双流法溶出过程操作参数优化方法

闫雨晴，谢永芳，王晓丽，尉思谜，张杏婵



双流法溶出过程操作参数优化方法

闫雨晴，谢永芳，王晓丽，尉思谜，张杏婵

（中南大学信息科学与工程学院，湖南长沙410083）

氧化铝双流法溶出是拜耳法氧化铝生产中的关键环节，是我国特有的生产工艺。但是，双流法溶出过程中闪蒸器的自蒸水能力没有充分发掘，结疤造成新蒸汽用量不断增加，而人工设定工作点，造成能耗过高。因此，本文建立双流法溶出过程的㶲优化模型，在一个酸洗周期内根据结疤程度将溶出过程分为3个阶段，并提出一种自适应状态转移算法分别对双流法溶出过程的3个阶段进行操作参数的优化，得到有利于节能降耗的操作条件，为生产提供操作指导。

氧化铝；双流法溶出；㶲；优化；酸洗周期；状态转移算法

引 言

铝是社会发展和国防工业中必不可少的原料，氧化铝是铝生产的中间产品。拜耳法氧化铝生产中，溶出过程的能耗占整个氧化铝生产过程能耗的46%左右，是氧化铝生产中的主要耗能环节。如何降低溶出过程的能耗并提高有价铝的溶出率，以降低生产成本是需要不断研究的问题。

目前，溶出过程的节能降耗主要从生产设备及工艺上进行改进。结合我国的实际情况，我国在强化溶出方面取得了一定的成果[1-2]。针对我国氧化铝硅含量高易结疤的特点，发明了双流法氧化铝溶出工艺[3]，避免了压煮器直接溶出法的循环碱液浓度高、溶出温度偏低和溶出指标差的缺点，可以提高热利用率。随着计算机技术的迅速发展，多种模拟软件和辅助计算方法开发出来，为工艺参数优化问题提供了快速的解决方法，使复杂的工业优化得以实现。陈君等[4]针对氧化铝能耗过高问题，提出基于能流界面的节能降耗方法，实现各单元的协调运行及全流程的节能降耗。侯炳毅等[5]针对高压溶出系统二次汽跑冒严重的现状进行分析，提出汽水综合利用的方案。Sidrak[6]建立了氧化铝溶出过程的动态仿真模型，提出了控制溶出率的动态模拟方法，有效地减少了溶出过程的物质损耗。崔书君等[7]针对氧化铝蒸发过程，采用㶲分析的方法，实现蒸发过程的能耗优化。柴琴琴等[8]针对蒸发过程无法兼顾能耗和母液质量的问题，分析蒸发过程能耗情况。王宇[9]研发了氧化铝生产计算系统，并分析了矿浆和碱液流量对新蒸汽消耗量的影响。Mabrouk等[10]、Ensinas等[11]针对多级蒸发系统进行能效分析，并指出㶲分析方法能够更好地表明系统能量利用的情况。吴永建等[12]针对氧化铝生产滞后、强耦合的特点，开发了氧化铝熟料烧结回转窑智能控制软件，实现了稳定控制。葛世恒[13]采用㶲分析方法对氧化铝工业流程能耗进行分析，并实现了有针对性地降低能耗。Du等[14]针对钢铁企业建立多级投入产出耦合模型，清晰地反映出各工序的内部关系。

随着系统的运行结疤逐渐严重，导致设备的传热效率降低，蒸汽的消耗量逐渐增加。因此，需根据结疤情况调整矿浆和碱液以及新蒸汽的流量，在达到生产指标和溶出温度的前提下，减少能量的损耗，而上述研究中多忽略了结疤因素的影响。因此，本文针对氧化铝双流法溶出过程的结疤情况，将溶出过程分为3个阶段，分别对其能效进行优化，得出在不同阶段能源损失最小时的操作参数。

1 氧化铝双流法溶出过程简介与分析

1.1 氧化铝双流法溶出工艺简介

氧化铝双流法溶出是将铝土矿矿浆和碱液分别加热至所需温度，然后使两者混合，在高温高压下反应溶出氧化铝的过程。双流法溶出工序可以分为预热段、混合段、溶出段和闪蒸段4个阶段，工艺流程如图1所示。其中新蒸汽分为过热新蒸汽和饱和新蒸汽。

经过预脱硅的矿浆由矿浆泵送入矿浆套管预热器，经过7级预热至（175±5）℃。循环碱液由碱液活塞泵送入碱液套管预热器，经过10级乏汽预热加热至（190±5）℃。将加热后的碱液和矿浆在混合器中混合后压入溶出器中，其中1#和2#溶出器通入6.3 MPa、（480±5）℃的过热新蒸汽，间接加热套管中通入7 MPa、300℃左右的饱和新蒸汽加热至260～265℃，进行保温溶出反应，溶出后的料浆进入10级料浆闪蒸槽，料浆闪蒸槽乏汽用于矿浆和碱液预热。

随着溶出系统的运行，生产设备内壁逐渐产生结疤，导致传热效率降低、新蒸汽用量增加，并降低设备的使用性能，这是溶出系统能耗升高的主要原因。因此当结疤生成到一定程度时需要停车对设备进行清洗，从开车运行到停车清洗的周期称为酸洗周期。双流法溶出的酸洗周期为30 d左右。在酸洗周期的每一天采集同一个时间点的过热蒸汽和饱和蒸汽，其趋势如图2所示。由图2可知，随着系统的运行，结疤逐渐严重，过热蒸汽和饱和蒸汽的用量逐渐增加。因此本文将整个酸洗周期分为3个阶段，运行前期（前10 d），运行中期（中间10 d）和运行后期（后10 d）。通过对溶出过程整个酸洗周期的热平衡分析，得到3个阶段各设备的传热效率，分别从3个阶段对溶出过程进行操作参数优化。

1.2 双流法溶出过程的热平衡分析

预热器、溶出器和闪蒸器在系统运行的3个阶段的传热效率可根据式（1）计算

其中，1是入口冷流体携带热量，kJ；2是出口冷流体携带热量，kJ；3是入口热流体携带热量，kJ。

流体携带的热量计算公式为

＝D=(2)

根据生产过程数据由式(1)计算得到各预热器在运行各阶段的热效率如表1和表2所示。在闪蒸段中，料液中的杂质基本都已参加反应，很少有结疤的生成。因此在溶出过程的各个时期，闪蒸器的传热效率基本一致。因此这里只计算整个溶出段和间接加热套管以及整个闪蒸段的热效率，如表3所示。

表1 各级矿浆预热器热效率

表2 各级碱液预热器热效率

表3 溶出段和闪蒸段各时期热效率

由表1～表3可知，各设备的热效率较高，但由于结疤的生成，导致设备热效率从系统运行前期到后期逐渐降低。此外，矿浆和碱液的各级预热器逐渐降低，但是减小的幅度比较小，这是因为在矿浆和碱液在预热的过程中温度逐渐升高，硅钛等杂质在预热器的内壁处生成了轻微的结疤，所以导致各级预热器热效率逐级稍有下降。

2 双流法溶出过程㶲优化模型的建立

㶲也叫做有效能[15]，与焓、熵类似，不同的是，㶲与环境状态也有关。㶲分析[16]可以找出溶出过程中能源利用的薄弱环节，并提出利于节能降耗的改进措施，对降低能耗具有重要意义。目前，已提出了很多环境模型[17]，主要的环境模型有3种，斯察尔古特环境模型[18]、龟山-吉田环境模型[19]和郑丹星模型[20]。本文采用斯察尔古特模型，在基准热力学温度0=273 K，压力0=0.1 MPa的条件下计算㶲值。㶲的计算公式参见文献[21]。溶出系统入口㶲和出口㶲如下：

矿浆预热器入口㶲

碱液预热器入口㶲

(4)

直接加热蒸汽㶲

E1=m[h-0-0(s-0)] (5)

间接加热蒸汽㶲

E2=m[h-0-0(s-0)] (6)

出口乏汽㶲

乏=[h-0-0(s-0)] (7)

第11级溶出器出口物料㶲

系统㶲效率

(9)

解决溶出过程的能效优化问题，是在原有生产工艺流程和生产设备的基础上，在满足生产工艺指标及各设备之间约束平衡关系的前提下，以减少新蒸汽的使用量，提高溶出设备的运行效率，降低能耗为目标。

优化模型的建立包括优化变量的选取、目标函数的建立、生产过程需满足的约束条件的确立。

（1）优化变量

选择合适的优化变量对优化结果有重要的影响。在工业生产中优化变量必须是实际生产过程的可控量。在双流法溶出工序中，实际可操作的变量有矿浆和碱液的流量、新蒸汽的流量和闪蒸出口乏汽的流量。这些可操作变量对系统㶲效率的影响如下。

① 矿浆和碱液的流量。在其他操作条件不变的情况下，改变矿浆或者碱液的流量来研究该变量对㶲效率的影响，如图3和图4所示。

由图可知，矿浆和碱液的流量对系统的㶲效率有一定得影响。在新蒸汽用量不变的情况下，提高矿浆和碱液的流量可以提高能量的利用率，使系统㶲效率增加。

② 蒸汽的流量。氧化铝溶出过程的能源消耗主要体现在新蒸汽的使用量上，新蒸汽的使用是评价溶出系统能效的主要指标，减少新蒸汽的使用量是降低溶出系统能耗、节约能源的重要举措。

③ 闪蒸乏汽的流量。出口乏汽的多少决定了预热段矿浆和碱液预热后的温度。出口乏汽越多，预热后的温度越高；反之，预热后的温度越低。预热后的温度越高，所用新蒸汽则越少。

因此，以矿浆流量(V)、碱液流量(V)、直接加热蒸汽流量(M)、间接加热蒸汽流量(M)、1～10级闪蒸乏汽的质量流量(m1,m2,…,m10)为优化变量，建立满足约束条件的溶出过程能效优化模型。

（2）优化目标

溶出过程能量损耗大，降低能耗的最有效手段在于最大限度地优化传热过程，提高过程的热力学效率，减少过程不必要的㶲损失。因此，氧化铝溶出过程的能效优化要降低㶲损失，即以系统㶲损失最小为目标函数。

优化目标表达式为

式中，E是入口矿浆的㶲，E是入口碱液的㶲，E1是过热蒸汽㶲，E2是饱和蒸汽㶲，乏是出口乏汽㶲，E11是第11#溶出器出口物料㶲。

（3）约束条件

溶出过程包括热量传递和物料的变化，所以应该满足物料平衡和热量平衡的条件。

① 物料平衡条件。溶出过程中，进口物料的质量和出口物料的质量要保持平衡，即

② 热平衡条件。溶出过程的传热设备有预热器，溶出器和自蒸发器，它们需满足的热量平衡条件如下

(12)

式中，ŋ是碱液预热器的传热效率，ŋ是矿浆预热器的传热效率，ŋ是溶出器传热效率，ŋ是自蒸发器的传热效率。Δt是第10级碱液预热器出口温度与入口的温度差；Δt是第7级矿浆预热器出口温度与入口的温度差；t0是溶出器所要达到的最低温度。M(i-1)是第(-1)级闪蒸器内的物料流量。传热效率随着结疤的生成逐渐降低，通过式(1) 可以分别计算出3个阶段各设备的传热效率。

③苛性比值。此外，必须保证溶出工艺指标符合要求，即要保证溶出苛性比值在1.05～1.1之间。苛性比值指的是溶出液中苛性氧化钠分子数与氧化铝分子数的比值，实际反映了高压溶出过程中苛性钠的消耗量

其中，1是原矿浆固相中的氧化铝，%；2是矿浆中的氧化铝含量，g·L-1；3是碱液中的氧化铝含量，g·L-1；是原矿浆固相中的氧化硅含量，%；是原矿浆固相中的氧化钙含量，%；是原矿浆固相中的氧化钛含量，%；是原矿浆固含率，g·L-1；V是矿浆流量，L；V是碱液流量，L；1是碱液苛碱浓度，g·L-1；2是矿浆苛碱浓度，g·L-1。

④决策变量的取值。根据实际生产中的操作条件、工艺指标、自蒸发器的实际蒸水能力，决策变量的允许范围如下

其中，V,max, Vmin分别是入口矿浆流量的上下限；V,max，V,min分别是入口碱液流量的上下限；M,max，M,min分别是直接加热蒸汽的上下限；M,max, M,min分别是间接加热蒸汽的上下限；m,man，m,min分别是出口乏汽的上下限，= 1,…,10。随着结疤的生成，新蒸汽的使用量逐渐增加，因此，在3个阶段蒸汽用量范围不同。

综上所述，以矿浆和碱液的流量、新蒸汽的流量和出口乏汽的流量为优化变量，以实际过程的生产能力和生产指标等为约束条件，以㶲损最小为优化目标，建立溶出过程的能效优化模型。

3 基于自适应状态转移算法的优化结果与讨论

3.1 状态转移算法

状态转移算法是由Zhou等[22]在2011年首先提出，称为STAⅠ。在STAⅠ中，提出了旋转、平移和伸缩变换3种算子。为了解决连续优化问题，Zhou等[23-26]提出了改进的状态转移算法(STAⅡ),在STAⅠ的基础上添加了轴变换算子，此算子提高了一维的搜索能力。STAⅡ加强了在高维空间的搜索能力并阻止了早熟收敛。文献[27-28]表明状态转移算法与模拟退火算法[29]及粒子群算法[30]等经典优化算法相比，具有较好的全局搜索能力和收敛性能，且处理多变量和多约束的优化问题时耗时短、寻优能力强。

状态转移算法中的4种状态转移算子如下。

（1）旋转变换

其中，x∈，是一个正常数，即旋转因子；是服从[-1,1]之间均匀分布的随机矩阵，是2范数或欧几里得范数。

（2）平移变换

（3）伸缩变换

x+1=x+Rx(17)

（4）轴变换

x+1=x+Rx(18)

其中，是一个正常数，称作轴因子；是服从高斯分布的随机对角矩阵，并且只有一个随机元素为非零值。轴变换的目的是能够沿着轴线进行搜索并提高一维搜索的能力。

3.2 自适应状态转移算法

状态转移算法中参数的取值对优化结果的好坏影响很大，旋转因子、平移因子、伸缩因子和轴因子越大，算法中操作算子的搜索范围越大，越有助于全局搜索；反之，操作算子越小，搜索精度越高，越有利于局部搜索。为使在搜索初期有较强的全局搜索能力，在搜索后期有较强的局部搜索能力，本文进行以下改进。

根据迭代次数自适应调整、、、。自适应算子设计如式(19)所示。

其中，max、分别是最大迭代次数和当前的迭代代数；min、max分别是的最小值和最大值；min、max分别是的最小值和最大值；min、max分别是的最小值和最大值；min、max分别是的最小值和最大值。

3.3 优化结果与讨论

采用状态转移算法对上述优化模型进行优化。优化模型的求解过程中，假设过热新蒸汽温度为480℃不变，矿浆密度1819 kg·m-3，比热容3.2 kJ·(kg·K)-1，碱液密度1378 kg·m-3，比热容3.44 kJ·(kg·K)-1。改进状态转移算法中的参数设置为：max=2500，min=min=min=min=1×10-10，max=max=max=max=1，=14。

（1）优化结果

在系统的运行的3个阶段预热器、溶出器和闪蒸器的热效率如表1～表3所示。前期、中期和后期的直接加热蒸汽的上限分别是70000、70000、80000 kg·h-1，下限分别是30000、30000、40000 kg·h-1，间接加热蒸汽的上限分别是80000、80000、80000 kg·h-1，下限分别是40000、45000、60000 kg·h-1。通过自适应状态转移算法仿真得到系统达到最优时各优化变量的取值以及在此操作参数下的㶲损失和㶲效率，如表4所示。

表4 优化结果

在系统运行稳定的情况下，分别选取运行前期、中期和后期各10 d的同一时间点的工况数据，分别计算实际工况下的㶲损失和㶲效率，对比并分析优化参数与实际参数下的㶲损失和㶲效率。对比如图5～图7所示。

利用优化后的操作参数计算各环节的㶲效率，与实际过程的各环节㶲效率对比，如表5所示。

（2）结果分析

对比表4所示优化结果可知，前期、中期和后期优化结果的直接蒸汽流量比实际生产过程分别减少2%、1%、1%；间接蒸汽比实际生产过程分别减少2%、1%、3%；优化后的㶲损失比实际生产过程分别降低了34%、40%、43%，㶲效率比实际生产过程分别提高了2%以上，降低了能源损耗，提高了能源利用率。由图5～图7和表5可知，在优化后的操作条件下，不仅使系统㶲损失减小，系统㶲效率提高，而且各环节的㶲效率都得到了提高，证明了优化结果的合理性。

表5 优化各环节㶲效率对比

综合分析上述运行前、中、后期的优化结果与实际过程的操作参数可知，随着结疤的生成，矿浆和碱液的流量逐渐降低，而新蒸汽的使用量逐渐增加。现场操作参数的调节由工人根据人工经验设定，不能保证在此设定条件下系统的能量损失最小。通过建立运行不同时期的优化模型，采用自适应状态转移算法可以在保证生产技术指标的前提下，使㶲损失减小，㶲效率提高，并且使各环节的㶲效率也得到提高，实现了节能降耗的目标。对比优化前后的结果，矿浆流量增加而碱液流量减少，可以在提高溶出产量的情况下减少碱液的消耗量；新蒸汽的流量大大减少，降低了溶出系统的能源消耗。其中直接加热蒸汽和间接加热蒸汽分别是过热蒸汽和饱和蒸汽，合理调整两种蒸汽的通入量可以既保证达到溶出温度，又提高了㶲效率，降低了㶲损失；而1#～10#闪蒸器出口乏汽所携带的㶲值不同，所以合理调节出口乏汽的流量可以提高乏汽的利用率，提高预热段的温度，使㶲效率提高，㶲损失减少。优化之后7#闪蒸器的出口乏汽几乎为零。是由于7#闪蒸器的温差较小，所以7#闪蒸器的蒸水能力很小。而影响闪蒸器蒸水能力的重要因素是闪蒸器的孔板尺寸的大小，所以在投入运行前应计算好符合生产条件的孔板尺寸，可以充分发掘闪蒸器的蒸水能力。

4 结 论

本文通过分析影响双流法溶出过程能效的因素，选择了矿浆和碱液流量、直接加热和间接加热蒸汽流量、出口乏汽流量为优化变量，以物料平衡和热平衡、苛性比值以及设备生产能力为约束条件，以㶲损失最小为优化目标建立溶出过程的能效优化模型。随着结疤的生成，设备传热效率降低、新蒸汽使用量增加，根据热平衡分析可以分别计算运行前期、中期和后期各设备的传热效率。将改进的状态转移算法应用在溶出过程优化问题的求解计算，分别得到运行前期、中期和后期的操作指导方案，并将优化后的结果与实际生产过程进行对比，优化后的㶲损失减小，㶲效率提高且各环节的㶲效率得到提高，给生产过程的不同时期提供了操作指导。

References

[1] 周萍, 陆敏, 闫红杰. 管道化溶出技术在我国的进展[J]. 轻工科技, 2007, 23(10): 24-26. ZHOU P, LU M, YAN H J. Development of pipeline dissolution technology in China[J]. Guangxi Journal of Light Industry, 2007, 23(10): 24-26.

[2] 侯用兴, 李旺兴, 吕子剑. 管道化溶出一水硬铝石型铝土矿的工业实践[J]. 轻金属, 2000, 37(3): 23-26. HOU Y X, LI W X, LÜ Z J. Industrial practice of pipeline dissolution of diaspore type bauxite[J]. Light Metals, 2000, 37(3): 23-26.

[3] 毕诗文. 氧化铝生产工艺[M]. 北京: 化学工业出版社, 2006: 4-20. BI S W. Alumina Production Technology[M]. Beijing: Chemical Industry Press, 2006: 4-20.

[4] 陈君, 唐秀明, 宋彦坡. 基于能流界面参数的氧化铝溶出过程节能优化[J]. 兵工自动化, 2013, 32(8): 38-42. CHEN J, TANG X M, SONG Y P. Alumina digestion process optimization based on energy flow interface parameter[J]. Ordnance Industry Automation, 2013, 32(8): 38-42.

[5] 侯炳毅, 卫津萍. 高压溶出机组汽水系统的能量优化[J]. 有色金属(冶炼部分), 2004, 41(4): 40-42. HOU B Y, WEI J P. Energy optimization of stream-water system in high pressure digestion unit[J]. Nonferrous Metals (Smelting Section), 2004, 41(4): 40-42.

[6] SIDRAK Y L. Dynamic simulation approach to digester ratio control in alumina production[J]. Ind. Eng. Chem. Res., 1998, 37(4): 1404-1409.

[7] 桂卫华, 崔书君, 阳春华, 等. 氧化铝管式降膜蒸发器的㶲分析[J]. 控制工程, 2010, 17(6): 723-726. GUI W H, CUI S J, YANG C H,. Exergy analysis of tube falling-film evaporator in alumina production process[J]. Control Engineering of China, 2010, 17(6): 723-726.

[8] 阳春华, 柴琴琴, 桂卫华. 基于㶲分析的氧化铝蒸发过程能耗优化[J]. 化工学报, 2011, 62(7): 1957-1962. YANG C H, CHAI Q Q, GUI W H. Energy consumption optimization for alumina evaporation process based on exergy analysis[J]. CIESC Journal, 2011, 62(7): 1957-1962.

[9] 王宇. 氧化铝生产过程的模拟与仿真[D]. 长沙: 中南大学, 2005. WANG Y. Modeling and simulation of alumina production process[D]. Changsha: Central South University, 2005.

[10] MABROUK A A, NAFEY A S, FATH H E S. Analysis of a new design of a multi-stage flash-mechanical vapor compression desalination process[J]. Desalination, 2007, 204(1/2/3): 482-500.

[11] ENSINAS A V, MODESTO M, NEBRA S A,. Reduction of irreversibility generation in sugar and ethanol production from sugarcane[J]. Energy, 2009, 34(5): 680-688.

[12] 吴永建, 周晓杰, 柴天佑, 等. 氧化铝熟料烧结回转窑智能控制系统设计与应用[J]. 华东理工大学学报(自然科学版), 2006, 32(7): 745-749. WU Y J, ZHOU X J, CHAI T Y,. Design and application of intelligent control system of a rotary kiln process for alumina production[J]. Journal of East China University of Science and Technology(Natural Science Edition), 2006, 32(7): 745-749.

[13] 葛世恒. 氧化铝生产工业的能耗分析及节能研究[D]. 长沙: 中南大学, 2010. GE S H. Alumina production of industrial energy consumption analysis and energy conservation research [D]. Changsha: Central South University, 2010.

[14] DU T, SHI T, LIU Y,. Energy consumption and its influencing factors of iron and steel enterprise[J]. Journal of Iron & Steel Research International, 2013, 20(8): 8-13.

[15] CENGEL Y A, BOLES M A. Thermodynamics — an engineering approach[J]. McGraw-Hill Series in Mechanical Engineering, 2006, 33(4): 1297-1305.

[16] GLEICH A V, AYRES R U, GÖßLING-REISEMANN S. Sustainable Metals Management[M]. Berlin: Springer Netherlands, 2006: 141-194.

[17] 杨东华. 㶲分析和能级分析[M]. 北京: 科学出版社, 1986: 163-180. YANG D H. Exergy Analysis and Energy Analysis[M]. Beijing: Science Press, 1986: 163-180.

[18] 潘勇. 㶲分析环境模型及其确立原则的研究[J]. 煤炭与化工, 2007, 30(6): 18-20. PAN Y. Research on environmental reference model of exergy analysis and its basic principles[J]. Coal and Chemical Industry, 2007, 30(6): 18-20.

[19] 能量变换恳话会编(日本). 能量有效利用技术[M]. 王维城, 马润田, 译. 北京: 化学工业出版社, 1984: 3-232. Technology of Energy Efficient Use[M]. WANG W C, MA R T, trans. Beijing: Chemical Industry Press, 1984: 3-232.

[20] 郑丹星, 武向红, 宋之平, 等. 㶲分析技术导则国家标准的研究及修订[J]. 华北电力大学学报, 2005, 32(2): 103-107. ZHENG D X, WU X H, SONG Z P,Research and revision on national standard of exergy analysis technical guide[J]. Journal of North China Electric Power University, 2005, 32(2): 103-107.

[21] 桂卫华, 阳春华. 复杂有色冶金生产过程智能建模、控制与优化[M]. 北京: 科学出版社, 2011: 257-260. GUI W H, YANG C H. Ferrous Metallurgy Production Process Intelligence Complex Modeling, Control and Optimization[M]. Beijing: Science Press, 2011: 257-260.

[22] ZHOU X J, YANG C H, GUI W H. Initial version of state transition algorithm[C]//International Conference on Digital Manufacturing & Automation. IEEE Computer Society, 2011: 644-647.

[23] ZHOU X J, YANG C H, GUI W H. State transition algorithm[J]. Journal of Industrial and Management Optimization (JIMO), 2012, 8(4): 1039-1056.

[24] ZHOU X J, YANG C H, GUI W H. Nonlinear system identification and control using state transition algorithm[J]. Applied Mathematics and Computation, 2014, 226(1): 169-179.

[25] ZHOU X J, GAO D Y, SIMPSON A R. Optimal design of water distribution networks by a discrete state transition algorithm[J]. Engineering Optimization, 2016, 48(4): 603-628.

[26] ZHOU X J, GAO D Y, YANG C H,. Discrete state transition algorithm for unconstrained integer optimization problems[J]. Neurocomputing, 2016, 173(3): 864-874.

[27] ZHOU X J, GAO D Y, YANG C H. A comparative study of state transition algorithm with harmony search and artificial bee colony[J]. Advances in Intelligent Systems & Computing, 2012, 21(2): 651-659.

[28] ZHOU X J, YANG C H, GUI W H. A comparative study of STA on large scale global optimization[C]//World Congress on Intelligent Control and Automation, 2016.

[29] ANNEALING O B S. Optimization by simulated annealing[J]. Science, 1983, 220(4598): 671-680.

[30] KENNEDY J, EBERHART R. Particle swarm optimization[C]//IEEE International Conference on Neural Networks, 1995, 4: 1942-1948.

Optimization method of double-stream alumina digestion process parameters

YAN Yuqing, XIE Yongfang, WANG Xiaoli, WEI Simi, ZHANG Xingchan

(School of Information Science and Engineering, Central South University, Changsha 410083, Hunan, China)

Thedouble-stream alumina digestion process is a key production chain in Bayer process of alumina production. It is the unique production technology in China. However, thedouble-stream alumina digestion process has problems that the evaporate water capacity of flash vessel is not fully exploited, scaling causes increased new steam consumption, meanwhile, working points are set manually, which causes the high energy consumption. Thus, the exergy optimization model of thedouble-stream alumina digestion is established, and the digestion process is divided into three stages based on the degree of scab in a pickling cycle. An adaptive state transition algorithm is proposed to optimize the operating parameter of the three stages of the digestion process, respectively. Then, optimal process control parameters are obtained, which is meaningful to provide suggestions for practical production.

alumina; double-stream digestion; exergy; optimization; cycle of acid cleaning; state transition algorithm

10.11949/j.issn.0438-1157.20161688

TQ 021.8

A

0438—1157（2017）03—1014—09

国家高技术研究发展计划项目(2014AA041803)；中央高校基本科研业务费专项资金 (2016zzts349)。

2016-11-30收到初稿，2016-12-05收到修改稿。

联系人：王晓丽。第一作者：闫雨晴（1993—），女，硕士研究生。

2016-11-30.

WANG Xiaoli, xlwang@csu.edu.cn

supported by the National High Technology Research and Development Program of China(2014AA041803) and the Fundamental Research Funds for the Central Universities of China(2016zzts349).