在众多燃煤电站CO₂捕捉技术中，富氧燃烧技术由于突出的技术经济优势，受到国内外研究者的广泛关注。由于烟气再循环，烟气中H₂O和CO₂含量较高，相关研究表明干烟气中CO₂纯度可达95% ，非常有益于CO₂的净化、封存和利用^[1-2]。此外，富氧燃烧还有其他很多优点，如较高的燃烧效率、烟气量少、排烟损失小、低NO_x排放量等^[3-4]。

由于富氧燃烧增加了空气分离子系统和烟气净化压缩子系统，降低了系统的效率。日本石川岛播磨(IHI)^[5]、瑞典Chalmers 大学^[6]、美国 ALSTOM^[7]、美国阿贡国家实验室^[8]、加拿大CANMET能源技术中心^[9]及华中科技大学^[10]等均对煤粉O₂/ CO₂循环系统进行了技术经济评价，基本结论是：如果传统燃煤锅炉改造成富氧燃烧锅炉，会导致电站净效率减少8%～12% ，供电成本增加 40% ～ 50% 。利用数值计算平台建立富氧燃烧系统模型，对 O₂/ CO₂燃煤电站系统进行技术经济分析和参数优化，可节约大量实验成本，为工业应用提供可靠的参考依据。

富氧燃烧技术用到的氧气作为一种重要的化工原料，广泛应用于冶金、国防、医疗保健、化工等行业^[11]，目前最主要的制氧技术（空气分离技术）主要包括深冷法、变压吸附法、膜分离法^[12]，这3种方法在能耗、投资、运行以及规模等方面都存在着一定的不足。 因此，开发一种节能、制氧纯度高、安全性能好的制氧技术是人们一直以来关注和研究的重点。

化学链制氧( chemical looping air separation，CLAS) 是基于化学链燃烧的思想，于2010年由澳大利亚纽卡斯尔大学教授 Moghtaderi 提出的一种新型制氧技术，该技术具有能耗低、成本低、响应快、操作简单等优点，并可适用于不同规模的制氧场合^[13]。

自世纪年代初期以来,多目标优化问题就受到研究人员越来越多的关注,但却一直没有出现有效的解决方法。虽然已经有许多经典的方法可以很好的解决单目标优化问题,但其最优解的定义是不能推广到多目标优化问题中的。在单目标优化问题中,通常得到的最优解都是全局最大或最小解,而在多目标优化问题中,多个目标函数需要同时进行优化,由于目标之间无法比较,又存在矛盾冲突,导致不一定存在同时满足所有目标函数最优的解。某个解可能在一个目标上是最优的但在另一个上是最差的。因此,多目标问题通常存在一个解的集合,它们之间不能简单的进行比较好坏。对这种解来说,不可能进一步优化某一个或几个目标而不损坏其他目标,这种解称作非劣最优解集^[14]，也就是所谓的最优解集Pareto。早在年法国经济学家Pareto就提出了这一观点^[15]。传统数学规划原理的多目、标优化方法在实际工程优化问题中往往表现出一定的脆弱性,因此有必要研究高效实用的多目标优化与决策的算法及理论。

非支配排序遗传算法NSGA是由Srinivas和Deb于1995年提出的^[16]。这是一种基于最优概念的遗传算法,它是众多的多目标优化遗传算法中体现思想最直接的方法。该算法就是在基本遗传算法的基础上,对选择再生方法进行改进将每个个体按照它们的支配与非支配关系进行分层,再做选择操作,从而使得该算法在多目标优化方面得到非常满意的结果。

2. 研究的基本内容与方案

本课题的研究（设计）的基本内容及目标：

本课题的主要目的是完成基于加压吸氧化学链制氧的富氧燃烧流程模拟与优化。在查阅相关文献之后，了解目前关于加压化学链制氧与富氧燃烧的研究进展。应用Aspen流程模拟软件，建立加压吸氧化学链制氧模型和满足富氧燃烧所需富氧烟气的模型。然后以制氧能耗和反应器规模为目标建立双目标优化模型，以非支配排序法进行求解，得到双目标优化的最优解集Pareto前沿。利用优化求解得到的制取富氧烟气的条件进行富氧燃烧整体系统建模。

拟采用的技术方案及措施：

（1）查阅相关文献，了解目前关于加压化学链制氧与富氧燃烧的概念；