طراحی بهینه مبدل حرارتی پیش گرمکن نفت ‎خام با استفاده از مدل شبکه عصبی رسوب و الگوریتم ژنتیک

thesis
abstract

در پژوهش حاضر با استفاده از روابط طراحی مبدل به روش بل ( bell)، برنامه ای در نرم افزار متلب (matlab) نوشته شده و مدل خطی تشکیل رسوب نفت خام مبدل حرارتی e01010a واحد تقطیر پالایشگاه بندرعباس، با استفاده از اطلاعات واحد عملیاتی(مستخرج از سیستم dcs پالایشگاه)، ارائه شده است. ارزیابی عملکرد این مبدل از نظر رسوب گرفتگی و طراحی حرارتی نشان می دهد که میزان رسوب این مبدل در طی گذشت حدود پنج ماه، از میزان مجاز آن 7/42 برابر بیشتر شده و در نتیجه بار حرارتی آن 13/9 درصد کاهش یافته است. همچنین در این پژوهش یک مدل جدید مبتنی بر شبکه عصبی مصنوعی برای پیش بینی نرخ تشکیل رسوب نفت¬خام ارائه شده است؛ با استفاده از این مدل و با به کارگیری الگوریتم ژنتیک و روابط (به روش بل) و متغیرهای استاندارد طراحی مبدل (به گونه ای که نتیجه آن یک طراحی معتبر از نظر استاندارد tema باشد)، یک برنامه بهینه سازی با استفاده از یک کد محاسباتی ارائه شده است؛ در این برنامه با به کارگیری مدل شبکه عصبی رسوب، هزینه رسوب مبدل محاسبه می شود و مبدل بهینه ای طراحی می گردد که هزینه کل آن(شامل هزینه اولیه، هزینه عملیاتی ناشی از افت فشار و هزینه رسوب) نسبت به سایر طراحی های ممکن کمینه باشد. همچنین مدل رسوب ارائه شده، پیش بینی با خطای 10% را ارائه می کند که نسبت به آخرین مدل شبکه عصبی ارائه شده در پژوهش های پیشین، به دلیل انتخاب پارامترهای تأثیرگذار در تشکیل رسوب به عنوان ورودی شبکه و قدرت بالای شبکه عصبی در پیش بینی مسائل پیچیده، 8% و نسبت به مدل های شناخته شده آستانه رسوب، بین 45 تا 75 درصد بهتر می باشد. جهت ارزیابی و مقایسه (در مقیاس صنعتی) نتایج مدل ارائه شده، از نتیجه ضریب رسوب مبدلe01010a که با استفاده از داده های عملیاتی پالایشگاه بندرعباس حاصل شده¬بود، استفاده شده است. درنهایت امر، برنامه بهینه¬سازی فوق¬الذکر برای مبدل e01010a براساس شرایط فرآیندی طراحی اولیه، اجراء شده و نتایج بدست آمده نشان می¬دهد که هزینه کل مبدل طراحی شده به این روش تا حدود30% نسبت به هزینه طراحی اولیه (در مجموع هزینه های خرید و هزینه عملیات) کمترمی¬باشد. لذا این روش می¬تواند ابزار قدرتمندی در طراحی مبدل محسوب شود.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

بررسی تاثیر تشکیل رسوب نفت خام روی عملکرد مبدل های حرارتی واحد پیش گرمکن تقطیر اتمسفریک

در این مقاله تاثیر رسوب نفت خام در جداره لوله و روی عملکرد مبدل های حرارتی مورد بررسی قرار می گیرد که در آن نتایج آزمایشگاهی نفت خام سبک استرالیا در محدوده دمای سطح ثابت oC 260-180و در محدوده سرعت m/s  4/0-25/0 به کار رفته است [1]. با استفاده از این نتایج ابتدا مقدار ضریب کلی انتقال حرارت در حالت  رسوبی  به دست آمده و سپس مقدار ضخامت رسوب نفت خام تعیین شده است. معادله توزیع دما برای نمونه در لو...

full text

مدل سازی و پیش بینی رسوب آسفالتین در نفت خام با استفاده از شبکه های عصبی و الگوریتم ژنتیک

آسفالتین ترکیباتی است سنگین الی که این ترکیبات سبب ایجاد مشکلاتی در فرایندهای نفتی می گردد. این رسوب از ترکیبات پیچیده و آلی سنگینی ، که در نفت خام وجود دارد تشکیل شده ، که می تواند سبب بسیاری از مشکلات شود. در این پروژه با استفاده از شبکه های عصبی مصنوعی (ann) روشی را برای برآورد از رسوب آسفالتن مطرح شده است. شبکه های عصبی در واقع مدل ساده ای از مغز انسان است که با قابلیت یادگیری و تخمین ، به...

15 صفحه اول

پیش بینی قیمت نفت خام وتعیین سطح تولید بهینه با استفاده از الگوی تکاملی شبکه های عصبی و تعادل نش

در اقتصاد جهان، نفت خام در کنار گاز طبیعی و زغال سنگ یکی از منابع استراتژیک انرژی است و پیش‌بینی روند تقاضای آن جهت اتخاذ سیاست‌های مناسب، مورد توجه سیاست‌گذاران و تصمیم‌گیرندگان است. نظر به روند پر نوسان و غیرخطی عرضه و تقاضای نفت خام و قیمت آن، روش‌هایی هوشمند و غیرخطی خصوصاً شبکه‌های عصبی مبتنی بر الگوهای تکاملی، توانسته‌اند توانایی خود را در پیش‌بینی کوتاه‌مدت قیمت نفت خام به اثبات برسانند. ...

full text

بهینه‌سازی فرایندهای عملیاتی پیش تصفیه آب صنعتی با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

full text

وقفه های زمانی بهینه در پیش بینی قیمت نفت توسط شبکه عصبی پویا اصلاح‌شده با الگوریتم ژنتیک

قیمت نفت، اهمیت و نوسانات آن در طول زمان در اخذ تصمیمات مهم اقتصادی در دنیا، سبب گسترش روش‌های مختلفی در پیش­بینی قیمت نفت، ازجمله ابزارهای غیرخطی مانند شبکه عصبی شده است. در این مقاله برای در نظر گرفتن عامل زمان در پیش­بینی توسط شبکه عصبی، با دریافت بازخورد از شبکه عصبی مصنوعی اصلاح شده با الگوریتم ژنتیک GADNN وقفه­های بهینه ناشی از ورودی­ها و خروجی‌های قیمت نفت توسط شبکه عصبی پویا محاسبه می­گ...

full text

مدل سازی و پیش بینی کارایی بانک های دولتی و خصوصی ایران با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک

دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های دولتی و خصوصی در کشور پیش بینی کارایی آن ها اهمیت ویژه ای پیدا کرده است. هدف از این پژوهش، مدلسازی و پیش بینی کارایی...

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 هرمزگان - دانشکده فنی

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023