Surrogate model in PSE context : optimization of a heat exchanger network

In every industrial plant an efficient heat exchanger network (HEN) is mandatory to guarantee the temperature control and to optimize the energy requirement, thus reducing risks and operating costs. Therefore, chemical engineers have made a lot of researches in this direction as a good heat exchange can bring many advantages to the entire process, so it has gained a growing interest over the past decades. However, this work has two main objectives: the first is to find a feasible way of optimization of a HEN, like the Grossmann’s superstructure; the latter is to apply an innovative technique to analyze and hopefully improve whatever system, that is surrogate modeling. In fact, this new informatic instrument elaborates some training points taken from real observations, then it generates an analytical function which approximates and describes those phenomena as best as possible. For this goal, in the first step the academic software MATLAB supports simulation and optimization of the heat exchanger network; afterward, in the second step the results of the previous part have been sampled and some training sets have been implemented in the recent software ALAMO, which has been utilized to make a sort of constrained regression in order to create a surrogate model. The results of this work show that computational efforts of the optimization increase as the size of the heat exchanger network is progressively augmented; in addition, as the number of heat exchanger units is increased, it is difficult to analyze those results, because their mathematical dimensions are more than four. Finally, ALAMO has demonstrated a good reliability, even when applied to samples of different magnitude, thus resulting quite interesting.  

In ogni impianto industriale è obbligatoria un’efficiente rete di scambiatori di calore (HEN) per garantire il controllo della temperatura e ottimizzare il fabbisogno energetico, riducendo così i rischi e i costi operativi. Pertanto, gli ingegneri chimici hanno fatto molte ricerche in questa direzione poiché un buon scambio di calore può portare molti vantaggi all'intero processo, quindi ha acquisito un crescente interesse negli ultimi decenni. Tuttavia, questo lavoro ha due obiettivi principali: il primo è trovare un modo fattibile di ottimizzazione di una HEN, come la superstruttura di Grossmann; il secondo è quello di applicare una tecnica innovativa per analizzare e, auspicabilmente, migliorare qualsiasi sistema, cioè la modellazione surrogata (surrogate modeling). In effetti, questo nuovo strumento informatico elabora alcuni training points tratti da osservazioni reali, quindi genera una funzione analitica che approssima e descrive quei fenomeni nel miglior modo possibile. Per questo obiettivo, nella prima fase il software accademico MATLAB supporta la simulazione e l'ottimizzazione della rete di scambiatori di calore; in seguito, nella seconda fase, i risultati della parte precedente sono stati campionati e alcuni training sets sono stati implementati nel recente software ALAMO, che è stato utilizzato per creare una sorta di regressione vincolata al fine di creare un modello surrogato. I risultati di questo lavoro mostrano che gli sforzi computazionali dell'ottimizzazione aumentano all'aumentare della dimensione della rete di scambiatori di calore; inoltre, poiché il numero di unità di scambiatore di calore è progressivamente aumentato, è difficile analizzare tali risultati, poiché le loro dimensioni matematiche sono più di quattro. Infine, ALAMO ha dimostrato una buona affidabilità, anche quando applicato a campioni di diversa ampiezza, risultando quindi piuttosto interessante.