In the industrial styrene monomer process, maximizing the production rate is needed since the current demand of styrene monomer is more than the production rate. In addition, this plant consumes a large amount of energy.
In order to improve this problem, the first principle model has been developed. Although the first principle model of the radial flow reactor gave a reasonable prediction from the industrial point of view, the nature of the process presented some difficulties in the prediction of catalyst activity. The lack of internal or intermediate measurements of the reactor represented a limitation for the detailed model validation. In addition, the lack of experiments of catalyst activity caused the uncertainty of parameters in mathematical equations. Thus the first principle model was not enough to represent changes of catalyst activities.
In light of these difficulties for developing the first principle model, an alternative model of the styrene monomer reactor has been developed combining the first principle model with neural networks. Neural networks have given more accurate deactivation factor, and the first principle model has reinforced the insufficient performance owing to lack of data to use neural networks.
In this study, a hybrid model, in which the first principle model and neural network model are combined, has been developed for an adiabatic radial-flow styrene monomer reactor. This model has been analyzed via computer simulation to examine important operating variables. The operation performance has been measured in terms of catalyst utilization. Finally, new operating conditions have been proposed to maximize the profit.
현재 운전되고 있는 스티렌 모노머 생산 공정의 탈수소화 반응기의 경우 스티렌 모노머의 생산이 그 수요를 따라가지 못하여, 생산량의 최대화가 가장 선결 문제가 되고 있다. 또한 이 공정이 에너지 소비가 매우 많은 공정으로 그 비용의 절감도 매우 필요한 문제이다.
이러한 문제점들을 개선하기 위하여, 이미 수학적 모델이 제시되어 있다. 그러나 이러한 수학적 모델이 방사 흐름 반응기에 대하여 산업적인 측면에서 어느정도 만족할 만한 결과를 보일지는 모르나, 촉매의 활성부분에서 몇 가지 문제점을 드러내게 된다. 반응기 내부의 상황을 측정할 수 없음으로 인하여 반응기 내부를 충분히 표현하지 못함은 물론 실험적인 데이터의 부족으로 수학적인 모델에서 필요한 반응 상수들을 적절히 제시하지 못하였다.
이러한 문제점들을 해결하기 위하여 수학적 모델과 신경망 모델이 혼합된 혼합 모델을 제시하였다. 신경망 모델을 이용하여 보다 공정에 맞는 촉매 활성을 제시하여, 수학적 모델이 보다 정확한 공정 모사를 하도록 하였다. 이러한 모델을 바탕으로 조업 변수들을 바꿈으로써 야기되는 반응기의 반응을 분석하고, 최대의 이익을 낼 수 있는 조업 조건을 제시하였다.
