مدل سازی، شبیه سازی و بهینه سازی واحد نمک زدایی پالایشگاه اصفهان

مدل سازی و شبیه سازی فرآیند واحد نمکزدایی با استفاده از معادلات پایه، با توجه به تعداد بالای پارامترهای تاثیرگذار بر کارآیی واحد، کاری بسیار پیچیده، وقت گیر و در نتیجه پر هزینه می باشد. مدل سازی و شناسایی سیستم بر اساس شبکه های عصبی، با توجه به سرعت عملکرد بالا، دقت برآورد و سهولت استفاده گزینه ای مناسب محسوب می گردد. با بهره گیری از مدل شبکه های عصبی می توان شبیه سازی و کنترل یک فرآیند را انجام داد. در مدل سازی انجام یافته با توجه به داده های صنعتی موجود، متغیرهای ورودی به شبکه پنج مشخصه، دما نفت ورودی به نمکزدا، فشار نفت در ورودی به نمکزدا، میزان آب شستشو تزریقی به نفت خام قبل از ورود به نمک زدا، میزان آب همراه نفت در مرز واحد و میزان نمک موجود در نفت ورودی به واحد و متغیرهای خروجی شبکه دو مشخصه، میزان آب همراه نفت در خروجی از نمکزدا و میزان نمک موجود در نفت در خروجی از نمکزدا در نظر گرفته شده است. در مدل سازی شبکه عصبی با تغییر پارامترهای موثر شبکه، استفاده از یک لایه پنهان، الگوریتم l-m و مدل غیر خطی feed forward backpropagation، تابع محرک تانژانت هیپربولیک برای لایه پنهان و تابع خطی برای لایه خروجی، معیار خطای mse، ساختار شبکه 2-7-5 به عنوان موثرترین ساختار برای شناسایی سیستم با ضریب همبستگی 95/0 در مرحله تست مشخص گردید. در شبیه سازی فرآیند مشخصه های تاثیرگذار بر فرآیند مشتمل بر دما، فشار و میزان آب شستشو تزریقی در نظر گرفته شد. مشخصه های خروجی نیز بازدهی آبگیری و بازدهی نمکزدایی تعریف گردیدند. تغییرات فشار در محدوده نرمال فشار عملیاتی نمکزدا، به تنهایی تاثیر چندانی بر بازدهی آبگیری و بازدهی نمکزدایی ندارد. برای دستیابی به بازدهی بهینه آبگیری با توجه به نتایج حاصل از مدل سازی و شبیه سازی فرآیند، دما نفت ورودی به نمکزدا می بایست در محدوده دمایی 143 تا ?150 قرار گیرد، ولی در مورد تعیین مقدار بهینه مشخصه میزان آب شستشو تزریقی، تحلیل نتایج با توجه به اطلاعات محدود موجود، غیر ممکن می باشد. مقایسه نتایج حاصل از شبیه سازی با بکارگیری مدل حاصل از شبکه عصبی، با نتایج بهینه سازی شده سیستم فرآیندی در مقیاس صنعتی، دمای عملیاتی ? 148 و میزان آب شستشو تزریقی m^3/hr 46، حاکی از تطابق بسیار بالای مدل با سیستم فرآیندی صنعتی دارد. اعمال مقادیر بهینه بدست آمده از مدل شبکه عصبی، نشان دهنده کارکرد عملیاتی بهینه نمکزدایی واحد، با توجه به مشخصه های عملیاتی تاثیر گذار، دما و میزان آب شستشو می باشد.