be tuned more reliably with larger test run data sets. Analyzing the uncertainty of the distillation curve of the column’s feed indicated that the reconstruction of the feed’s distillation curve from the products of the distillation is not necessarily more accurate than analyzing the widely boiling feed sample directly. This observation contradicts the hypothesis that reconstructing the feed’s distillation curve from the products is a more reliable method