Aspen Plus是美国能源部于20世纪70年代后期在麻省理工学院(MIT)组织下开发的，是一种大型通用流程模拟系统，已广泛应用于化工设计、稳态模拟和优化，经过几十年来不断改进、扩充和提高，先后推出了十多个版本，应用案例数以百万计^[1]。随着化工行业的发展，对大型工艺流程进行优化和改进变得十分重要，Aspen Plus自带的灵敏度分析已经不能满足人们对复杂流程优化的需要。因此，将Aspen Plus与各种优化算法进行集成是非常有必要的。

Aspen Plus的Windows用户界面是一个ActiveX自动控制服务器^[2]，外部Windows应用程序可通过接口程序与Aspen Plus进行数据交换，实现系统集成。接口程序常用Visual Basic语言编写^[2]，也有研究者^[3]用其他编程语言编写，Bhutani等^[4-7]系统地研究了Aspen Plus与编程语言Visual Basic、C/C++和Visual FORTRAN的集成技术，实现了不同优化算法与Aspen Plus的集成，为流程优化综合提供了有效工具，但也存在界面不友好、扩充新算法不方便等问题。

近年来Python环境下算法与Aspen Plus的系统集成引起了研究者注意^[8]。Python是一种动态解释型编程语言，拥有可与MATLAB比肩的庞大的数值分析模块(SciPy)和矩阵运算模块(NumPy)。Python语言提供了从2D到3D的多种图形绘制模块(Matplotlib)，方便将计算结果进行可视化^[9]。蒋雨升^[10]利用Python与ABAQUS进行系统集成和二次开发，解决了ABAQUS分析修改时重复工作量大等难题，开发的软件操作简单便捷，提高了分析效率。

本研究在Python环境下实现了对Aspen Plus流程模拟的控制和数据传递，在此基础上开发了一套流程优化系统，可将各种优化算法与Aspen Plus集成，用于解决不同的优化问题。

1 Aspen Plus变量探测器及节点调用

每个Aspen Plus模拟问题的输入和结果数据都被组织在一个树状结构里，用户可以在Aspen Plus界面里的Tools菜单栏下使用Variable Explorer(变量探测器)找到物流和模块节点，所有涉及到的变量属性、数值及调用地址都在这个节点下面的分支里。根据变量地址就可以在集成环境中编写相应的代码实现对相关变量的读取和赋值。以物流S1为例说明如下：(1)在Aspen Plus界面下双击物流S1，找到需要的变量，单击右键复制这个变量；(2)复制变量后，点击Aspen Plus界面里的Tools菜单栏找到Variable Explorer；(3)进入Variable Explorer，在空白处单击右键，选择Go to Node。弹出一个对话框，点击OK；(4)找到该节点的Call和Value属性。Call为调用地址：Data\\Streams\\S1\\Output\\MASSFLOW\\MIXED\\；Value为当前变量的值；(5)在集成环境中用FindNode函数调用节点读取变量值或对变量赋值：Aspen.Tree.FindNode('\\Data\\Streams\\S1\\Output\\MASSFLOW\\MIXED\\').Value。

对于单元模块同样可以找到对应节点和相关变量。

2 基于Python的优化系统实现 2.1 Python与Aspen Plus数据交互接口

本论文使用PyQt5生成集成系统的GUI界面，应用PyQt5进行软件的点击和连接事件响应。PyQt5由一系列Python模块组成，是Digia的Qt5应用框架与Python的结合，Qt库由Riverbank Computing开发，是最强大的GUI库之一^[11]。参考MATLAB调用Aspen Plus的文献^[12]和Aspen Plus官方用户指南^[2]，在Python环境下编写了系统与Aspen Plus参数的交互接口。部分接口代码如下。

(1) Aspen Plus模拟文件的打开和运行

打开一个Aspen Plus文件：fileName, fileType=QtWidgets.QFileDialog. getOpenFileName(self, “选取文件”, os.getcwd( )

根据Aspen Plus版本创建本地服务器：Application=win32.Dispatch('Apwn.Document.36.0')

重置：Application.Reinit( )

运行模拟。Aspen Plus运行需要一定时间，用一个循环语句每2 s检查一次是否运行完毕：

Application.Engine.Run2( )

while Application.Engine.IsRunning==1:

time.sleep(2)

(2) 变量读取与赋值

遍历流程，读取每个模块(或物流)的名称和有关变量数值，输出在widget里：

for item in items:

path='\\Data\\Blocks\\'+item.text( )

self.strs.append(Application.Tree.FindNode(path).Value)

把系统界面上textEdit输入框里的数值赋值给某个变量并运行：

Application.Tree.FindNode(path).Value=self. textEdit.toPlainText( )

Application.Engine.Run2( )

2.2 系统开发及功能实现

化工过程优化(或综合)问题形式多样，各有特点，需要选择合适的优化算法进行求解。本系统提供了坐标轮换法、遗传算法、模拟退火算法等多种优化算法供选择使用，其它新算法也可方便地添加进来。Python环境下Aspen Plus与各优化算法的集成关系如图 1所示。

系统运行过程如下：(1)在Aspen Plus环境下建立模拟流程，给出各优化变量初值，确认运行无误，保存bkp文件；(2)运行本系统，导入模拟流程的bkp文件，如图 2所示。在菜单栏点击“开始”，选择“打开bkp文件”，选择待优化的bkp文件；(3)点击“打开模块列表”，系统读取模拟流程中各模块和物流信息，选择优化变量所在的模块或物流，给出优化变量相关信息，选择优化算法和目标函数；(4)优化算法给出优化变量的修改值，赋给Aspen Plus进行模拟计算，模拟完成后把结果返回到优化算法中进行优化，直至得到最优解；(5)把优化结果输出到Excel表格中，并进行相关处理，输出最终优化结果。

3 甲醇-丙酮变压精馏过程优化 3.1 甲醇-丙酮共沸体系工艺简介

甲醇和丙酮常压下可形成恒沸物，恒沸质量组成为丙酮88%、甲醇12%，恒沸温度为55.5 ℃，普通精馏方法无法进行共沸物的分离^[13]。Luyben^[14]采用启发式优化方法实现了变压精馏分离此共沸物体系的稳态工艺设计与优化。图 3为Aspen Plus用户界面建立的两塔变压精馏工艺流程图，进料流量为540 kmol·h^-1，温度为320 K，进料组分为共沸物，B1为常压塔，操作压力固定为1 atm，塔底得到甲醇，摩尔分数为X_M=99.5%，B2为加压塔，塔底得到丙酮，摩尔分数为X_A=99.4%^[13]，模拟时采用设计规定实现产品纯度要求，两塔主要变量初值见表 1。优化目标为年度总费用TAC(Total Annual Cost)，由设备总费用和能耗费用两部分组成^[15]，初始条件下年度总费用TAC为3 687 495 ＄·y^-1。

3.2 优化过程

进料条件、分离要求固定后，影响TAC的主要变量有两塔理论板数、进料位置、回流比和B2塔操作压力等，既有整型又有实型，如果不借助优化算法，难以找到最优解。8个优化变量的初值、优化范围及搜索步长在表 1中列出。图 4显示了本系统主界面中B1塔一些变量的初值、优化变量的选择及设置界面。

由于变量数比较少，本研究采用坐标轮换法对流程进行优化。坐标轮换法是一种沿坐标方向轮流进行搜索的寻优方法，它把多变量优化问题转化成一系列的单变量优化问题，又称变量轮换法。对某个变量进行寻优时，可根据变量类型选取合适的方法，比利用目标函数导数建立搜索方向的方法适应性更好，缺点是算法不容易收敛，收敛速度较慢，适用于优化变量较少的问题。本研究采用4种策略进行优化，考察变量优化顺序及B2塔压力对TAC结果的影响情况。

优化顺序1：R_B1→F_B1→N_B1→C_B1→R_B2→F_B2→N_B2；B2塔操作压力固定为10 atm，不参加优化。

优化顺序2：R_B1→F_B1→N_B1→C_B1→R_B2→F_B2→N_B2→P_B2。

优化顺序3：R_B2→F_B2→N_B2→R_B1→F_B1→N_B1→C_B1；B2塔操作压力固定为10 atm，不参加优化。

优化顺序4：R_B2→F_B2→N_B2→R_B1→F_B1→N_B1→C_B1→P_B2。

对于优化顺序1，第1轮优化目标函数TAC由3 687 495 ＄·y^-1下降到3 274 521 ＄·y^-1，优化到第17轮收敛，TAC最优值为3 246 133 ＄·y^-1。

对于优化顺序2，第1轮优化目标函数TAC由3 687 495 ＄·y^-1下降到3 097 906 ＄·y^-1，优化进程如图 5所示。优化到第16轮收敛，TAC最优值为3 063 500 ＄·y^-1，各轮优化结果如图 6所示。

对于优化顺序3，第1轮优化目标函数TAC由3 687 495 ＄·y^-1下降到3 254 575 ＄·y^-1，优化到第12轮收敛，TAC最优值为3 221 349 ＄·y^-1。

对于优化顺序4，第1轮优化目标函数TAC由3 687 495 ＄·y^-1下降到3 102 533 ＄·y^-1，优化进程如图 7所示。优化到第14轮收敛，TAC最优值为3 063 487 ＄·y^-1，各轮优化结果如图 8所示。

表 2列出了各优化顺序的最优变量值和TAC值。

优化顺序1、3没有对B2塔操作压力进行优化，只是改变了变量优化顺序，二者TAC最优值差别不大。优化顺序2、4增加了B2塔操作压力的优化，TAC几乎一致。可以认为优化变量顺序改变对坐标轮换法的收敛基本没有影响。

比较优化顺序1、2结果可以看出，B2塔操作压力优化后由初值10 atm增加到12 atm，相应地其它变量的最优值也有变动，TAC最优值由3 246 133 ＄·y^-1减小到3 063 500 ＄·y^-1。提高B2塔操作压力有利于降低TAC。同理对优化顺序3、4结果进行比较，也得出了相同结论。B2塔操作压力提高对TAC的降低有较大的影响。

本研究采用坐标轮换法不对B2塔压力优化时，得到的TAC最优值较初值降低大于12%，对B2塔压力优化时TAC最优值较初值降低16.9%。

4 结论

在Python语言环境下开发了Aspen Plus与优化算法的集成优化系统。系统通过接口程序实现了对Aspen Plus模拟流程的数据输入、模拟运行以及数据输出。在集成系统中实现了基于经济费用模型的TAC计算并调用Excel对数据进行存储与后期处理。采用坐标轮换法对甲醇-丙酮共沸物的变压分离系统进行了4种策略的优化，均收敛到最优点，充分体现出了Python开发环境的优势，用户界面友好，便于实现各种算法的集成和应用。