近日，于坤杰博士完成的论文“Multiobjective optimization of ethylene cracking furnace system using self-adaptive multiobjective teaching-learning-based optimization”在中科院一区Top期刊《Energy》上正式发表。
乙烯裂解炉群系统作为乙烯生产装置的关键设备单元，通过蒸汽裂解将碳氢化合物原料转化为小分子的碳氢化合物单体，用于生产乙烯、丙烯、丁二烯等重要的产品。炉群系统的操作条件极大地影响着产品收率和燃料气的消耗。本文基于乙烯生产现场的原料分配情况，提出了多目标操作优化模型，以同时确定炉群系统中每台裂解炉的关键操作条件，对两个重要且互相冲突的目标进行考虑，即关键产品收率的最大化和吨乙烯燃料消耗的最小化。该模型考虑了原料平衡和废热锅炉出口温度等生产约束。改进的自适应多目标教学优化算法用于求解构建的多目标优化问题，以获得Pareto最优解集。对实际乙烯厂的一个案例进行了研究，结果表明获得的 Pareto 最优解集提供了多种可能的操作选择，与实际操作条件对比结果表明了所建立模型和算法的有效性。
于坤杰博士的主要研究方向为：进化计算、多目标优化、机器学习、复杂工业过程建模与优化、能源优化等，已发表SCI/EI索引学术论文10余篇，其中ESI高被引论文一篇；发明专利一项。相关成果在《Energy Conversion and Management》、《Energy》、《Information Sciences》、《Knowledge-Based Systems》、《Computers & Chemical Engineering》、《Chemometrics and Intelligent Laboratory Systems》、《Journal of Intelligent Manufacturing》和《自动化学报》等国内外权威期刊上发表。参与多项科研项目，包括国家自然科学基金重点项目，企业委托项目等。