Search the digital library catalog

Abstract: V doktorski disertaciji je prikazan razvoj robustnih računalniških metod za načrtovanje in sintezo fleksibilnih procesov in mrež z velikim številom negotovih parametrov. Uporaba natančnejših metod, kot je npr. Gaussova integracijska metoda, vodi do eksponentne rasti matematičnega problema glede na število negotovih parametrov. Glavni dosežek disertacije je metodologija, s katero se izognemo eksponentni rasti. Metodologija temelji na dvostopenjski stohastični formulaciji z rekurzom in razstavi reševanje na več korakov, v katerih ločeno določimo prvostopenjske spremenljivke, tj. topologijo in velikost oz. kapaciteto procesa, ter drugostopenjske spremenljivke, tj. obratovalne in regulacijske spremenljivke. Pri tem praviloma rešujemo matematični problem le v eni točki (scenariju), v posameznih variantah metode pa hkrati v manjšem številu scenarijev, npr. do deset. Osnovna ideja metodologije je naslednja: začetno optimalno, a praktično nefleksibilno procesno shemo generiramo pri nominalnih vrednostih negotovih parametrov. To shemo nato zaporedoma optimiramo pri različnih skrajnih vrednostih negotovih parametrov, tako da za procesne enote, ki so že v shemi, določimo potrebno povečanje velikosti, nove enote pa dodajamo le, če je to potrebno za doseganje dopustne rešitve. Na ta način določimo izbor procesnih enot in njihove velikosti za fleksibilno obratovanje. Ko se ti ne spreminjajo več, izračunamo indeks fleksibilnosti za dobljeno rešitev in izvedemo stohastično optimizacijo Monte Carlo za določitev optimalnih drugostopenjskih spremenljivk. Obenem izračunamo pričakovano vrednost optimizacijskega kriterija z določeno stopnjo zaupanja. Za vzpostavitev toka informacij med ločenima korakoma določanja prvo- in drugostopenjskih spremenljivk smo izdelali modificirano metodo, v kateri izračunavamo korekcijske faktorje, s katerimi izboljšamo vzpostavljanje kompromisov med obema vrstama spremenljivk in iterativno izboljšujemo končni rezultat. Za povečanje učinkovitosti optimizacije Monte Carlo v zgoraj opisani metodologiji smo razvili indikator, s katerim določimo minimalno potrebno število scenarijev, da so rezultati dovolj točni za praktično uporabo. Na ta način skrajšamo čas reševanja. Vpeljali smo tudi relativni indeks optimalnosti, s katerim primerjamo približne pristope, ki smo jih razvili, z bolj točnimi. S predlagano metodologijo smo izvedli sinteze fleksibilnih omrežij toplotnih prenosnikov in dobavnega omrežja za proizvodnjo električne energije iz bioplina, ki smo jo nadgradili s predelavo digestata v kvalitetnejša gnojila. Dokazali smo, da lahko s to metodologijo generiramo fleksibilne rešitve za velike procesne sheme z več deset negotovimi parametri v zmernem času z obvladljivim računalniškim naporom. V zadnjem delu disertacije smo oblikovali pristope za vključevanje negotove vrednosti davka na emisije CO2 v sintezo fleksibilnih procesov v celotnem življenjskem ciklu. Razvili smo enoperiodni in večperiodni stohastični pristop. Primerjava rezultatov z determinističnim pristopom je potrdila prednost stohastičnega pristopa. Razvita metodologija predstavlja orodje za sprejemanje trajnostnih investicijskih odločitev v pogojih negotovosti in prispeva k dolgoročnemu povečanju učinkovitosti in konkurenčnosti v procesni industriji. Njena glavna prednost je, da je uporabna za reševanje primerov z velikim številom negotovih parametrov. V nekaterih študijskih primerih smo uporabili trajnostno namensko funkcijo in tako sintezo fleksibilnih procesov povezali s trajnostnim razvojem, pri čemer se vzpostavljajo dolgoročni optimalni kompromisi med fleksibilnostjo obratovanja ter ekonomskimi, okoljskimi in socialnimi vidiki. S predelavo odpadka iz bioplinarne v koristne produkte smo v sintezo fleksibilnih procesov in mrež uvedli zapiranje zank in krožno gospodarstvo.
Keywords: matematično programiranje, negotovost, fleksibilnost, stohastično optimiranje, sinteza procesov, dobavno omrežje, emisije CO2, trajnostni razvoj
Published in DKUM: 03.09.2021; Views: 1219; Downloads: 105
Full text (3,26 MB)