制冷工质柔性设计获新进展！祝铃钰教授团队在《AIChE Journal》上发文

　　当你使用空调时，是否抱怨过大雪天制热效果不好，而大热天吹出来的风也不凉快？可你是否考虑过一台空调被卖到天南海北，既可能面临冬天北方的寒冷，也可能面临夏天南方的酷暑？还有可能同时面对冬天的寒冷和夏天的酷暑？在各种条件下都表现完美，不是它不想做到，而是它做不到。

　　在制冷过程设计中，当兼顾制冷工质的特性、制冷循环操作效能和不确定环境条件时，顾此失彼，计算会难以求解，这就是论文研究的不确定条件操作柔性问题。

　　化学工程学院祝铃钰教授课题组提出一种自适应精细化网格可行域搜索策略，针对不确定条件下考虑操作柔性的过程与工质联立优化，搜索操作柔性最大的高能效制冷工质。

　　化工过程在实际操作运行中易受到各种不确定因素的影响，而偏离最优标定工况。这些不确定因素主要来源于三方面：(1) 过程设计中采用模型参数的不确定性；(2) 过程内在因素（如传热传质系数、反应速率）的不确定性；(3) 过程外在因素（如进料状态、环境温度压力和产品市场需求）的不确定性。

　　一个化工过程系统的操作柔性，可以由不确定参数空间中的可行域描述。在可行域内，随意调节过程控制变量时，产品规格、经济性和安全性等需求始终满足。首先确定可行域，然后在域内进一步由基于内接超矩形的最大缩放因子或是基于超体积比的柔性指数定量给过程系统的柔性是解决问题的步骤，而其中正确、高效地描述可行域，是刻画过程柔性的关键。

　　论文提出利用双向链表数据结构来高效维护网格连通性信息的策略，采用均匀摄动采点方法细化定位可行域边界。同时，该策略支持通过网格中可行超立方体加和直接计算可行域超体积，而不需要应用形状重建技术。所提出的自适应网格搜索策略可以捕获复杂的区域形状，减少采样成本，无随机性。

自适应精细化网格搜索策略示意

　　此方法在单级蒸汽压缩制冷循环过程上进行应用，以操作柔性和能效双目标最大化，开展计算机辅助制冷工质优化，筛选到了基于柔性和能效双目标优化的制冷剂分布。

单级蒸汽压缩制冷循环柔性最大工质搜索

　　该成果以“An adaptive refined grid search strategy for assessing operational flexibility and application on refrigerant selection”为题发表于《AIChE Journal》，论文第一作者为化学工程学院王佳远讲师，第二作者为英国曼彻斯特大学Robin Smith教授，通讯作者为化学工程学院祝铃钰教授。

　　《AIChE Journal》主要报道化学工程核心领域以及其他相关工程学科中最重要和最新的技术研究，是国际化工领域影响力最高的期刊之一。