پیش بینی خواص نفت خام با استفاده از مدل های توزیع و استفاده از آنها در تقطیر نفت خام

thesis
  • وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شریف
  • author غلامرضا مرادی
  • adviser
  • publication year 1369
abstract

نفت خام و مخلوطهای مشابه آن (نظیر برش های نفتی، کنداسیت گازی و ...) شامل طیف وسیعی از ئیدروکربنهای متفاوت می باشند. به همین دلیل خواص مختلف چنین مخلوطهایی را می توان توسط مدلهای توزیع پیوسته نشان داد. بدست آوردن توزیع خواص این مواد از طریق اندازه گیری به دلیل هزینه زیاد و وقت گیر بودن، عملا تحقق نمی یابد . لذا همواره سعی براین بوده است که با ارائه روشهایی در جهت تعمیم اطلاعات آزمایشی و نحوه استفاده بهتر از اطلاعات موجود، نیازهای عملی را مرتفع نمود. این پروژه نشانگر تلاشی است در راستای هدف فوق که درآن، روشی تقریبی جهت پیش بینی تمام مشخصات نفت خام بااستفاده از سه خاصیت عمومی (bulk property) مخلوط که به سادگی می توان آنها را توسط آزمایشی تعیین نمود، ارائه شده است . سه خاصیت مذکور عبارتنداز : جرم مولکولی چگالی ضریب شکست متوسط مخلوط در قسمت دوم این پروژه نحوه استفاده از توابع خواص پیش بینی شده در فرایند تبخیر ناگهانی (flash) نفت خام که پایه اساسی بررسی برجهای چند مرحله یی است بااستفاده از ترمودینامیک پیوسته نشان داده شده و نتایج با مقادیر آزمایشی مقایسه گردیده است . درقسمت آخر، روشی جهت شکستن توابع توزیع پیوسته خواص به اجزاء فرضی (pesudocomponents) مناسب ، جهت استفاده در انجام محاسبات تعادلی نفت خام یا برشهای نفتی برمبنای روش عددی gaussian quadrature ارائه گردیده است و نتایج استفاده از این روش در محاسبات تبخیر ناگهانی نفت خام نیز با مقادیر آزمایشی و مقادیر بدست آمده از روش ترمودینامیک پیوسته مقایسه شده است .

similar resources

پیش بینی نرخ خوردگی با استفاده از شبکه های عصبی مطالعه موردی: سیستم های بالاسری تقطیر نفت خام

هدف این تحقیق پیش بینی نرخ خوردگی با استفاده از شبکه های عصبی مصنوعی می باشد. خوردگی پدیده ای است که به علت تاثیر عوامل مختلف و متعدد شناخته شده و ناشناخته پیچیدگی بسیار زیادی دارد و به راحتی قابل مدلسازی نیست. جهت پیش بینی و مدلسازی خوردگی در رویکرد مکانیستیک به واکنش ها و فرایندهای فیزیکی، شیمیایی، و الکتروشیمیایی آن توجه می شود و مدلسازی بر اساس آنها انجام می پذیرد. با وجود موفقیت هایی که ای...

full text

پیش بینی قیمت نفت خام اوپک با استفاده از مدل خودبازگشتی میانگین متحرک انباشته فازی

عوامل زیادی بر قیمت نفت خام تأثیر می­گذارند از این رو استفاده از یک مدل چند متغیری که تمام عوامل مؤثر بر قیمت نفت را لحاظ کرده باشد کاری دشوار است. به همین دلیل، پیش­بینی این متغیر از طریق مدل­های چند متغیری بسیار دشوار است. در این حالت ممکن است استفاده از مدل­های تک متغیری روش مناسبی باشد. در این مدل­ها از حافظه تاریخی متغیر برای مدل­سازی و پیش­بینی استفاده می­شود. اما یکی از محدودیت­های مدل­ه...

full text

کاهش مصرف انرژی در واحد تقطیر نفت خام پالایشگاه تبریز با استفاده از تجزیه اکسرژی

واحد تقطیر اتمسفر یک در پالایشگاه، بیشترین مصرف‌کننده انرژی است و بهینه‌سازی این بخش تأثیر مستقیم بر عملکرد پالایشگاه و کیفیت فراورده دارد. تجزیه اکسرژی نقاط اتلاف و ناکارآمدی سامانه را با بررسی قانون اول و دوم ترمودینامیک مشخص می‌کند. در این مقاله واحد تقطیر نفت خام پالایشگاه تبریز با استفاده از نرم‌افزار ASPEn Plus شبیه‌سازی ‌شده است و مشخص شد که برج تقطیر اتمسفریک و برج جداسازی گاز مایع و نف...

full text

پیش بینی نرخ خوردگی با استفاده از شبکه های عصبی مطالعه موردی: سیستم های بالاسری تقطیر نفت خام

هدف این تحقیق پیش بینی نرخ خوردگی با استفاده از شبکه های عصبی مصنوعی می باشد. خوردگی پدیده ای است که به علت تاثیر عوامل مختلف و متعدد شناخته شده و ناشناخته پیچیدگی بسیار زیادی دارد و به راحتی قابل مدلسازی نیست. جهت پیش بینی و مدلسازی خوردگی در رویکرد مکانیستیک به واکنش ها و فرایندهای فیزیکی، شیمیایی، و الکتروشیمیایی آن توجه می شود و مدلسازی بر اساس آنها انجام می پذیرد. با وجود موفقیت هایی که ای...

full text

آزمون آشوب و پیش بینی قیمت های آتی نفت خام

این مقاله به امکان سنجی وجود آشوب در ساختار سیستم مولد قیمت نفت خام شاخصWTI طی دوره 4 آوریل 1983 تا 13 ژانویه 2003 می پردازد. به این منظور از تخمین نمای لیاپانوف و بعد همبستگی به عنوان آزمون های مستقیم آشوب و آزمون های BDS و شبکه عصبی جهت بررسی غیر خطی بودن ساختار سیستم استفاده شده است. نتایج تخمین نمای لیاپانوف و بعد همبستگی، وجود آشوب در سری زمانی را تایید کرده و تخمین آماره BDS و شبکه عصبی، ...

full text

بررسی بازیافت نفت خام از یک مخزن ذخیره سازی نفت خام با استفاده از بیوسورفکتانت رامنولیپید

در صنعت نفت مقدار زیادی پسماندهای جامد و نیمه­جامد تولید می شود که به­عنوان لجن­های نفتی شناخته می شوند. این لجن­ها در مراحل مختلف تولید و پالایش نفت در پایین مخازن تولید، می شوند. تجمع پسماند­های نفتی در صنعت نفت مسئلۀ محیطی جدی را به­وجود می آورد. هدف از این  تحقیق ارزیابی روند دیگری برای از بین بردن لجن های نفتی، با استفاده از بیوسورفکتانت ها است. یکی از مهم ترین خواص بیوسورفکتانت ها کاهش کش...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شریف

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023