Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
OPTIMIZACIÓN NUMÉRICA MEDIANTE LA FORMULACIÓN DE UN PROBLEMA MINLP PARA LA DETERMINACIÓN DEL EQUILIBRIO TERMODINÁMICO DE FASES: CASO SISTEMA AGUA, ETANOL Y GLICERINA PROYECTO DE GRADO PRESENTADO POR: JUAN SANTIAGO RODRÍGUEZ GAMBOA CÓDIGO: 200721118. ASESOR: JORGE MARIO GÓMEZ JURADO: PABLO ORTIZ HERRERA UNIVERSIDAD DE LOS ANDES, BOGOTÁ, COLOMBIA .DICIEMBRE 17 DE 2014. AGRADECIMIENTOS En primer lugar está mi anillo de sangre, es decir mi núcleo familiar primario conformado por mis padres y mis hermanos sin los cuales no habría sido posible llegar a feliz término con el presente proyecto. De igual forma están mis tíos y primos, que mantuvieron constante interés, del progreso del proyecto. También es necesario recordar a los ayudantes anónimos, los cuales con poco lograron hacer la diferencia en instantes decisivos del desarrollo del proyecto. RESUMEN El equilibrio de fases es una realidad que se puede describir a través de diferentes métodos. Para este caso, el enfoque estará dado por la minimización de la energía libre de Gibbs total del sistema. Esto permite la formulación de un problema de optimización, en cual se denotara como MINLP, el cual permite delimitar las posibilidades de las fases existentes. Para ello fue necesario estructurar el problema, para posteriormente implementar su solución en GAMS, un software especializado en optimización numérica. Se logró obtener la configuración para el equilibrio del sistema, la cual fue líquido vapor, con sus respectivas composiciones, al igual que el mínimo de la energía libre de Gibbs total del sistema. El propósito es evaluar el desempeño de un proceso de separación para el sistema, para conocer cuál permitirá obtener mejores resultados. La importancia del estudio, se encuentra en generar una aproximación teórica para comparar los resultados, con datos experimentales del sistema disponibles a las mismas condiciones y con ello contribuir con algún proceso usado industrialmente. 1. INTRODUCCIÓN La optimización es una herramienta muy poderosa y útil en la industria de procesos químicos y se puede comprobar su uso en la destilación [1]. Su propósito es la resolución de un problema a través de la maximización o minimización de una variable de interés [2]. El problema se define por las restricciones físicas pertinentes. En el presente artículo, se busca la minimización de la energía libre de Gibbs total de un sistema termodinámico, para lograr la descripción del equilibrio del mismo. Vale la pena recordar que entre más complejo sea el sistema, más consideraciones deben tenerse en cuenta para la representación adecuada del mismo [2]. Para lograr una descripción acertada del equilibrio termodinámico de cualquier sistema, es necesario definir el modelo termodinámico que define las fases involucradas, por lo general líquido y vapor. Esto con el fin de representar adecuadamente la naturaleza del sistema denotada por sus respectivas interacciones. Posteriormente es necesario definir el estado termodinámico donde se evalúa el equilibrio y para tal propósito, se define la temperatura y presión [3]. Ahora es necesario plantear la función objetivo, la cual se encarga de solucionar el problema. Sin embargo, es necesario realizar una división del problema, debido a que se debe trabajar con variables binarias, para poder dividir el problema entre la parte no lineal, asociada a las ecuaciones continuas y por otra parte, la parte discreta encargada de las configuraciones probables del sistema, descritas por las fases presentes [4]. Desde la perspectiva de optimización, es necesario garantizar que la función objetivo está evaluada dentro de las regiones que se encarga de limitar las restricciones del problema. Eso significa que se deben cumplir con las condiciones termodinámicas y los balances de materia respectivos para validar físicamente el resultado de la optimización. La resolución del problema de optimización MINLP, se efectúa de manera estratégica a través del algoritmo de aproximación externa (OA), el cual se encarga de resolver dos sub-problemas, los cuales son el NLP (el componente no lineal y continuo del sistema) y el MI (componente discreto del sistema) [2]. La solución numérica del problema de optimización de acuerdo a la partición del problema hecho, fija las variables binarias para algún valor de interés y se encarga de optimizar las variables continuas y no lineales. De igual forma los puntos estacionarios donde se presume la presencia del óptimo de interés, nulifican el gradiente de la energía libre de Gibbs total del sistema, junto con las restricciones asociadas al balance de masa [4]. El propósito de usar la minimización de la energía de Gibbs total es cumplir con la segunda ley de la termodinámica, para garantizar la espontaneidad del sistema [3]. 2. ESTADO DEL ARTE El equilibrio de fases es un tópico que se ha observado, modelado y analizado rigurosamente desde hace mucho tiempo, por tener una influencia considerable en los procesos de separación existentes dentro del ámbito industrial. Asimismo, se cuenta con abundante literatura que garantiza lo hecho para optimización lineal como no lineal. A continuación se muestran los trabajos realizados en equilibrio de fases, que usaron la optimización como herramienta de modelamiento: Tabla 1. Trabajos de equilibrio de fases con optimización AUTOR (ES) TÍTULO AÑO Stanislaw K. Wasylkiewicz, Yau Kun Li , Marco A. Aplicación de un algoritmo de optimización global para estabilidad de fase y cálculos de equilibrio LL 2013 Frances E. Pereira, George Jackson, Amparo Galindo, Claire S. Adjiman. Aproximación de optimización basada en la dualidad para la solución confiable (T, P) para el equilibrio de fases en composición volumétrica espacial. 2010 Tereza Jindrová, Jiˇrí Mikyˇska. Algoritmo rápido y robusto para el cálculo de equilibrio bifásico, dada la temperatura, volumen y número de moles. 2013 Richard C. Baliban, Josephine A. Elia, Ruth Misener, Christodoulos A. Floudas Optimización global MINLP de un modelo de síntesis de proceso, para la conversión de base termoquímica de carbón híbrido, biomasa y gas natural en combustibles líquidos. 2012 Jignesh Gangadwala, Achim Kienle Optimización MINLP para la síntesis de acetato de butilo 2006 Gustavo Iglesias Silva, Adrián Bonilla Petriciolet Un método algebraico que incluye minimización de energía de Gibbs para 2001 realizar cálculos de equilibrios o fase, para cualquier número de componentes o fases Dan Vladimir Nichita, Susana Gómez Cálculos de equilibrio multifase por medio de minimización directa de energía de Gibbs usando optimización global 2002 C.A. Parodi, E.A. Campanella Efecto de los datos del equilibrio líquido vapor en el diseño de trenes de destilación 2009 Nima Saber, John M. Shaw Rápido y robusto análisis de estabilidad de comportamiento de fase usando optimización global 2007 3. MARCO TEORICO El equilibrio de fases, se modela de forma precisa a través del modelo Gamma/Phi, el cual permite tener en cuenta todas las desviaciones de la idealidad de las fases presentes en el sistema [3]. Sin embargo se debe tener en cuenta las condiciones donde se evalúa el sistema, para determinar en cuales fases las desviaciones son más evidentes y con ello, centrarse sobre ellas para calcular los coeficientes que las describen. Por consiguiente para el caso de estudio, solo se consideró, la evaluación del coeficiente de actividad, debido a que los compuestos usados generan puentes de hidrógeno y al tener una mayortensión superficial, se alteran propiedades termodinámicas en el equilibrio [5]. El equilibrio termodinámico se describe además del mínimo de la energía libre de Gibbs total del sistema, la igualdad de los potenciales químicos de cada una de las fases presentes en el sistema. Esta condición, se denomina la ecuación de Gibbs-Duhem y garantiza la consistencia termodinámica del sistema [6]. Se puede observar la siguiente ecuación para su descripción, la cual servirá más adelante, aunque descrita de forma diferente en la formulación de las restricciones termodinámicas del problema: ( 𝜕𝐺 𝜕𝑥𝑖 ) 𝛼 = ( 𝜕𝐺 𝜕𝑥𝑖 ) 𝛽 (1) 𝜇𝑖 𝛼 = 𝜇𝑖 𝛽 (2) También se debe tener en cuenta que la función objetivo debe ser sobre el total la energía libre de Gibbs del sistema, para incluir todas las fases y los componentes involucrados. De igual forma se recomienda la adimensionalización de la función, para poder trabajar de manera más cómoda. Lo anterior significa que también es necesario definir un número de moles total en el sistema, para poder tener el total de energía en unidades consistentes [6]. Para el caso de la optimización, por tratarse de un problema no lineal, se tienen diferentes algoritmos y vale la pena recordar que cada uno de ellos tiene sus ventajas y debilidades. La inicialización de las variables, es fundamental para este tipo de problemas, porque se puede tener problemas por cuenta de la multiplicidad asociada a la no linealidad del problema [7]. De igual forma, es necesario garantizar que el sub-problema discreto tiene solo restricciones lineales, para asegurarse de que el problema se puede resolver por programación disyuntiva [2]. Es significa que al menos una de las condiciones de la parte discreta del problema, tiene que ser verdadera para poder tener solución. De igual forma se debe especificar las implicaciones que se tiene la tener el caso lógico como verdadero, para solamente tomar el caso de interés. 4. FORMULACIÓN DEL PROBLEMA Para poder realizar una buena estructuración del problema de optimización, es necesario cumplir con los tres elementos mínimos que garantizan su validez: la función objetivo, los parámetros definidos con sus respectivas ecuaciones y las restricciones del problema [2]. Esto aplica tanto para la parte no lineal y continua del problema, como para la parte binaria del mismo. Se comenzará describiendo en ese orden cada uno de los elementos para poder generar el problema de optimización. 4.1. Función objetivo La función objetivo necesita estar formulada como el total de la energía libre de Gibbs del sistema, lo cual significa que debe incluir todos los componentes en todas las fases presentes del sistema. Matemáticamente, se describe lo siguiente: min ∑ ∑ 𝐺𝑖𝑗 𝑓 𝑗=1 𝑛 𝑖=1 (3) La función objetivo se presenta de manera a dimensional, para hacer más simple el tratamiento matemático. De igual forma se puede decir que el análisis dimensional es el siguiente para garantizar su consistencia: [𝐺𝑖𝑗] = 𝐺𝑇 𝑛𝑅𝑇 = [𝐽] [𝐽] (4) Vale la pena que GT es la energía libre de Gibbs total del sistema, lo cual obliga a la inclusión de la cantidad de moles totales en el sistema para garantizar la ausencia de unidades en la función objetivo. 4.2. Parámetros y ecuaciones Los parámetros usados para resolver el problema, son los asociados al estado termodinámico del mismo. A continuación, se presentan los parámetros usados al igual que las ecuaciones: 𝑇 = 363.15𝐾 𝑃 = 1 𝑎𝑡𝑚 𝑛𝑇 = 1 𝑚𝑜𝑙 Es necesario determinar la rigurosidad con la cual se establece evaluar el equilibrio de fases en el sistema. Una de los formas de hacerlo es considerar las desviaciones en cada una de las fases. Se ha encontrado que la mayoría de las columnas de separación, operan a presión atmosférica y por lo tanto la omisión de los cálculos de los coeficientes de fugacidad, generar un error insignificante [3]. Por consiguiente, el sistema en general se gobierna por una ecuación la cual vendría a ser la Ley de Raoult modificada [1]. Lo anterior, permite hacer un planteo, de lo obtenido para calcular las energías de Gibbs, asociadas a cada fase para cada componente: 𝑥𝑖𝛾𝑖𝑃𝑖 𝑠𝑎𝑡 = 𝑦𝑖𝜑𝑖𝑃 (5) Con la consideración hecha de la fugacidad, la ecuación 2 se reduce a: 𝑥𝑖𝛾𝑖𝑃𝑖 𝑠𝑎𝑡 = 𝑦𝑖𝑃 (6) 𝑥𝑖𝛾𝑖 = 𝑦𝑖 𝑃 𝑃𝑖 𝑠𝑎𝑡 (7) La energía de Gibbs total del sistema, se describe con una función logarítmica, por lo tanto se procede a aplicar logaritmos a la ecuación precedente [4]: ln(𝑥𝑖𝛾𝑖) = ln(𝑦𝑖) + ln 𝑃 𝑃𝑖 𝑠𝑎𝑡 (8) ∆𝐺𝑉 𝑅𝑇 = ln(𝑦𝑖) + ln 𝑃 𝑃𝑖 𝑠𝑎𝑡 (9) ln(𝑥𝑖) + ln (𝛾𝑖) = ln(𝑦𝑖) + ln 𝑃 𝑃𝑖 𝑠𝑎𝑡 (10) ∆𝐺𝐿 𝑅𝑇 = ln(𝑥𝑖) + ln (𝛾𝑖) (11) Usando el número total de moles del sistema se obtienen las siguientes ecuaciones que son análogas y facilitan en tratamiento matemático del sistema: 𝐺𝑇 𝑉 𝑛𝑅𝑇 = ln(𝑦𝑖) + ln 𝑃 𝑃𝑖 𝑠𝑎𝑡 (12) 𝐺𝑇 𝐿 𝑛𝑅𝑇 = ln(𝑥𝑖) + ln (𝛾𝑖) (13) Estas ecuaciones de forma general permiten calcular el mínimo de la energía libre de Gibbs total para los casos de fase liquida y vapor [4]. No obstante es necesario delimitar el problema para cumplir con las condiciones termodinámicas pedidas, al igual que la delimitación del problema a las fases existentes en el problema, para solo incluir combinaciones únicas de configuraciones del sistema [8]. Esto se explicará en mayor detalle cuando se describa la parte discreta del problema de optimización. 4.3.Restricciones del problema El problema cuenta con restricciones tanto en la parte continua, como en la parte discreta, sin embargo solo se cuenta con una restricción en ella, debido a que las demás pueden formularse dentro de la parte no lineal del problema y con ello se simplifica su entendimiento: ∑ 𝑥𝑖 = 1 (14) 𝑛 𝑖=1 ∑ 𝑦𝑖 = 1 (15) 𝑛 𝑖=1 Las anteriores dos restricciones se pueden reescribir de la siguiente forma: ∑ 𝑛𝑖𝑗 𝑛 𝑗=1 − 𝑛𝑖 𝑇 = 0 (16) Se necesita cumplir con la restricción de consistencia termodinámica: 𝐺𝑖𝑗 − 𝑛𝑖𝑗𝜇𝑖𝑗 𝑅𝑇 = 0 (17) Esta restricción puede reescribir de la siguiente forma [3]: 𝜇𝑖 𝑅𝑇 − 𝐺𝑖𝑗 𝑛𝑗𝑅𝑇 = ln(𝛾 𝑖 𝑥𝑖) (18) Esto se cumplirá de acuerdo siempre y cuando las fases existan. Por lo tanto es necesario garantizar la presencia de las fases de interés y en el presente artículo el enfoque estará dado a las configuraciones que contienen vapor, independiente de la cantidad de fases líquidas presentes. 𝐺𝑇 𝑛𝑅𝑇 = 𝐺𝑇 𝑉 𝑛𝑅𝑇 + 𝐺𝑇 𝐿 𝑛𝑅𝑇 (19) Lo cual implica: 𝐺𝑇 𝐿 𝑛𝑅𝑇 = ∑ 𝐺𝑇𝑗 𝐿 𝑛𝑗𝑅𝑇 𝑚 𝑗=1 (20) La anterior ecuación permite hacer un recorrido sobre el total de la energía libre de Gibbs para cada una de las fases líquidas, y en caso de no estar presente la fase, se nulifica la contribución de la fase inexistente. El propósito era mostrar una manera más simple de visualizar la forma en que se va a calcular la energía libre de Gibbs total del sistema. La restricción binaria para este caso solamente evita las repeticiones en las configuraciones del sistema [9] y viene a ser la siguiente: 𝑌𝑗+1 − 𝑌𝑗 ≤ 0 (21) Una vez finalizada la formulación y estructuración del problema, se pasa directamente a la estrategia de resolución, al igual que la inicialización del sistema, para obtener los resultados. Es posible generar una función de optimización dimensional, la cual permita obtener resultados similares a los mostrados en el presente artículo, no obstante el propósito de la formulación descrita es simplificar la rutina de cálculo y facilitar la comprensión física del problema. De igual forma es posible generar un análisis de estabilidad [10], aunque no se considera necesario debido a que para el caso de interés, las restricciones garantizan el cumplimiento de las leyes físicas y termodinámicas del problema.La razón de ser del análisis es la observación en detalle de la función objetivo para determinar mínimos locales, lo cual no es indispensable para este caso, dado que todo el empeño está enfocado en la obtención de un mínimo global. 5. ESTRATEGIA DE RESOLUCIÓN Previamente se describió, la simplificación del problema al hacerse mediante la partición del problema en la parte continua no lineal y discreta. Eso se hace con la reformulación disyuntiva del problema y se transforma en el problema MINLP, que se planteó resolver en el artículo. Se usó el software GAMS, para la resolución del problema, debido a que permite escoger entre una gran variedad de métodos de resolución para el problema y por lo tanto permite obtener diferentes resultados, porque a pesar de tener la misma lógica de aproximación externa [2], la forma de encontrar el óptimo es diferente. Con respecto a la programación, fue necesario describir todos los parámetros, al igual que las ecuaciones asociadas a los mismos, para luego declarar todas las restricciones no lineales del problema, al igual que la inicialización del sistema para tener un recurso en la búsqueda del óptimo global [8]. Posteriormente, es necesario definir las variables binarias que tendrán en cuenta las combinaciones posibles entre los elementos y con ello generar las configuraciones probables del sistema. Las configuraciones se delimitan a la ausencia de repeticiones, descrita anteriormente, al igual que la simplificación hecha por el autor de solo examinar los casos donde al menos una fase vapor esté presente. Luego queda declarar la función objetivo y obtener la solución numérica por algún método de resolución que contiene el programa como ALPHAECP, BARON, etc. Los métodos de resolución realizan barridos en las zonas donde se presume se encuentra el óptimo global del sistema aunque la forma de acercarse a través de la evaluación progresiva de la función objetivo es diferente [2]. 6. RESULTADOS DE LOS CASOS DE ESTUDIO En el presente proyecto se consideraron dos sistemas para su evaluación, los cuales se describirán a continuación. Una de los parámetros relevantes para los casos de estudio, fue la definición del modelo termodinámico. Para este caso, se puede seguir un árbol de decisión, el cual tiene en cuenta no solamente las polaridades de las sustancias, sino las condiciones termodinámicas del sistema. Para el caso de interés, se encontró que el mejor comportamiento era el dado por la ecuación NRTL por permitir la inclusión de sistemas que presentan inmiscibilidad o miscibilidad parcial [4]. En ambos casos se usó este modelo termodinámico, para representar la no idealidad de la fase líquida. 6.1. CASO SISTEMA AGUA ETANOL CICLOHEXANO Para este caso se pretende tomar como referencia el sistema Ciclohexano, Etanol, Agua. Se asumirá una inicialización del sistema de 0.3, 0.3 y 0.4 respectivamente para cada componente. La razón es el abundante estudio del sistema en la literatura, lo cual servirá para la validación de los resultados obtenidos, al igual que los criterios para delimitar el problema [2]. Se evaluaron dos posibles sistemas para este caso, los cuales tienen de diferencia los parámetros. En un caso, fueron usados los parámetros por el artículo de Watson[11] y para el otro caso fueron usados los parámetros de la base de datos ASPEN TECH V 7.3. Posteriormente, se piensa comparar lo mostrado por el artículo con dos autores diferentes para validar los resultados. 6.1.1.1. Resultados del caso con ciclohexano 6.1.1.1 Caso LV Dentro de los resultados que se pueden evaluar, se obtuvieron resultados para el caso simple del equilibrio líquido vapor, los cuales se consideran los del algoritmo y se muestran a continuación: Tabla 2 Resultados LV con parámetros literarios Componentes xi yi Gamma i G total/RT Ciclohexano 0,136 0,555 1,061536281 -1.22472 Etanol 0,349 0,223 11,190847 Agua 0,515 0,222 8,280557011 6.1.1.2 Caso LLV La tabla a continuación muestra lo obtenido: Tabla 3 Resultados VLL literatura Componente xi xj yi Gamma i Gamma j G total/RT Ciclohexano 0,25 0,032 0,555 2,613107 1,222145 -1,2291 Etanol 0,393 0,203 0,224 4,371762 2,164959 Agua 0,357 0,765 0,221 4,666847 2,303653 6.1.2 Resultados con parámetros de ASPEN TECH sistema ciclohexano etanol agua 6.1.2.1Caso LV Se obtuvieron los siguientes resultados: Tabla 4 ASPEN LV Componentes xi yi Gamma i G total/RT Ciclohexano 0,197661 0,232977 1,946792 -1,21774 Etanol 0,487529 0,572315 2,043065 Agua 0,31481 0,194708 2,513395 6.1.2.2. Caso LLV Se llegó a lo siguiente: Tabla 5 ASPEN LLV Componentes xi yi xj Gamma i Gamma j G total/RT Ciclohexano 0,924877 0,031165 0,529771 2,613107 1,222145 -1.2291 Etanol 0,069127 0,534785 0,306403 4,371762 2,164959 Agua 0,005996 0,43405 0,163826 4,666847 2,303653 6.2. CASO SISTEMA AGUA ETANOL GLICERINA El caso de estudio tomado como referencia: Agua, Etanol, Glicerina. Fue resuelto con la suposición de 0.3, 0.4 y 0.3 respectivamente como inicialización del sistema. Los parámetros termodinámicos del modelo, fueron encontrados en la base de datos de ASPEN PLUS, debido a la ausencia de registros de parámetros para el sistema de interés La presión de vapor fue obtenida con la ecuación de Antoine, con sus respectivos parámetros de los componentes (Ltd., 2001). La resolución por el método de ALPHAECP, implementado en GAMS permite obtener lo siguiente para las configuraciones LV y LLV: Tabla 6 Resultados configuración LV Componentes xi yi GT /nRT (F.O.) Glicerina 0.2237 0.0001 -3 Etanol 0.2337 0.6427 Agua 0.5324 0.3572 Tabla 7 Resultados configuración LLV Componentes xi yi xj GT / nRT (F.O) Glicerina 0.4453 0.002 0.9999 -3*10 -4 Etanol 0.4811 0.997 0.0001 Agua 0.0736 0.001 0 También fue posible obtener resultados con el método de resolución BARON, el cual fue enviado y ejecutado al servidor NEOS de la universidad de Wisconsin (Zambrano & Pérez, 2014), para obtener los siguientes resultados, con una configuración completamente diferente a la obtenida por el método usado anteriormente: Tabla 8 Resultados del método BARON configuración LLLV Componentes xi yi xj xk GT / nRT (F.O) Glicerina 0.2626 0.1324 0.6333 0.4901 -12 Etanol 0.2053 0.7582 0.0633 0.2523 Agua 0.5320 0.1094 0.3034 0.2566 Teniendo en cuenta los anteriores resultados, también es posible comparar lo obtenido con otros autores, para el caso de la función objetivo debido a que es el mejor parámetro para comparar: Tabla 9 Comparación de la función objetivo Método de resolución Este artículo (Jerez, Muñoz, & Gomez, 2014) ALPHA ECP (LV) -3 -1.8842 ALPHA ECP (LLV) -3*10 -4 -1.8453 BARON (LLLV) -12 0.3827 7. ANALISIS DE RESULTADOS De acuerdo a lo obtenido por el método ALPHAECP, la configuración del sistema en equilibrio es solamente líquido vapor, debido a que presenta el menor valor posible además de cumplir con las restricciones del problema. Esto concuerda con lo obtenido por Ingrith Jerez, sin embargo se tiene una diferencia apreciable y eso se debe a la diferencia de los criterios de convergencia usados por los programas, al igual del método de resolución, dado que en el caso de MATLAB, no es posible resolver el problema MINLP, de manera conjunta, por lo que debe tomar más tiempo, resolver los subproblemas generados por el problema principal. Al tratarse de un problema no lineal, se comprueba que la inicialización del sistema es fundamental para obtener resultados satisfactorio, dado que se puede obtener una solución óptima local, pero no global (Edgar & Himmelblau, 2001). La implementación en GAMS, demuestra que se obtiene una configuración totalmente diferentecomo lo es el caso del método BARON, a los demás métodos empleados, lo cual demuestra que probablemente se necesite cambiar la inicialización del sistema. No obstante el resultado de la función objetivo por este método es exactamente igual al método DICPOT, que realiza la misma aproximación lo cual impide determinar qué resultado es físicamente válido, debido a que matemáticamente el método BARON, logro encontrar un mínimo global, con una configuración diferente. El sistema usado, tenía la particularidad de presentar parámetros en cero, para el modelo de NRTL, lo cual significa que las interacciones moleculares no están fuertemente desbalanceadas (Shu & Inoue, Calculation of chemical and phase equilibrium based on stability analysis by QBB algorithm: application to NRTL equation, 2001), lo cual puede significar que el sistema está cerca de la idealidad a las condiciones que se está evaluando. Es necesario encontrar datos experimentales, para poder realizar una mejor comparación, de los resultados, especialmente de las composiciones que definen el equilibrio a las condiciones de evaluación (Pereira & Jackson, 2010). Esto con el objetivo de encontrar la configuración del sistema de manera experimental y con ello ajustar el modelo y el método de resolución para representar adecuadamente el sistema. El sistema de ciclohexano usado, también fue elegido adecuadamente, debido a la cantidad de información disponible que se tiene sobre el mismo, lo cual no solo permite realizar los cálculos correspondientes, sino validar los resultados con otros autores, al igual que con bases de datos, para construir un criterio lo suficientemente robusto, para poder discernir sobre los errores encontrados. Por lo contrario, el sistema de la glicerina dispone de poca información y por lo tanto es más complicado poder comparar los resultados para encontrar errores, no solamente asociados al método de resolución, sino en cuanto a la estructura del problema de optimización. Un aspecto positivo del estudio realizado es la comprobación de disponibilidad de información sobre el sistema estudiado, ya que fue factible comparar resultados, para encontrar diferencias. No obstante es necesario conocer a fondo sobre otros programas, para determinar si los métodos y algoritmos de resolución de problemas de optimización no lineales sin iguales o distintos y en caso de presentarse una diferencia saber el impacto generad por cuenta del método de resolución. 8. CONCLUSIONES Se encontró una estrategia de cálculo para la energía total de Gibbs de un sistema particular, la cual está validada con varios autores de la literatura y debe permitir realizar la rutina de cálculo sobre cualquier sistema. De igual forma, se pudo formular un problema de optimización con todos sus elementos requeridos, para posteriormente realizar su futura resolución. Se comprobó que un sistema que tiene variable discreta, genera una partición del problema de optimización y debe tratarse de forma diferente para que la solución sea conjunta y coherente con la parte no lineal y continua del problema. La elección de los parámetros termodinámicos, al igual que el modelo termodinámico tiene una influencia considerable en la representación del equilibrio de fases, por lo cual se recomienda usar criterios para la elección de ellos. La inicialización del sistema con una composición supuesta, tiene injerencia en el hallazgo del mínimo global del sistema y el cambio considerable está en el método de resolución usado para resolver el problema. La herramienta computacional GAMS, puede resolver un problema MINLP, de manera conjunta y permite obtener diferentes resultados, por lo cual es necesario saber sobre que se centra cada método de resolución disponible. NOMENCLATURA GT (J) Energía libre de Gibbs total del sistema Gij (J) Energía libre de Gibbs del componente i en la fase j. i Subíndice de Componente. j Subíndice de fase. xi Composición en fase líquida. yi Composición en fase vapor. γi Coeficiente de actividad del componente i. Yi variable binaria de combinaciones P Presión del sistema (bar). 𝑃𝑖 𝑠𝑎𝑡 Presión de saturación del componente i (bar) T Temperatura (K). R (J/mol K) Constante universal de los gases. nij (mol) Número de moles del componente i en la fase j. 𝐺𝑇 𝑉 (J) Energía total del Gibbs en fase vapor. 𝐺𝑇 𝐿 (J) Energía total del Gibbs en fase líquida. µij (J/mol) Potencial químico del componente i en la fase j. REFERENCIAS [1] J.D. Seader, Separation processes principles. New York City: Mc. Graw Hill, 2006. [2] Thomas F. Edgar and David M. Himmelblau, Optimization of chemical processes. New York: Mc. Graw Hill, 2001. [3] Joe Smith and H.C. van Ness, Introducción a la termodinámica en ingeniería química. México D.F.: Mc. Graw Hill, 2007. [4] J.M. Reneaume and X. Joulia, "A global MINLP approach for phase equilibruim claculations," Elsevier Science Ltd., pp. 303-308, 1996. [5] Stuart Wilson and Xavier Joulia, "Azeotropic batch distillation:New problems and some solutions," Computers chemical engineering, pp. 589-596, 1995. [6] Gustavo A. Iglesias Silva and Adrián Bonilla-Petriciolet, "An algebraic method that includes Gibbs minimization for performing phase equilibrium calculations for any number of components or phases," Fluid Phase Equilibria, vol. I, no. 210, pp. 229- 245, Enero 2002. [7] PIERRE BONAMI, MUSTAFA KILINC, and JEFF LINDEROTH, "ALGORITHMS AND SOFTWARE FOR CONVEX MIXED," Chemical Engineering Journal, pp. 1- 40, 2010. [8] L.J. Jerez, F. Muñoz, and J.M. Gomez, "Approach to a reliable solution for strategy for performing phase equilibrium using MINLP optimization," Latin American Applied Research, vol. 3, no. 44, pp. 63-70, 2014. [9] Laura Zambrano and Isaac Pérez, "Determinación de las fases y composiciones de un sistema en equilibrio mediante la minimización de la energía libre de Gibbs total del sistema," Universidad de los Andes, Bogotá, Proyecto de pregrado ISBN, 2014. [10] Yushan Shu and Katustoshi Inoue, "Calculation of chemical and phase equilibrium based on stability analysis by QBB algorithm: application to NRTL equation," ELSEVIER, pp. 6915-6932, 2001. [11] S. Watson, X Joulia, and S. Miachetto, "Azeotropic batch distillation. New problemas and some solutions," Computer and Chemical Engineering, vol. 2, no. 19, pp. 589- 596, 1995. [12] Chemical Research Ltd. (2001, Oct ) Journal Apps. [Online]. [13] Frances E. Pereira and George Jackson, "A duality-based optimisation approach for the reliable solution of (P, T) phase equilibrium in volume-composition space," Fliud Phase Equilibria Journal, vol. I, no. 23, pp. 1-23, Enero 2010. [14] Stanislaw K. Wasylkiewicz, Yau Kun Li, and Marco A., "Application of a global optimization algorith to phase stability and líquid-líquid calculations," Fluid Phase Equilibria Journal, vol. III, no. 299, pp. 304-318, Agosto 2013. [15] S Revollar, Francisco M., P. Vega, and R. Lammana, "Stochastic optimization for the simultaneous synthesis and control system design of an activated sludge process," Latin American Applied Research, pp. 137-146, 2007. [16] C.A. Parodi and H.C. Campanella, "EFFECT OF VAPOR-LIQUID EQUILIBRIUM DATA ON THE DESIGN OF SEPARATION SEQUENCES BY DISTILLATION," Latin American Applied research, pp. 33-40, 2009. [17] Dan Vladimir Nichita and Gómez Susana, "Multiphase equilibria calculation by direct minimization of Gibbs free energy with a global optimization method," Computers and chemical engineering Journal, vol. I, no. 26, pp. 1703-1724, Julio 2002. [18] Tereza Jindrová and Jiri Mikyska, "Fast and robust algorithm for calculation of two- phase equilibria at given volume, temperature, and moles," El sevier, pp. 101-114,2013. [19] Jorge Mario Gómez Ramirez, Jessia Paola Ramirez Angulo, and Andrés Gonzalez Barrios, Optimization of the bioconversion of glycerol to ethanol using Escherichia coli by implementing a bi-level programming framework. Bogotá: Advances in biosearches and biotechnology, 2012. [20] Jignesh Gangadwala and Achim Kienle, "MINLP optimization for butyl acetate synthesis," Fluid Phase Equilbria, vol. I, no. 46, pp. 107-118, Mayo 2006. [21] Diego G. Oliva, Javier A. Francesconi, Gabriel C. Mussati, and Pio A. Aguirre, "Ethanol and glycerin processor systems coupled to solid oxide fuel cells (SOFCs). Optimal operation and heat exchangers," El sevier, pp. 7140-7158, 2013. [22] Daniel Crowl, Process safety principles. New York: Prentice Hall, 2009. [23] Richard C. Baliban, Josephine A. Elia, Ruth Misener, and Christodoulos A. Floudas, "Global optimization of a MINLP process synthesis model for thermodinamical based conversion of hybrid coal, biomass and natural gas to liquid fuels," El sevier, pp. 64- 86, 2012.
Compartir