Solution methods for multi-objective optimization problems in oil refineries

  • Roxana Cortés Martínez Universidad de Cienfuegos, Cienfuegos, Cuba
  • Fernando E. Ramos Miranda Universidad de Cienfuegos, Cienfuegos, Cuba
  • Erenio González Suárez Facultad de Química y Farmacia, Universidad Central “Marta Abreu” de La Villas, Cuba
Keywords: optimization; mathematical models; caustic soda.

Abstract

In this work, the solution methods for multiobjective optimization are applied to reduce the consumption of caustic soda at the stage of treatment of unstable naphtha to obtain liquefied petroleum gas (LPG). First, the advantages and disadvantages of the models and the optimization methods were conceptualized. With the kinetics of the reactions, operational control data and economic data, three objective functions and their respective restrictions were obtained and then applied the method of hierarchical optimization. It was obtained that, with a caustic soda concentration of 15 % weight and a reaction time of 15 min, in most cases the quality parameter of 140 ppm of sulfur in the LPG is met and that in cases where this condition is not met, the product must be recirculated for a new cleaning stage.

References

1. GONZÁLEZ SUÁREZ, E.Utilización del análisis de procesos en la intensificación de la
producción en distintas industrias de Cuba., Tesis doctoralinédita.Universidad Central
"Marta Abreu" de Las Villas, Santa Clara, 1991.
2. GONZÁLEZ SUÁREZ, E., QUEZADAMORENO, W., PERALTASUÁREZ, L. M.Y CONCEPCIÓNTOLEDO, D. N. “Modelación y optimización de procesos: impacto científico en la Industria Química y Fermentativa”.Ecuador: Editorial UTC,2016.
3. VIDAL HOLGUÍN, C. J. “Introducción a la modelación matemática y optimización., Programación lineal, Programación No Lineal y Teoría de Redes: Formulación y solución de modelos, teoría de dualidad, análisis de sensibilidad, problema del transporte y problemas seleccionados de redes”. Cali: Universidad del Valle. Escuela de Ingeniería Industrial y Estadística, 2011. Informe inédito.
4. RAMOS, A. Y VITORIANO, B. “Modelos matemáticos de optimización”. Madrid: Universidad Pontificia Comillas. Escuela Técnica Superior de Ingeniería, 2017.
5. PEREIRA, R., ALVARADO, P. AND KRAWTSCHNEIDER, H. “Desing of a MCML Gate Library Applying Multiobjective Optimization.”IEEE Computer Society Symposium. VLSI,2007.
6. DEB, K. “Multi-Objective Optimization using Evolutionary Algorithms”. Chichester, England, 2001
7. MARLER, R. T. AND ARORA, J. S. “Survey of multi-objective optimization methods for engineering.” Structural and Multidisciplinary Optimization. 2004, 26, p.369-395.
8. CALDERON ARCE, C. AND ALVARADOMOYA, P. “Optimización multiobjetivo con funciones de alto costo computacional. Revisión del estado del arte”. Tecnología en Marcha. Edición especial. Matemática aplicada. 2016,pp. 16-24. Recuperado de: https://www.researchgate.net/publication/303922517.
9. MIETTINEN, K. “Nonlinear Multiobjective Optimization”. Vol. I, II. Estados Unidos: Kluwer Academic Publishers, 1998.
10. ONG, Y., NAIR, P. AND KEANE, A. “Evolutionary Optimization of Computationally Expensive Problems via Surrogate Modeling”. AIAA Journal. 2003,41(4), pp. 687-696.
11. ZHANG, Q., LIU, W., TSANG, E. AND VIRGINIAS, B.“Expensive Mutiobjective Optimization by MOEA/D with Gaussian Process Model.” School of Computer Science & Electronic Engineering, University of Essex, 2009.Informe inédito.
12. SCHWEICKARDT, G. “Metaheurística FPSO-X multiobjetivo. Una aplicación para la planificación de la expansión de mediano/largo plazo de un sistema de distribución eléctrica”. Energética. 2009, (42), pp. 73-88.
13. VANSUNDHARA, R., SIVA, S. AND SELVARAJ, M. “Evolutionary algorithms for de novo drug design.”A survey. Applied Soft Computing. 2015, 27, pp. 543-552.
14. ESKANDARI, H. AND GEIGER, C. “A fast Pareto genetic algorithm approach for solving expensive multiobjective optimization problems”. Journal Heuristics, Springer Science.2008, 14, pp. 203-241.
15. CIATERADÍAZ, D. “Modelo de optimización multiobjetivo para la evaluación de eficiencia en una empresa de servicios eléctricos”. Tesis de grado inédita, Universidad Católica de la Santísima Concepción, Chile, 2015.
16. CRISTOBALGARCÍA, J. “Optimización multiobjetivo para la evaluación de la sostenibilidad de tecnologías de generación de electricidad a partir de carbón”. Tesis Doctoral inédita, Universidad de Cantabria, Santander, 2013.
17. LUDWIG, E. E. Chapter 4: “Mechanical Separations. Liquid/liquid, liquid/solid gravity separations, decanters and sedimentation equipment”. En Applied process desing for chemical and petrochemical plants. Third Edition, Vol. 1. Houston, Texas: Gulf Professional Publishing, 1999.
18. GONZÁLEZ SUÁREZ, E. Y CASTROGALIANO, E. “Aspectos técnico-económicos de los estudios previos inversionistas para la producción de etanol caña de azúcar”. España: Universidad de Jaén y Universidad Central "Marta Abreu" de Las Villas, 2011.Documento inédito.
19. PETERS, M. S. AND TIMMERHAUS, K. D. “Plant design and economics for chemical engineers.”4th edition. United States: Advisory Board, 1991.
20. LOBELLES, G. O. “Metodología para la gestión tecnológica integral de aguas sulfurosas en la refinería de cienfuegos con enfoque de economía ecológica”. Tesis doctoralinédita. Universidad Central “Marta Abreu” de las Villas, Santa Clara, 2016.
21. CUPET.Precios de insumos y reactivos para la oganización del petróleo. La Habana, Cuba: CUPET,2013.
22. CHAPRA, S. C. AND CANALE, R. P. Capítulo 14: “Optimización multidimensional sin restricciones. Epígrafe 14.2 Métodos con gradiente. En Métodos numéricos para ingenieros.Sexta edición. México: Mc. Graw-Hill. 2011, pp. 353-354. ISBN 978-607-315-0499-0499.
Published
2021-03-03
How to Cite
Cortés Martínez, R., Ramos Miranda, F. E., & González Suárez, E. (2021). Solution methods for multi-objective optimization problems in oil refineries. Chemical Technology, 41(1), ´75-91. Retrieved from https://tecnologiaquimica.uo.edu.cu/index.php/tq/article/view/5181
Section
Artículos