A new framework for the simultaneous heat integration and optimization of the process flowsheet

Process Integration techniques have been extensively employed in the past 40 years to enhance the management of industrial chemical processes, with Heat Integration becoming one of the chief strategies to foster a more efficient use of energy. However, despite the overwhelming amount of studies in this time frame, some key aspects still remain overlooked, and therefore require a deeper investigation. In particular, scant attention has been placed on how to handle unclassified process streams—whose thermal identity cannot be defined prior to optimization—and on how to efficiently deal with the total network area targeting for the assessment of the capital expenses. The present thesis will therefore focus on the development of a comprehensive model suitable for the simultaneous optimization with energy integration of the process flowsheet, with the emphasis laid on achieving an economic tradeoff between energy and capital costs. Specifically, building on two already existing formulations for heat integration, a new disjunctive method is developed for the modelling of unclassified streams, and several examples are undertaken to prove its effectiveness. Then, a completely innovative shortcut approach for the area targeting of heat integration problems with variable stream data is going to be discussed. This novel technique avoids the use of disjunctive formulation, greatly reduces the number of binary variables and therefore remarkably shortens the solution time when compared to conventional rigorous methods. Finally, the overall model is successfully and efficiently extended to the optimization of MHEXs, which are well-known to be of particular significance for the energy recovery in several cryogenic applications. Numerous relevant case studies are proposed all throughout this thesis, with the results clearly demonstrating the advantages of the proposed framework, as the number of constraints, variables and binary variables are all significantly reduced, thus greatly benefitting the models’ numerical performance and computational efficiency

Gli ultimi 40 anni sono stati caratterizzati da un estensivo utilizzo di tecniche per l’integrazione di processo volte a migliorare la gestione di processi chimici industriali, dove un ruolo fondamentale è giocato dall’integrazione di calore per promuovere un sempre più efficiente utilizzo dell’energia. Tuttavia, nonostante l’ingente numero di studi effettuati in questo lasso di tempo, alcuni aspetti cruciali sono stati trascurati, mentre altri ancora richiedono un’investigazione più approfondita. In particolare, poca attenzione è stata posta sulla modellazione numerica delle correnti di processo non classificabili—la cui identità termica non può essere definita a priori—e su come calcolare in maniera efficiente l’area totale del network di scambiatori per poterne stimare i relativi costi di investimento. Questa tesi si concentrerà dunque sullo sviluppo di un modello matematico comprensivo per la simultanea ottimizzazione di processo con integrazione di calore, con lo scopo ultimo di trovare il compromesso ottimale tra costi di investimento e costi di esercizio. In particolare, verrà sviluppato un nuovo modello disgiuntivo per trattare rigorosamente le correnti di processo non classificabili, e diversi esempi verranno affrontati per dimostrarne l’efficacia. Successivamente verrà introdotto e discusso un nuovo metodo shortcut per stimare l’area totale di scambio in problemi di ottimizzazione e simultanea integrazione di calore. Questa tecnica innovativa evita l’utilizzo di disgiunzioni, limita significativamente il numero di variabili binarie e quindi è in grado di ridurre notevolmente il tempo di calcolo se confrontato ai convenzionali metodi rigorosi. Infine, il modello complessivo sarà esteso all’ottimizzazione di problemi con scambiatori di calore multistream (MHEXs), noti per la grande importanza soprattutto all’interno di processi criogenici. Diversi esempi rilevanti sono proposti e affrontati nel corso di questa tesi, e i risultati mostrano in maniera chiara i vantaggi associati alla metodologia proposta. Infatti, il numero di equazioni e di variabili continue e binarie è significativamente ridotto, riuscendo così a migliorare notevolmente le performance numeriche e l’efficienza computazionale del modello.