طراحی بهینه مبدل حرارتی پیش گرمکن نفت خام با استفاده از مدل شبکه عصبی رسوب و الگوریتم ژنتیک
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه هرمزگان - دانشکده فنی
- نویسنده هاشم فردین نژاد
- استاد راهنما جمشید خورشیدی مال احمدی یونس بخشان
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1393
چکیده
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.
منابع مشابه
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...
متن کاملمدل 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 اولپیش 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. ...
متن کاملبهینهسازی فرایندهای عملیاتی پیش تصفیه آب صنعتی با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک
متن کامل
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...
متن کاملمدل 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...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه هرمزگان - دانشکده فنی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023