2024年8月5-8日，亚洲过程系统工程会议在马来西亚槟城州隆重举行，课题组廖祖维教授，任聪静教授，洪小东研究员和江家慧博士后代表课题组参会。会议旨在促进各领域专家之间的合作与知识交流，推动高效、可持续和安全的工程解决方案的发展， 并涵盖了广泛的主题，其中包括过程设计与控制、供应链管理、可持续性、安全性，以及人工智能和大数据在工程过程中的应用。

   任聪静教授在大会上报告的主题为“化学工业应用中的双相流参数声学检测” 。在会议上，任聪静教授展示了他们在化学反应器和管道中两相流声学检测方面的突破性研究。任聪静教授的报告重点介绍了由于缺乏有效的检测技术，理解复杂的两相流动态所面临的挑战。通过广泛的理论研究和工业实践，发现两相流产生的噪声信号中包含丰富的过程信息。利用自主开发的声发射检测系统，成功测量了这些声学信号，并通过多尺度分析方法提取了关键信息。该研究进一步结合机理模型和机器学习，建立了声学信号特征参数与流动结构之间的定量关系，为优化化学过程和反应器设计提供了新的见解。

   此外，洪小东研究员在大会上的报告主题为“自适应分区线性化全局优化算法及其在换热器网络优化中的应用”。 换热器网络的优化通常被表述为一个非凸混合整数非线性规划（MINLP）问题，这类问题在包括化学工程在内的多个领域中都很常见。已经证明，换热器网络优化问题非确定性多项式难度非确定性多项式难度(nondeterministic polynomial-hardness (NP-Hard))问题中最具挑战性的之一。在多项式时间内获得最优解通常是不可行的。事实上，即便是获得可行解也可能面临重大挑战。解决MINLP问题的主要策略包括外部近似、空间分支定界（sBB）、和分支切割方法，这些方法分别对应典型的求解器如Dicopt、Couenne和Baron。分支定界和分支切割方法理论上具有实现全局最优的能力，但它们在改进下界方面通常进展缓慢。主要的挑战在于如何快速收紧松弛的MINLP解。为此，此项工作开发了一种自适应分区线性化全局优化算法，该算法适用于广泛的混合整数线性规划（MINLP）问题，并特别定制以应对换热器网络问题的独特特性。该算法通过求解一系列的MILP和NLP子模型来实现全局最优。

   其中江家慧博后的汇报主题为“释放P2X能源规划中过剩可再生能源的潜力”。 随着工业化和城市化的加速发展导致了碳排放的显著增加，这促使全球向可再生能源转型，以缓解气候变化。将可再生能源整合到现有电力系统中带来了机遇和挑战，尤其是由于其间歇性特性，这可能影响剩余负荷和电力系统的稳定性。Power-to-X（P2X）技术作为一种有前景的解决方案，能够以多种形式存储和利用过剩的可再生能源。此报告提出了一种系统的P2X能源规划方法，并通过中国的一个案例研究来验证所提出框架的有效性。这项工作通过蒙特卡罗模拟模型评估中国各地区的可再生能源交易和非交易两种情景，并在此步骤中确定有利的情景。通过蒙特卡罗方法生成不同可再生能源增量比率下碳减排的概率密度函数。接下来，通过在给定置信水平下的在险价值分析（Value-at-Risk, VaR）确定最佳的可再生能源增量比率，以确保达到碳减排目标。最后，实施敏感性分析，评估各种不确定因素对碳减排结果的影响，以明确每个不确定因素在P2X能源规划中的重要性。通过所提出的框架，在允许可再生能源交易的中国案例研究中，确定了总共需要增加的可再生能源，以实现整体碳减排目标。研究结果表明，P2X技术在实现碳减排目标方面的有效性，并提供了不同不确定性风险状况及其稳健性的见解。